matlab 计算点云中心_PCM点云数据处理软件功能使用第九弹-CSDN博客

点击上方“蓝字”关注我们

干货又双叒叕来了！今日为大家带来PCM点云数据处理软件功能使用第九弹—数据处理之点云滤波介绍一，快来跟我们一起学习吧！

点云滤波简介

滤波是LiDAR点云预处理的一个重要部分，其目的是分离地面点与非地面点，从而为数据后处理(如DEM、DSM、植被参数反演等)提供数据源。

本软件所提供滤波算法为以下五种：CSF滤波、形态学滤波、移动曲面滤波、坡度滤波和三角网滤波。本次主要介绍前三种滤波算法。

CSF滤波 CSF(Cloth Simulation Filter)即布料模拟滤波，其基本原理：原始点云倒置，将一块模拟布料覆盖其上；根据模拟布料的硬度、重力以及粒子间内部牵引力作用，不断迭代寻找模拟布料粒子所对应的最佳位置，得到模拟布料的最终形态，即最优近似估计的地形；最后，依据估计的地形，分离地面点与非地面点。(本算法由中山大学测绘科学与技术学院的张吴明老师提供) 需修改的参数有布料分辨率、最大迭代次数、分类阈值及布料硬度(其中布料越硬，地形越平缓)，具体参数设置如下：

文件：支持从平台读取点云数据(.las和.txt)

类别：其中框内是输入数据类别，目标类别设置为地面点

布料分辨率：布料网格大小

最大迭代次数：一般200即可

分类阈值：激光点与估计地形的距离阈值，0.5m适用于大多数场景

布料硬度：整数值，越大表示布料越硬(1：最软；2：中等；3及以上：较硬，默认3)

形态学滤波形态学滤波，其基本原理：首先离散点云数据格网化，计算格网最低点高程；运用数学形态学中的腐蚀和膨胀运算，计算运算前后的高差变化，剔除高差变化较大的激光点(即地物点)；改变窗口大小，进行多次迭代，直至滤波窗口大于该区域最大建筑物的尺寸。同时，本软件的形态学滤波算法引入坡度算子，在处理过程中不仅考虑高程差，而且考虑到激光点与格网中最低点的坡度，能够有效的检测出地物高程变化。需修改的参数有格网大小、最大建筑尺寸、最小高差、最大高差及坡度，具体参数设置如下：

文件：支持从平台读取点云数据(.las和.txt)

类别：其中框内是输入数据类别，目标类别设置为地面点

格网大小：点云格网化的网格边长，单位为米；取值大小可根据点云密度以及数据量来确定，一般2m～10m较为合适

最大建筑尺寸：该参数可根据数据中最大地物占用面积确定

最小高差：最低地物的高度

最大高差：最高地物的高度

坡度：相邻格网内两中心点的坡度

移动曲面滤波移动曲面滤波算法，其基本原理：地形表面空间形态可用复杂的空间曲面表示，而该曲面的局部面元可用一个二次曲面来逼近；借助一个NxN的移动窗口，寻找每个窗口中的最低点，得到一个粗略的地形曲面模型；剔除超过给定高度阈值的点，适当减小窗口及高度阈值，重复上面的过程直至计算出该区域最佳地形曲面，从而得到地面点。需修改的参数有格网大小，具体参数设置如下：