Алгоритм выделения точек земной поверхности из данных воздушного лазерного сканирования

Геодезия
УДК: 
528.06
DOI: 
10.22389/0016-7126-2024-1004-2-2-11
1 Выстрчил М.Г.
2 Балтыжакова Т.И.
3 Романчиков А.Ю.
4 Аникеева А.А.
Год: 
2024
№: 
2
1004
Страницы: 
2-11

Санкт-Петербургский горный университет императрицы Екатерины II

1, 
2, 
3, 
4, 
Аннотация:
В статье представлен новый алгоритм классификации облаков точек лазерных отражений по признаку их принадлежности к земной поверхности. Дан краткий анализ существующих методов решения рассматриваемой задачи с указанием их преимуществ и недостатков. Предлагаемый алгоритм основан на итеративном поиске точек со значительными отклонениями по высоте от цифровой модели рельефа, аппроксимирующей облако точек: добивается последовательного приближения аппроксимирующей поверхности к действительному рельефу, что позволяет естественным образом выделить находящиеся на поверхности Земли объекты. Работа алгоритма продемонстрирована в сравнении с классификацией облаков точек посредством CSF-алгоритма, реализованного в широко используемом программном обеспечении для работы с облаками точек CloudCompare. Результаты показали, что предлагаемый алгоритм позволяет добиться лучшего качества классификации на участках с пересеченным рельефом, сохраняет большее число точек под залесенными участками поверхности

Список литературы: 
1.   Бузмаков С. А., Санников П. Ю., Кучин Л. С., Игошева Е. А., Абдулманова И. Ф. Применение беспилотной аэрофотосъемки для диагностики техногенной трансформации природной среды при эксплуатации нефтяного месторождения // Записки Горного института. – 2023. – Т. 260. – № 2. – С. 180–193. DOI: 10.31897/PMI.2023.22.
2.   Вальков В.А., Виноградов К.П., Валькова Е.О., Мустафин М.Г. Создание растров высокой информативности по данным лазерного сканирования и аэрофотосъемки // Геодезия и картография. – 2022. – № 11. – С. 40-49. DOI: 10.22389/0016-7126-2022-989-11-40-49.
3.   Илюхин Д. А., Маринин М. А., Рахманов Р. А. Исследование параметров развала взорванной горной массы фотограмметрическим методом съемки // Горный журнал. – 2023. – № 9. – С. 12–21. DOI: 10.17580/gzh.2023.09.02.
4.   Ковязин В.Ф., Пасько О.А., Лепихина О.Ю., Трушников В.Е. Оценка точности инвентаризации лесных земель с применением воздушного лазерного сканирования // Геодезия и картография. – 2022. – № 6. – С. 54-63. DOI: 10.22389/0016-7126-2022-984-6-54-63.
5.   Кремчеев Э. А., Данилов А. С., Смирнов Ю. Д. Состояние метрологического обеспечения систем мониторинга на базе беспилотных воздушных судов // Записки Горного ин-та. – 2019. – Т. 235. – С. 96–105. DOI: 10.31897/PMI.2019.1.96.
6.   Медведев В. И., Райкова Л. С. Программы для обработки данных лазерного сканирования местности // САПР и ГИС автомобильных дорог. – 2017. – № 2 (9). – С. 10–31. DOI: 10.17273/CADGIS.2017.2.2.
7.   Меньшиков С. Н., Джалябов А. А., Васильев Г. Г., Леонович И. А., Ермилов О. М. Пространственные модели, разрабатываемые с применением лазерного сканирования на газоконденсатных месторождениях северной строительно-климатической зоны // Записки Горного института. – 2019. – Т. 238. – С. 430–437. DOI: 10.31897/PMI.2019.4.430.
8.   Осипов А.Г., Дмитриев В.В., Ковязин В.Ф. Методика оценки и картографирования природно-аграрного потенциала ландшафтов // Геодезия и картография. – 2021. – № 9. – С. 11-20. DOI: 10.22389/0016-7126-2021-975-9-11-20.
9.   Шокер Х.М., Мустафин М.Г. Геодезическое обеспечение использования технологии лазерного сканирования для фиксации памятников культурного наследия // Геодезия и картография. – 2021. – № 2. – С. 2-10. DOI: 10.22389/0016-7126-2021-968-2-2-10.
10.   Chen J., Chen Y., Liu Z. (2021) Classification of typical tree species in laser point cloud based on deep learning // Remote Sensing. 13 (23), pp. 1–21. DOI: 10.3390/rs13234750.
11.   Kellner M., Stahl B., Reiterer A. (2022) Fused Projection-Based Point Cloud Segmentation // Sensors. 22 (3): 1139, DOI: 10.3390/s22031139.
12.   Kobler A., Pfeifer N., Ogrinc P., Todorovski L., Oštir K., Džeroski S. (2007) Repetitive interpolation: A robust algorithm for DTM generation from Aerial Laser Scanner Data in forested terrain // Remote Sensing of Environment. 108 (1), pp. 9–23. DOI: 10.1016/j.rse.2006.10.013.
13.   Krisanski S., Taskhiri M. S., Gonzalez S., Herries`s D., Muneri A., Gurung`s M. B., Montgomery`s J., Turner P. (2021) Forest structural complexity tool – an open source, fully-automated tool for measuring forest point clouds // Remote Sensing. 13 (22), pp. 1–31. DOI: 10.3390/rs13224677.
14.   Li S., Dai L., Wang H., Wang Y., He Z., Lin S. (2017) Estimating Leaf Area Density of Individual Trees Using the Point Cloud Segmentation of Terrestrial LiDAR Data and a Voxel-Based Model // Remote Sensing. 9 (11): 1202, DOI: 10.3390/rs9111202.
15.   Pingel T. J., Clarke K., McBride W. A. (2013) An improved simple morphological filter for the terrain classification of airborne LIDAR data // ISPRS Journal of Photogrammetry and Remote Sensing. 77, pp. 21–30. DOI: 10.1016/j.isprsjprs.2012.12.002.
16.   Sharma M., Garg R. D., Badenko V., Fedotov A., Min L., Yao A. (2020) Potential of airborne LiDAR data for terrain parameters extraction // Quaternary International. 575-576, pp. 317–327. DOI: 10.1016/j.quaint.2020.07.039.
17.   Zhang W., Qi J., Wan P., Wang H., Xie D., Wang X., Yan G. (2016) An Easy-to-Use Airborne LiDAR Data Filtering Method Based on Cloth Simulation // Remote Sensing. 8 (6): 501, DOI: 10.3390/rs8060501.
Образец цитирования:
Выстрчил М.Г., 
Балтыжакова Т.И., 
Романчиков А.Ю., 
Аникеева А.А., 
Алгоритм выделения точек земной поверхности из данных воздушного лазерного сканирования // Геодезия и картография. – 2024. – № 2. – С. 2-11. DOI: 10.22389/0016-7126-2024-1004-2-2-11
СТАТЬЯ
Поступила в редакцию: 29.11.2023
Принята к публикации: 26.12.2023
Опубликована: 20.03.2024

Содержание номера

2024 февраль DOI:
10.22389/0016-7126-2024-1004-2