文献类型：期刊文章

作　　者：张刚[1,2] 刘文彬[2] 张男[2]

ZHANG Gang;LIU Wenbin;ZHANG Nan(Chinese Academy of Surveying and Mapping,Beijing100830,China;Beijing Geo-Vision Technology Company Limited,Beijing100039,China)

机构地区：[1]中国测绘科学研究院,北京100830 [2]北京四维远见信息技术有限公司,北京100039

出　　处：《地球信息科学学报》

基　　金：国家重点研发计划项目(2017YFB0503004);高分辨率对地观测系统重大专项(42-Y2-0A14-9001-17/18)~~

年　　份：2019

卷　　号：21

期　　号：4

起止页码：615-622

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：随着计算机视觉和遥感技术的进步,基于遥感影像的密集匹配也成为目前获取高精度点云的重要手段之一。与LiDAR点云类似,点云数据处理的基础步骤就是点云滤波。在数据特征上,密集匹配生成的点云与LiDAR获取的点云既类似但又有区别。本文在渐进形态学滤波算法上添加了特征条件,将点云和图像结合成深度图像,并对深度图像按典型地物类型进行语义分割,从而对与图像平面坐标一致的点云进行标记和首次滤波;然后按几何特征将场景简单分类,按分类结果对应的参数滤波构建地面点三角网;最后综合初滤波结果和语义分割类型标记对特征相似的区域进行优化确认,得到最终的滤波结果,并与布料模拟滤波(CSF)算法进行了对比验证实验。结果表明,基于特征的渐进形态学滤波其I类误差在1.98%以内,Ⅱ类误差在2.33%以内,较适宜对精度要求较高的应用,尤其是混合地形的滤波。

关 键 词：密集匹配  点云滤波  布料滤波  深度学习  区域特征分割  渐近形态学滤波  无人机

分 类 号：TP751] TN713]