,,, ,
(1. 中科遙感科技集團(tuán)有限公司, 天津 300384; 2. 國家測繪地理信息局重慶測繪院, 重慶 401120; 3. 吉林省航測遙感院, 吉林 長春 130051)
機(jī)載激光雷達(dá)(LiDAR)是獲取高精度地形數(shù)據(jù)的新型測量手段,可以快速獲取大面積高密度、高精度的三維點(diǎn)云數(shù)據(jù),LiDAR數(shù)據(jù)擁有的高精度和高密度使其在生成地貌數(shù)據(jù)方面的應(yīng)用得到飛速的發(fā)展和廣泛的應(yīng)用,可用于數(shù)字高程模型制作、城市三維建模、災(zāi)害環(huán)境監(jiān)測等方面[1-3]。然而,高密度的數(shù)據(jù)導(dǎo)致數(shù)據(jù)量的大幅增加,幾千米的航帶,其點(diǎn)云量就達(dá)數(shù)千萬[4],給等值線生成帶來了諸多不便,在等值線生成過程中,并無需全部表達(dá)所獲取的數(shù)據(jù)信息,僅需表達(dá)相應(yīng)地貌特征所需要的數(shù)據(jù)點(diǎn)信息[5],符合相應(yīng)的地形地貌精度要求,特別是在地勢較平坦的平原地區(qū)。
在實(shí)際情況中,采樣地形的LiDAR數(shù)據(jù)越密集,生成的精度越高、等值線越逼真,但是在《機(jī)載激光雷達(dá)數(shù)據(jù)獲取技術(shù)規(guī)范》中沒有將地形類型和采樣密度相匹配,只規(guī)定點(diǎn)云數(shù)據(jù)的最大點(diǎn)間距不能大于1/2 DEM格網(wǎng)間距,若按此要求執(zhí)行,在平原地區(qū)獲取的點(diǎn)云數(shù)據(jù)會存在大量的冗余數(shù)據(jù)。有的地區(qū)兼顧大比例尺測繪需要,按照1∶2000要求獲取點(diǎn)云數(shù)據(jù)制作等值線, 如此標(biāo)準(zhǔn)分幅的圖幅數(shù)據(jù)量更大,對設(shè)備的要求更高,需要超高性能設(shè)備才能完成生產(chǎn)作業(yè)。同時(shí)由地面點(diǎn)云數(shù)據(jù)生成的等值線往往呈鋸齒狀,有許多獨(dú)立的閉合環(huán)和曲折轉(zhuǎn)彎,在平原地區(qū)尤為突出;點(diǎn)云數(shù)據(jù)的平均坡度值也異常的高,平原地區(qū)的地面TIN模型也是如此,給平原地區(qū)生產(chǎn)等值線造成很大的困難[6]。
由于機(jī)載激光雷達(dá)數(shù)據(jù)的水平采樣距離相對于垂直方向精度較低,因此激光雷達(dá)存在很多噪點(diǎn),要獲得鋸齒較少的等值線和更合理的坡度,必須去除點(diǎn)云數(shù)據(jù)中的噪點(diǎn),同時(shí)還要最大可能地保留真實(shí)信息。因此,如何根據(jù)地形類別及特征要素對地形數(shù)據(jù)抽稀,獲得合理的、適于等值線生成的點(diǎn)云地形數(shù)據(jù)集,具有重要意義[7]。點(diǎn)云數(shù)據(jù)抽稀的主要目的是優(yōu)化采樣密度和數(shù)據(jù)精度,以此得到符合要求的高精度DEM和等值線。在海量的點(diǎn)云數(shù)據(jù)中,如何能夠把地形要素特征點(diǎn)保留下來,剔除冗余的噪聲點(diǎn),提高等值線生產(chǎn)效率和數(shù)據(jù)質(zhì)量,是當(dāng)前面臨的重要問題[8]。
