DLG辅助的机载LiDAR点云数据滤波研究任务书.docx

DLG辅助的机载LiDAR点云数据滤波研究任务书
一、题目：DLG辅助的机载LiDAR点云数据滤波研究
二、研究背景和意义：
随着国家经济的迅速发展，机载激光雷达（LiDAR）无人机航测也得到了快速发展，成为了航测技术中的重要分支。机载LiDAR点云数据的获取成为了快速、准确获取地表三维信息的一种有效手段，然而，由于山区、河谷峡谷、城市中高楼建筑、野生植被、林区等因素的影响，机载LiDAR点云数据中存在着很多异常点、错误点或者空洞等问题。因此，如何对点云数据进行滤波处理已成为机载LiDAR点云数据处理中的重要工作。
目前，点云数据滤波算法已经得到了广泛的研究。尽管场景和数据特性有所不同，但是绝大多数方法可以归纳为以下几类：基于统计的滤波算法、形态学滤波算法、基于同伦理论的滤波算法、基于采样一致性的滤波算法等。然而在机载LiDAR点云数据处理中，受制于数据量大且点云密度不均匀的问题，用通用滤波方法处理点云数据时往往出现计算量与效果皆无法满足实际需求的情况。因此，如何针对机载LiDAR点云数据进行开发高效准确的滤波算法，对于机载LiDAR点云数据的处理和使用具有重要的现实意义和商业价值。
三、研究内容和步骤：
1.结合DLG数据进行点云数据滤波研究
由于机载LiDAR获取的点云数据仅有地物表面的三维坐标信息，并不知道实际地物的属性信息，因此在滤波过程中难以确定实际地物表面的范围。本研究将DLG（数字地形/地球模型）数据引入点云数据滤波中，以辅助确定地物表面的范围，从而精准滤波。
2.综合考虑多种滤波算法
目前针对点云数据的滤波算法有很多种类，每种算法都有其适用范围和特点，而且各算法之间也常常互为补充。因此本研究将综合考虑多种滤波算法来处理点云数据，以达到前期加速和后期优化的效果。
3.完善算法并进行实验测试
本研究将从前期进行实验到后期调整算法，结合优化测试，通过实验结果进行算法的完善和优化。
四、研究技术路线：
1.数据采集与处理
利用现有的机载LiDAR设备和相关软件对采集的点云数据进行处理。
2.LDLG数据预处理
将DLG数据进行预处理，以为滤波算法提供依据。
3.点云异常点剔除
对点云数据进行异常点剔除，以保证滤波算法的可靠性。
4.多种算法综合策略
将基于同伦理论的算法、基于采样一致性的滤波算法和基于统计的滤波算法进行整合，以得到更加准确的滤波效果。
5.进行实验测试
利用已采集的点云数据和DLG数据进行实验，并根据实验结果进行后期的算法优化。
五、研究预期目标和成果：
本研究的最终目标是开发出一种针对DLG辅助的机载LiDAR点云数据滤波算法，以满足高效、准确、快速的滤波需求。同时，本研究还将对点云数据处理中出现的常见问题进行分析和整理，系统总结目前点云数据滤波算法的优缺点和适用场合。本研究的研究成果将应用于山区、峡谷、城市数字化建设等领域，提高机载LiDAR点云数据处理精度和效率，具有广泛的应用前景。
六、参考文献：
[1]刘正中,黄国龙,尘中之光:激光雷达自适应滤波算法研究与应用分析[J].遥感技术与应用,2019,34(05):1040-1047.
[2]李海军,梁建国,吴志杰:机载激光雷达点云异常点的有效滤除[J].测绘通报,2018,10(18):37-39.
[3]陈萾菘,李玺,李婧悦:判定滤波算法在Lidar数据滤波中的应用研究[J].电子技术与软件工程,2019,08(06):74-75.
[4]管璐,王岩:激光雷达点云数据滤波方法研究与应用[J].河南科学,2018,36(03):497-498.
[5]许伟然,蒋定富,张俊杰:基于体素的机载LiDAR点云数据滤波方法[J].摄影测量与遥感,2020,24(05):902-908.