提出一種對(duì)點(diǎn)云特征信息進(jìn)行聚類的方法,以提取機(jī)載LiDAR數(shù)據(jù)中的道路。通過采用軟件ENVI 5.3反復(fù)建立三角網(wǎng)實(shí)現(xiàn)點(diǎn)云濾波獲取地面點(diǎn)云,且采用零—均值標(biāo)準(zhǔn)化對(duì)地面點(diǎn)云進(jìn)行標(biāo)準(zhǔn)化,以消除其量綱。然后進(jìn)一步利用K-means++方法對(duì)點(diǎn)云三維坐標(biāo)聚類實(shí)現(xiàn)點(diǎn)云分割,以獲取包含道路點(diǎn)云的類別,且對(duì)該類別中點(diǎn)云的高度信息進(jìn)行聚類以提取道路點(diǎn)云。以荒漠植被區(qū)機(jī)載LiDAR為研究區(qū),對(duì)比直接對(duì)點(diǎn)云高度信息聚類的結(jié)果表明:在設(shè)置相同聚類參數(shù)的基礎(chǔ)上,直接進(jìn)行高度聚類的SSE總和為2 550.714,所提出的先分割后聚類方法獲取的SSE總和為73.696,比直接進(jìn)行高度聚類的SSE總和低2 477.018,說明本方法使K-means++性能更好。對(duì)比運(yùn)算速度發(fā)現(xiàn),雖然采用該方法聚類消耗時(shí)間比直接聚類消耗時(shí)間多16 s,但提取結(jié)果更好,可去除非道路點(diǎn)云3 673個(gè)。 

【文章來源】：測(cè)繪工程. 2020,29(03)

【文章頁數(shù)】：5 頁

【部分圖文】：

研究區(qū)點(diǎn)云數(shù)據(jù)高程灰度圖

地面點(diǎn)云灰度圖

K-means++對(duì)點(diǎn)云三維坐標(biāo)聚類的三維可視化

【參考文獻(xiàn)】：
期刊論文
[1]提取城市道路邊線的點(diǎn)云法向量聚類法[J]. 楊望山,蔡來良,谷淑丹.  光子學(xué)報(bào). 2018(06)
[2]LiDAR不同強(qiáng)度校正法對(duì)樟子松葉面積指數(shù)估測(cè)的影響[J]. 尤號(hào)田,邢艷秋,彭濤,丁建華.  測(cè)繪學(xué)報(bào). 2018(02)
[3]基于強(qiáng)度信息聚類的機(jī)載LiDAR點(diǎn)云道路提取[J]. 龔亮,張永生,李正國(guó),包全福.  測(cè)繪通報(bào). 2011(09)

碩士論文
[1]散亂點(diǎn)云特征提取和聚類精簡(jiǎn)技術(shù)研究[D]. 陳龍.西南科技大學(xué) 2017
[2]基于LiDAR數(shù)據(jù)的森林地區(qū)DEM建立[D]. 朱寶珠.長(zhǎng)安大學(xué) 2016



本文編號(hào)：3084849