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.
文摘针对点云数据构建数字高程模型(DEM)的精度受点云抽稀和内插算法等因素影响的问题,设计不同点云抽稀方法和不同内插算法对DEM构建精度影响的两组试验,寻求适用于复杂条带状泥石流沟谷地形构建DEM的组合方法.利用空间抽稀、体素分割抽稀、随机抽稀3种方法以96%的抽稀率对原始点云数据进行抽稀,得到的抽稀结果再分别应用自然邻点插值法、反距离权重法(IDW)、克里金法、样条函数法4种内插算法进行内插,共构建出12种组合生成DEM的方法,对每种组合方法构建的DEM进行高程和坡度精度评价分析.结果表明,针对泥石流沟谷地形空间抽稀条件下利用IDW进行DEM内插的结果最为可靠,拟合优越度为0.999540,平均误差为0.7462 m,中误差为1.2629 m.
