点云地面滤波--渐进式加密三角网

1 算法大纲

随机分布点云连接在一起构成TIN，用TIN表示地面。仅当点云满足某些阈值参数时，才会添加新点生成TIN，进而表示新的地面，如图2所示：

阈值参数是根据滤波过程中的数据和变化估计的。该算法是一个迭代过程，其中由初始种子点组成的TIN被逐渐加密。简而言之，该过程可以描述为：

• 使用所有数据计算初始参数
• 选择种子点
• TIN的迭代加密
   从三角网中包含的点计算每次迭代的参数
   如果低于阈值，则向三角网添加点
• 直到所有点都分类为地面或对象，停止迭代

2参数估计

TIN加密有两个参数。两个参数分别是：到TIN表面的距离和到节点的角度。这两个参数是从数据中估计的。与城市地区相比，森林地区将具有不同的特征。在城市地区，可能会出现地面的微小变化，而在森林地区可能会出现偶尔不连续的相当平坦的表面。以表面法向角和高程差的离散直方图的形式收集数据统计数据，以便快速计算中值，根据直方图估计基于中值的参数阈值，并用于迭代过程。
在初始化阶段，在创建TIN之前，沿扫描线从所有激光数据收集统计数据。初始化后，仅从TIN中包含的点收集统计数据。

3种子点选择

在用户定义的网格内选择种子点，网格大小基于区域中存在的最大结构类型，例如建筑物。该算法对种子点的选择不敏感，网格大小取50到100 m之间的值被证明是一个很好的选择。

4TIN加密

对于每次迭代，如果满足基于计算的阈值参数的标准，则每次在每个TIN面中添加一个点。到tin平面的距离和到节点的角度是比较的两个关键值，参数阈值是根据每次迭代的数据计算的,如图3所示。

此加密算法适用于连续曲面，如正常景观。不连续表面在城市地区相当常见，更难处理。由于超过阈值，边缘很容易被切断，如图4

对于这种不连续地面，不仅查看该点所在的TIN面，还查看该点周围区域，解决了不连续地面问题。将该点镜像到最近的节点，并计算与该TIN面的偏差，如图5和图6所示。对于每次迭代，TIN现在将沿不连续方向扩展。

在这里插入图片描述

当不再向三角网曲面添加点时，迭代过程停止。在所实现的软件中，当达到TIN顶点的给定长度时，也可以停止该过程。这对于计算时间和内存分配非常重要的大型数据集非常有用.

5总结

这篇是加密三角网地面滤波原始论文，也是TerraScan地面点分类算法，但是论文细节非常不清晰。不过，文中方法的主要思想还是非常清晰的：
即通过点云到TIN表面的距离和到节点的角度判断点云是否为地面点。
这里有几个关键参数：
网格大小、距离阈值、角度阈值、到TIN顶点的给定长度（可选）
这里还有几个细节疑问：
参数阈值是如何计算的？文中提到的直方图、中值是怎么自动参数阈值？
对于突变地形（不连续）地形，具体是如何用镜像点处理这种情况的？
翻译原文：《DEM generation from laser scanner data using adaptive TIN models》