下载文档原格式
机载激光雷达点云数据滤波算法的研究与应用机载激光雷达点云数据滤波算法的研究与应用随着航空技术和测绘技术的不断发展，机载激光雷达成为一种重要的航空测绘工具。
机载激光雷达通过往地面发射大量激光脉冲，并接收被地面物体反射回来的激光信号，从而获取地面物体的三维坐标信息，形成点云数据。
然而，由于各种原因的干扰和误差，激光雷达采集的原始点云数据中存在大量噪声和无效点，影响了后续的数据处理和应用。
因此，研究和应用机载激光雷达点云数据滤波算法具有重要的意义。
机载激光雷达点云数据滤波算法的研究主要是对原始点云数据进行一系列的处理和分析，过滤掉噪声点和无效点，提取出地面、建筑物以及其他特定目标的点云。
滤波算法可以分为两大类：基于几何特征的滤波算法和基于统计特征的滤波算法。
基于几何特征的滤波算法主要利用了地面与非地面点的几何特征差异。
其中，最常用的算法是基于地面平面分割的方法。
该方法首先根据点云的高度信息，将点云分为地面点和非地面点两类。
然后，通过拟合地面点的平面模型，识别出地面的点云，进一步进行滤波处理。
除了地面平面分割算法，还有基于高程阈值分割、基于邻域法分割等多种基于几何特征的滤波算法。
基于统计特征的滤波算法则是通过点云内部的统计特征来实现滤波。
其中，最常用的算法是高斯滤波算法。
该算法首先通过计算点云内部点的均值和方差，确定数据的统计分布情况。
然后，根据已知的阈值对点云数据进行滤波，排除掉不符合统计分布规律的点云。
此外，还有基于中位数滤波、基于最小二乘法滤波等多种基于统计特征的滤波算法。
机载激光雷达点云数据滤波算法的应用主要体现在航空测绘领域和地质勘探领域。
在航空测绘领域，通过滤波算法可以将噪声点和无效点过滤掉，提取出地面点云数据，进一步生成高精度的数字地图和三维模型。
在地质勘探领域，点云数据滤波算法可以将地质脉冲反射的点云数据提取出来，从而实现对地下结构的探测和分析。
总之，机载激光雷达点云数据滤波算法在航空测绘和地质勘探等领域具有广泛的应用前景。
terrascan点云分类原理(二)Terrascan点云分类原理引言在地球科学、地理信息系统以及遥感领域中，点云分类是一项重要的任务。
Terrascan是一种常用的开源软件，用于对点云数据进行分类。
本文将从浅入深，逐步解释Terrascan点云分类的原理。
什么是点云分类？点云是由大量的点构成的三维数据集，代表了地球表面的特定区域。
点云分类是指将这些点根据其特征或属性，分配到事先定义好的类别中。
这一过程对于地物识别、地貌分析和环境监测等应用具有重要意义。
Terrascan点云分类的基本原理Terrascan采用了基于机器学习的方法来进行点云分类。
其基本原理包括以下几个步骤：1.数据预处理：首先，Terrascan会对原始点云数据进行预处理，包括去除噪声点、滤波和点云格式转换等操作。
这些操作可以减少数据的噪声和冗余程度，提高后续分类的准确性。
2.特征提取：在预处理完成后，Terrascan会对每个点进行特征提取。
特征可以包括点的坐标、法向量、颜色等属性。
这些特征能够描述点的几何和外观特征，为分类提供重要的信息。
3.训练模型：接下来，Terrascan使用已标记好的点云数据集进行模型的训练。
在训练过程中，Terrascan会使用各种机器学习算法，如支持向量机、随机森林等，来学习点的特征与其所属类别之间的关系。
4.分类预测：一旦模型训练完成，Terrascan能够使用该模型对未标记的点云数据进行分类预测。
根据点的特征，模型能够推断出点应该属于哪个类别。
Terrascan点云分类的特色功能除了基本分类原理，Terrascan还具有以下几个特色功能：1.多类别分类：Terrascan可以将点云数据分配到多个用户定义的类别中。
这些类别可以代表不同的地物类型，如建筑物、道路、植被等。
2.可扩展性：Terrascan的设计使得它能够轻松处理大规模的点云数据集。
它能够有效地管理内存和计算资源，提高分类的效率和可扩展性。
TerraScan在LiDAR点云滤波中的应用研究
史建青;史照良
【期刊名称】《淮海工学院学报（自然科学版）》
【年(卷),期】2011(020)003
【摘要】简要介绍了机载LiDAR的发展现状,从原始LiDAR点云中滤波出真实的地面点是生成DEM和其他数字产品的基础和关键.TerraScan是一种机载LiDAR 点云滤波商业软件,对其滤波算法进行了详细分析,利用山地、丘陵地和平地3种不同地形的LiDAR数据,通过设置不同参数进行滤波试验.试验结果表明,其对平坦地区和城区有较好的滤波效果,但对地形变化较大的复杂山区滤波效果不够理想,有待进一步完善.
