利用SMRF算法从激光雷达数据分割地面
另外指定网格元素的维度。地下田径
= segmentgroundsmrf(Ptcloud.
那gridResolution
)
[
另外返回地点和非地点作为个人地下田径
那nongroundptcloud.
那地下Cloud.
] = segmentgroundsmrf(___)pointCloud
对象。将此语法与前面语法中的任何输入参数组合一起使用。
简单的形态过滤器(SMRF)算法[1]将点云数据分割为地面点和非地面点。算法分为三个阶段:
从点云数据创建一个最小高程面。
将表面分割成地面和非地面网格单元。
对原始点云数据进行分割。
极小曲面创建
将点云数据沿xy -维度(鸟瞰图)。使用网格元素维度使用gridResolution
.
找到最低的海拔(Z.闵)每个网格元素(像素)的值。
结合所有的Z.闵值到一个二维矩阵(光栅图像),以创建一个最小高程表面地图。
表面地图分段
在最小表面图上应用形态开口操作。有关形态开放的更多信息,请参阅形态运算的类型.
使用带半径为1像素的磁盘形结构元素。有关更多信息,请参阅结构化元素.
计算每个网格元件的最小表面和打开的表面图之间的斜率。如果差异大于高度阈值,则将像素分类为非接地。
迭代地执行步骤1到3。在每次迭代中将结构元素半径增加1像素,直到它达到最大半径maxwindowradius.
.
迭代过程的最终结果是一个二进制掩码,其中每个像素被划分为接地或非接地。
点云分割
在原始的最小表面地图上应用二元掩码来消除非地面网格。
使用图像插值技术填充未填充的网格,以创建估计的高度模型。
计算原始点云中各点与估计高程模型之间的高程差。如果差大于海拔赫尔德
,将像素分类为非接地。
[1] Pingel,Thomas J.,Keith C. Clarke和William A. McBride。“一种改进的地形分类空气传播的LIDAR数据的简单形态过滤器。”摄影测量与遥感学报77(2013年3月):21-30。https://www.sciencedirect.com/science/article/abs/pii/S0924271613000026?via%3Dihub.