本文通過對幾種抽稀算法的對比分析,結(jié)合平原地區(qū)激光點(diǎn)云的生產(chǎn)應(yīng)用,總結(jié)出最優(yōu)的、能夠滿足實(shí)際需求的抽稀算法,解決點(diǎn)云生產(chǎn)中的關(guān)鍵問題,提升生產(chǎn)效率,從而有利于點(diǎn)云數(shù)據(jù)的推廣和應(yīng)用。
目前國內(nèi)外關(guān)于LiDAR數(shù)據(jù)抽稀的算法按照其核心原理主要有系統(tǒng)抽稀、格網(wǎng)抽稀、TIN抽稀、坡度抽稀等算法。
系統(tǒng)抽稀是按照固定間隔對數(shù)據(jù)點(diǎn)隨機(jī)抽稀。對于一個(gè)大樣本N,首先確定抽樣間隔,比如每10個(gè)點(diǎn)作為一個(gè)抽樣間隔,然后在這10個(gè)樣本點(diǎn)中隨機(jī)選擇一個(gè)樣本數(shù)據(jù)點(diǎn)。這種數(shù)據(jù)抽稀算法主要優(yōu)勢是處理速度快,可以用來做快速顯示和縮略圖,適合于分析數(shù)據(jù)覆蓋范圍,制作區(qū)域快視圖;但是沒有顧及地形地貌特征信息[9],如在TerraScan軟件中數(shù)據(jù)抽稀就采用該方法調(diào)用點(diǎn)云數(shù)據(jù)。
格網(wǎng)抽稀是利用輸入的采樣間隔構(gòu)建虛擬格網(wǎng),然后按照處理規(guī)則只保留虛擬格網(wǎng)內(nèi)一個(gè)點(diǎn)云數(shù)據(jù)點(diǎn)(規(guī)則如最低值、均值或最高值等)。其中虛擬格網(wǎng)的大小要依據(jù)數(shù)據(jù)點(diǎn)的密度和數(shù)據(jù)成果要求來設(shè)定,如果數(shù)據(jù)點(diǎn)的密度達(dá)到每平方米幾個(gè)點(diǎn),則可以設(shè)定格網(wǎng)大小為1 m或更小。這種算法比較簡單高效,但無法顧及點(diǎn)云數(shù)據(jù)的地形地貌特征信息,這將在一定程度上降低數(shù)據(jù)的精度。隨著壓縮程度的增加,特征點(diǎn)被刪除的可能性也會增加,會丟失許多關(guān)鍵點(diǎn)數(shù)據(jù)。這種方法一般只應(yīng)用于對精度要求較低的工程項(xiàng)目,或者對點(diǎn)云數(shù)據(jù)初步抽稀[10]。
TIN抽稀算法的原理是利用點(diǎn)云數(shù)據(jù)建立不規(guī)則三角網(wǎng)模型,分析判斷相鄰面的法線來確定點(diǎn)云點(diǎn)剔除還是保留。在平坦區(qū)域上點(diǎn)云數(shù)據(jù)點(diǎn)構(gòu)成的三角網(wǎng)包含信息量最少,三角形構(gòu)成面的法線向量趨近于平行,即法線向量的夾角越小地貌特征越一致,利用三角網(wǎng)的這個(gè)性質(zhì)可以實(shí)現(xiàn)對點(diǎn)云數(shù)據(jù)的抽稀。該算法能夠較好地保留地形特征點(diǎn),但是在判斷一點(diǎn)是否剔除時(shí),需查找包含該點(diǎn)的三角面,在判斷不同三角面之間的夾角時(shí),在一定程度上會降低數(shù)據(jù)處理的速度[11-13]。