【总页数】4页(P46-49)
【作者】史建青;史照良
【作者单位】淮海工学院测绘工程学院,江苏连云港222005;武汉大学测绘学院,湖北武汉430079;江苏省测绘局,江苏南京210013
【正文语种】中文
【中图分类】P231
【相关文献】
1.TerraScan在激光扫描中的应用研究 [J], 祝明坤;肖枫;刘锴
2.针对广西地形激光LiDAR点云滤波处理的研究及应用 [J], LIU Run-dong;FAN Cheng-cheng;LIU Qing;LI Tao-ye;MAI Chao;WEI Qiang
3.一种改进的形态学LiDAR点云滤波算法 [J], 周钦坤;岳建平;李子宽;杨恒
4.基于改进迭代粗分类的城区LiDAR点云滤波算法 [J], 李成仁
5.基于TerraScan的LiDAR数据处理 [J], 黄金浪
因版权原因，仅展示原文概要，查看原文内容请购买。
机载LiDAR点云数据精细化滤波方法研究摘要：机载LiDAR是获取地表DEM的重要技术之一。
机载激光测距技术可高效、快速获取高空间分辨率的地表三维信息，广泛应用于地形测绘、城市建模等多个领域。
原始机载LiDAR点云的数据结构是离散、不规则的，包括地面点和非地面点。
高精度分离地面点与非地面点的过程即滤波处理，是制作DEM的关键技术。
现有的机载LiDAR点云数据滤波方法，主要分为：坡度滤波法、移动窗口法、数学形态学法、渐进三角网（Triangulated Ir-regular Network,TIN）滤波法及其他滤波方法。
本文针对机载LiDAR点云数据在自动化滤波过程中因建筑、植被底点剔除不完全导致DEM成果粗糙、等高线不平滑等问题，提出了一种精细化滤波方法。
先对LiDAR点云数据进行滤波处理生成参照DEM，再利用同区域的正射影像辅助判别，选取需要滤波区域点云进行局部纠正；分别选取平坦区域和山地区域进行实验，并对精度验证和等高线成果进行了对比。
实验结果表明，经过精细化滤波后的DEM和等高线成果在保证精度指标的前提下，成果质量明显提高。
关键词：机载LiDAR点云；数据精细化；滤波方法引言激光雷达数据滤波是获取高精度数字高程模型的重要手段和前提条件。
为了实现对激光雷达数据的准确滤波，在分析部分经典算法特点的基础上，提出一种机载LiDAR点云数据的精细化滤波算法。
1点云处理流程机载LiDAR获取的点云数据只有通过后续处理才能转化成产品。
数据处理流程包括航带拼接、点云分幅、点云滤波、精细化滤波、DEM和等高线生成等，如图1所示。
图1 机载LiDAR数据处理流程图1）航带拼接：大范围测区需要多条航带才能覆盖整个区域，多航带数据需要进行拼接处理，并去除重叠区域的冗余数据。
2）点云分幅：在实际数据处理中，由于点云数据量较大，受计算机内存、处理软件的限制，需要对原始数据进行分块，同时分配作业任务，提高工作效率。
3）点云滤波：将点云数据应用于DEM和等高线的生产中时，需要从点云数据中提取出地面点，滤除建筑、植被等非地面。
基于TerraSolid的平原地区点云数据滤波方法宇超群;刘小宇【期刊名称】《测绘与空间地理信息》【年(卷),期】2017(000)006【摘要】TerraSolid是处理机载激光雷达数据的常用软件.本文介绍了用TerraSolid软件对点云数据进行滤波的方法,解释了滤波过程中各参数的含义,通过实验比较了不同的参数设置对平原地区滤波结果的影响,最后,提出了对平原地区点云数据进行滤波的方案.