陳琳，范湘濤，杜小平

（1.中國(guó)科學(xué)院遙感與數(shù)字地球研究所 數(shù)字地球重點(diǎn)實(shí)驗(yàn)室，北京 100094；2.中國(guó)科學(xué)院大學(xué)，北京 100049）

1 引 言

激光掃描測(cè)距技術(shù)（Light Detection And Ranging，LiDAR）是一種快速直接獲取地表模型的技術(shù)［1］。機(jī)載LiDAR點(diǎn)云數(shù)據(jù)包括地面點(diǎn)之外，還有樹(shù)木、建筑物、橋梁、車(chē)輛等信息，獲取真實(shí)的數(shù)字高程模型需要剔除這些非地面點(diǎn)，即點(diǎn)云數(shù)據(jù)濾波［2］。在機(jī)載LiDAR數(shù)據(jù)處理過(guò)程中，濾波是最關(guān)鍵的部分之一，是進(jìn)行后續(xù)高層次數(shù)據(jù)處理的基礎(chǔ)［3］。準(zhǔn)確的濾波結(jié)果才能保證各種應(yīng)用的有效性。

經(jīng)過(guò)十幾年的發(fā)展，濾波算法已經(jīng)取得一定的研究成果?，F(xiàn)有濾波方法根據(jù)技術(shù)路線差異，主要分為3類：形態(tài)學(xué)方法、基于內(nèi)插的方法和基于曲面約束的方法［4］?；谛螒B(tài)學(xué)的點(diǎn)云濾波方法使用與被測(cè)地物相似的結(jié)構(gòu)元，進(jìn)行腐蝕、膨脹等形態(tài)學(xué)運(yùn)算過(guò)濾地物點(diǎn)數(shù)據(jù)。眾多學(xué)者開(kāi)展了此方面的研究［5－8］，這類方法比較適用于城市區(qū)域，結(jié)果依賴移動(dòng)窗口尺寸，對(duì)非平坦地區(qū)效果并不理想?；趦?nèi)插的點(diǎn)云濾波方法首先建立粗糙的初始DEM，然后逐漸內(nèi)插加密DEM，去除地物點(diǎn)。其中Axelsson提出的不規(guī)則三角網(wǎng)加密算法是比較有代表性的方法［9－11］，該方法在城市和森林地區(qū)都有較好的濾波效果，并且已經(jīng)應(yīng)用到商業(yè)軟件TerraScan中?；谇婕s束的方法假設(shè)復(fù)雜地形在局部地區(qū)可以用簡(jiǎn)單的曲面表達(dá)，進(jìn)而排除地物點(diǎn)。曲面的種類有樣條曲面［12］、正交多項(xiàng)式曲面［13］和移動(dòng)二次曲面［14－15］等。此類方法計(jì)算相對(duì)復(fù)雜，擬合過(guò)程會(huì)造成誤差累積，較適合平緩地形。由于地形地物的復(fù)雜性，沒(méi)有一種算法可以完全適用。

2 方 法

2.1 基于高程統(tǒng)計(jì)的閾值分割

不同地物要素會(huì)導(dǎo)致局部地區(qū)點(diǎn)云的高程分布差異，可通過(guò)高程統(tǒng)計(jì)得到高程閾值進(jìn)行數(shù)據(jù)分割。大部分?jǐn)?shù)理統(tǒng)計(jì)量與數(shù)據(jù)的空間位置和數(shù)據(jù)格式無(wú)關(guān)［17］，基于統(tǒng)計(jì)的處理方法普適性強(qiáng)。

高程直方圖反映點(diǎn)云數(shù)據(jù)的高程分布。對(duì)比高程直方圖，迭代計(jì)算點(diǎn)云數(shù)據(jù)的高程閾值，得到的最佳閾值將點(diǎn)云數(shù)據(jù)分割為兩個(gè)高程差異明顯的數(shù)據(jù)集。當(dāng)研究區(qū)地形較為平緩、地物與地面差異明顯時(shí)，單次分割即可將地物與地面點(diǎn)有效分離；反之，需要對(duì)已經(jīng)分割得到的數(shù)據(jù)集進(jìn)行多次分割，逐級(jí)分離地物與地面點(diǎn)。其具體處理流程為：

