Debido a problemas existentes en los algoritmos actuales de simplificación de nubes de puntos terrestres, como la fácil pérdida de características en los bordes de las nubes, el reconocimiento inexacto de los puntos característicos y la distribución espacial desigual de los puntos, este artículo propone un método de simplificación de nubes de puntos LiDAR terrestres que equilibra las características del terreno y la distribución de los puntos. El método primero pondera y acopla múltiples factores del terreno para generar un factor integral que describe completamente la compleja variación del terreno; luego selecciona un conjunto inicial de puntos característicos según la distancia y la prominencia de las características en los bordes; finalmente, construye un modelo de predicción de regresión con restricciones integrales de características del terreno, realizando predicciones iterativas para capturar puntos característicos precisos y uniformes del terreno. Se seleccionaron 8 grupos de datos de nubes de puntos terrestres con diferentes características del terreno como objetos de estudio, y el método propuesto se comparó con 7 métodos representativos. Los resultados muestran que el método propuesto tiene la mayor precisión, con una reducción del error cuadrático medio y el error absoluto medio del modelo digital de elevación del 2.7% al 61.2% y del 2.0% al 61.9%, respectivamente, y que los derivados (pendiente promedio y rugosidad del terreno) se acercan más al valor verdadero. El método propuesto ofrece los mejores resultados en la simplificación de nubes de puntos terrestres, aunque en eficiencia aún debe mejorarse en comparación con algoritmos avanzados.

teledetección;LiDAR;simplificación de nubes de puntos;características del terreno;distribución de puntos;DEM