Face aux problèmes des algorithmes actuels de simplification des nuages de points au sol, tels que la perte des caractéristiques aux bords, la reconnaissance imprécise des points caractéristiques et la distribution spatiale inégale des points, cet article propose une méthode de simplification des nuages de points LiDAR terrestres prenant en compte à la fois les caractéristiques topographiques et l'équilibre des points. La méthode commence par un couplage pondéré de plusieurs facteurs topographiques, générant un facteur global décrivant de manière exhaustive la complexité des variations du terrain ; puis sélectionne un ensemble initial de points caractéristiques en fonction de la distance aux caractéristiques de bord et de leur importance ; enfin, elle construit un modèle de régression contraint par les caractéristiques topographiques globales, réalisant des prédictions itératives pour capturer des points caractéristiques précis et uniformes du terrain. Huit ensembles de données de nuages de points terrestres présentant différentes caractéristiques topographiques ont été sélectionnés comme objets d'étude, et la méthode proposée a été comparée à sept méthodes représentatives. Les résultats montrent que cette méthode offre la meilleure précision, avec une réduction moyenne de l'erreur quadratique moyenne et de l'erreur absolue moyenne du modèle numérique d'élévation respectivement de 2,7 % à 61,2 % et de 2,0 % à 61,9 %, et que les produits dérivés (pente moyenne et rugosité du terrain) sont plus proches de la vérité terrain. La méthode présentée produit les meilleurs résultats de simplification des nuages de points terrestres, mais son efficacité reste à améliorer par rapport aux algorithmes avancés.

télédétection;LiDAR;simplification des nuages de points;caractéristiques topographiques;équilibre des points;MNT