①繪制高程直方圖。點(diǎn)云數(shù)據(jù)的高程直方圖以高程為橫坐標(biāo)，頻數(shù)為縱坐標(biāo)，反映各高程與其出現(xiàn)頻數(shù)之間的關(guān)系。

②參數(shù)閾值計(jì)算。計(jì)算原理根據(jù)文獻(xiàn)［18］：查找待分類點(diǎn)云的最大高程值gmax和最小高程值gmin，取兩者平均值為初始閾值g0；g0把點(diǎn)云分成大于g0和小于g0的兩部分，g1為兩部分期望值的平均值；如果g0與g1之差的絕對(duì)值大于自定義的極小值，則將g1賦值給g0，重復(fù)上一步的閾值計(jì)算，反之，則g1是分割的最佳閾值，退出計(jì)算。其中，極小值是一盡可能小的實(shí)數(shù)，以保證最終得到的最佳閾值趨于穩(wěn)定（在本實(shí)驗(yàn)中自定義極小值取為0.01）。

③多閾值分割。如果待分類點(diǎn)云中有多個(gè)不同高度的目標(biāo)，可對(duì)已分割結(jié)果進(jìn)行多次分割，逐步將地物點(diǎn)剔除。

2.2 三角網(wǎng)漸進(jìn)濾波

三角網(wǎng)漸進(jìn)濾波算法默認(rèn)局部地區(qū)的最低點(diǎn)為地面點(diǎn)，由這些最低點(diǎn)創(chuàng)建初始不規(guī)則三角網(wǎng)（Irregular Triangle Network，TIN）地形，通過(guò)計(jì)算點(diǎn)到初始地形的距離和角度判定點(diǎn)的類別，其具體流程為：

①參數(shù)設(shè)置。參數(shù)包括：研究區(qū)最大建筑物尺寸、點(diǎn)到三角面的最大高程閾值和點(diǎn)到三角面節(jié)點(diǎn)的最大角度閾值。

1)小范圍內(nèi)精細(xì)化導(dǎo)航，避免游客迷路。AR導(dǎo)航更直觀、準(zhǔn)確，能讓步行的用戶知曉自己周邊位置場(chǎng)景的更多細(xì)節(jié)。

②選擇種子點(diǎn)。以最大建筑物尺寸劃分格網(wǎng)后，查找每個(gè)格網(wǎng)中的最小高程點(diǎn)，由這些點(diǎn)創(chuàng)建初始TIN。

③加密三角網(wǎng)。查找激光點(diǎn)，如果點(diǎn)到它落入的三角面片的距離和角度滿足閾值參數(shù)，則判定該點(diǎn)為地面點(diǎn)，并加密到三角網(wǎng)中，反復(fù)迭代直到?jīng)]有新的點(diǎn)被判定為地面點(diǎn)為止。

2.3 基于高程統(tǒng)計(jì)的三角網(wǎng)漸進(jìn)濾波

基于高程統(tǒng)計(jì)的閾值分割方法簡(jiǎn)單易行，但由于缺少空間約束條件，濾波得到的地面點(diǎn)集會(huì)混雜較多的低矮地物點(diǎn)。而三角網(wǎng)漸進(jìn)濾波方法缺少先驗(yàn)知識(shí)，在選擇種子點(diǎn)時(shí)格網(wǎng)尺寸受到建筑物尺寸限制。本文方法引入高程統(tǒng)計(jì)分割結(jié)果作為先驗(yàn)知識(shí)，在此基礎(chǔ)上劃分格網(wǎng)時(shí)，格網(wǎng)尺寸不再受建筑物尺寸約束，可以定義小尺寸的格網(wǎng)以提取更多初始地面點(diǎn)，同時(shí)保證初始值的準(zhǔn)確度，得到更加細(xì)致的初始地形。

