CN110660027A - 一种针对复杂地形的激光点云连续剖面地面滤波方法 - Google Patents

一种针对复杂地形的激光点云连续剖面地面滤波方法 Download PDF

Info

Publication number
CN110660027A
CN110660027A CN201910799867.0A CN201910799867A CN110660027A CN 110660027 A CN110660027 A CN 110660027A CN 201910799867 A CN201910799867 A CN 201910799867A CN 110660027 A CN110660027 A CN 110660027A
Authority
CN
China
Prior art keywords
grid
point cloud
terrain
grids
points
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910799867.0A
Other languages
English (en)
Other versions
CN110660027B (zh
Inventor
刘如飞
卢秀山
丁少鹏
俞家勇
马新江
王一帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
QINGDAO SUPERSURS MOBILE SURVEYING CO Ltd
Original Assignee
QINGDAO SUPERSURS MOBILE SURVEYING CO Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by QINGDAO SUPERSURS MOBILE SURVEYING CO Ltd filed Critical QINGDAO SUPERSURS MOBILE SURVEYING CO Ltd
Priority to CN201910799867.0A priority Critical patent/CN110660027B/zh
Publication of CN110660027A publication Critical patent/CN110660027A/zh
Application granted granted Critical
Publication of CN110660027B publication Critical patent/CN110660027B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种针对复杂地形的激光点云连续剖面地面滤波方法，属于激光扫描点云数据处理技术领域，本发明首先利用格网邻域高差法提取点云数据中地形特征线；以地形特征线作为边界约束条件，对原始点云数据进行整体分块；然后对分块后的点云数据分别进行格网化处理，提取初始地面点；以垂直地形特征线的方向对点云数据进行剖面坐标转换，在复杂地形处加密地面点；沿剖面方向进行渐进式分段剖面曲线拟合；最后计算点与曲线的距离，求取距离中误差作为阈值进行滤波。本发明降低了滤波过程的复杂度，使整个针对复杂地形的滤波处理算法更加高效，能够获取更准确的地面点数据。

