机载LiDAR方向预测法提升建筑物轮廓提取精度

本文主要探讨的是在机载激光雷达（LiDAR）数据处理领域的一项创新方法，即基于方向预测规则化的建筑物正交轮廓线提取。机载激光雷达技术因其高精度和广泛的应用，已经成为城市建模、地形分析等领域的重要工具。建筑物轮廓线的提取是其中的关键步骤，它能提供重要的地理信息，如建筑物的形状、大小和结构。 作者提出了一种针对机载激光雷达点云数据的新型算法，该算法首先利用α-shape算法，这是一种经典的拓扑学方法，用于识别和提取数据中的潜在边缘或轮廓点。接下来，文章提到的改进版Douglas-Peucker算法在此基础上进一步优化，通过角度检验规则筛选出关键点，这些关键点对于后续的轮廓线简化至关重要。 简化轮廓线的过程通常采用随机抽样一致性算法，这有助于减少冗余信息，提高轮廓线的简洁性和准确性。最后，核心环节是提出的方向预测规则化算法，它利用方向信息对轮廓线进行规整，以确保其正交性，这对于建筑物建模和空间分析的精确性极为关键。 通过在Vaihingen城区的数据集上进行实际测试，研究结果显示，相比于主流的分类强制正交算法，基于方向预测规则化的算法表现更为优越。具体表现为：最大偏差平均减少了43.1%，均方根误差平均降低了39.7%，建筑物占地面积的相对误差平均下降了7.02%，并且点云贡献率平均提高了9.32%。这些提升表明该算法在减少规则化误差方面具有显著优势，有助于提高机载激光雷达数据处理的精度和效率。 本文的工作不仅提供了新的轮廓线提取方法，而且通过实证验证了其在实际应用中的有效性和实用性，对于机载激光雷达技术在城市规划、灾害管理等领域的应用有着积极的推动作用。同时，这种方法也为后续的研究者提供了一个改进轮廓提取技术的新视角，推动了该领域的发展。