由于先驗(yàn)知識(shí)的準(zhǔn)確度會(huì)影響后期三角網(wǎng)濾波的精度，對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行高程統(tǒng)計(jì)分析時(shí)有三個(gè)注意點(diǎn)。第一，研究區(qū)范圍較大或地形劇烈變化時(shí)，低地處具有較高高程的地物點(diǎn)與高地處的地面點(diǎn)可能有相同的高程值（“同高異類”），需要對(duì)研究區(qū)按照高程和平面位置進(jìn)行分區(qū)統(tǒng)計(jì)。具體操作時(shí)，將原始數(shù)據(jù)按照橫向和縱向分別二等分，得到4個(gè)次級(jí)尺寸的區(qū)域，如果小尺寸區(qū)域內(nèi)仍存在“同高異類”現(xiàn)象，繼續(xù)對(duì)小尺寸區(qū)域按照橫向和縱向進(jìn)行二等分，直到分區(qū)內(nèi)不存在“同高異類”為止；同時(shí)，如果相鄰的小區(qū)域內(nèi)點(diǎn)云高程分布相近，地形變化相對(duì)平緩，也可將相鄰小區(qū)域進(jìn)行合并。第二，為了避免地物邊緣點(diǎn)混入分割結(jié)果中造成初始點(diǎn)選擇誤差，在進(jìn)行分割時(shí)，可以適當(dāng)調(diào)低分割閾值，舍棄部分地面點(diǎn)，以保證統(tǒng)計(jì)分割結(jié)果的準(zhǔn)確率。第三，在微小的地形變化中，單純依靠高程統(tǒng)計(jì)分割方法很難剔除低矮植被點(diǎn)，但由于植被是略高于局部地表的，按照選擇極低點(diǎn)的假設(shè)條件，這些點(diǎn)不會(huì)影響種子點(diǎn)的精度。

由于高程統(tǒng)計(jì)分割方法在建筑物密集的城區(qū)具有較高的準(zhǔn)確性，而在地形起伏較大的林區(qū)和山區(qū)準(zhǔn)確性相對(duì)較低，所以基于高程統(tǒng)計(jì)的三角網(wǎng)漸進(jìn)濾波方法更適合于城區(qū)點(diǎn)云數(shù)據(jù)。

該方法濾波主要流程：

①剔除系統(tǒng)粗差點(diǎn)。依次查找每個(gè)點(diǎn)一定范圍內(nèi)（以5m～8m為半徑的圓周內(nèi)）的其他激光點(diǎn)，如果該點(diǎn)比任意其他激光點(diǎn)都低1m以上，則將該點(diǎn)判定為粗差點(diǎn)，予以剔除。此處的1m為經(jīng)驗(yàn)值，可以根據(jù)地形起伏情況，手動(dòng)調(diào)整。

②繪制點(diǎn)云數(shù)據(jù)的高程直方圖，統(tǒng)計(jì)點(diǎn)云高程得到閾值參數(shù)，對(duì)照直方圖進(jìn)行高程分割。當(dāng)研究區(qū)范圍過(guò)大或地形變化較劇烈時(shí)，按照地形特征將點(diǎn)云數(shù)據(jù)分成范圍較小的多個(gè)區(qū)域，對(duì)每個(gè)子區(qū)域的點(diǎn)云數(shù)據(jù)執(zhí)行高程統(tǒng)計(jì)和閾值分割后，合并地面點(diǎn)分割結(jié)果。

③對(duì)分割得到的備選地面點(diǎn)劃分格網(wǎng)，提取每個(gè)格網(wǎng)內(nèi)的最低點(diǎn)作為種子點(diǎn)，創(chuàng)建初始三角網(wǎng)地形。

