Please wait a minute...
 
国土资源遥感  2008, Vol. 20 Issue (4): 6-8    DOI: 10.6046/gtzyyg.2008.04.02
  技术方法 本期目录 | 过刊浏览 | 高级检索 |
基于区域生长的LIDAR点云数据滤波
成晓倩1,赵红强2
1. 武汉大学测绘遥感信息工程国家重点实验室,武汉 430079;2. 武汉大学测绘学院,武汉 430079
LIDAR POINT CLOUD DATA FILTERING BASED ON REGIONAL GROWING
CHENG Xiao-qian1, ZHAO Hong-qiang2
1. State Key Laboratory of Information Engineering for Surveying Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China; 2. School of Geodesy and Geomatics, Wuhan University, Wuhan 430079; China
全文: PDF(546 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

将区域生长算法引入LIDAR点云滤波,其原理与图像处理中的区域生长原理相似。首先选择可靠的种子点,当待定点与种子点的高差满足所设阈值时,则待定点为地面点,否则作为地物点滤去。当不再有激光点满足条件时,生长结束。该算法无需对原始数据进行插值,无需迭代,因此滤波速度快。与传统的最大局部倾斜度过滤算法(MLS)和扩大窗口高程阈值滤波方法相比,该算法的实验结果更优。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词 热红外遥感钾盐异常    
Abstract

A new filtering algorithm named regional growing filer is proposed in this paper. The principle of the regional growing filer is similar to the regional growing used to process digital images. First, reliable seeds are selected, then the growing rule is formulated. If the height difference between the seeds and the selected points is lower than the threshold, the selected point is regarded as the ground point, otherwise the point is removed as a feature point. When there are no laser points that can meet the rule, the growing ends. The processed point clouds use regional growing filter with no need of original data interpolation and iteration, and hence the filtering speed is fast. Experiments show that the effects of the regional growing filer is better than the results of such traditional algorithms as the maximum local slope filer and the expansion of window height threshold filer.

Key wordsThermal infrared    Potash anomaly
收稿日期: 2008-05-05      出版日期: 2009-06-23
通讯作者: 成晓倩(1981-),女,硕士研究生,主要研究方向为摄影测量与遥感。
引用本文:   
成晓倩, 赵红强. 基于区域生长的LIDAR点云数据滤波[J]. 国土资源遥感, 2008, 20(4): 6-8.
CHENG Xiao-Qian, ZHAO Hong-Qiang. LIDAR POINT CLOUD DATA FILTERING BASED ON REGIONAL GROWING. REMOTE SENSING FOR LAND & RESOURCES, 2008, 20(4): 6-8.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/gtzyyg.2008.04.02      或      https://www.gtzyyg.com/CN/Y2008/V20/I4/6
[1] 李特雅, 宋妍, 于新莉, 周圆锈. 卫星热红外温度反演钢铁企业炼钢月产量估算模型[J]. 自然资源遥感, 2021, 33(4): 121-129.
[2] 李静, 孙强强, 张平, 孙丹峰, 温礼, 李宪文. 基于多时相热红外遥感的钢铁企业生产状态辅助监测[J]. 国土资源遥感, 2019, 31(1): 220-228.
[3] 余健, 姚云军, 赵少华, 贾坤, 张晓通, 赵祥, 孙亮. 基于改进的METRIC模型的农田潜热通量估算[J]. 国土资源遥感, 2018, 30(3): 83-88.
[4] 陈瀚阅, 朱利, 李家国, 范协裕. 基于Landsat8数据的2种海表温度反演单窗算法对比——以红沿河核电基地海域为例[J]. 国土资源遥感, 2018, 30(1): 45-53.
[5] 关震, 吴虹, 曹翠, 黄晓娟, 郭琳, 柳艳, 郝敏. 基于ETM+6-γ示矿信息反演的花山花岗岩铀矿预测[J]. 国土资源遥感, 2014, 26(3): 92-98.
[6] 温少妍, 屈春燕, 单新建, 闫丽莉, 宋冬梅. 祁连山和首都圈卫星热红外背景场变化特征[J]. 国土资源遥感, 2013, 25(3): 138-144.
[7] 马红章, 柳钦火, 闻建光, 施建. 热红外与L波段土壤温度的数值模拟及差异分析[J]. 国土资源遥感, 2011, 23(2): 26-32.
[8] 徐永明, 覃志豪, 万洪秀. 热红外遥感反演近地层气温的研究进展[J]. 国土资源遥感, 2011, 23(1): 9-14.
[9] 贺佳惠, 梁春利, 李名松.
核电站近岸温度场航空热红外遥感测量数据处理研究
[J]. 国土资源遥感, 2010, 22(3): 51-53.
[10] 于艳梅, 甘甫平, 周萍, 闫柏琨. 热红外遥感火星矿物填图方法初步研究及应用[J]. 国土资源遥感, 2009, 21(4): 35-39.
[11] 樊辉. 基于Landsat TM的城市热岛效应与地表特征参数稳健关系模型[J]. 国土资源遥感, 2008, 20(3): 45-51.
[12] 陈峰, 何报寅, 龙占勇, 杨小琴. 利用Landsat ETM+分析城市热岛与下垫面的空间分布关系[J]. 国土资源遥感, 2008, 20(2): 56-61.
[13] 刘吉平, 朱海燕.  武汉市城区热场变化的遥感检测与影响因素分析[J]. 国土资源遥感, 2006, 18(2): 39-41.
[14] 甘甫平, 陈伟涛, 张绪教, 闫柏琨, 刘圣伟, 杨苏明. 热红外遥感反演陆地表面温度研究进展[J]. 国土资源遥感, 2006, 18(1): 6-11.
[15] 谢连文. 热红外图像钾盐异常信息解释[J]. 国土资源遥感, 2000, 12(2): 9-12.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发