文摘基于预处理后的无人机运动恢复结构点云数据,通过随机抽稀、间距抽稀和体素抽稀调整参数,减少数据冗余并均化密度.将优化后的点云结合反距离权重法、不规则三角网、克里金(Kriging)插值法,构建0.5 m分辨率的数字高程模型(DEM),采用平均绝对误差(M_(AE))与均方根误差(R_(MSE))指标评估误差.结果表明,3种抽稀和插值方法排列组合所得DEM的M_(AE)和R_(MSE)均整体随密度减小而增大;点云密度处于16~60个/m^(2)时宜采用体素抽稀和Kriging插值,体素抽稀和Kriging插值组合在点云密度为58.14个/m^(2)时,M_(AE)与R_(MSE)最小,分别为0.0023、0.0149 m,点云密度下降至17.21个/m^(2)时,M_(AE)与R_(MSE)变化趋于稳定,分别为0.0289、0.0546 m;点云密度处于10~16个/m^(2)时宜采用间距抽稀和Kriging插值,点云密度下降至14.55个/m^(2)时,M_(AE)与R_(MSE)变化趋于稳定,分别为0.0357、0.0670 m.