④計(jì)算粗差處理得到的所有激光點(diǎn)到初始地形的距離和角度，滿足閾值參數(shù)的點(diǎn)被加密到三角網(wǎng)中進(jìn)行下一次迭代過(guò)程，當(dāng)沒(méi)有新的地面點(diǎn)加入到三角網(wǎng)時(shí)，迭代計(jì)算結(jié)束，得到濾波結(jié)果。濾波流程如圖1所示。

圖1 基于高程統(tǒng)計(jì)的三角網(wǎng)漸進(jìn)濾波流程圖

3 數(shù)據(jù)與實(shí)驗(yàn)

為了檢驗(yàn)此算法，使用ISPRS公布的濾波實(shí)驗(yàn)數(shù)據(jù)，其中Site2數(shù)據(jù)覆蓋范圍廣，用以解釋分區(qū)原理，其他3組數(shù)據(jù)有半自動(dòng)半手工分類結(jié)果作為真值，與原始三角網(wǎng)漸進(jìn)濾波方法相比進(jìn)行精度驗(yàn)證。

3.1 實(shí)驗(yàn)數(shù)據(jù)

所有數(shù)據(jù)都為城區(qū)數(shù)據(jù)，點(diǎn)密度為0.67pts／m2，點(diǎn)間距為1.0m～1.5m。Samp21中高程為288.48m～320.28m，研究區(qū)內(nèi)有橋梁、公路、小隧道和植被等。samp23中高程為262.27m～348.29m，有較明顯的地形起伏，研究區(qū)內(nèi)有大型建筑物、不規(guī)則形狀的建筑物以及汽車(chē)等人工地物。samp31中高程為226.94m～343.95m，數(shù)據(jù)中存在部分極低點(diǎn)，研究區(qū)內(nèi)分布有高低起伏的建筑物、零散汽車(chē)以及分布于建筑物間的各種植被。Site2為大范圍數(shù)據(jù)集，覆蓋區(qū)域包含了samp21和samp23，高程范圍為248.1m～482.63m，地形變化較大，地物復(fù)雜。

3.2 實(shí)驗(yàn)結(jié)果

Site2數(shù)據(jù)集包含了408921個(gè)激光點(diǎn)，覆蓋范圍廣，研究區(qū)內(nèi)地形變化較大，在進(jìn)行高程統(tǒng)計(jì)前，需對(duì)該數(shù)據(jù)集進(jìn)行分區(qū)以保證子區(qū)域內(nèi)沒(méi)有“同高異類”現(xiàn)象，然后對(duì)分區(qū)內(nèi)數(shù)據(jù)進(jìn)行獨(dú)立的統(tǒng)計(jì)分割，再將分割結(jié)果合并，提取地面點(diǎn)，建立初始地形。圖2分別為原始數(shù)據(jù)集、數(shù)據(jù)分區(qū)結(jié)構(gòu)以及基于本文算法的濾波結(jié)果。圖2中的（a）圖是原始數(shù)據(jù)集按照高程大小進(jìn)行渲染的顯示結(jié)果。從圖中可以看出，數(shù)據(jù)集的左上部分地形較平坦，建筑物與植被高差較明顯，而數(shù)據(jù)集的右下部分地形變化劇烈，植被以及建筑物分布較復(fù)雜。因此，在圖2（b）的數(shù)據(jù)分區(qū)結(jié)構(gòu)中，右下側(cè)被劃分得更為詳細(xì)，以確保高程統(tǒng)計(jì)方法可以準(zhǔn)確地識(shí)別地物與地形間的高程差異。圖2（c）為基于高程分割數(shù)據(jù)集進(jìn)行三角網(wǎng)漸進(jìn)濾波后得到的最終結(jié)果。該方法有效地剔除了研究區(qū)內(nèi)的建筑物和植被，同時(shí)，在高程渲染圖的左上角和左下角顯示不明顯的橋梁也被有效地剔除了。在剔除地物點(diǎn)的同時(shí)，此方法有效保留了研究區(qū)最右側(cè)的高地地形。

