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
段输入点云,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。
另外指定网格元素的尺寸。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。
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。
[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。