0 引言

传统的河道地形测绘方法工作效率低、实施难度大，且无法实现河道地形“精细化”表达。自前，无人机机载激光测量技术日趋成熟。通过无人机平台搭载多回波机载LiDAR镜头、全球导航定位系统（GNSS）和惯性导航系统（IMU）紧耦合成的机载激光测量系统[1-3]，能够高效获取高精度河道点云数据，将河道地形“精细化”表达。

原始LiDAR点云数据包含了植被、人工建筑物等非地面点数据，点云分类就是利用一定的算法将原始点云地面点和非地面点区分出来。常用的算法包括基于形态学的滤波算法、基于聚类分割的滤波算法、布料模拟滤波算法和渐进三角网加密滤波算法。基于形态学的滤波算法主要依靠开运算实现点云类属判断，简单高效但精度较低，人工干预工作量大[4]。基于聚类分割的滤波算法采取特征空间投影和数据分离、绘制点云轮廓等方式提取，再对聚类或者分割的结果依据高差、坡度进行地面点分类[5-6]。该算法耗时长，对聚类或者分割的结果依赖度高。1999 年，Axelsson[7]首次提出渐进三角网加密滤波算法，通过渐进的方式加密三角网，逐步细化地面，得到更精确的地面模型。柳红凯等[8]将融合点云聚类和点云拓扑特征分析的思想融人算法，有效减少运算量，提高算法工作效率。王效盖等[9利用布料模拟、局部薄板样条插值等方法获取可靠的地面种子点，有效提高地面点滤波精度。经过学者们对其不断进行改进，逐渐成为国内外主流的点云滤波算法，TerraSolid[10]、数字绿土360 软件等商业软件均采用该系列算法。……