%TerraSolid is popular software to deal with LiDAR data.The paper introduces how to filter the point cloud data with TerraSolid,and it interprets the meaning of the parameters in the filtering,then it compares the filtering results using different parameters on plain region,finally it proposes a solution about filtering the point cloud data on plain region.【总页数】3页(P181-183)【作者】宇超群;刘小宇【作者单位】信息工程大学,河南郑州450001;96365部队,新疆库尔勒841000【正文语种】中文【中图分类】P209【相关文献】1.基于 Terrasolid 软件的激光雷达点云数据处理 [J], 李莲芳;邵秋铭2.基于TerraSolid的机载激光雷达点云数据处理应用 [J], 刘妍;司海燕;鲍建宽;刘崴;李伟3.Terrasolid软件处理激光点云数据的研究与改进 [J], 张均;孙洪斌;邵秋铭4.基于Terrasolid软件的车载激光点云数据处理初探 [J], 谭敏;洪金益5.一种基于分布式并行模型的海量机载LiDAR点云数据快速滤波方法 [J], 宇超群;邓勇;张静因版权原因，仅展示原文概要，查看原文内容请购买。
LIDAR处理过程一．在Microstation的Terra模块中对激光点云数据进行处理。
1．新建工程2．打开Terra模块3．添加数据先add再done;Increase by file表示按照文件来给航线编号，即一个*.las表示为一条航线。
数据导入之后可以以多种方式来显示：按分类、按回波、按高程、按航线、按强度、按距离等。
4．数据预处理飞行时所获取的数据往往有冗余，处理时可只选择需要的部分做处理，将这些点挑出来，步骤如下：①利用Microstation的基础工具划出需要处理的点云，如果点数较多，可分为若干块；②在Tscan的工具条中选择Define Project，新建project，将选中区域内的点导入到project中。
→→再次选择导入的*.las数据，即可将需做处理的点导入到该project中，导入后project中显示点数（上右图），目标文件夹中出现*.bin文件。
将原来的点关掉，重新加载需要做处理的点，结果如下右图。
5．自定义点集系统默认的给出了8种类型的点集，也可自定义添加点集。
6．点云滤波、去噪将点云中明显的噪声点剔除掉。
多个数据块时一般可采用批处理的方式，建立批处理的方法如下。
①将所有的点分类到default类中，②//去除航带重叠，//③//去除low point，可单个点去除，也可以小组点去除，//④去除孤立点，⑤若通过上述几步之后，仍有明显可通过绝对高程判断为噪声的点，也应去除（如云上点等）6．地面点提取(ground)，各阈值可根据需要更改；7、水面点提取(Water)对于水面点的提取，需要借助于人为的判读，由于水面吸收雷达激光，当看到明显的大区域的Lidar点稀少时，可认为是水域，实际分类中，需要用到分类中的“By absoluteelevation”功能，如下操作：借助于“Identify”工具，在水域中随机读取高程值，得到大概的水域的高程范围，例如0.11~0.24，如果有影像的支持，人工绘制水域边界多边形，然后利用“Classify”-〉“Inside fence”能得到更精确地Water类别效果：/*7．利用回波信息从地面点(ground)中剔除植被①将具有多重回波特性的激光束中第一次回波分类到high vegetation②将第二次回波分类到medium vegetation8．从地面点中抽取一定密度的点用于构建地面模型，各阈值可根据需要更改；9．平滑、保存、*/输出最终的批处理列表如下图：，保存后即可随时调用。
