典型点云数据滤波算法比较

在机载LiDAR 测量系统硬件不断发展的同时，机载LiDAR 数据后处理软件也在逐步完善，目前国际上应用较多的LiDAR 数据处理的软件有Terrasolid、REALM、TopPIT、SCOP++模块等。在点云数据后处理过程中，点云数据滤波是机载LiDAR 点云数据后处理的基础和关键，它通常会占用数据处理过程的60%以上的工作量。滤波后的结果对点云的分类、分割和DEM 的建立都是至关重要的。

在点云数据中，有的激光脚点位于地面上，被称为地面点；剩余的位于地物表面的点，被称为地物点。当从数据中建立DEM 时，就需要将地物点剔除，只留下地面点，这一过程就是点云数据的滤波。到目前为止，由于地形表面的多样性，还没有一个能够适用于所有地形环境的点云数据滤波算法。

国外研究者起步较早，通过多年的研究实验，总结出了几种比较典型的LiDAR 滤波算法。奥地利的Kraus 和Pfeifer(1998)提出的迭代线性最小二乘内插法，通过对点云数据进行线性最小二乘法插值运算，计算每个激光脚点的高程拟合残差，并赋予其权值，通过迭代计算，设定一定的阈值分离地面点和地物点；德国斯图加特大学Lindenberger(1993)提出的数学形态学方法，首先对数据做内插处理得到规则格网，然后利用开算子和闭算子对激光脚点数据进行处理；Petzold 和Axelsson(2000)提出的移动窗口法，通过一个大小合适的窗口来寻找高程最低的激光脚点，然后建立稀疏TIN 模型，设定阈值对激光脚点进行判定，剔除地物点，然后得到一个精确的DEM，调整窗口大小，再进行判定过程，最后通过迭代运算得到最终的结果；Vosselman(2001)提出的基于地形坡度变化的滤波算法依据的原理是，当相邻点的高程变化剧烈时，由地形起伏引起的可能性很小，更有可能是因为高程较高的点位于地物之上，而高程低的点位于地面；Axelsson(2000)提出的三角网迭代加密滤波算法是目前应用最广的滤波算法，该算法通过不断进行迭代运算，向已建立的初始三角网内加入合理点，对三角网不断加密，最终得到重建地形表面。

尽管我国的机载LiDAR 测量系统起步较晚，但国内的研究人员在数据滤波方面也提出了许多改进意见。张小红和刘经南(2004)提出了移动曲面拟合滤波法(张小红和刘经南，2004)，李卉(2011)在其论文中改进了渐进加密三角网算法等(李卉，2011；李卉等，2009)。这些算法基本都遵循以下流程：首先在一个局部点云中选定一个高程最低的点作为地面点，然后根据最低点确定一部分地面点，最后根据一定的判别原则(如坡度、角度等阈值)来判断数据点的从属，以达到滤波分类的效果。判别准则选取是这些算法的核心，这些算法基本上都需要人的参与来调整参数。(www.xing528.com)

近年来，机载激光扫描系统记录的回波次数越来越多，很多学者尝试利用点云数据多回波信息来进行激光点云数据的滤波和分类。张小红(2006)利用机载LiDAR 首次回波和尾次回波的高程差来进行激光脚点分类；许晓东等(2007)利用激光点回波的特性减少参与滤波的脚点数量。上述方法只使用了点云数据首尾两次回波数据，并未对中间次回波数据进行分析和应用。

随着国内外研究者的不断深入研究，点云数据滤波算法有了很大的发展。经过国内外学者长时间的研究与应用，一些高效、适用性较广的算法被提出来。

目前，大部分的点云数据滤波方法都是利用激光脚点空间三维信息来进行设计的，而且这些滤波算法大多具备两个前提条件：①在某一小区域范围内地物点高程均大于地面点高程；②由地形起伏引起的坡度的变化必须在规定范围之内，即地形较为平缓。国内外研究者提出的点云数据滤波算法十分众多，本章选取了滤波效果较好、适用范围较大的几种滤波算法，并对其原理和特点做了深入研究(罗依萍，2010)。