霍芃芃 王梓琪 闫 旭

(1. 北京市测绘设计研究院, 北京 100038; 2. 城市空间信息工程北京市重点实验室, 北京 100038;3. 北京建筑大学 测绘与城市空间信息学院, 北京 100044)

0 引言

高精度数字高程模型(Digital Elevation Model, DEM)是重要的地形数据产品之一,可为实际地形提供多尺度、多粒度、多视角的细节描述,为国内外重大活动、赛事场馆及基础设施的高水平规划设计、建设运营提供重要信息化数据支撑[1]。无人机激光雷达(Light Detection and Ranging, LiDAR)技术因具备高时效、高精度、低成本、低环境影响等优势[2-4],已发展成为地形数据获取的最有力手段之一。

已有研究表明,增加LiDAR点云数据密度能够在一定程度上提高DEM数据精度[5～6]。在地形复杂区域,高密度LiDAR点云数据有助于高精度的地形表达,但对于地形平缓区域,过度的数据冗余不仅无益于地形表达,还将直接影响数据存储速度、显示速率、生产和交互的难易程度等[7]。因此,在顾及地形特征、保证DEM数据精度的前提下,最大程度节省数据获取成本、处理时间及存储空间,实现复杂地形LiDAR点云数据抽稀简化是十分必要的[8]。

国内外关于顾及地形特征的LiDAR点云数据抽稀算法,主要可分为三种:(1)基于邻近距离及高差的抽稀算法[9-10],该方法以搜索半径及点间高差作为判断依据,搜索半径可控制抽稀程度,点间高差可控制抽稀精度，无人机LiDAR点云数据密度大,该方法需对所有点进行遍历,计算效率相对较低;(2)基于不规则三角网的抽稀算法[11],将原始LiDAR点云数据转化为不规则三角网(Triangulation Irregular Network, TIN)模型数据……