第38卷 第5期测 绘 学 报Vol.38,No.5 2009年10月Act a Geo da etic a et Carto graphic a Sinic aOct.,2009文章编号:100121595(2009)0520466204机载LiDAR 数据滤波方法评述黄先锋1,李 卉2,王 潇1,张 帆11.武汉大学测绘遥感信息工程国家重点实验室,湖北武汉430079;2.武汉大学遥感信息工程学院,湖北武汉430079Filter Algorithms of Airborne LiDAR Da t a :Review a nd Pro sp ect sHUANG X ia nfeng 1,LI Hui2,WANG X iao 1,ZHANG Fa n 11.St ate K ey La boratory of Information Engineering in Surveying ,Mapping a nd Remote Sensing ,Wuha n University ,Wuha n 430079,China ;2.School of Remote Sensing a nd Information Engineering ,Wuha n University ,Wuha n 430079,ChinaAbstra ct :Filter of airborne LiDAR da t a is a primary step of da t a proce ssing.This p aper reviews the literature s of filter algorithms from a spect s of theory a nd performa nce.The morpholo gy a nd interpolation 2ba se d metho ds a re in 2tro duce d e specially.In a ddition ,pro sp ect is also given to provide reference s for future re se arch.K ey words :airborne LiDAR ;filter ;review摘 要:DE M 提取是机载LiDAR 数据处理的基础问题,总结国内外LiDAR 滤波方面的研究进展,定量分析算法的性能,着重分析形态学方法和基于内插的方法并指出两种算法的互补性,并总结展望,为后续相关研究提供参考。
第２０卷第３期２０１１年９月淮海工学院学报（自然科学版）Ｊｏｕｒｎａｌ ｏｆ Ｈｕａｉｈａｉ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎ）Ｖｏｌ．２０ Ｎｏ．３Ｓｅｐ．２０１１ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７２－６６８５．２０１１．０３．０１２ＴｅｒｒａＳｃａｎ在ＬｉＤＡＲ点云滤波中的应用研究＊史建青１，３，史照良２（１．淮海工学院测绘工程学院，江苏连云港 ２２２００５；２．江苏省测绘局，江苏南京 ２１００１３；３．武汉大学测绘学院，湖北武汉 ４３００７９）摘 要：简要介绍了机载ＬｉＤＡＲ的发展现状，从原始ＬｉＤＡＲ点云中滤波出真实的地面点是生成ＤＥＭ和其他数字产品的基础和关键。
