Упрощение облаков точек является предпосылкой для эффективной передачи и многомасштабного применения огромных наземных облаков точек, полученных с помощью авиаразведочного LiDAR. В ответ на существующие проблемы методов упрощения наземных облаков точек, такие как плохая применимость в сложных условиях и потеря деталей рельефа, в данной работе предлагается алгоритм кластеризации упрощения облаков точек авиаразведочного LiDAR с учетом топографических особенностей и предотвращения сжатия границ. Сначала с помощью алгоритма K-средних облако точек делится на исходные кластеры, затем каждый кластер дополнительно разбивается в зависимости от сложности рельефа, после чего с использованием информации о нормалях точек и разницы высоты граничных точек соседних кластеров выявляются топографические особенности, и наконец, путем сохранения граничных характерных точек целевой области предотвращается сжатие границ исходного облака точек. Кроме того, были выбраны 6 наборов высокоплотных авиаразведочных LiDAR облаков точек в качестве исходных данных, и предложенный метод был сравнительно проанализирован с 7 классическими методами упрощения облаков точек (включая случайный метод, метод воксельной сетки, метод на основе кривизны, метод максимального Z-допуска, графовый метод, метод с взвешиванием по нескольким критериям и итеративный метод упрощения). Результаты показывают, что по сравнению с другими традиционными методами, предложенный метод уменьшает среднеквадратичную ошибку (RMSE) цифровой модели высот (DEM) как минимум на 12,1%, среднюю абсолютную ошибку (MAE) как минимум на 9,6%, а производные продукты (включая средний наклон и шероховатость рельефа) также ближе к эталонным значениям и лучше сохраняют топографическую информацию.

дистанционное зондирование; авиаразведочный LiDAR; упрощение облаков точек; K-средних; топографические особенности; цифровая модель высот