首先利用點(diǎn)云數(shù)據(jù)構(gòu)建TIN,在生成的TIN數(shù)據(jù)點(diǎn)中讀入第一個(gè)數(shù)據(jù)點(diǎn),查找該點(diǎn)相鄰的三角形,計(jì)算每個(gè)三角面的坡度,求得這些三角面的平均坡度,依此確定坡度抽稀閾值,并求得最大坡度和最小坡度之差,即最大坡度差,通過最大坡度差與坡度抽稀閾值進(jìn)行比較確定此點(diǎn)是否為特征地形點(diǎn)。該算法能夠較好地保留地形特征點(diǎn),但坡度閾值確定時(shí)存在一定的不確定性,尤其是確定數(shù)據(jù)坡度臨界值時(shí)存在較大不確定性,會在一定程度上影響點(diǎn)云數(shù)據(jù)質(zhì)量和數(shù)據(jù)處理速度[14]。
以上幾種算法中,系統(tǒng)抽稀和格網(wǎng)抽稀算法不能很好地保留地形特征信息,在一定程度上會降低點(diǎn)云數(shù)據(jù)精度。而基于TIN的抽稀算法和坡度抽稀算法,對于不同的地形采用動態(tài)閾值,能取得顯著的效果,也能更好地保留地形特征點(diǎn),但是也難以得到理想的抽稀結(jié)果。
為了實(shí)現(xiàn)對平原地區(qū)點(diǎn)云數(shù)據(jù)的抽稀,本文提出基于約束TIN節(jié)點(diǎn)的抽稀算法。采用點(diǎn)云數(shù)據(jù)和特征數(shù)據(jù)構(gòu)建TIN,利用約束條件判斷某個(gè)點(diǎn)云數(shù)據(jù)是否保留,通過剔除該點(diǎn)再構(gòu)建TIN,判斷其點(diǎn)位置的內(nèi)插值與源值的差值是否小于相應(yīng)地形的容差,如果滿足要求就剔除該點(diǎn),否則保留該點(diǎn);在數(shù)據(jù)處理過程中特征數(shù)據(jù)始終參與構(gòu)TIN,新構(gòu)TIN網(wǎng)不能穿越特征要素,約束數(shù)據(jù)保證關(guān)鍵地形特征精度[15]。
由于地形地貌復(fù)雜多變,在一幅圖內(nèi)也會變化多樣,按照坡度不同,可將地形分成平原、丘陵、山地及高山地,根據(jù)地形類別的中誤差要求設(shè)置不同地貌的抽稀容差,詳見表1,每類地形的容差按照1/3的中誤差進(jìn)行取值,這樣既能更好地抽稀,又能保證數(shù)據(jù)精度。
表1 地形高程中誤差和容差分類
數(shù)學(xué)模型算法如下:
(1) 讀入所有點(diǎn),生成TIN,依據(jù)地形類別確定容差值。
(2) 在TIN中讀入TIN網(wǎng)中第一個(gè)點(diǎn)P,找到與P點(diǎn)相關(guān)的三角形的節(jié)點(diǎn),如圖1所示。
(3) 利用找到的節(jié)點(diǎn)重新構(gòu)TIN,并提取P點(diǎn)在新TIN中的線性內(nèi)插值P′。
(4) 計(jì)算P′與P的高程差值,與容差值對比,大于容差值保留,小于容差值則剔除,如圖2所示。
(5) 繼續(xù)遍歷所有TIN網(wǎng)中的點(diǎn)云數(shù)據(jù),直到判斷完成為止。
(6) 判斷涉及遞歸運(yùn)算,同時(shí)要考慮特征約束線的三角網(wǎng)。
特征約束線是對地形要素進(jìn)行強(qiáng)制約束,點(diǎn)云構(gòu)TIN不能跨越特征線,但是必須與特征線構(gòu)成網(wǎng),即點(diǎn)云與約束線相鄰的點(diǎn)必須一起構(gòu)成三角網(wǎng)。圖3(a)是原始TIN數(shù)據(jù),圖3(b)是在抽稀中未考慮約束要素,圖3(c)是經(jīng)過本文方法抽稀后的TIN數(shù)據(jù),在特征線位置處會出現(xiàn)錯(cuò)誤,在后期補(bǔ)上約束線也會損失跨越特征線的點(diǎn)信息。
