渐进三角网法提升机载LiDAR点云数据滤波精度

本文主要探讨了"基于渐进三角网的机载LiDAR点云数据滤波"这一关键技术，发表于2011年的武汉大学学报·信息科学版。机载LiDAR（Light Detection and Ranging）是一种高精度的三维空间数据采集技术，通过激光测距和定位定向系统获取地面的三维点云数据。然而，这些数据通常包含大量的噪声和干扰，如建筑物、低矮植被和其他地物，这对后续的数字高程模型(Digital Elevation Model, DEM)构建造成挑战。 文章提出了一种创新的方法，即利用规则格网和不规则三角网来组织机载LiDAR点云数据。首先，通过区域分块法或数学形态学法选择种子地面点，构建初始的稀疏三角网。这种方法强调了逐步加密的过程，即从初始的少数地面点出发，通过三角网的扩展不断提取和确认更多的地面点。这种递进策略有助于减少误分类和保留地形特征。 作者强调，该算法在实际试验中表现出色，能够有效地去除不同规模的建筑物和地物，同时保持地形细节的准确性和完整性。尽管在没有外部辅助数据的情况下，单纯依赖LiDAR点云数据进行自动滤波确实存在困难，但这种方法为自动化处理提供了一种有效的解决方案。 论文的关键词包括LiDAR、三角网、点云数据和滤波，表明了研究焦点集中在如何通过优化的三角网结构和算法来提升点云数据的质量，以便更好地服务于高精度地图制作、城市规划、地质分析等领域。 这篇论文在机载LiDAR点云数据处理技术中具有重要意义，为解决点云数据滤波中的复杂问题提供了新的思路，对于提高LiDAR技术在现代测绘和地理信息系统中的应用价值具有积极的推动作用。