Description

一种针对复杂地形的激光点云连续剖面地面滤波方法
技术领域
本发明属于激光扫描点云数据处理技术领域，具体涉及一种针对复杂地形的激光点云连续剖面地面滤波方法。
背景技术
随着“数字地球”概念的提出，“数字化”已成为现如今人们关注的热点问题。近些年，三维地理空间信息的需求逐渐增加，发展有效、快速、精准的空间信息数据的获取方式和处理技术是满足以上问题的关键因素。三维激光扫描技术是一种主动测量技术，能获取激光脚点的三维坐标、激光强度，且随着技术的发展点密度也在增加，受其作业方式、庞大的数据量以及处理过程较复杂等因素限制，数据处理与应用等方向仍未满足需求，数据后处理的算法实现方面还需继续完善。目前，已有算法存在处理过程自动化水平不高、参数繁多等问题，仍需要大量的人工参与，且三维激光扫描技术依然在不断发展，以其独特优势和广泛的应用前景，数据处理与分类算法的需求也越来越急迫。在山区地形，因为地面存在的地物种类繁多，地形起伏较大，在这种复杂环境下的数据处理难度也随之变大。因此，急需开发一种可以应用于复杂地形的地面滤波算法。
发明内容
针对现有技术中存在的上述技术问题，本发明提出了一种针对复杂地形的激光点云连续剖面地面滤波方法，设计合理，克服了现有技术的不足，具有良好的效果。
为了实现上述目的，本发明采用如下技术方案：
一种针对复杂地形的激光点云连续剖面地面滤波方法，包括如下步骤：
步骤1：遍历所有格网的最低点，计算格网最低点与邻域格网最低点的高差，利用格网邻域高差法，提取激光点云数据中的包括山脊线、山谷线、坡顶线及坡底线在内的地形特征线；
步骤2：以地形特征线为约束条件，对原始点云数据进行整体分块；
步骤3：对步骤2中分块的点云数据分别进行格网化处理，提取初始格网地面点；
步骤4：根据地形特征线方向对初始格网地面点进行二维剖面坐标转换，并加密复杂地形区域的初始格网地面点；
步骤5：以初始格网地面点转换的剖面点为基础点云，采用渐进式分段剖面曲线拟合法，分段拟合准确的地面点；
步骤6：计算格网内其它点云与拟合曲线的距离，并计算距离的中误差σ，以2σ作为距离阈值进行滤波。
优选地，在步骤2中，具体包括如下步骤：
步骤2.1：以地形特征线所属格网为约束进行格网分类，具体包括如下步骤：
步骤2.1.1：选取格网Gi，其中，i＝1,2,……；
步骤2.1.2：判断格网Gi内有无地形特征点，若格网Gi内无地形特征点，则标记格网Gi为聚类格网；
步骤2.1.3：查找格网Gi的8邻域格网NGm，其中，0≤m≤9，若邻域格网满足以下三个条件：(1)未标记为聚类格网；(2)存在点云数据；(3)格网内无地形特征点；则标记格网NGm为聚类格网，并添加至格网集CGx，1≤x≤N；
步骤2.1.4：以新标记为聚类格网的NGm为中心查找其8邻域格网，直至无满足要求的格网，将格网集CGx标记序号N；
步骤2.1.5：重新以未标记为聚类格网开始，重复步骤2.1.1-步骤2.1.4，对所有格网进行判断，除包含地形特征点的格网外，全部标记为聚类格网；
步骤2.2：对地形特征线所属格网内点云进行分类；
以地形特征线为界限，将存在地形特征线格网内的点云划分为两部分；分别查找每一部分邻近格网所属格网集CGx的序号N，将格网内该部分的点云归类至第N块格网集CGx；遍历所有存在地形特征线的格网，完成点云分块。
优选地，在步骤4中，具体包括如下步骤：
步骤4.1：地形特征线约束的剖面坐标转换；
以步骤2分块的点云为单位，搜索点云数据对应的地形特征线，然后计算地形特征线与X轴正方向的夹角α°；以(α+90)°作为剖面方向，对连续剖面格网点云进行二维剖面坐标转换，依次加入到剖面转换点云集P中；
步骤4.2：加密复杂地形区域的地面点；
地形特征线所在格网作为地形变化的复杂地形区域，遍历所有存在地形特征线的格网，将格网按地形特征线的方向，平均分割为三个小格网，然后对每个小格网分别提取最低点作为地面点进行加密，依据步骤4.1中的方法进行二维剖面坐标转换，加入到剖面转换点云集P中。
优选地，在步骤5中，具体包括如下步骤：
步骤5.1：初始曲线拟合：
利用最小二乘曲线拟合的方法，对剖面转换点云集P中的每个剖面内的格网点依次进行初始曲线拟合；
步骤5.2：渐进曲线拟合：