在采用約束TIN節(jié)點(diǎn)算法時(shí),每個(gè)點(diǎn)云的取舍均按照約束值判斷,但是存在剔除后在原TIN的內(nèi)部插值高程變形超過約束值數(shù)倍的情況,內(nèi)部變形如圖4所示,圖4(a)粗線網(wǎng)是原始點(diǎn)云的點(diǎn)構(gòu)網(wǎng),圖4(b)細(xì)線網(wǎng)是抽稀后點(diǎn)云的點(diǎn)構(gòu)網(wǎng),圖4(c)是二者的疊加圖,圖4(a)圓點(diǎn)處的點(diǎn)云(高程值:129.749 m)被抽稀掉,在圖4(b)圓點(diǎn)處內(nèi)插值為129.586 m,兩次點(diǎn)值較差為0.163 m,然而在圖4(a)、(b)中三角形處,高程值分別是129.828 m和128.877 m,較差為0.951 m,超過附近點(diǎn)限差的5倍。
為了解決上述問題,在點(diǎn)云點(diǎn)的抽稀過程中,通過增加虛擬格網(wǎng)約束點(diǎn)的方式保證點(diǎn)云數(shù)據(jù)抽稀的精度,確定點(diǎn)云剔除還是保留,算法流程如圖5所示。虛擬格網(wǎng)間距的設(shè)置根據(jù)成果精度要求確定,在刪減過程中動態(tài)計(jì)算原值和新內(nèi)差值的較差,超限則放入保留點(diǎn)數(shù)據(jù)集,如圖2所示,圖中黑點(diǎn)即為虛擬格網(wǎng)點(diǎn)。
為了提高運(yùn)算速度,在剔除過程中只刪減三角形,不作增加處理;在第一次處理完成后,利用保留的點(diǎn)重新優(yōu)化構(gòu)建三角網(wǎng),對剔除的點(diǎn)進(jìn)行二次判斷,確認(rèn)是否剔除;如果超限則補(bǔ)回到保留點(diǎn)中,并增加三角網(wǎng),這樣既能保證處理精度,又能提高運(yùn)算效率[16-17]。
為了滿足實(shí)際生產(chǎn)的需要,選取任務(wù)區(qū)的部分激光點(diǎn)云數(shù)據(jù)進(jìn)行試驗(yàn)測試。試驗(yàn)測區(qū)為地勢整體平緩,主要分為松遼河間過渡帶風(fēng)沙覆蓋的平原、風(fēng)沙覆蓋的傾斜平原、松嫩鹽漬化發(fā)育的低平原和松嫩湖沼漫布的低平原,地貌破碎復(fù)雜,鹽堿地貌隨處可見,屬于平原地區(qū),試驗(yàn)參數(shù)按照平原執(zhí)行。試驗(yàn)數(shù)據(jù)的點(diǎn)云間距約1.2 m,測區(qū)總面積5500 km2,典型地貌如圖6所示。
(1) 為了更好地分析驗(yàn)證各種抽稀算法,分別對系統(tǒng)抽稀、格網(wǎng)抽稀和TIN抽稀作基本分析,對坡度抽稀算法和約束TIN節(jié)點(diǎn)抽稀法進(jìn)行重點(diǎn)分析。
(2) 采用ArcGIS 10.1軟件平臺完成數(shù)據(jù)成果測試、分析;數(shù)據(jù)樣本為隨機(jī)抽取的一幅具有水域特征線的數(shù)據(jù),1∶1萬原始點(diǎn)云中地面點(diǎn)數(shù)據(jù)為5 346 712個(gè)點(diǎn)。
(3) 所使用的LiDAR點(diǎn)云是經(jīng)過質(zhì)檢部門驗(yàn)收合格的點(diǎn)云數(shù)據(jù), 使用分類好的點(diǎn)云數(shù)據(jù)作為基準(zhǔn)數(shù)據(jù),利用基準(zhǔn)數(shù)據(jù)的地面點(diǎn)構(gòu)建TIN,然后按照2 m格網(wǎng)間距線性內(nèi)插生成DEM數(shù)據(jù),行列數(shù)為(1851,2001),總共點(diǎn)數(shù)為3 703 851個(gè),全部為分析檢測點(diǎn),以此為標(biāo)準(zhǔn)值完成抽稀精度評定。