ＴｅｒｒａＳｃａｎ是一种机载ＬｉＤＡＲ点云滤波商业软件，对其滤波算法进行了详细分析，利用山地、丘陵地和平地３种不同地形的ＬｉＤＡＲ数据，通过设置不同参数进行滤波试验。
试验结果表明，其对平坦地区和城区有较好的滤波效果，但对地形变化较大的复杂山区滤波效果不够理想，有待进一步完善。
关键词：ＬｉＤＡＲ；ＴｅｒｒａＳｃａｎ；地形；滤波；效果中图分类号：Ｐ２３１ 文献标识码：Ａ 文章编号：１６７２－６６８５（２０１１）０３－００４６－０４Ｓｔｕｄｙ ｏｎ ｔｈｅ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ＴｅｒｒａＳｃａｎｔｏ Ｆｉｌｔｅｒｉｎｇ ＬｉＤＡＲ Ｄａｔａ ＣｌｏｕｄＳＨＩ Ｊｉａｎ－ｑｉｎｇ１，３，ＳＨＩ Ｚｈａｏ－ｌｉａｎｇ２（１．Ｓｃｈｏｏｌ ｏｆ Ｇｅｏｄｅｓｙ ＆Ｇｅｏｍａｔｉｃｓ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈｕａｉｈａｉ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｌｉａｎｙｕｎｇａｎｇ ２２２００５，Ｃｈｉｎａ；２．Ｊｉａｎｇｓｕ Ｐｒｏｖｉｎｃｉａｌ Ｂｕｒｅａｕ ｏｆ Ｓｕｒｖｅｙｉｎｇ ＆Ｍａｐｐｉｎｇ，Ｎａｎｊｉｎｇ ２１００１３，Ｃｈｉｎａ；３．Ｓｃｈｏｏｌ ｏｆ Ｇｅｏｄｅｓｙ ａｎｄ Ｇｅｏｍａｔｉｃｓ，Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ ４３００７９，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅ ｓｔａｔｕｓ ｑｕｏ ｆｏｒ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ａｉｒｂｏｒｎｅ ＬｉＤＡＲ ｗａｓ ｉｎｔｒｏｄｕｃｅｄ．Ｔｈｅ ｆｉｌｔｅｒｅｄｔｅｒｒａｉｎ ｐｏｉｎｔｓ ｆｒｏｍ ａｉｒｂｏｒｎｅ ＬｉＤＡＲ ｐｏｉｎｔ ｃｌｏｕｄ ｉｓ ｔｈｅ ｆｏｕｎｄａｔｉｏｎ ａｎｄ ｋｅｙ ｔｏ ｍａｋｅ ｄｉｇｉｔａｌ ｅｌｅｖａｔｉｏｎａｎｄ ｏｔｈｅｒ ｄｉｇｉｔａｌ ｐｒｏｄｕｃｔｉｏｎ．Ｗｅ ｍａｄｅ ａ ｄｅｔａｉｌｅｄ ａｎａｌｙｓｉｓ ｔｏ ｔｈｅ ｆｉｌｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ ｏｆ ＴｅｒｒａＳｃａｎ，ａ ｃｏｍｍｅｒｃｉａｌ ｓｏｆｔｗａｒｅ ｏｆ ｔｈｅ ａｉｒｂｏｒｎｅ ＬｉＤＡＲ ｐｏｉｎｔ ｃｌｏｕｄ ｆｉｌｔｅｒｉｎｇ．Ｗｅ ｓｅｔ ｄｉｆｆｅｒｅｎｔ ｐａｒａｍｅｔｅｒｓａｎｄ ｍａｄｅ ｆｉｌｔｅｒｉｎｇ ｅｘｐｅｒｉｍｅｎｔｓ ｏｎ ｔｈｅ ｂａｓｉｓ ｏｆ ｈｅｔｅｒｏｇｅｎｅｏｕｓ ＬｉＤＡＲ ｐｏｉｎｔ ｃｌｏｕｄ ｄａｔａ，ｉｎｃｌｕｄｉｎｇｔｈｏｓｅ ｏｆ ｍｏｕｎｔａｉｎｏｕｓ ｒｅｇｉｏｎｓ，ｕｐｌａｎｄｓ ａｎｄ ｐｌａｎｅｓ．