逐条计算剖面拟合曲线中，每个格网点处的曲率，在每一条剖面曲线最大曲率的格网点处进行线切分，并在切分的格网内按照步骤4.2进行加密；对切分后的两条线分别进行二次曲线拟合，得到精确的地面点。
本发明所带来的有益技术效果：
本发明方法首先利用格网邻域高差法提取地形特征线，然后依据地形特征线，对原始点云数据进行整体分块；最后以垂直地形特征线的方向对点云数据进行剖面进行滤波。本发明主要是以地形特征线为约束条件，获取展现剖面特征的最佳角度，将复杂地形拆分为简单地形、将三维点云数据转换为二维剖面数据，降低了滤波过程的复杂度，加快滤波算法处理速度，也能够获取更准确的地面点数据。
附图说明
图1为本发明中一种针对复杂地形的激光点云连续剖面地面滤波方法的流程图。
图2为本发明中点云分块渲染对比示意图。
图3为本发明中格网中心点与8邻域格网示意图。
图4为本发明中点云格网化示意图。
图5为本发明中点云剖面示意图。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明：
本发明的基本思想是：以山区点云数据的骨架线特征为依据，综合运用剖面转换与曲线拟合的方法，结合分块、分段等简化手段，进行山区复杂地形的地面点云的自动提取。
如图1所示，一种针对复杂地形的激光点云连续剖面地面滤波方法，包括如下步骤：
步骤1：遍历所有格网的最低点，计算格网最低点与邻域格网最低点的高差，利用格网邻域高差法，提取激光点云数据中的包括山脊线、山谷线、坡顶线及坡底线在内的地形特征线；
步骤2：以地形特征线为约束条件，对原始点云数据进行整体分块；如图3所示，具体包括如下步骤：
步骤2.1：以地形特征线所属格网为约束进行格网分类，具体包括如下步骤：
步骤2.1.1：选取格网Gi，其中，i＝1,2,……；
步骤2.1.2：判断格网Gi内有无地形特征点，若格网Gi内无地形特征点，则标记格网Gi为聚类格网；
步骤2.1.3：查找格网Gi的8邻域格网NGm，其中，0≤m≤9，若邻域格网满足以下三个条件：(1)未标记为聚类格网；(2)存在点云数据；(3)格网内无地形特征点；则标记格网NGm为聚类格网，并添加至格网集CGx，1≤x≤N；
步骤2.1.4：以新标记为聚类格网的NGm为中心查找其8邻域格网，直至无满足要求的格网，将格网集CGx标记序号N；
步骤2.1.5：重新以未标记为聚类格网开始，重复步骤2.1.1-步骤2.1.4，对所有格网进行判断，除包含地形特征点的格网外，全部标记为聚类格网；
步骤2.2：对地形特征线所属格网内点云进行分类；
以地形特征线为界限，将存在地形特征线格网内的点云划分为两部分；分别查找每一部分邻近格网所属格网集CGx的序号N，将格网内该部分的点云归类至第N块格网集CGx；遍历所有存在地形特征线的格网，完成点云分块。点云分块渲染对比如图2所示。
步骤3：对步骤2中分块的点云数据分别进行格网化处理，如图4所示，提取初始格网地面点；
步骤4：根据地形特征线方向对初始格网地面点进行二维剖面坐标转换，并加密复杂地形区域的初始格网地面点；如图5所示，具体包括如下步骤：
步骤4.1：地形特征线约束的剖面坐标转换；
以步骤2分块的点云为单位，搜索点云数据对应的地形特征线，然后计算地形特征线与X轴正方向的夹角α°；以(α+90)°作为剖面方向，对连续剖面格网点云进行二维剖面坐标转换，依次加入到剖面转换点云集P中；
步骤4.2：加密复杂地形区域的地面点；
地形特征线所在格网作为地形变化的复杂地形区域，遍历所有存在地形特征线的格网，将格网按地形特征线的方向，平均分割为三个小格网，然后对每个小格网分别提取最低点作为地面点进行加密，依据步骤4.1中的方法进行二维剖面坐标转换，加入到剖面转换点云集P中。
步骤5：以初始格网地面点转换的剖面点为基础点云，采用渐进式分段剖面曲线拟合法，分段拟合准确的地面点；具体包括如下步骤：
步骤5.1：初始曲线拟合：
利用最小二乘曲线拟合的方法，对剖面转换点云集P中的每个剖面内的格网点依次进行初始曲线拟合；
步骤5.2：渐进曲线拟合：
逐条计算剖面拟合曲线中，每个格网点处的曲率，在每一条剖面曲线最大曲率的格网点处进行线切分，并在切分的格网内按照步骤4.2进行加密；对切分后的两条线分别进行二次曲线拟合，得到精确的地面点。
当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (4)