(4) 采用各種方法抽稀后的點(diǎn)云數(shù)據(jù)集構(gòu)TIN,然后按照相同范圍、相同格網(wǎng)間距、相同采樣方法內(nèi)插生成新的DEM數(shù)據(jù)。
(5) 利用柵格數(shù)據(jù)計(jì)算工具,使用標(biāo)準(zhǔn)DEM數(shù)據(jù)與各類抽稀方法生成的新DEM數(shù)據(jù)作差,生成差值柵格數(shù)據(jù),如圖7所示。
(6) 利用柵格分類工具,對新的柵格數(shù)據(jù)按照5類進(jìn)行統(tǒng)計(jì)分析,分類統(tǒng)計(jì)內(nèi)容見表2,使用差值結(jié)果直接統(tǒng)計(jì)分析,不采用標(biāo)準(zhǔn)差和中誤差公式計(jì)算分析。
表2 分類統(tǒng)計(jì)
3.3.1 系統(tǒng)抽稀
系統(tǒng)抽稀是不確定性抽稀,按抽稀后的保留點(diǎn)數(shù)計(jì)算,分別保留到85%、75%、50%和43%的程度計(jì)算分析,也就是抽稀掉15%、25%、50%和57%。表3顯示了保留點(diǎn)密度與標(biāo)準(zhǔn)段數(shù)據(jù)精度的關(guān)系。
表3 系統(tǒng)抽稀保留率與數(shù)據(jù)精度的關(guān)系
在試驗(yàn)數(shù)據(jù)保留率84.2%的測試中,最大偏差點(diǎn)分別為-1.569 85和1.945 12;保留率74.5%的測試中最大偏差點(diǎn)分別為-1.572 85和1.963 4;保留率50.5%的測試中最大偏差點(diǎn)分別為-1.579 67和1.752 27;保留率43.2%的測試中最大偏差點(diǎn)分別為-1.779 61和1.952 12;從表3中可以看出保留率越小兩端所占比例越高,分布在-0.2~0.20 m區(qū)間比例越小,整體效果較差。
3.3.2 格網(wǎng)抽稀
分別保留85%、75%、50%和40%的程度計(jì)算分析。在試驗(yàn)數(shù)據(jù)保留率85.9%的測試中最大偏差點(diǎn)分別為-1.150 25和0.949 936;保留率72.6%的測試中最大偏差點(diǎn)分別為-1.671 38和1.351 34;保留率50.1%的測試中最大偏差點(diǎn)分別為-1.910 63和2.120 69;保留率41.5%的測試中最大偏差點(diǎn)分別為-2.010 64和2.530 65;從表4中50%以上保留率在高精精度范圍內(nèi)的點(diǎn)最多。
表4 格網(wǎng)抽稀保留率與數(shù)據(jù)精度的關(guān)系
3.3.3 TIN抽稀
分別保留55%、42%、35%和16%的程度計(jì)算分析。在數(shù)據(jù)試驗(yàn)中保留率55.7%的測試中最大偏差點(diǎn)分別為-0.950 24和0.849 936;保留率42.1%的測試中最大偏差點(diǎn)分別為-0.971 051和0.982 042;保留率35.6%的測試中最大偏差點(diǎn)分別為-1.271 06和1.152 04;保留率15.8%的測試中最大偏差點(diǎn)分別為-1.510 64和1.630 65;從表5中35%以上保留率在高精精度范圍內(nèi)的點(diǎn)最多。
