点云数据后处理的未来展望

本章所提出的基于自动阈值判别的移动曲面拟合滤波算法，虽然能够解决高差阈值的自动选择问题，并且依据点云数据分类，有效地减少参与滤波的数据，提高滤波效率，减少了第Ⅰ类误差，但其对地形和多回波数据的数据量有一定的要求，过程复杂，判断和计算步骤增加，增加了误差出现的可能性，而且对整个数据处理过程的效率提高不大。

基于种子点属性判别的渐进三角网滤波算法，应用虚拟格网对数据进行二级划分，有效地解决了规则格网需内插的缺陷，并提高了数据索引效率；对格网种子点的判断能有效地提高滤波效率，并且使得数据分块不需要依据先验知识(最大建筑物尺寸)。虽然该算法能有效地减少第Ⅰ类误差，但产生第Ⅱ类误差的可能性增大。

在分析本章滤波算法不足之后，结合点云数据特征和滤波准则及其发展趋势，对下一步的研究做了展望：

①提高滤波算法的自动化程度，减少先验知识和人为操作。由于地形复杂性和点云数据的基本特点，使得数据滤波的完全自动化一直难以突破。(www.xing528.com)

②提高点云数据滤波的普适性。现有的滤波算法大都有一个共同的前提，即地形变化较为平坦，或者针对某种地形特征来设计算法，找到适应所有地形特征的滤波算法是当下滤波算法研究的重要方向。

③由于现有算法大都利用激光脚点的高程信息进行处理，使得点云数据的很多信息如回波强度、波形信息等得不到利用，随着硬件发展，点云数据包含的各类数据信息的质量也在提高，要获取较好的数据处理效果，必须利用这些信息作为辅助。