Published October 12, 2019
| Version v1
Publication
Open
Airborne LiDAR Point Cloud Filtering by a Multilevel Adaptive Filter Based on Morphological Reconstruction and Thin Plate Spline Interpolation
- 1. Peking University
- 2. State Forestry and Grassland Administration
- 3. Beijing Normal University
- 4. Institute of Remote Sensing and Digital Earth
- 5. Chinese Academy of Sciences
- 6. Fujian Agriculture and Forestry University
Description
Point cloud filtering is a crucial step in most airborne light detection and ranging (LiDAR) applications. Many filtering algorithms have been proposed, but the filtering effect has some limitations in complex environments. To improve the filtering effect in complex terrain, a multilevel adaptive filter (MAF) combining morphological reconstruction and thin plate spline (TPS) interpolation is proposed. The digital elevation model (DEM) generated in each iteration is used as the marker image for morphological reconstruction to extract ground pixels, and an adaptive residual threshold is achieved by using terrain gradient as a compensation. The benchmark dataset provided by the International Society for Photogrammetry and Remote Sensing (ISPRS) and another LiDAR dataset in northwestern China were used to evaluate the filtering performance of MAF. For the ISPRS benchmark dataset, MAF obtained the lowest average total error (3.72%) and highest average kappa coefficient (87.16%) compared with eight classic filtering algorithms. For the dataset in northwestern China, the DEM generated from the filtering result of MAF obtained higher accuracy than the filtering result of TerraScan. Overall, the MAF achieved promising results without considering the selection of filtering window, which may enhance the robustness and applicability of the algorithm in different environments.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تعد تصفية السحب النقطية خطوة حاسمة في معظم تطبيقات الكشف عن الضوء المحمول جواً وتحديد مداه (LiDAR). تم اقتراح العديد من خوارزميات التصفية، ولكن تأثير التصفية له بعض القيود في البيئات المعقدة. لتحسين تأثير الترشيح في التضاريس المعقدة، يُقترح مرشح تكيفي متعدد المستويات (MAF) يجمع بين إعادة البناء المورفولوجي واستكمال اللوح الرقيق (TPS). يتم استخدام نموذج الارتفاع الرقمي (DEM) الذي تم إنشاؤه في كل تكرار كصورة علامة لإعادة البناء المورفولوجي لاستخراج وحدات البكسل الأرضية، ويتم تحقيق عتبة متبقية تكيفية باستخدام تدرج التضاريس كتعويض. تم استخدام مجموعة البيانات المعيارية التي قدمتها الجمعية الدولية للمسح التصويري والاستشعار عن بعد (ISPRS) ومجموعة بيانات ليدار أخرى في شمال غرب الصين لتقييم أداء تصفية ماف. بالنسبة لمجموعة البيانات المعيارية ISPRS، حصلت MAF على أدنى متوسط إجمالي للخطأ (3.72 ٪) وأعلى متوسط لمعامل كابا (87.16 ٪) مقارنة بثمانية خوارزميات تصفية كلاسيكية. بالنسبة لمجموعة البيانات في شمال غرب الصين، حصل DEM الناتج عن نتيجة التصفية لـ MAF على دقة أعلى من نتيجة التصفية لـ TerraScan. بشكل عام، حققت MAF نتائج واعدة دون النظر في اختيار نافذة التصفية، مما قد يعزز متانة الخوارزمية وقابليتها للتطبيق في بيئات مختلفة.Translated Description (French)
Le filtrage des nuages de points est une étape cruciale dans la plupart des applications de détection et de télémétrie de la lumière aéroportée (LiDAR). De nombreux algorithmes de filtrage ont été proposés, mais l'effet de filtrage présente certaines limites dans des environnements complexes. Pour améliorer l'effet de filtrage en terrain complexe, un filtre adaptatif multiniveau (MAF) combinant reconstruction morphologique et interpolation spline à plaque mince (TPS) est proposé. Le modèle d'élévation numérique (DEM) généré à chaque itération est utilisé comme image marqueur pour la reconstruction morphologique afin d'extraire les pixels du sol, et un seuil résiduel adaptatif est obtenu en utilisant le gradient de terrain comme compensation. L'ensemble de données de référence fourni par la Société internationale de photogrammétrie et de télédétection (ISPRS) et un autre ensemble de données LiDAR dans le nord-ouest de la Chine ont été utilisés pour évaluer les performances de filtrage du MAF. Pour l'ensemble de données de référence ISPRS, le MAF a obtenu l'erreur totale moyenne la plus faible (3,72 %) et le coefficient kappa moyen le plus élevé (87,16 %) par rapport aux huit algorithmes de filtrage classiques. Pour l'ensemble de données dans le nord-ouest de la Chine, le DEM généré à partir du résultat de filtrage de MAF a obtenu une plus grande précision que le résultat de filtrage de TerraScan. Dans l'ensemble, le MAF a obtenu des résultats prometteurs sans tenir compte de la sélection de la fenêtre de filtrage, ce qui peut améliorer la robustesse et l'applicabilité de l'algorithme dans différents environnements.Translated Description (Spanish)