1.一种针对复杂地形的激光点云连续剖面地面滤波方法，其特征在于：包括如下步骤：
步骤1：遍历所有格网的最低点，计算格网最低点与邻域格网最低点的高差，利用格网邻域高差法，提取激光点云数据中的包括山脊线、山谷线、坡顶线及坡底线在内的地形特征线；
步骤2：以地形特征线为约束条件，对原始点云数据进行整体分块；
步骤3：对步骤2中分块的点云数据分别进行格网化处理，提取初始格网地面点；
步骤4：根据地形特征线方向对初始格网地面点进行二维剖面坐标转换，并加密复杂地形区域的初始格网地面点；
步骤5：以初始格网地面点转换的剖面点为基础点云，采用渐进式分段剖面曲线拟合法，分段拟合准确的地面点；
步骤6：计算格网内其它点云与拟合曲线的距离，并计算距离的中误差σ，以2σ作为距离阈值进行滤波。
2.根据权利要求1所述的针对复杂地形的激光点云连续剖面地面滤波方法，其特征在于：在步骤2中，具体包括如下步骤：
步骤2.1：以地形特征线所属格网为约束进行格网分类，具体包括如下步骤：
步骤2.1.1：选取格网Gi，其中，i＝1,2,……；
步骤2.1.2：判断格网Gi内有无地形特征点，若格网Gi内无地形特征点，则标记格网Gi为聚类格网；
步骤2.1.3：查找格网Gi的8邻域格网NGm，其中，0≤m≤9，若邻域格网满足以下三个条件：(1)未标记为聚类格网；(2)存在点云数据；(3)格网内无地形特征点；则标记格网NGm为聚类格网，并添加至格网集CGx，1≤x≤N；
步骤2.1.4：以新标记为聚类格网的NGm为中心查找其8邻域格网，直至无满足要求的格网，将格网集CGx标记序号N；
步骤2.1.5：重新以未标记为聚类格网开始，重复步骤2.1.1-步骤2.1.4，对所有格网进行判断，除包含地形特征点的格网外，全部标记为聚类格网；
步骤2.2：对地形特征线所属格网内点云进行分类；
以地形特征线为界限，将存在地形特征线格网内的点云划分为两部分；分别查找每一部分邻近格网所属格网集CGx的序号N，将格网内该部分的点云归类至第N块格网集CGx；遍历所有存在地形特征线的格网，完成点云分块。
3.根据权利要求1所述的针对复杂地形的激光点云连续剖面地面滤波方法，其特征在于：在步骤4中，具体包括如下步骤：
步骤4.1：地形特征线约束的剖面坐标转换；
以步骤2分块的点云为单位，搜索点云数据对应的地形特征线，然后计算地形特征线与X轴正方向的夹角α°；以(α+90)°作为剖面方向，对连续剖面格网点云进行二维剖面坐标转换，依次加入到剖面转换点云集P中；
步骤4.2：加密复杂地形区域的地面点；
地形特征线所在格网作为地形变化的复杂地形区域，遍历所有存在地形特征线的格网，将格网按地形特征线的方向，平均分割为三个小格网，然后对每个小格网分别提取最低点作为地面点进行加密，依据步骤4.1中的方法进行二维剖面坐标转换，加入到剖面转换点云集P中。
4.根据权利要求1所述的针对复杂地形的激光点云连续剖面地面滤波方法，其特征在于：在步骤5中，具体包括如下步骤：
步骤5.1：初始曲线拟合：
利用最小二乘曲线拟合的方法，对剖面转换点云集P中的每个剖面内的格网点依次进行初始曲线拟合；
步骤5.2：渐进曲线拟合：
逐条计算剖面拟合曲线中，每个格网点处的曲率，在每一条剖面曲线最大曲率的格网点处进行线切分，并在切分的格网内按照步骤4.2进行加密；对切分后的两条线分别进行二次曲线拟合，得到精确的地面点。
CN201910799867.0A 2019-08-28 2019-08-28 一种针对复杂地形的激光点云连续剖面地面滤波方法 Active CN110660027B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910799867.0A CN110660027B (zh) 2019-08-28 2019-08-28 一种针对复杂地形的激光点云连续剖面地面滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910799867.0A CN110660027B (zh) 2019-08-28 2019-08-28 一种针对复杂地形的激光点云连续剖面地面滤波方法

