基于区域特征分割的密集匹配点云渐进形态学滤波
Progressive Morphological Filtering Method of Dense Matching Point Cloud based on Region Feature Segmentation
查看参考文献23篇
|
文摘
|
随着计算机视觉和遥感技术的进步,基于遥感影像的密集匹配也成为目前获取高精度点云的重要手段之一。与LiDAR点云类似,点云数据处理的基础步骤就是点云滤波。在数据特征上,密集匹配生成的点云与LiDAR获取的点云既类似但又有区别。本文在渐进形态学滤波算法上添加了特征条件,将点云和图像结合成深度图像,并对深度图像按典型地物类型进行语义分割,从而对与图像平面坐标一致的点云进行标记和首次滤波;然后按几何特征将场景简单分类,按分类结果对应的参数滤波构建地面点三角网;最后综合初滤波结果和语义分割类型标记对特征相似的区域进行优化确认,得到最终的滤波结果,并与布料模拟滤波(CSF)算法进行了对比验证实验。结果表明,基于特征的渐进形态学滤波其I类误差在1.98%以内,Ⅱ类误差在2.33%以内,较适宜对精度要求较高的应用,尤其是混合地形的滤波。 |
|
其他语种文摘
|
With the progress of computer vision and RS,dense matching based on remote sensing images has also become one of the important means to obtain high-precision point clouds.Like point clouds of LiDAR,filtering is the fundamental step.Dense matching point cloud is similar with LiDAR point cloud,but have different feature.In this paper,the feature condition is added to the progressive morphological filtering algorithm,point clouds and images are combined into RGB-Depth images,and depth images are semantically segmented according to typical object types,so that point clouds which coordinate correspond with image coordinate are marked and filtered for the first time.Then divide point clouds by grid,then do simply classified according to geometric features,and the improved irregular triangular network of ground points is constructed by filter parameters corresponding to the classification results.Finally,use and intergraded the pre-filtering results and the semantic segmentation results,the regions with similar features are optimized and confirmed by predefined parameter,and the final filtering results are obtained.The results are compared with results of the Cloth Simulated Filtering algorithm.The test result was show that type I error less than 1.98%,type II error less than 2.33% of the progressive morphological filtering algorithm,that algorithm is suitable for higher precision application,especially mixed terrain points cloud filtering. |
|
来源
|
地球信息科学学报
,2019,21(4):615-622 【核心库】
|
|
DOI
|
10.12082/dqxxkx.2018.0452
|
|
关键词
|
密集匹配
;
点云滤波
;
布料滤波
;
深度学习
;
区域特征分割
;
渐近形态学滤波
;
无人机
|
|
地址
|
1.
中国测绘科学研究院, 北京, 100830
2.
北京四维远见信息技术有限公司, 北京, 100039
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1560-8999 |
|
学科
|
电子技术、通信技术;自动化技术、计算机技术 |
|
基金
|
国家重点研发计划项目
;
高分辨率对地观测系统重大专项
|
|
文献收藏号
|
CSCD:6477402
|
参考文献 共
23
共2页
|
|
1.
惠振阳. 机载LiDAR点云滤波综述.
激光与光电子学进展,2018(6):1-9
|
CSCD被引
4
次
|
|
|
|
|
2.
廖小罕. 无人机遥感众创时代.
地球信息科学学报,2016,18(11):1439-1447
|
CSCD被引
34
次
|
|
|
|
|
3.
时培强. 机载LiDAR点云数据的多级滤波方法.
通信技术,2018(1):67-74
|
CSCD被引
1
次
|
|
|
|
|
4.
陈香. 基于SIFT的无人机遥感影像匹配算法研究.
测绘与空间地理信息,2013(4):106-108
|
CSCD被引
3
次
|
|
|
|
|
5.
张彦峰.
利用多条件约束的航空影像逐像素密集匹配算法研究,2014
|
CSCD被引
3
次
|
|
|
|
|
6.
邹小丹.
基于半全局优化的多视影像匹配方法与应用,2013
|
CSCD被引
2
次
|
|
|
|
|
7.
Hirschmuller H. Accurate and efficient stereo processing by semi-global matching and mutual information.
IEEE Conference on CVPR,2005:807-814
|
CSCD被引
2
次
|
|
|
|
|
8.
杨化超. 基于SIFT的宽基线立体影像密集匹配.
测绘学报,2011,40(5):537-543
|
CSCD被引
17
次
|
|
|
|
|
9.
张力. 基于多基线影像匹配的高分辨率遥感影像DEM的自动生成.
测绘科学,2008(52):35-39
|
CSCD被引
14
次
|
|
|
|
|
10.
吴军. 融合SIFT与SGM的倾斜航空影像密集匹配.
遥感学报,2015,19(3):431-442
|
CSCD被引
16
次
|
|
|
|
|
11.
闸旋. 基于GPGPU的数学形态学LiDAR点云快速滤波方法.
测绘科学技术学报,2013,30(1):73-77
|
CSCD被引
4
次
|
|
|
|
|
12.
Zhang W. An easy-to-use airborne LiDAR data filtering method based on cloth simulation.
Remote Sensing,2016,8(6):501
|
CSCD被引
186
次
|
|
|
|
|
13.
Zhang W. Efficient registration of terrestrial LiDAR scans using a coarse-to-fine strategy for forestry applications.
Agricultural and Forest Meteorology,2016,225:8-23
|
CSCD被引
7
次
|
|
|
|
|
14.
张昌赛. 基于LiDAR数据的布料模拟滤波算法的适用性分析.
激光技术,2018(5):7-15
|
CSCD被引
1
次
|
|
|
|
|
15.
李峰. 改进坡度的LiDAR点云形态学滤波算法[WTBZ].
大地测量与地球动力学,2012,32(5):128-132
|
CSCD被引
13
次
|
|
|
|
|
16.
梁鑫. 基于坡度自适应的机载LiDAR分割算法.
测绘科学,2013(2):72-74
|
CSCD被引
2
次
|
|
|
|
|
17.
惠振阳. 基于LiDAR数字高程模型构建的数学形态学滤波方法综述.
激光与光电子学进展,2016(8):7-13
|
CSCD被引
8
次
|
|
|
|
|
18.
惠振阳. 机载LiDAR点云滤波综述.
激光与光电子学进展,2018(6):7-15
|
CSCD被引
17
次
|
|
|
|
|
19.
Vosselman G. Slope based filtering of laser altimetry data.
International Archives of Photogrammetry and Remote Sensing, and Spatial Information Sciences,2000,33(B3):935-942
|
CSCD被引
20
次
|
|
|
|
|
20.
Zhang K. A progressive morphological filter for removing nonground measurements form airborne LIDAR data.
IEEE Transactions on Geoscience and Remote Sensing,2003,41(4):872-882
|
CSCD被引
157
次
|
|
|
|
|
了解气象卫星更多信息，请访问