Ｅｘｐｅｒｉｍｅｎｔ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｆｉｌｔｅｒｉｎｇｅｆｆｅｃｔ ｉｎ ｕｒｂａｎ ａｎｄ ｐｌａｎｅ ａｒｅａｓ ｉｓ ｂｅｔｔｅｒ ｗｈｉｌｅ ｔｈａｔ ｉｎ ｍｏｕｎｔａｉｎｏｕｓ ｒｅｇｉｏｎｓ ｗｉｔｈ ｃｏｍｐｌｅｘ ｔｅｒｒａｉｎｓｉｓ ｐｏｏｒｅｒ，ａｎｄ ｔｈｅｒｅｆｏｒｅ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｎｅｅｄｓ ｆｕｒｔｈｅｒ ｉｍｐｒｏｖｅｍｅｎｔ．Ｋｅｙ ｗｏｒｄｓ：ＬｉＤＡＲ；ＴｅｒｒａＳｃａｎ；ｔｅｒｒａｉｎ；ｆｉｌｔｅｒ；ｅｆｆｅｃｔ０ 引言机载ＬｉＤＡＲ（ｌｉｇｈｔ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｒａｎｇｉｎｇ）作为一种主动式新型遥感测量方式，由于其作业时间不受光照影响，并具有快速、精确获取地面三维空间信息的能力［１］，因此受到人们的高度重视，近年来得到了快速发展，平均每年以２５％的速度增长［２］。
根据文献［３］介绍，机载ＬｉＤＡＲ硬件发展已趋于成熟，在１ｍ２范围内激光点数达到十几个，得到非常高的地表分辨率。
然而，由于机载ＬｉＤＡＲ点云分布不＊收稿日期：２０１１－０３－１７；修订日期：２０１１－０５－０４基金项目：江苏省测绘科研项目（ＪＳＣＨＫＹ２０１１１４）作者简介：史建青（１９６６－），男，河北邢台人，淮海工学院测绘工程学院副教授，博士在读，主要从事空间定位理论、激光扫描理论与技术的研究，（Ｅ－ｍａｉｌ）ｊｉａｎｑｉｎｇｓｈ＠ｓｉｎａ．ｃｏｍ。
规则，并受到多种误差源的影响，使得点云数据后处理软件研发滞后，现在几个投入商业运作的后处理软件大多由设备硬件厂商提供，并且其算法保密，比如芬兰Ｔｅｒｒａｓｏｌｉｄ公司的Ｔｅｒｒａｓｏｌｉｄ Ｓｕｉｔｅ，Ｌｅｉｃａ公司的ＬｉＤＡＲ Ａｎａｌｙｓｔ，美国Ｍｅｒｒｉｃｋ公司的ＭＡＲＳ，美国ＭａｔｈＷｏｒｋｓ公司的Ｍａｔｌａｂ等软件。
我国在ＬｉＤＡＲ点云数据后处理方面的研究起步较晚，目前一些高校和科研院所正在开展一些研究和软件开发工作，其中广西桂能信息有限公司已经开发了Ｌｉ－ＤＡＲ Ｓｔｕｄｉｏ。
由于地形的复杂性和地物的多样性，目前无论那一种激光点云后处理软件，都是基于某种假设或在某种特定地形条件下才具有较满意的处理效果，普适性较差［３］，功能有待于进一步完善和提高。
把原始ＬｉＤＡＲ点云数据准确、快速地分离为地面点和非地面点（滤波）是激光点云后处理软件的重要功能之一，也是生成ＤＥＭ（ｄｉｇｉｔａｌ ｅｌｅｖａｔｉｏｎｍｏｄｅｌ）、后续城市３Ｄ重建及生成其他数字产品的基础和关键，因此，对机载ＬｉＤＡＲ点云数据滤波方法和滤波效果进行研究具有理论和现实意义。
ＴｅｒｒａＳｃａｎ作为一种影响较大的ＬｉＤＡＲ点云数据滤波软件，对其滤波思想、处理速度和处理效果进行研究有助于该领域的技术进步。
本文就这个问题进行详细的探讨。
１ ＴｅｒｒａＳｃａｎ的滤波思想２０００年Ａｘｅｌｓｓｏｎ提出了一种基于不规则三角网（ＴＩＮ）的滤波算法［４］，其利用ＴＩＮ渐进加密来滤除非地面点生成ＤＥＭ。
ＴｅｒｒａＳｃａｎ就是采用了该算法的基本思想。
该滤波算法的基本思路是：首先将区域内的点划分成单位间距较大的规则网格，比如３０ｍ×３０ｍ为一个单元，然后通过寻找每个粗尺度网格中的最低点作为初始的种子点，用这些初始种子点生成一个稀疏的ＴＩＮ，再对各点进行判断；最初，ＴＩＮ位于这些点的下方，并且ＴＩＮ的曲率受到参数的限制。
在加密过程中，如果该点到待加入三角面的垂直距离以及该点到３个顶点的角度都小于设定的阈值，则将该点加入地面点集合；接着重新计算ＴＩＮ，然后再对非地面点集合内的点进行判别。
