激光雷达点云滤波方法研究开题报告

全文总字数：4765字

1. 研究目的与意义

激光雷达点云滤波是指从原始中分离地面和非地面点的过程。生成的地面点可以进而生成精细的DEM。滤波后生成的非地面点可以进一步用于剩余地物的识别和分类。传统激光点云滤波方法，往往仅适用于机载、车载或地基式点云中的一种，并且传统算法对地形的复杂程度有一定的要求，对于地势比较复杂的山区往往会出现将地物点分到地面点，或将地面点分到地物点的错误情形。为了克服上述缺陷，本论文拟探索一种可以适用于不同平台（机载、车载或地基式）激光雷达数据和不同场景（地势比较平坦的城区和地势比较复杂的山区）激光雷达数据的点云滤波方法。

2. 国内外研究现状分析

机载激光雷达系统经过多年的研究发展，硬件和系统技术已经很成熟，数据获取的精度也在不断提高，但数据后处理相对来说还是处于发展停滞状态，还有很多问题没有解决。国内外众多学者提出了多种滤波算法，目前机载数据滤波算法主要有：形态学滤波算法、基于地形坡度滤波算法、三角网滤波算法、线性迭代最小二乘滤波算法、移动窗口滤波法、移动曲面拟合滤波算法等几种方法^[1]。

（1）数学形态学滤波算法

德国斯图加特大学的lindenberger(1993)采用数学形态学方法对lidar测量数据进行形态学开运算，过滤剖面式激光雷达数据，并利用自回归过程改善开运算结果^[2]。数学形态学方法滤波的基本过程是：处理所有的激光雷达数据，提取窗口数据，寻找窗口内最低的点，然后进行开运算和闭运算操作。而lidar数据是随机离散分布的三维数据点集，不存在逻辑一维有序的特性。此算法要求先对离散的点云数据进行内插重采样，完成数据规则化排列，但这就造成地物部分细节信息丢失，并且降低数据的精度^[3]。

3. 研究的基本内容与计划

本毕业研究一种可以适用于不同平台（机载、车载或地基式）激光雷达数据和不同场景（地势比较平坦的城区和地势比较复杂的山区）激光雷达数据的点云滤波方法，以实现分离从原始中分离地面和非地面点，生成的地面点可以进而生成精细的dem。滤波后生成的非地面点可以进一步用于剩余地物的识别和分类。

研究思路：

（1）学习一定的c 语言程序设计，具有一定的语言基础。

4. 研究创新点

拟通过改进的基于高程图像的滤波算法对不同平台（机载、车载或地基式）激光雷达数据和不同场景（地势比较平坦的城区和地势比较复杂的山区）激光雷达数据的点云进行滤波处理。