基于期望最大化的机载激光雷达DTM自动提取
摘要
地面点的滤波是机载激光雷达点云应用的关键步骤。虽然近年来提出了很多滤波算法，但大多都存在参数设置或阈值微调的问题。这通常非常耗时，并降低了应用算法的自动化程度。为了克服这些问题，本文提出了一种基于期望最大化（EM）的无阈值滤波算法。该滤波器是基于点云被视为高斯模型的混合体的假设而开发的。因此，地面点和非地面点与点云的分离是通过一个用于筛选地面点的混合高斯模型对点云进行分割。EM应用于实现分离，计算混合参数的最大似然估计。利用估计的参数，计算出各点属于地面或非地面的可能性。值得注意的是，点云被标记为具有更大可能性的分量。利用ISPRS提供的标准滤波数据集对该方法进行了测试。实验结果表明，与传统的渐进三角化不规则网加密（PTD）和基于分段的PTD方法相比，该方法在漏检误差方面表现最好。与经典的PTD方法和基于分段的PTD方法相比，该方法的平均遗漏误差分别降低了52.81%和16.78%。与经典的PTD方法相比，该方法的平均总误差降低了31.95%。
1. 引言
-
基于坡度的方法总是假设非地面点和地面点之间的坡度大于地面点之间的坡度。因此，如果两点之间的坡度或高度差大于预定义的阈值，则具有较高高程的点将被视为非地面点。
-
在基于形态学的方法中，涉及到一些形态学操作，即扩张、侵蚀、打开和关闭。要实现这种方法，关键问题是选择合适的窗口大小。大窗口大小将使地形细节变平，而小窗口大小对过滤大型建筑屋顶没有影响。
-
基于表面的方法的基本思想是使用某些插值方法逐步建立近似地形表面。通过对插值曲面设置残差等滤波规则，迭代消除非地面点。
-
基于分割的方法通常包括两个步骤：首先，基于3D Hough变换、随机样本一致性（RANSAC）、区域生长、扫描线分割等方法对点云进行分割；其次，根据一定的规则，如平滑度或高差，用于区分地形分段和最后一步生成的簇。由于分割结果往往包含更多的语义信息，许多研究者开发了混合模型，将分割方法与一些传统的滤波方法相结合，以提高滤波精度。
-
提出了一种基于期望最大化（EM）的无参数滤波算法，地面点和非地面点与点云的分离采用混合高斯模型对点云进行分割，该模型用于筛选地面点。
-
利用国际摄影测量与遥感学会（ISPRS）提供的数据集对该方法进行了测试。
-
不需要复杂的参数整定。
2. 方法
算法实现：
3. 实验结果与分析
4.结论
- 本文将滤波看作是混合高斯模型的分离。将EM算法应用于点云高程修正，可以自动提取地面点。
- 利用最小二乘法原理，根据地面种子建立的拟合面计算各点的修正高程。
- 虽然新方法的遗漏误差较小，但委托误差略大。控制委托误差的增量与遗漏误差的一致性将是今后研究的重点。