表5 TIN抽稀保留率與數(shù)據(jù)精度的關(guān)系
3.3.4 坡度抽稀算法
試驗(yàn)經(jīng)原始數(shù)據(jù)抽稀后,保留65%、50%、41%和25%的程度,保留率和高程比率分布見表6。
在數(shù)據(jù)試驗(yàn)中保留率65.0%的測試中最大偏差點(diǎn)分別為-1.132 31和0.947 453;保留率50.2%的測試中最大偏差點(diǎn)分別為-1.347 01和1.252 32;保留率40.9%的測試中最大偏差點(diǎn)分別為-1.645 52和1.368 91;保留率25.1%的測試中最大偏差點(diǎn)分別為-2.110 03和1.941 36;從表6中41%以上保留率在高精精度范圍內(nèi)的點(diǎn)最多。
表6 坡度抽稀算法保留率與數(shù)據(jù)精度的關(guān)系
3.3.5 約束TIN節(jié)點(diǎn)抽稀法
試驗(yàn)經(jīng)原始數(shù)據(jù)抽稀后,分別抽稀保留65%、50%、41%和25%的程度,保留率和高程比率分布見表7。在數(shù)據(jù)試驗(yàn)中保留率65.1%的測試中最大偏差點(diǎn)分別為-0.312 37和0.287 413;保留率50.3%的測試中最大偏差點(diǎn)分別為-0.327 61和0.310 02;保留率41.3%的測試中最大偏差點(diǎn)分別為-0.347 05和0.332 32;保留率25.3%的測試中最大偏差點(diǎn)分別為-0.349 01和0.341 27;從表7中可以看出保留率在41%以上,精度分布最好。
表7 約束TIN節(jié)點(diǎn)抽稀法保留率與數(shù)據(jù)精度的關(guān)系
通過試驗(yàn)各種抽稀方法,結(jié)果表明無論數(shù)據(jù)抽稀到何種程度,都會有一些高程信息會丟失,抽稀的目標(biāo)是最大限度地降低數(shù)據(jù)的密度而損失最小的精度。采用一種合適的抽稀方法可以使試驗(yàn)區(qū)域的數(shù)據(jù)在保留率達(dá)到41%時(shí),其高程內(nèi)插精度仍能好于20 cm,高程中誤差能控制幾厘米內(nèi)[18]。
為了能夠更好地說明各種抽稀算法對基礎(chǔ)點(diǎn)云精度的影響,將以上5種抽稀算法的保留率與-0.2~0.20 m的精度匯集到一個(gè)圖中,如圖8所示。
采用約束TIN節(jié)點(diǎn)抽稀算法完成某試驗(yàn)測區(qū)5500 km2的機(jī)載雷達(dá)數(shù)據(jù)制作DEM和等值線,作業(yè)單元為1∶10 000標(biāo)準(zhǔn)分幅數(shù)據(jù),單幅數(shù)據(jù)量大的達(dá)到10 GB、小的也有0.4 GB,數(shù)據(jù)抽稀完后一般在0.5 GB左右,這樣標(biāo)準(zhǔn)配置計(jì)算機(jī)都能滿足滿幅作業(yè),避免了拆分再合并的復(fù)雜工作。
