segmentGroundSMRF
段地面激光雷达数据使用一个简单的形态学滤波器(SMRF)算法
语法
描述
groundPtsIdx= segmentGroundSMRF (ptCloud)ptCloud在地面和non-ground点并返回一个逻辑矩阵或向量groundPtsIdx。指数函数集地面点真正的和假non-ground分。
groundPtsIdx= segmentGroundSMRF (ptCloud,gridResolution)
(此外返回地面点和non-ground点作为个人groundPtsIdx,nonGroundPtCloud,groundPtCloud)= segmentGroundSMRF (___)pointCloud对象。使用这种语法的任何输入参数组合在以前的语法。
例子
段在空中激光雷达数据
段地面在一个无组织的空中点云。
创建一个lasFileReader对象来访问文件数据。
文件名= fullfile (toolboxdir (激光雷达的),“lidardata”,“拉斯维加斯”,…“aerialLidarData2.las”);lasReader = lasFileReader(文件名);
从拉斯维加斯读点云数据文件使用readPointCloud函数。
ptCloud = readPointCloud (lasReader);
段地面点云数据。
[groundPtsIdx, nonGroundPtCloud groundPtCloud] = segmentGroundSMRF (ptCloud);
可视化地面和non-ground点。
图pcshowpair (groundPtCloud nonGroundPtCloud)
从点云数据段和删除地面
段和删除从一个有组织的点云。高速公路场景中的点云被捕。
点云数据加载到工作区。
ld =负载(“drivingLidarPoints.mat”);
显示输入点云。
pcshow (ld.ptCloud) xlim (40 [-40]) ylim (50 [-50])
段地面点云数据。
[~,nonGroundPtCloud groundPtCloud] = segmentGroundSMRF (…,ld.ptCloud,“MaxWindowRadius”5,“ElevationThreshold”,0.1,“ElevationScale”,0.25);
可视化non-ground点。
图pcshow (nonGroundPtCloud) xlim (40 [-40]) ylim (50 [-50])
输入参数
输出参数
算法
一个简单的形态学滤波器(SMRF)算法[1]部分点云数据到地面和non-ground点。该算法分为三个阶段:
创建一个最小高程表面的点云数据。
表面分割成地面和non-ground网格元素。
段原始点云数据。
极小曲面创建
将点云数据划分为网格沿xy -维度(鸟瞰)。指定网格尺寸使用
gridResolution。找到最低海拔(Z最小值)值为每个网格元素(像素)。
把所有Z最小值值到一个二维矩阵(光栅图像)来创建一个最小高程表面地图。
表面地图分割
应用形态开放手术的最小表面地图。关于开放形态的更多信息,请参阅类型的形态学操作。
使用一个盘状结构元素的半径1像素。有关更多信息,请参见结构化元素。
计算最小表面之间的斜率,打开表面地图在每个网格元素。如果差异大于高程阈值,分类与non-ground像素。
执行步骤1到3迭代。结构化元素半径增加1像素在每个迭代中,直到达到指定的最大半径
MaxWindowRadius。迭代过程的最终结果是一个二进制的面具,每个像素分类为地面或non-ground。
点云分割
应用二元掩模在原始极小曲面映射到删除non-ground网格。
填补这个空缺网格利用图像插值技术来创建一个估计高程模型。
计算每个点之间的高差在原始点云,估计高程模型。如果大于的区别
ElevationThreshold、分类和non-ground像素。
引用
[1]Pingel托马斯·J。,Keith C. Clarke, and William A. McBride. “An Improved Simple Morphological Filter for the Terrain Classification of Airborne LIDAR Data.”ISPRS《摄影测量与遥感77(2013年3月):21 - 30。