圖2 大數(shù)據(jù)集分區(qū)

圖3是3個(gè)數(shù)據(jù)集的ISPRS公布的半自動(dòng)半手工分類結(jié)果、經(jīng)原始三角網(wǎng)方法和本文方法濾波得到的對(duì)比結(jié)果圖。

圖3中原始算法與本文算法的濾波效果都比較理想，在3組數(shù)據(jù)中橋梁、大部分建筑物和零碎植被點(diǎn)都被較好地剔除了。不同之處在于，本文算法在3組數(shù)據(jù)的邊界建筑物濾波效果優(yōu)于原始算法。

在samp21中，對(duì)比右下角的建筑物，原始三角網(wǎng)算法錯(cuò)誤地保留了部分建筑物邊界，并且濾波結(jié)果中建筑物的邊緣也相對(duì)粗糙，本文方法較好地剔除了這部分地物點(diǎn)；同時(shí)，對(duì)比左下角處的地物部分，原始算法相比較本文算法，過(guò)度地剔除了一部分地面點(diǎn)。在samp23中，本文方法較原始三角網(wǎng)算法，更好地剔除了右邊界處的建筑物，建筑物邊沿與真值數(shù)據(jù)也很匹配，但是左邊界下半部分的少量地物點(diǎn)被錯(cuò)誤地保留了。在samp31中，本文方法正確地剔除了下邊界左部的植被、下邊界中部的建筑物以及中部的植被建筑物交錯(cuò)地物點(diǎn)。

圖3 3組數(shù)據(jù)濾波結(jié)果對(duì)比圖

3.3 誤差分析

根據(jù)ISPRS公布的誤差評(píng)定方法，對(duì)3組數(shù)據(jù)集進(jìn)行誤差統(tǒng)計(jì)。表1和表2分別是原始三角網(wǎng)漸進(jìn)濾波方法與本文方法得到的3個(gè)數(shù)據(jù)集的統(tǒng)計(jì)結(jié)果。其中，以ISPRS公布的半自動(dòng)半手動(dòng)分類結(jié)果作為真值判斷依據(jù)，a為被正確分類的地面點(diǎn)，b為被錯(cuò)分類為地物點(diǎn)的地面點(diǎn)，c為被錯(cuò)誤分類為地面點(diǎn)的地物點(diǎn)，d為被正確分類的地物點(diǎn)；一類誤差為＊100%，二類誤差為＊100%。

在原始算法精度較高的情況下，3組數(shù)據(jù)經(jīng)過(guò)本文方法濾波后，提取了更多地面點(diǎn)的同時(shí)，有效剔除了地物點(diǎn)的影響，精度均得到一定的提高。在samp21和samp31數(shù)據(jù)集中，研究區(qū)地形起伏較小，進(jìn)行高程統(tǒng)計(jì)分割后，先驗(yàn)知識(shí)的準(zhǔn)確度也相對(duì)較高，兩個(gè)數(shù)據(jù)集的濾波精度提升幅度，相比較地形起伏更加劇烈的samp23數(shù)據(jù)集更大，所以研究區(qū)的地形條件是影響誤差的一個(gè)重要因素。所有數(shù)據(jù)集在先驗(yàn)知識(shí)的基礎(chǔ)上提取了更多的初始地面點(diǎn)，待分類激光點(diǎn)相對(duì)減少，同時(shí)建立了更加細(xì)致的初始地形，所以在三角網(wǎng)漸進(jìn)濾波時(shí)，待分類激光點(diǎn)到地形的參數(shù)值更加準(zhǔn)確，濾波精度得到提高。

表1 原始三角網(wǎng)漸進(jìn)算法精度評(píng)價(jià)

