点云分类相关调研

点云分类（标注）根据采取的方法和策略可以分为阶层式分类和同时分类方法。

阶层式分类就是将任务分为两类：滤波和对象分类。滤波就是将点云分为地面点和非地面点，其中常用的算法有数学形态学算法，坡度滤波算法，不规则三角网渐进加密算法，移动曲面拟合算法和迭代线性最小二乘内插法，布料模拟算法等。在对象分类计算，阶层式分类将非地面点分为建筑物点和植被等多个类别。例如Meng等人采用多向滤波算法移除点云中地面点，然后采用基于形态的建筑物检测方法，依据建筑物的形态特征移除剩余的非建筑物点，从而将非地面点分割为建筑物和非建筑物。Xu等人提出了一种基于多实体的点云分类方法，该方法首先将点云数据分为地面点和非地面点，然后将获得的非地面点分割为平面段、平均位移段和散乱点，最后将这三种类型的数据按照各自的分类方式进行分类。总之，在使用阶层式分类方法进行点云分类时，通常需要为每个类设置相应的判别方法，从而将点云划分为多个实例。
同时分类方法依据点的特征将点云直接分类为地面、建筑物和植被等多个类别，并且不需要设定太多的假设。例如，Niemeyer等人提出了一种基于条件随机场的点云分类方法，成功的将点云数据直接划分为地面、建筑物和植被三类，之后Nie