Método de simplificación por agrupación de nubes de puntos LiDAR aéreas que considera las características del terreno y evita el encogimiento de los límites

WU Huiming ,  

CHEN Chuanfa ,  

SUN Yanning ,  

GUO Jiaojiao ,  

BEI Yixuan ,  

摘要

La simplificación de nubes de puntos es un prerrequisito para la transmisión eficiente y la aplicación a múltiples escalas de grandes nubes de puntos terrestres obtenidas por LiDAR aéreo. Ante los problemas existentes en los métodos actuales de simplificación de nubes de puntos terrestres, como la baja adaptabilidad a entornos complejos y la pérdida de detalles topográficos, en este artículo se propone un algoritmo de simplificación de agrupación de nubes de puntos LiDAR aéreas que considera las características del terreno y evita el encogimiento de los límites. Primero, se utiliza el algoritmo K-means para segmentar la nube de puntos en grupos iniciales, luego cada grupo se subdivide según la complejidad del terreno, a continuación se identifican los puntos característicos del terreno mediante la información del vector normal de la nube de puntos y la diferencia de elevación de los puntos de borde entre grupos vecinos, y finalmente se preservan los puntos característicos del límite de la zona objetivo para evitar el encogimiento del límite de la nube de puntos original. Además, se seleccionaron 6 grupos de nubes de puntos LiDAR aéreas de alta densidad como fuente de datos, y se comparó y analizó el método propuesto con 7 métodos clásicos de simplificación de nubes de puntos (incluidos métodos aleatorios, métodos de cuadrícula voxel, métodos basados en curvatura, método de tolerancia máxima Z, métodos basados en gráficos, métodos de ponderación multi-índice y métodos iterativos de simplificación). Los resultados muestran que, en comparación con otros métodos tradicionales, el modelo digital de elevación (DEM) generado por este método reduce el RMSE medio en al menos un 12,1% y el MAE medio en al menos un 9,6%, además los derivados (incluidos la pendiente media y la rugosidad del terreno) también están más cerca de los valores de referencia, y se conserva mejor la información de características del terreno.

关键词

teledetección; LiDAR aéreo; simplificación de nubes de puntos; K-means; características del terreno; modelo digital de elevación

阅读全文