表2 本文算法濾波結(jié)果

原始三角網(wǎng)漸進(jìn)濾波算法中，格網(wǎng)尺寸的劃分會(huì)受到研究區(qū)內(nèi)最大建筑物尺寸影響，以免劃分的格網(wǎng)中出現(xiàn)沒(méi)有地面點(diǎn)的情況。在本文方法中，經(jīng)過(guò)高程統(tǒng)計(jì)分割后，在很大程度上解決了格網(wǎng)尺寸的約束，格網(wǎng)可以按照用戶自定義的尺寸進(jìn)行劃分。為了測(cè)試格網(wǎng)尺寸對(duì)濾波結(jié)果的影響，本文從5m～40m劃分了8個(gè)不同的格網(wǎng)尺寸，然后統(tǒng)計(jì)了3組數(shù)據(jù)在不同尺寸下得到的濾波結(jié)果的兩類誤差，圖4為3組數(shù)據(jù)的誤差變化情況。研究發(fā)現(xiàn)，本方法得到的濾波結(jié)果，二類誤差相對(duì)平穩(wěn)，一類誤差隨著格網(wǎng)尺寸變化相對(duì)劇烈，并且隨著格網(wǎng)尺寸變大，一類誤差總體呈上升趨勢(shì)。當(dāng)格網(wǎng)尺寸設(shè)定在10m～20m之間時(shí)，一類誤差和二類誤差較小且相對(duì)平衡，可以得到比較理想的濾波結(jié)果。

圖4 本文算法中兩類誤差隨格網(wǎng)尺寸變化

4 結(jié)束語(yǔ)

本文在三角網(wǎng)漸進(jìn)濾波方法及其改進(jìn)方案［19－21］基礎(chǔ)上，提出基于高程統(tǒng)計(jì)的三角網(wǎng)漸進(jìn)濾波方法，該方法先從點(diǎn)云數(shù)據(jù)中提取先驗(yàn)知識(shí)，基于先驗(yàn)知識(shí)再進(jìn)行三角網(wǎng)濾波，經(jīng)過(guò)3組數(shù)據(jù)驗(yàn)證，均得到較好的濾波效果，比較適合于城區(qū)點(diǎn)云數(shù)據(jù)處理。在進(jìn)行高程統(tǒng)計(jì)分割時(shí)，當(dāng)研究區(qū)面積較大或者地形起伏較劇烈時(shí)，需要對(duì)研究區(qū)進(jìn)行分區(qū)統(tǒng)計(jì)，以保證統(tǒng)計(jì)分割的精度。由于有高程統(tǒng)計(jì)分割得到的先驗(yàn)知識(shí)，在進(jìn)行格網(wǎng)尺寸劃分時(shí)，該方法可以不受原始三角網(wǎng)漸進(jìn)濾波算法中最大建筑物尺寸的約束，自由選擇尺寸，經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證，此方法以10m～20m的格網(wǎng)尺寸得到的濾波結(jié)果更優(yōu)。與原始三角網(wǎng)漸進(jìn)濾波方法相比，此方法提高了濾波精度，但對(duì)數(shù)據(jù)進(jìn)行分區(qū)時(shí)，本文方法未引入有效的評(píng)估參數(shù)，自動(dòng)化水平有待進(jìn)一步提高。

［1］劉春，陳華云，吳杭斌.激光三維遙感的數(shù)據(jù)處理與特征提取［M］.北京：科學(xué)出版社，2010.

［2］周曉明，馬秋禾，許曉亮，等.LIDAR點(diǎn)云濾波算法分析——以ISPRS測(cè)試實(shí)驗(yàn)為參考［J］.測(cè)繪工程，2011，20（5）：36－39.

［3］劉經(jīng)南，許曉東，張曉紅，等.機(jī)載激光掃描測(cè)高數(shù)據(jù)分層迭代選權(quán)濾波方法及其質(zhì)量評(píng)價(jià)［J］.武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2008，30（6）：551－555.

