王 凯，鲁铁定*，鲁春阳，刘 盈

(1.东华理工大学测绘工程学院，330013，南昌；2.河南城建学院测绘与城市空间信息学院，467036，河南，平顶山；3.井冈山大学电子与信息工程学院，343009，江西，吉安)

0 引言

机载激光探测和测距(LiDAR)作为一种高效、快速的大面积采集三维(3D)点云的遥感技术，已经在各个领域得到了广泛的应用，例如生成数字地形模型(DTM)[1]、森林生态系统调查[2]和三维建筑建模[3]。大多数点云数据应用中，区分为地面点和非地面点是一个必不可少的步骤，该过程也称为点云滤波。在过去的几十年中，众多学者根据不同的理论基础，提出了许多自动过滤地面点的点云滤波算法，这些算法主要可分为6类[4]。

基于数学形态学的点云滤波算法具有原理简单、实现效率高的特点，被众多学者研究，并进行相关改进。形态学滤波(Morphological filters)首先应用于数字图像处理，其能够去除图像中的细小部分，从而使图像更加平滑。Lindenberger[4]等首先将数学形态学方法引入到机载LiDAR点云滤波中。Zhang[5]等提出了一种经典的渐进形态学滤波方法。在该方法中，滤波窗口按一定的规则从小到大，不同的滤波窗口对应不同的高程阈值。此后，许多学者大都基于此方法进行形态学滤波算法改进。改进主要从以下3个方面入手[6]：1)进行格网误差的改进；2)对地形坡度、最大滤波窗口、高差阈值等参数设置的改进；3)地形坡度常量假设的改进。尽管已经产生了许多不同的改进算法，但是基于数学形态学的滤波算法对滤波窗口大小的选取敏感，以及很容易对陡峭地形中的点进行错误分类，如何提高基于形态学的滤波算法在地形起伏较大的区域中的鲁棒性仍是众多学者研究的重点与难点。……