一种高程滤波算法用于去除低矮地物及地面点云

摘要：高程滤波是一种常用的点云处理方法，用于去除低矮地物和地面点。本文提出了一种基于相似性聚类和光谱分析的高程滤波算法，该算法能够准确地去除低矮地物，并保留高层建筑等地物。

关键词：点云处理；高程滤波；相似性聚类；光谱分析

1.引言

随着激光扫描仪和三维重建技术的不断发展，点云数据的获取变得更加容易。然而，点云数据中常常包含有低矮地物，如小树、灌木和杂草等。这些低矮地物会给后续的地物分类和建筑物提取等任务带来困难。因此，高程滤波算法成为点云处理中的一个重要环节。

2.相关工作

目前，已经有很多高程滤波算法被提出。其中，最为常用的是移动窗口平均滤波算法和局部地面估计算法。然而，这些算法往往无法准确地去除低矮地物，同时也会误删高层建筑。

3.算法设计

本文提出了一种基于相似性聚类和光谱分析的高程滤波算法。具体步骤如下：

（1）点云分割：首先，将原始点云数据进行分割，得到一组小的点云簇。可以使用基于距离的聚类算法，如K-means算法。

（2）地面提取：对每个点云簇进行地面提取。我们通过光谱分析来判断每个点云簇是否为地面。一般来说，地面点的高程变化较小，可以通过统计分析来确定地面点。

（3）地面点剔除：将被判定为地面的点从点云中剔除。

（4）低矮地物过滤：对剩余的点云进行相似性聚类，将低矮地物聚类成一类。我们可以使用密度聚类算法，如DBSCAN算法。

（5）高层建筑保留：根据点云的高程信息，将高层建筑点云提取出来，并保留在最终的点云中。

4.实验与结果

我们使用了一组真实的激光扫描点云数据进行实验。在给定的数据集上，我们比较了本文提出的高程滤波算法与传统