［4］黃先鋒，李卉，王瀟，等.機(jī)載LiDAR數(shù)據(jù)濾波方法評(píng)述［J］.測(cè)繪學(xué)報(bào)，2009，38（5）：466－469.

［5］KILIAN J，HAALA N，ENGLICH M.Capture and evaluation of airborne laser scanner data［J］.ISPRS，1996，31（B3）：383－388.

［6］CHANG K J，TABOADA A，CHAN Y C.Geological and morphological study of the Jiufengershan landslide triggered by the Chi－Chi Taiwan earthquake［J］.Geomorphology，2005，71（3－4）：293－309.

［7］梁欣廉，張繼賢，李海濤.一種應(yīng)用于城市區(qū)域的自適應(yīng)形態(tài)學(xué)濾波方法［J］.遙感學(xué)報(bào)，2007，11（2）：276－281.

［8］隋立春，張熠斌，柳艷，等.基于改進(jìn)的數(shù)學(xué)形態(tài)學(xué)算法的LiDAR點(diǎn)云數(shù)據(jù)濾波［J］.測(cè)繪學(xué)報(bào)，2010，39（4）：390－396.

［9］AXELSSON P.Processing of laser scanner data－algorithms and applications［J］.ISPRS Journal of Photogrammetry and Remote Sensing，1999，54（2－3）：138－147.

［10］AXELSSON P.DEM generation from laser scanner data using adaptive TIN models［J］.International Archives of Photogrammetry and Remote Sensing，2000，33（Part4－B4／1）：110－117.

［11］AXELSSON P.Ground estimation of laser data using adaptive TIN－models［C］.Proceedings of OEEPE Workshop on Airborne Laser Scanning and Interferometric SAR for Detailed Digital Elevation Models，Stockholm，Sweden，March，2001：185－208.

［12］ELMQVIST M.Terrain modeling ＆analysis using laser scanner data［J］.ISPRS，2001，34（3／W4）：219－224.

［13］BROVELLI M A，CANNATA M.Digital terrain model reconstruction in urban areas from airborne laser scanning data：the method and the example of the town of Pavia（Northern Italy）［J］.ISPRS，2002，34（2）：43－48.

［14］蘇偉，孫中平，趙冬玲，等.多級(jí)移動(dòng)曲面擬合LIDAR數(shù)據(jù)濾波算法［J］.遙感學(xué)報(bào)，2009，13（5）：833－839.

［15］尚大帥，馬東洋，趙羲，等.一種基于移動(dòng)曲面擬合的機(jī)載LIDAR點(diǎn)云數(shù)據(jù)濾波方法［J］.測(cè)繪技術(shù)裝備，2012，14（2）：23－26.

［16］SITHOLE G，VOSSELMAN G.Experimental comparison of filter algorithms for bare－Earth extraction from airborne laser scanning point clouds［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2004，59（1－2）：85－101.

［17］楊曉云，梁鑫.基于參數(shù)統(tǒng)計(jì)的LiDAR數(shù)據(jù)分割算法［J］.廣西民族師范學(xué)院學(xué)報(bào)，2012，29（3）：33－35.

［18］莊軍，李弼程，陳剛.一種有效的文本圖像二值化方法［J］.微計(jì)算機(jī)信息，2005，21（06X）：56－57.

［19］李卉，李德仁，黃先鋒，等.一種漸進(jìn)加密三角網(wǎng)LIDAR點(diǎn)云濾波的改進(jìn)算法［J］.測(cè)繪科學(xué)，2009，34（3）：39－41.

［20］隋立春，張熠斌，張碩，等.基于漸進(jìn)三角網(wǎng)的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)濾波［J］.武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2011，36（10）：1159－1163.

［21］左志權(quán)，張祖勛，張劍清.知識(shí)引導(dǎo)下的城區(qū)LiDAR點(diǎn)云高精度三角網(wǎng)漸進(jìn)濾波方法［J］.測(cè)繪學(xué)報(bào)，2012，41（2）：246－251.