.png){kind=icon}
返回
An Improved Point Cloud Filtering Algorithm Applies in Complex Urban Environments
.png){kind=icon}
OA
AI
DOI：10.3390/rs17081452.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
点云滤波在城区地面点提取中发挥着关键作用。它能够有效区分地面点与物体点，减少数据冗余，并提高处理效率，为城区三维建模、环境监测和智能管理提供准确的基础数据。然而，当前点云滤波算法在多尺度结构复杂性和稀疏-密集平衡方面存在显著局限性，阻碍了复杂城区环境中的准确提取。为解决这些问题，本文提出了一种基于布料模拟和渐进式TIN密化的点云滤波算法（CAP）。该算法首先应用布料模拟滤波（CSF）算法对点云数据进行初步滤波，提取初始地面点。随后基于初始地面点构建TIN模型，并融入渐进式TIN密化（PTD）算法的概念。通过逐点阈值化，进一步优化地面点和物体点的精细度。在ISPRS提供的城区公共点云数据集中，CAP算法滤波后的平均总误差为5.90%。对于北莱茵-威斯特法伦实验样本区的12组点云数据，结果显示CAP算法的平均总误差为2.86%，比PTD算法低2.01%，比CSF算法低0.60%。平均Kappa系数为94.04%，较PTD和CSF算法分别提升了4.17%和1.22%。本研究表明，CAP算法在城区点云滤波任务中展现出优越的准确性和适应性，具有显著的应用潜力。
Keyword:
point cloud filtering
ground point extraction
urban 3D modeling
CAP
期刊
IF:
4.1
论文数:
7.4K
被引数:
15.1W
机构
引用论文
An adaptive surface filter for airborne laser scanning point clouds by means of regularization and bending energy基于正则化和弯曲能量的机载激光扫描点云自适应表面滤波器
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An Improved Adaptive Grid-Based Progressive Triangulated Irregular Network Densification Algorithm for Filtering Airborne Lidar Data一种改进的自适应网格化渐进式三角不规则网络加密算法，用于滤波机载LiDAR数据.png)
IF0
PREAI
分享收藏Filtering airborne LiDAR data by embedding smoothness-constrained segmentation in progressive TIN densification通过在渐进锡致密化中嵌入平滑度约束的分割来过滤机载LiDAR数据
PREAI
分享收藏A Connected Sets Detection Morphological Filter for Airborne LiDAR DTM Extraction under Urban Area一种用于城市区域机载LiDAR DTM提取的连接集检测形态学滤波器
PREAI
分享收藏
查看更多内容