.png){kind=icon}
返回
A data-driven morphological filtering algorithm for digital terrain model generation from airborne LiDAR data
.png){kind=icon}
OA
AI
DOI：10.1016/j.ophoto.2025.100102.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
地面滤波算法（GFs）在点云处理中广泛用于生成数字高程模型。现有的GFs通常依赖基于规则或机器学习的方法，以分离机载点云中的地面点和非地面点。然而，它们在包含山地和异质建筑物的场景中，往往难以准确提取地面点。为提升机载点云地面滤波的准确性和鲁棒性，我们提出了一种数据驱动的形态学滤波算法（DMF）。DMF首先对输入点云进行体素化，识别近地面体素中心点。随后，基于这些近地面体素中心点的高程信息构建数字高程模型。接着设计复合形态学滤波器，在数字高程模型中识别地面和非地面区域，并将其中近地面体素中心点标记为GF-support节点。该复合形态学滤波器用于识别输入点云中描绘的不完整边缘结构的非地面区域，并纠正误分类区域。最后，在GF-support节点与输入点云之间构建双向k维树搜索引擎，以分离地面和非地面点。实验结果表明，DMF实现了平均F-score大于0.88的地面滤波精度，展示了在不同测试场景下生成数字高程模型的鲁棒性。此外，DMF的中间输出支持对机载点云中人工物体的实例分割。DMF的代码将在GitHub（https://github.com/wbx1727031/DMF）上共享。
Keyword:
Ground filtering algorithm
Topographic features
Digital terrain model
Airborne point cloud
k -dimensional tree
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
I
IF:
0
论文数:
24
被引数:
0
机构
引用论文
Vision-based navigation and guidance for agricultural autonomous vehicles and robots: A review农业自动车辆和机器人的基于视觉的导航和引导: 综述
PREAI
分享收藏Filtering airborne LiDAR point clouds based on a scale-irrelevant and terrain-adaptive approach.png)
MEASUREMENT
MEASUREMENTIF5.6
PREAI
分享收藏Airborne laser scanning of forested landslides characterization: Terrain model quality and visualizationGEOMORPHOLOGY
GEOMORPHOLOGYIF3.3
PREAI
分享收藏An Easy-to-Use Airborne LiDAR Data Filtering Method Based on Cloth Simulation一种基于Cloth仿真的机载LiDAR数据滤波方法OAAI
OAAI分享收藏
查看更多内容