项目五 三维激光点云数据的滤波和地物分类-1765263935293.pptxVIP

项目五三维激光点云数据的滤波和地物分类1

02三维激光点云数据地物分类01三维激光点云数据滤波03基于TerraScan的点云数据滤波及分类目录-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------2

任务一三维激光点云数据滤波3

学习要点1.认识三维激光扫描数据滤波的难点；2.了解车载三维激光点云数据滤波；3.掌握机载三维激光点云数据滤波。4

任务一三维激光点云数据滤波

任务一三维激光点云数据滤波滤波困难地物的结构特性：（一）外露点外露点也称为噪声点，包括极高点和极低点。?极高点：这些点并不属于地表，一般是由激光打到飞鸟、低空飞行的飞机等空中物体上造成的，在点云数据中极高点很少。?极低点：这些点源自于系统的粗差，不是地表点，通常是由多路径效应等因素造成的。由于大部分滤波算法都假设点云数据中局部最低点是地面点，导致处理结果存在很大的误差，因此必须在滤波前予以去除。

任务一三维激光点云数据滤波（二）复杂建筑物的处理在城市场景中，大小不同的建筑物、结构复杂的建筑物、陡坡上的建筑物等，这些形状各异的建筑物都是干扰滤波质量的关键因素。

任务一三维激光点云数据滤波（三）连接型地物的处理桥梁、过街天桥等人工地物不是单独的孤立地物，而是一些与地形或地物相连接的地物，结构上与地形数据具有一定的连续性，由于难以确定这类地物同裸露地面间的边界，因而很难将它们与裸露地面区分开。

任务一三维激光点云数据滤波（四）植被的处理各种低矮植被，由于离裸露地面很近，所以很难与地面点区分开。此外，当植被位于陡坡上时，其坡上的地面点往往会与植被一样高，所以会导致滤波失败。

任务一三维激光点云数据滤波（五）地面上不连续特征的处理地面上的地物对象在点云数据中常表现为不连续特征，这是滤除该类对象的重要依据，但是在一些陡坡地形中，地面点会出现高程不连续的情况，因此很容易使得地面上的断裂特征被当作地物而被滤除，从而会造成裸露地面上不连续特征的缺失。

任务一三维激光点云数据滤波（六）数据分布不均匀激光点云数据的密度和分布会很大程度影响滤波算法的处理结果。若数据点的密度较小，那么较小的地物点相对于点的间距就会变得不明显，由于较难识别而不便区分。点云数据的分布往往是不均匀的，在某些地方存在数据裂隙，而在扫描带重叠区域数据点却十分稠密，这也会对滤波结果造成影响。

任务一三维激光点云数据滤波二、车载激光雷达点云数据滤波（一）基于高程的滤波方法通常使用车载激光扫描系统获取城市环境三维空间信息。根据城市环境的特点，一般将地物对象分为地面、建筑物和其他地物（车辆、树木、杆、电缆等）。地物点可分为：（1）地面反射点。（2）建筑物反射点。（3）其他地物反射点。

任务一三维激光点云数据滤波二、车载激光雷达点云数据滤波（二）基于扫描线的滤波方法该方法可以适用于车载激光雷达点云数据滤波，可以提取出路面点.由于路面离扫描仪的距离相对于建筑物和树木来说最近，另外激光扫描仪的角度分辨率是固定的，故属于地面的激光点的密度也是最高的。扫描仪和地面之间一般没有障碍物，故可保证地面被直接扫描得到，路面高度一般在一个比较小的高差范围内变动，基本上高度变化的范围为10~30cm，故可以根据这些特点将路面点给分离开来。

任务一三维激光点云数据滤波三、机载激光雷达点云数据滤波现有的利用高程信息的滤波方法主要有：（一）数学形态学方法（二）基于坡度的滤波算法（三）移动曲面拟合滤波算法（四）迭代线性最小二乘内插滤波算法（五）渐进加密三角网滤波方法

谢谢！15