Publications (2)

Publication Number Publication Date
CN110660027A true CN110660027A (zh) 2020-01-07
CN110660027B CN110660027B (zh) 2023-03-31

Family

ID=69036470

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910799867.0A Active CN110660027B (zh) 2019-08-28 2019-08-28 一种针对复杂地形的激光点云连续剖面地面滤波方法

Country Status (1)

Country Link
CN (1) CN110660027B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112764651A (zh) * 2021-02-01 2021-05-07 飞燕航空遥感技术有限公司 一种浏览器端三维点云剖面绘制方法和绘制***
CN113109793A (zh) * 2021-03-22 2021-07-13 中交广州航道局有限公司 自适应分辨率水深曲面滤波方法及装置
CN114463507A (zh) * 2022-04-11 2022-05-10 国家电投集团科学技术研究院有限公司 道路识别方法及装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663237A (zh) * 2012-03-21 2012-09-12 武汉大学 基于网格分块与移动最小二乘的点云数据全自动滤波方法
CN102930509A (zh) * 2012-09-18 2013-02-13 广州建通测绘技术开发有限公司 一种机载激光点云数据的智能化滤波方法
RU2013123952A (ru) * 2013-05-24 2014-11-27 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Сибирская государственная геодезическая академия" (ФГБОУ ВПО "СГГА") Способ определения координат контрольной точки объекта с применением наземного лазерного сканера
CN106503674A (zh) * 2016-10-27 2017-03-15 北京林业大学 一种应用于复杂地形区域的点云滤波方法
CN106529469A (zh) * 2016-11-08 2017-03-22 华北水利水电大学 基于自适应坡度的无人机载LiDAR点云滤波方法
CN106887020A (zh) * 2015-12-12 2017-06-23 星际空间（天津）科技发展有限公司 一种基于LiDAR点云的道路纵横断面获取方法
US20170294026A1 (en) * 2016-04-08 2017-10-12 Thinkware Corporation Method and apparatus for generating road surface, method and apparatus for processing point cloud data, computer program, and computer readable recording medium
US20180081035A1 (en) * 2016-09-22 2018-03-22 Beijing Greenvalley Technology Co., Ltd. Method and device for filtering point cloud data
CN109299739A (zh) * 2018-09-26 2019-02-01 速度时空信息科技股份有限公司 基于法向量的曲面拟合对车载激光点云滤波的方法
CN109410265A (zh) * 2019-01-22 2019-03-01 江苏省测绘工程院 一种基于往期dem辅助的tin滤波改进算法
CN109886895A (zh) * 2019-02-28 2019-06-14 重庆交通大学 局部拟合滤波方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663237A (zh) * 2012-03-21 2012-09-12 武汉大学 基于网格分块与移动最小二乘的点云数据全自动滤波方法
CN102930509A (zh) * 2012-09-18 2013-02-13 广州建通测绘技术开发有限公司 一种机载激光点云数据的智能化滤波方法
RU2013123952A (ru) * 2013-05-24 2014-11-27 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Сибирская государственная геодезическая академия" (ФГБОУ ВПО "СГГА") Способ определения координат контрольной точки объекта с применением наземного лазерного сканера
CN106887020A (zh) * 2015-12-12 2017-06-23 星际空间（天津）科技发展有限公司 一种基于LiDAR点云的道路纵横断面获取方法
US20170294026A1 (en) * 2016-04-08 2017-10-12 Thinkware Corporation Method and apparatus for generating road surface, method and apparatus for processing point cloud data, computer program, and computer readable recording medium
US20180081035A1 (en) * 2016-09-22 2018-03-22 Beijing Greenvalley Technology Co., Ltd. Method and device for filtering point cloud data
CN106503674A (zh) * 2016-10-27 2017-03-15 北京林业大学 一种应用于复杂地形区域的点云滤波方法
CN106529469A (zh) * 2016-11-08 2017-03-22 华北水利水电大学 基于自适应坡度的无人机载LiDAR点云滤波方法
CN109299739A (zh) * 2018-09-26 2019-02-01 速度时空信息科技股份有限公司 基于法向量的曲面拟合对车载激光点云滤波的方法
CN109410265A (zh) * 2019-01-22 2019-03-01 江苏省测绘工程院 一种基于往期dem辅助的tin滤波改进算法
CN109886895A (zh) * 2019-02-28 2019-06-14 重庆交通大学 局部拟合滤波方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
ABDUL NURUNNABI等: "Robust Locally Weighted Regression Techniques for Ground Surface Points Filtering in Mobile Laser Scanning Three Dimensional Point Cloud Data", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 *
MAOYI TIAN等: "Ground point filtering method of vehicle-borne laser point cloud in urban street", 《COMPUTER MODELLING & NEW TECHNOLOGIES》 *
丁少鹏等: "一种顾及地形的点云自适应坡度滤波方法", 《遥感信息》 *
卢秀山等: "根据地形坡度旋转的车载激光点云形态学滤波", 《遥感信息》 *
李乐林等: "一种顾及地形复杂度的LiDAR点云多尺度滤波方法", 《测绘科学》 *
李鹏飞等: "车载移动测量***在路面平整度评价中的应用", 《北京测绘》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112764651A (zh) * 2021-02-01 2021-05-07 飞燕航空遥感技术有限公司 一种浏览器端三维点云剖面绘制方法和绘制***
CN113109793A (zh) * 2021-03-22 2021-07-13 中交广州航道局有限公司 自适应分辨率水深曲面滤波方法及装置
CN114463507A (zh) * 2022-04-11 2022-05-10 国家电投集团科学技术研究院有限公司 道路识别方法及装置

