基于数学形态学的LiDAR数据滤波新方法

数学形态学滤波是从激光雷达点云数据中识别地面点、创建数字高程模型的一种重要方法。在分析现有滤波方法的优劣性以及数学形态学滤波方法存在的问题基础上,提出一种新的具有一定自适应性的数学形态学滤波算法。该方法通过分析LiDAR数据的特点,利用形态学算子提取原始点云数据的空白区域,进行精确的重采样生成DSM;然后将DSM多尺度形态学滤波的结果作为初始的DEM,分析由于局部地形突变导致可能存在误分类区域;最后提取该区域边缘外的地面点作为新的种子点,利用最小二乘平面拟合的方法进行区域生长搜索误分类地面点,从而提高分类精度。试验结果表明该方法能够有效识别地面点和地物点,并且保留地形的细节信息。