如此迭代处理逐层加密，直到遍历完所有的点，不再增加新的地面点为止，把原始的ＬｉＤＡＲ点云分为地面点和非地面点。
这种算法的关键是阈值的选取，使用不同的阈值会产生不同的滤波结果。
因此，在运用这种方法时，阈值应该随着测区地形种类的不同而相应地变化［５］。
该算法的最大优点是能够保留地面断裂特征，可以处理曲面不连续的情况，适用于密集的城区。
由于该算法中的初始种子点是选择粗尺度网格中的最低点，因此其容易受到极低局外点的影响，在进行滤波前应尽量对局外点加以滤除。
在三角网加密迭代过程中，对于复杂区域，特别是具有陡峭的斜坡、交通设施较多等地形特征的地方，由于阈值条件的针对性，会出现一些真实的地形点，比如陡坡转角上的边缘点，始终都不能满足添加到三角网的阈值条件，常常被漏选。
对于这种情况，该算法采用镜像的方法，在一定程度上解决了陡坡上边缘点可能被漏选的问题［５］。
虽然该算法使用数学镜像方法具有一定可行性，但是该算法并没有给出合理的理论根据，仅是经验算法，难以保证普适性和稳健性，并且对连接斜坡和较高处的地形点也不能较好地保留。
２ ＴｅｒｒａＳｃａｎ滤波试验基于以上对ＴｅｒｒａＳｃａｎ滤波算法的分析可知，在利用其对ＬｉＤＡＲ点云数据滤波过程中，滤波参数设置的恰当与否会对滤波结果产生重要影响。
下面利用山地、丘陵地、平地３种不同地形区域的Ｌｉ－ＤＡＲ点云数据，通过对ＴｅｒｒａＳｃａｎ设置不同的滤波参数（最大建筑物尺寸、地形坡度最大值、迭代角度和迭代距离）阈值进行滤波试验。
由于篇幅所限，本文只列出了改变一个参数（迭代角度）的试验。
由于缺少该试验区域ＤＥＭ的真值，无法采用点对点定量分析的方法来验证其滤波效果，因此，本文只采用定性分析的方法对其滤波效果进行验证。
２．１ 山地滤波选择的山地为一个山的山顶部分，其地面植被覆盖较多（见图１中下部视图）。
ＴｅｒｒａＳｃａｎ滤波参数阈值设置如表１所示。
表１ 滤波参数设置Ｔａｂｌｅ １ Ｆｉｌｔｅｒｉｎｇ ｐａｒａｍｅｔｅｒ ｓｅｔｔｉｎｇ试验最大建筑物尺寸／ｍ地形坡度最大值／（°）迭代角度／（°）迭代距离／ｍ１ ７０ ７０ ５ １２ ７０ ７０ １０ １按照表１中试验１设置的滤波参数滤波后的山顶ＤＥＭ效果图见图１中上部视图。
按照表１中试７４ 第３期史建青等：ＴｅｒｒａＳｃａｎ在ＬｉＤＡＲ点云滤波中的应用研究?验２设置的滤波参数滤波后的山顶ＤＥＭ效果图见图２中上部视图。
两试验选择的最大建筑物尺寸、地形坡度最大值、迭代距离均相同，试验１选择的迭代角度为５°，试验２选择的迭代角度为１０°，从两试验滤波效果的视觉角度看，试验２比试验１要稍好，但是两者山头地形都被削平了。
通过对其设置其他不同参数阈值进行滤波，从滤波效果看都不是太理想，主要是由于ＴｅｒｒａＳｃａｎ无法处理地形复杂、山顶植被覆盖物较多地区ＬｉＤＡＲ点云数据。
２．２ 丘陵地滤波选择的丘陵部分地势较为平坦，其地面植被覆盖物很少（见图３中下部视图）。
ＴｅｒｒａＳｃａｎ滤波参数阈值设置同表１。
按照表１中试验１设置的滤波参数阈值滤波后的丘陵ＤＥＭ效果图见图３中上部视图。
按照表１中试验２设置的滤波参数阈值滤波后的丘陵ＤＥＭ效果图见图４中上部视图。
两试验选择的最大建筑物尺寸、地形坡度最大值、迭代距离均相同，试验１选择的迭代角度为５°，试验２选择的迭代角度为１０°，从两试验滤波效果的视觉角度看，试验２比试验１要稍好。
通过对其设置其他不同参数阈值进行滤波，从滤波效果看虽然稍有差别，但都能基本反映该丘陵地形的基本特征。
２．３ 平地滤波选择的平地部分为一个居民小区，地势平坦，其地面建筑物很多（见图５中下部视图）。