Also Published As

Publication number Publication date
CN110660027B (zh) 2023-03-31

Similar Documents

Publication Publication Date Title
CN108986119B (zh) 图像分割方法及装置、计算机设备及可读存储介质
CN110660027B (zh) 一种针对复杂地形的激光点云连续剖面地面滤波方法
CN110176018B (zh) 一种保持结构化地物轮廓特征的图斑合并方法
CN106022259B (zh) 一种基于激光点云三维特征描述模型的山区道路提取方法
CN108257142B (zh) Dem中斜坡单元提取方法
CN114332366B (zh) 数字城市单体房屋点云立面3d特征提取方法
CN116310192A (zh) 一种基于点云的城市级建筑物三维模型单体重建方法
CN111340723B (zh) 一种地形自适应的机载LiDAR点云正则化薄板样条插值滤波方法
CN104574512A (zh) 一种顾及地形语义信息的多尺度dem构建方法
CN114926602B (zh) 基于三维点云的建筑物单体化方法及***
CN104866840A (zh) 一种从机载激光点云数据识别架空电力线的方法
CN114862715A (zh) 一种融合地形特征语义信息的tin渐进加密去噪方法
CN114119902A (zh) 一种基于无人机倾斜三维模型的建筑物提取方法
CN112184725A (zh) 一种沥青路面图像的结构光光条中心提取方法
CN115272866A (zh) 一种基于正负地貌的山区地貌形态分类的方法与应用
CN116468873A (zh) 一种基于机载TomoSAR点云的建筑模型重建方法
CN104951752A (zh) 一种从机载激光点云数据提取房屋的方法
CN115544789B (zh) 基于数字高程模型和坡度成本距离的河谷平原提取方法
Costantino et al. Features and ground automatic extraction from airborne LiDAR data
CN117274517A (zh) 基于三维模型的城市建筑物轻量化体框模型的生成方法
CN111861946A (zh) 自适应多尺度车载激光雷达稠密点云数据滤波方法
CN105321168B (zh) 一种在三维激光点云中自动编绘山区田坎的方法
CN117671167B (zh) 一种基于山体阴影分析的启发式dem综合方法
Yuan et al. DEM generation from airborne LIDAR data
Zou et al. An adaptive strips method for extraction buildings from light detection and ranging data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant