点云滤波算法及地表裂缝提取思路（未整理版）

裂缝提取思路：
7.2.1 台阶状裂缝提取（Extraction of Stepwise Cracks）
地面三维激光扫描仪通常以线状方式对目标进行扫描，即每条扫描线上的数据均由激光束从远及近进行采集，
如图 7-22 所示，图中虚线不进行数据采集。以扫描线经讨台阶状裂缝为例，经过台阶状裂缝的扫描线上
的点如图7-23 所示，从图 7-23 中可以看出，该扫描线上的点的高程值在裂缝处必然会发生明显的阶跃式
突变，只要能检测得到该突变在扫描线上的位置，即可以根据各扫描线上的突变位置确定出裂缝所在的位
置。由于点云数据中所包含的裂缝信息在点云数据的分布方面看都呈现出与相邻点明显突变的现象，而小波
变换则具有检测信号间断和突变等功能，因此，本章借助小波变换对点云数据的裂缝信息进行检测。
由于扫描线上的点分布并不均匀，甚至出现同一个平面位置具有两个高程值的现象，如图 7-23 所示的台阶处，
而一维小波变换所需的数据为等间隔采样的一维信号，因此，要将一维小波变换应用于扫描线点云裂缝信息提
取，必须先将扫描线数据规整化为等距离间隔的高程序列。针对各扫描线点云数据，首先将扫描线按各点与扫
描线起点的距离大小进行排序，形成包含距离和高程的有序数据，继而根据高程与距离的关系，采用插值算法
对扫描线上各距离等分点上的高程值进行插值计算，因此得到等间距的高程序列，再利用一维小波变换对各扫
描线进行处理，得到各扫描线上的高程突变点位置，最后采用最邻近点间距法对检测到的突变点进行去噪和追踪。

7.2.2 平面裂缝提取（Extraction of Planar Cracks）
针对点云数据中平面裂缝，其在点云数据中的直观表现为裂缝处数据点明显缺失，从而在数据中产生范围相对较
大的空白区域，如果将点云数据进行图像化处理，即将坐标值做整型化处理后作为图像的行列号，并将各点的高
程值作为该点对应行列处类似于图像灰度值的属性值（本章中为二值处理，有值赋1，无值赋 O），就可实现点
云数据的降维处理，从而借助二维图像处理方法中的边缘检测技术对数据中的空白区域予以提取。然而，与立面
扫描点云数据不同，采用地面三维激光扫描仪对矿区地表进行扫描时，由于其仪器高较小，导致激光入射角太小，
从而使激光的有效反射率严重降低，其点云密度随距离增加而减小的趋势也非常明显，导致扫描数据中的点云数
据分布比立面扫描数据稀疏很多，因此，点云数据图像化处理后所得的点云图像中灰度值不为 O的像素（即非 O像素）间间隔较大