Devido aos problemas existentes nos algoritmos atuais de simplificação de nuvens de pontos terrestres, como perda fácil das características nas bordas, reconhecimento impreciso dos pontos característicos e distribuição espacial desigual dos pontos, este artigo propõe um método de simplificação de nuvens de pontos LiDAR terrestres que considera tanto as características do terreno quanto o equilíbrio dos pontos. O método começa ponderando e acoplando vários fatores do terreno, gerando um fator abrangente que descreve totalmente as complexas variações do terreno; em seguida, seleciona um conjunto inicial de pontos característicos com base na distância das características das bordas e na significância das características; por fim, constrói um modelo de previsão de regressão com restrição de características abrangentes do terreno, prevendo iterativamente para capturar pontos característicos do terreno precisos e uniformes. Oito conjuntos de dados de nuvens de pontos terrestres com diferentes características do terreno foram selecionados como objetos de estudo, e o método proposto foi comparado com 7 métodos representativos. Os resultados mostram que o método proposto tem a maior precisão, reduzindo o erro quadrático médio e o erro absoluto médio do modelo digital de elevação em 2,7% a 61,2% e 2,0% a 61,9%, respectivamente, e que os derivados (inclinação média e rugosidade do terreno) estão mais próximos do valor verdadeiro. O método proposto apresenta os melhores resultados de simplificação de nuvens de pontos terrestres, mas ainda precisa melhorar a eficiência em comparação com algoritmos avançados.

sensoriamento remoto;LiDAR;simplificação de nuvens de pontos;características do terreno;equilíbrio dos pontos;DEM