为了解决目前机载激光雷达点云滤波算法中特征单一、运算效率低、植被覆盖区效果较差等问题, 提出一种植被茂密地区的点云自适应双重滤波方法。首先利用回波分离方法, 分别提取点云的单次回波和末次回波进行粗滤波处理; 然后利用偏度平衡理论进行单次回波的强度阈值确定, 同时利用最大类间方差法对首次回波和末次回波的高程差进行高差运算, 实现末次回波高差阈值自动化, 并融合粗滤波后单次回波和末次回波的点云数据; 最后, 利用不规则三角网渐进加密滤波算法对融合后的点云数据进行精滤波处理, 并通过了实验验证。结果表明, 3组数据集的Ⅱ类误差都相对较低, 分别为1.06%,1.64%,1.34%。结合回波信息和高差信息的双重滤波方法不仅能较好地剔除植被, 而且能较好地保留地形细节。

为了解决机载LiDAR点云进行道路网提取时存在的道路强度不统一问题,提出一种基于局部强度的栅格分割方法,用于道路点云提取。该方法首先对滤波后的地面点,利用偏度平衡得到道路信息强度阈值,将地面点划分为格网并计算格网内点云的平均强度值,然后通过确定中心格网及其邻域格网的强度值在道路信息强度阈值内的格网数量来确定道路点云。在复杂的环境下利用实际数据进行实验,结果表明该方法可以有效地减少道路周围的异常点并得到更完整的道路信息,这为后续进一步提取道路网提供了参考。由本文方法提取的初始道路中,数据1有84.1%的完整率,数据2有67.1%的完整率,相比于传统的方法有明显的优势。

针对现有激光雷达(LiDAR)点云滤波方法无法有效排除数字表面模型(DSM)中数据空洞干扰的问题,提出了基于多光谱数据指导的偏度平衡点云滤波方法。该方法将多光谱数据引入点云滤波并将其作为引导图像,实现了与噪声点光谱相似点的快速去噪。实验结果表明,该方法有效排除了数据空洞对点云滤波造成的干扰,所得到的滤波误差与原有偏度平衡点云滤波方法相比减少了0.4%~0.8%;与目前流行的基于支持向量机(SVM)的滤波算法相比,该方法的误差减少了0.1%~0.4%。

反射强度信息是机载激光雷达(LiDAR)系统所获取数据的重要组成部分,利用反射强度信息提取道路点云的主要难点在于道路点云通常包含在地面点云中,而区分道路点云与非道路点云的反射强度阈值较难获取。针对该问题,提出了基于偏度平衡的道路点云提取算法,该算法可以自动、准确、无参地确定反射强度阈值,进而获取纯净的道路点云。分别采取位于我国山西省某地和德国某城市的两组LiDAR点云数据来检验该算法在不同地理环境下的有效性。实验结果表明所提算法简单有效,并且能够得到良好的道路点云提取结果。