Angesichts der aktuellen Probleme bei der Extraktion von Geländebruchlinien aus terrestrischen Punktwolken, wie unzureichende Vollständigkeit und Korrektheit sowie schwerwiegende Fehl- und Auslassungen, wird in diesem Artikel ein Algorithmus zur Extraktion von Geländebruchlinien vorgestellt, der multiskalige Merkmale und Schrumpfungsvermeidung berücksichtigt. Die Methode nutzt zunächst multiskalige Geländemerkmale, um einen Random-Forest-Klassifikator zu trainieren, der potenzielle Geländebruchlinienpunkte extrahiert; dann werden durch Analyse der Punktwolken-Schrumpfungstrends potenzielle Merkmale in potenzielle Kamm- und Talpunkte unterteilt, und durch eine regionswachstumsbasierte Clusterbildung mit Konsistenzbeschränkung der Hauptausrichtung wird Rauschen entfernt; anschließend erfolgt eine Laplace-Glättung mit vertikaler Beschränkung zur Verfeinerung der Punktwolke; schließlich wird durch den Aufbau eines minimalen Spannbaums eine hochwertige Geländebruchlinie erzeugt. Zwei repräsentative Datensätze komplexer, hochauflösender Geländepunktwolken wurden ausgewählt, um die Genauigkeit und Effektivität der Methode zu überprüfen. Die Ergebnisse zeigen, dass die Extraktionsvollständigkeit und -korrektheit der Methode die von drei führenden Methoden (LapS, D8 und PIM) übertrifft. Darüber hinaus zeigt die Verwendung der vorgeschlagenen Geländebruchlinien in der digitalen Höhenmodellierung (DEM), dass mit zusätzlichen Bruchlinien beschränkte DEMs die Modellierungsgenauigkeit deutlich verbessern und eine präzise Rekonstruktion der Geländeoberflächendetails an den Brüchen ermöglichen.

Airborne LiDAR;Geländebruchlinien;multiskalige Geländemerkmale;beschränkter Laplace;digitales Höhenmodell