基于点云滤波的DOM自动生产算法

发布时间：2024-03-03 09:29

　　针对目前生产高精度DOM生成效率低、人工编辑干预较大等现状,提出了一种基于点云滤波的DOM自动生产方式。该方法通过对空三解算后的影像匹配密集点云DSM,使用基于TIN的加密滤波方式进行滤波计算,解决了滤波后空洞区域插值问题,制作出满足微分纠正需求的DEM模型,并基于该模型进行微分纠正生成DOM成果。通过选取ISPRS城区试验数据和实际工程山区数据进行验证,证明该算法不仅提高了效率,同时优化了成果质量,DOM成果精度符合规范要求。

【文章页数】：5 页

【部分图文】：

图1空中三角测量及DSM生产流程

目前，获取DSM数据方法很多，有野外采集点内插、数字线划图等高线采集、三维激光扫描获取、影像匹配生成等常见方式[10-11]。前两种方式均是依据现有成果，人工编辑量大;激光扫描的点云密度大、精度高，但设备昂贵且外业工作复杂;采用影像匹配方式，经空三解算后即可自动高效获取大面积影像....

图2TIN三角网滤波模型

(4)不断迭代，遍历全部点云，如图2中M1点则基于M、T1、T2、T3、T4点构建的新TIN，依据条件判断是否为地面点，以此类推，将所有未分类点归为地面点和非地面点。基于TIN的加密滤波算法局限性小，对复杂山区、城市地形和灌木林地等适用性强，LiDAR后处理软件TerraSol....

图3点云漏洞搜索与修补原理

影像匹配生成的DSM是单层点云数据，过滤建筑和植被后出现空洞，需填补漏洞[16-17]后制作完整的DEM才能进行微分纠正。使用区域增长算法[18]依据点云数据建立三角网，搜索三角网边长大于某一阈值的区域为漏洞区域，并采用最小角度方法三角化填充，对漏洞区域进行局部优化调整，完成漏洞....

图4DSM

为验证本文算法的可行性及效率，选取两组试验数据进行分析。第1组数据来源于ISPRS官网提供的Toronto城区影像，区域较为平坦，城市建筑较高且密集;第2组数据以某实际工程山区影像为主，地形起伏较大，植被覆盖复杂。采用两组影像数据空三成果，自动匹配提取LAS格式DSM，如图4所示....

本文编号：3917582