本文項(xiàng)目成果要求制作DEM和等值線,在生產(chǎn)過程中考慮到生產(chǎn)精度和運(yùn)算速度等因素,充分分析各種算法的優(yōu)缺點(diǎn),采用組合抽稀方式進(jìn)行數(shù)據(jù)處理,首先采用高效的格網(wǎng)最低點(diǎn)抽稀算法完成概略抽稀,網(wǎng)格抽稀間距為0.75 m,每幅圖的數(shù)據(jù)量大約為1.2 GB;然后采用約束TIN節(jié)點(diǎn)抽稀算法完成精細(xì)化抽稀,高程限差設(shè)置為0.10 m,處理完成后每幅數(shù)據(jù)量為0.4 GB大小,保留率為34%,壓縮率為66%。數(shù)據(jù)生產(chǎn)完成后進(jìn)行外業(yè)實(shí)地符合性高程精度檢查,見表8,利用數(shù)據(jù)分別生成2 m×2 m和5 m×5 m格網(wǎng)間距的DEM,利用外業(yè)檢測數(shù)據(jù)計(jì)算中誤差,2 m×2 m的精度都優(yōu)于5 m×5 m的精度,中誤差都優(yōu)于0.20 m;5 m×5 m格網(wǎng)間距的DEM精度最大為0.20 m,圖幅都優(yōu)于0.20 m,最好精度達(dá)到0.08 m。
表8 外業(yè)實(shí)地符合性高程中誤差
基于原始點(diǎn)云數(shù)據(jù)生成的三角網(wǎng)和等值線均有坡度值大、抖動和氣泡比較多的特點(diǎn),無意義的噪聲數(shù)據(jù)也較多,單獨(dú)幾個(gè)點(diǎn)就會有等值線反映出來;點(diǎn)云數(shù)據(jù)經(jīng)過兩種方法抽稀后生成的DEM數(shù)據(jù)和等值線數(shù)據(jù)噪聲明顯減少,效果對比如圖9所示。
因此,各種抽稀算法和優(yōu)化約束TIN節(jié)點(diǎn)抽稀法的組合應(yīng)用能達(dá)到事半功倍的理想效果。
本文提出了約束TIN節(jié)點(diǎn)抽稀法,其既能很好地保留局部地形特征,又能保證整體的地貌特征;既能實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)超強(qiáng)壓縮,又能保證它的高精度。本文算法優(yōu)勢在于引入高度差約束,并充分利用TIN構(gòu)網(wǎng)優(yōu)勢,補(bǔ)充虛擬格網(wǎng)控制精度優(yōu)化算法,組合傳統(tǒng)算法并能深化應(yīng)用,尤其在平原地區(qū)地貌數(shù)據(jù)生產(chǎn)項(xiàng)目中的應(yīng)用,充分體現(xiàn)了算法的高壓縮、高去噪特點(diǎn)。
本文算法解決了點(diǎn)云冗余數(shù)據(jù)的剔除,提高了計(jì)算速度和工作效率,讓處理大數(shù)據(jù)量點(diǎn)云數(shù)據(jù)變?yōu)榭赡?,解決了逐塊處理的痛點(diǎn),實(shí)現(xiàn)了整幅完整作業(yè),同時(shí)實(shí)現(xiàn)了點(diǎn)云噪聲和高植被點(diǎn)云自動濾波,消除了DEM和等值線數(shù)據(jù)中的噪聲。
本文算法經(jīng)過大范圍制作DEM和等值線數(shù)據(jù)的實(shí)際應(yīng)用,充分驗(yàn)證了算法的實(shí)用性和可行性。點(diǎn)云數(shù)據(jù)抽稀或去噪是生產(chǎn)各種測繪產(chǎn)品的必經(jīng)階段,高度精準(zhǔn)抽稀為點(diǎn)云數(shù)據(jù)制作DEM和等值線產(chǎn)品奠定了良好的數(shù)據(jù)基礎(chǔ),為全國性推廣點(diǎn)云數(shù)據(jù)制作DEM和等值線提出可行性方法[19]。
今后,將在平原測區(qū)的生產(chǎn)實(shí)踐基礎(chǔ)上進(jìn)一步完善驗(yàn)證丘陵地、山地的各種參數(shù)和算法,然后再展開地形地貌的平滑算法,為基于激光雷達(dá)數(shù)據(jù)制作高質(zhì)量的等值線提供更優(yōu)的解決方案。