罗德安 张腾波 廖丽琼

(北京建筑大学测绘工程系，北京 100044)

1 引言

因数据缺失而产生的孔洞在地面激光雷达(TLS，Terrestrial Laser Scanner)扫描点云中是广泛存在的，导致数据缺失的因素较多，主要有扫描环境中非关注目标的遮挡、扫描设备视线高度限制、扫描对象的反射特性影响、特征边沿效应及扫描对象的自身闭塞环境影响等。这些孔洞对后续的点云数据处理、分析及模型重建将产生消极作用，影响建模的精度及质量，所以，在进一步进行点云数据处理之前，需要对这些孔洞进行必要的修复与补全。目前大多数点云孔洞及缝隙的修补算法［1－7］，能够解决局部小范围缺失信息的修补问题，对于缺失范围较大的情形，由于不满足数据平滑及外推的前提条件，所以相应的修复算法都无法使用。少数能够对大范围缺失数据进行修复的方法也需要借助额外的影像数据来实现［8］，并且具有过程复杂，效率较低等不利因素。因此，发展能够对大范围缺失数据进行高效修复的方法便成为点云数据处理中亟待解决的关键性技术难题之一。

从现有文献来看，针对较大范围或是具有高曲率变化的孔洞修复算法还相对较少。李海亮等［8］提出的基于摄影测量的方式修复大范围数据缺失的方法较为有效，但该方法过程复杂，效率相对较低;Sharf 等［9］提出了一种由粗到精的点云样本表面孔洞填充的方式，获得了可接受的结果，但也存在一些问题，在三维环境中对齐两个面……