El filtrado de nubes de puntos es un paso crucial en la mayoría de las aplicaciones de detección y alcance de luz en el aire (LiDAR). Se han propuesto muchos algoritmos de filtrado, pero el efecto de filtrado tiene algunas limitaciones en entornos complejos. Para mejorar el efecto de filtrado en terrenos complejos, se propone un filtro adaptativo multinivel (MAF) que combina la reconstrucción morfológica y la interpolación de spline de placa delgada (TPS). El modelo digital de elevación (DEM) generado en cada iteración se utiliza como la imagen de marcador para la reconstrucción morfológica para extraer píxeles del suelo, y se logra un umbral residual adaptativo utilizando el gradiente del terreno como compensación. El conjunto de datos de referencia proporcionado por la Sociedad Internacional de Fotogrametría y Teledetección (ISPRS) y otro conjunto de datos LiDAR en el noroeste de China se utilizaron para evaluar el rendimiento de filtrado de MAF. Para el conjunto de datos de referencia de la ISPRS, el MAF obtuvo el error total medio más bajo (3,72%) y el coeficiente kappa medio más alto (87,16%) en comparación con ocho algoritmos de filtrado clásicos. Para el conjunto de datos en el noroeste de China, el DEM generado a partir del resultado del filtrado de MAF obtuvo una mayor precisión que el resultado del filtrado de TerraScan. En general, el MAF logró resultados prometedores sin considerar la selección de la ventana de filtrado, lo que puede mejorar la solidez y la aplicabilidad del algoritmo en diferentes entornos.Files
pdf.pdf
Files
(8.4 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:c27b6ebc9439f1dbd9d6eb8fa0f4e94b
|
8.4 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تصفية سحابة نقطة ليدار المحمولة جواً بواسطة مرشح تكيفي متعدد المستويات بناءً على إعادة البناء المورفولوجي واستكمال الشريحة الرفيعة
- Translated title (French)
- Filtrage de nuages de points LiDAR aéroporté par un filtre adaptatif multiniveau basé sur la reconstruction morphologique et l'interpolation spline à plaques minces
- Translated title (Spanish)
- Filtrado de nubes de puntos LiDAR aerotransportado mediante un filtro adaptativo multinivel basado en la reconstrucción morfológica y la interpolación de spline de placa delgada
Identifiers
- Other
- https://openalex.org/W2979655936
- DOI
- 10.3390/electronics8101153
References
- https://openalex.org/W1803896282
- https://openalex.org/W1977271893
- https://openalex.org/W1984464677
- https://openalex.org/W1989086424
- https://openalex.org/W1989791028
- https://openalex.org/W1993630630
- https://openalex.org/W2009214675
- https://openalex.org/W2011938923
- https://openalex.org/W2014091167
- https://openalex.org/W2016102955
- https://openalex.org/W2027781877
- https://openalex.org/W2032571483
- https://openalex.org/W2034546021
- https://openalex.org/W2035553864
- https://openalex.org/W2041610210
- https://openalex.org/W2056769281
- https://openalex.org/W2064577520
- https://openalex.org/W2065142562
- https://openalex.org/W2068845501
- https://openalex.org/W2069251347
- https://openalex.org/W2070608504
- https://openalex.org/W2075565810
- https://openalex.org/W2083260484
- https://openalex.org/W2086312876
- https://openalex.org/W2091168295
- https://openalex.org/W2127015718
- https://openalex.org/W2133085566
- https://openalex.org/W2138973222
- https://openalex.org/W2139053550
- https://openalex.org/W2163172365
- https://openalex.org/W2163973654
- https://openalex.org/W2170193566
- https://openalex.org/W2229319020
- https://openalex.org/W2322716129
- https://openalex.org/W2531947845
- https://openalex.org/W2538282875
- https://openalex.org/W2765587322
- https://openalex.org/W2880642496
- https://openalex.org/W48960425
- https://openalex.org/W54516136
- https://openalex.org/W84227776