点云数据滤波算法的问题与分析

机载LiDAR 点云数据滤波算法都或多或少存在一定的缺陷，一些算法滤波效果很大部分上依靠先验知识，这些先验知识包括：测区的地形起伏程度、地物尺寸、密集程度和复杂程度，它们都对滤波的效果有着很大影响。对数据本身来讲，激光脚点的密度也会对滤波效果造成一定的影响。简单而言，当测区地形起伏较小且激光点密度较高时，滤波算法的设计较为简单，也能得到一个比较合理的滤波效果。若测区地形比较复杂，地物分布较为密集时，滤波算法的设计也随着变得十分复杂。滤波算法的基本要求是：尽可能多地保留地形数据，减小滤波的第Ⅰ类和第Ⅱ类误差。机载激光雷达数据处理发展到今天，还没有研究者提出一个普适性强、自动化程度高的滤波算法。

滤波准则：所有的滤波算法都必须以区分地面点和非地面点为最终目的，这就是滤波准则的前提。现存滤波算法大多采用以下滤波规则：两相邻激光脚点产生较大高差时，高程值大的激光脚点一般位于地物表面上，自然地形变化引起较大的坡度变化；人工建筑物的几个特征明显，比如建筑边缘、建筑物脚点在四周都会引起高程突变。因为地形变化具有不确定性，而且考虑到地物具有复杂特性，只根据单次回波对机载激光雷达点云数据进行滤波，所取得的滤波结果不太理想。近期有许多研究人员利用遥感影像、回波强度等辅助数据参与点云数据的滤波(管海燕等，2009)。辅助数据的参与在一定程度上增加了滤波的可靠性(许晓东等，2007)。

滤波发展方向：

①基于TIN 结构的滤波算法研究。用规则格网组织点云数据进行滤波运算，必须要进行内插，这样就会损失一部分激光脚点的高程纹理信息，造成数据精度下降，使得到的地表地形存在误差。基于TIN 结构组织数据，直接对离散的激光脚点数据进行组织，不许进行内插处理，这样很好地保留了数据的高程纹理信息，对地形的表现更加准确。(www.xing528.com)

②自适应阈值的选择。现有的滤波算法都需要根据先验知识(即测区的地形条件)设定一定的阈值来进行判断。而且因为地形变化的多样性，在同一测区内对阈值的选择可能出现不同的要求，所以一种能够随地形变化阈值设定的方式越来越受到重视。另外，如何通过数据本身来设定阈值也引起了研究者的重视。

③利用数据自身属性进行算法设计。目前，机载激光雷达所记录的数据不仅包含激光脚点的三维空间信息，而且对回波强度、点云密度以及多回波信号都有记录。这些数据都是地物特征的反映。多回波数据对森林地区有着十分重要的意义，它能够反映树木的结构信息，但在滤波处理时，必须要对数据进行选择，以免造成数据的冗余。激光脚点的反射强度信息反映了目标点对激光的反射程度，对点的分类也有一定的辅助作用。

④融合高分辨率遥感影像。目前CCD 相机及多光谱仪器已成为机载激光雷达测量系统的标准配置，激光测距仪在获取点云数据的同时，测量系统还可以获取同时刻的地面光谱信息。可以利用这些光谱信息和点云数据进行融合，来共同判断激光脚点的类型，以提高滤波的准确性。