机载激光雷达去噪-区域生长算法

结论：

采用以距离为生长阈值的区域生长算法对山地点云数据中的云噪声簇和离散点噪声进行检测，确定种子点生长的主要方向，以提高检测噪声点的效率，避免生长进入死循环。
贡献：基于空间分层方向上的区域生长算法，有着高计算效率及可靠的质量，精度，召回率，所提出方法的F1分数分别达到了99.8% 100%,99.3 %。
未来方向：找到噪声点更深的特征。多源数据融合

引言

噪声的产生。
如何快速有效地检测复杂场景下的噪声仍是个问题。、
论文的组织安排。

相关研究

Rusu [18] proposed the statistical outlier removal (SOR) filter
fast clustering SOR filtering Fast statistical outlier removal based method for large 3D point clouds of
outdoor environments
dynamic radius neighborhood point statis-tical filtering
Ester et al. realized the wide application of density-based spatial clustering application with noise method (DBSCAN)
本论文解决的问题：当前的去噪方法无法解决噪声相似点的检测。
提出基于空间层次定向关系的区域生长算法。点与点之间距离作为区域生长的阈值检测噪声点。
为什么他的方法能够解决？

方法实现