机载LiDAR点云数据滤波新方法：无需阈值

"这篇论文研究了一种无需阈值支持的机载LiDAR点云数据滤波方法，通过引入统计学中的偏度和峰度概念，实现非监督分类，有效地从LiDAR点云生成的DSM中提取DTM。这种方法独立于点云数据的格式和分辨率，具有较好的适应性和精度。" 点云数据滤波是机载LiDAR数据后处理的关键步骤，用于区分地面点和非地面点，以便进一步提取数字表面模型（DSM）中的数字地形模型（DTM）和其他测绘产品。传统的滤波算法，如基于形态学、表面、渐近加密和分割的方法，虽然各有优势，但通常需要设定参数或阈值，如窗口尺寸、坡度、高差等。然而，这些参数的选择对滤波效果有显著影响，且可能因数据特性而异，增加了处理的复杂性。 论文提出的创新点在于，它采用偏度平衡的非监督分类策略，利用统计矩原理，无需预先设定阈值。偏度和峰度是统计学中的两个重要概念，分别衡量数据分布的不对称性和尖峰程度。在点云数据中，地面点往往具有特定的分布模式，而非地面点则可能呈现更复杂的变化。通过分析这些统计特征，算法能够智能地区分地面点和非地面点，从而实现自动化的点云滤波。 实验结果显示，这种方法在实际应用中表现出良好的性能和适应性，能有效应对不同的LiDAR数据格式和分辨率。此外，由于无需人工设定阈值，这种方法降低了人为因素对滤波结果的影响，提高了处理效率和结果的稳定性。这使得该方法对于大规模、高分辨率的LiDAR数据处理尤为有利，有助于推动机载LiDAR数据处理技术的进一步发展和完善。 这项研究为机载LiDAR数据滤波提供了一个新的无阈值方法，它利用了点云数据的内在统计特性，简化了处理流程，增强了滤波的准确性和普适性。这对于提升地形测绘的自动化水平和精度具有重要意义。