python點(diǎn)云地面點(diǎn)濾波(Progressive Morphological Filter)算法介紹（PCL庫）

第python點(diǎn)云地面點(diǎn)濾波(ProgressiveMorphologicalFilter)算法介紹（PCL庫）注意：每一次迭代中的“開操作”實(shí)際都是作用在步驟1）所劃分網(wǎng)格中的點(diǎn)，所以ProgressiveMorphological

Filters是"pointlevel"來對LiDAR測量值進(jìn)行濾波處理的。

3.1參數(shù)計(jì)算(窗口尺寸/高程差閾值)

在上述步驟3）中我們要變化窗口尺寸wk和高程差閾值dhT,k兩個(gè)參數(shù)的值，以進(jìn)行下一次迭代，那么這兩個(gè)值是怎么計(jì)算的呢？

3.1.1窗口尺寸

首先是窗口尺寸wk有兩種計(jì)算方式，第一種是：

式中，k為迭代次數(shù)，b是初始窗口大?。ㄓ捎脩暨M(jìn)行輸入），最后+1是為了保證wk為一個(gè)奇數(shù)，窗口對稱。但是，如果一個(gè)研究區(qū)域具有非常大的地物，這種增加窗口尺寸速度太慢則會(huì)耗費(fèi)較多時(shí)間。因此，可以使用第二種方式，通過指數(shù)增長來改變窗口大小，計(jì)算如下式：

同樣的，式中k為迭代次數(shù)，b是初始窗口大小（由用戶進(jìn)行輸入），這種方式的增長速度較第一種方式快很多。

3.1.2高程差閾值

高程差閾值與研究區(qū)域的地形坡度密不可分，因此可以通過下式進(jìn)行計(jì)算：

式中，dh0為初始高程差閾值，s為坡度，c為格網(wǎng)大小，dhmax為最大高程差閾值。

在城市區(qū)域，樹木、汽車相對于建筑的尺寸小很多，所以通常是最后濾除建筑，最大高程差閾值dhmax可以設(shè)置為一個(gè)固定值（如最矮建筑物高度）。而在山區(qū)，主要的非地面點(diǎn)為植被，所以并沒有必要設(shè)置固定的最大高程差閾值dhmax，于是dhmax通常被設(shè)置為測區(qū)內(nèi)的最大高程差。

此外，坡度s通過第k次迭代的最大高程差dhmax(t),k，以及窗口尺寸wk進(jìn)行計(jì)算，如下式所示：

3.2參數(shù)輸入/輸出

3.2.1參數(shù)輸入

原始LiDAR點(diǎn)云數(shù)據(jù)，每個(gè)點(diǎn)都由(x,y,z)進(jìn)行表示

劃分格網(wǎng)大小c參數(shù)b（計(jì)算窗口尺寸）

最大窗口尺寸（判斷是否停止迭代）

地形坡度s

初始高程差閾值dh0

最大高程差值dhmax

3.2.1參數(shù)輸出

非地面點(diǎn)

3.3PCL官方示例代碼

#includeiostream

#includepcl/io/pcd_io.h

#includepcl/point_types.h

#includepcl/filters/extract_indices.h

#includepcl/segmentation/progressive_morphological_filter.h

main(intargc,char**argv)

pcl::PointCloudpcl::PointXYZ::Ptrcloud(newpcl::PointCloudpcl::PointXYZ

pcl::PointCloudpcl::PointXYZ::Ptrcloud_filtered(newpcl::PointCloudpcl::PointXYZ

pcl::PointIndicesPtrground(newpcl::PointIndices);

//Fillintheclouddata

pcl::PCDReaderreader;

//Replacethepathbelowwiththepathwhereyousavedyourfile

reader.readpcl::PointXYZ("samp11-utm.pcd",*cloud);

std::cerr"Cloudbeforefiltering:"std::endl;

std::cerr*cloudstd::endl;

//Createthefilteringobject

pcl::ProgressiveMorphologicalFilterpcl::PointXYZpmf;

pmf.setInputCloud(cloud);

pmf.setMaxWindowSize(20);

pmf.setSlope(1.0f);

pmf.setInitialDistance(0.5f);

pmf.setMaxDistance(3.0f);

pmf.extract(ground-indices);

//Createthefilteringobject

pcl::ExtractIndicespcl::PointXYZextract;

extract.setInputCloud(cloud);

extract.setIndices(ground);

extract.filter(*cloud_filtered);

std::cerr"Groundcloudafterfiltering:"std::endl;

std::cerr*cloud_filteredstd::endl;

pcl::PCDWriterwriter;

writer.writepcl::PointXYZ("samp11-utm_ground.pcd",*cloud_filtered,false);

//Extractnon-groundreturns

extract.setNegative(true);

extract.filter(*cloud_filtered);

std::cerr"Objectcloudafterfiltering:"std::endl;

std::