參考：https://www.cnblogs.com/ironstark/p/5017428.html

1. 航空測(cè)量與點(diǎn)云的形態(tài)學(xué)

• 航空測(cè)量是對(duì)地形地貌進(jìn)行測(cè)量的一種高效手段。生成地形三維形貌一直是地球?qū)W、測(cè)量學(xué)的研究重點(diǎn)。但對(duì)于城市、森林等獨(dú)特地形來(lái)說(shuō)，航空測(cè)量會(huì)受到影響。因?yàn)橥恋乇砻娴臉?shù)、地面上的房子都認(rèn)為的改變了地貌，可以認(rèn)為是地貌上的噪聲點(diǎn)。設(shè)計(jì)一種有效的手段去除地面噪聲對(duì)地形測(cè)量的影響顯得非常重要。這種工作可以認(rèn)為是一種特殊的點(diǎn)云分割，一般情況下點(diǎn)云分割的目標(biāo)是去除地面，而這種方法需要在不使用地面平整假設(shè)的前提下獲得地面。
• 形態(tài)學(xué)是圖像處理中非常重要的概念，對(duì)二值圖像而言，可由簡(jiǎn)單的膨脹運(yùn)算和腐蝕運(yùn)算組成一個(gè)完整的圖像處理族。但是想要將這個(gè)算法移植到三維點(diǎn)云上是比較難的，首先一般的點(diǎn)云沒(méi)有明顯的映射值，也沒(méi)有清晰的定義域，很難設(shè)計(jì)形態(tài)學(xué)處理的基理。但是LIDAR點(diǎn)云例外。由于LIDAR點(diǎn)云由飛機(jī)獲得，飛機(jī)距離地面相對(duì)較遠(yuǎn)，且測(cè)量方向和地面垂直，這就形成了比較完整的xy->z映射（z方向的范圍遠(yuǎn)遠(yuǎn)小于xy方向），z方向代表地面物體的高度，x、y方向?yàn)槠叫信c地面且相互垂直的兩個(gè)軸。有了明確的定義域以及單值映射關(guān)系就有了設(shè)計(jì)形態(tài)學(xué)算法的基本要素。實(shí)際上除了形態(tài)學(xué)算法之外，許多圖像處理算法都可以用來(lái)分割LIDAR點(diǎn)云了，本質(zhì)上這就是一幅大圖像。

2. 三維形態(tài)學(xué)算子

• 對(duì)于圖像而言，形態(tài)學(xué)運(yùn)算一般是針對(duì)二值圖像而言的。當(dāng)然也有針對(duì)灰度的形態(tài)學(xué)運(yùn)算，其原理應(yīng)該和針對(duì)點(diǎn)云的形態(tài)學(xué)運(yùn)算類似（我猜的）。形態(tài)學(xué)算子的設(shè)計(jì)實(shí)際上非常簡(jiǎn)單，只要能設(shè)計(jì)出基礎(chǔ)的膨脹和腐蝕算子就可以組合得到一系列的處理。
  
  
  其中，d表示膨脹算子，e表示腐蝕算子。算子的原理有些像中值濾波，通過(guò)選取一個(gè)窗w中最高點(diǎn)或最低點(diǎn)來(lái)完成圖像的膨脹和腐蝕，其效果如下圖所示：
  
• 在航拍圖的橫截面上可以很清楚的看出膨脹與腐蝕的效果。對(duì)于房子和樹(shù)可以用不同的尺度窗（從小到大）先腐蝕至地面。但是這會(huì)導(dǎo)致一個(gè)巨大的問(wèn)題…如果地面上有個(gè)土包（比如秦始皇陵），那么這個(gè)土包也會(huì)在一次次的腐蝕中被消耗。那豈不是秦始皇陵就發(fā)現(xiàn)不了？所以還有一個(gè)補(bǔ)償算法用于解決這個(gè)問(wèn)題，稱為線性補(bǔ)償算法。
• 建筑物和土包有一個(gè)巨大的區(qū)別，建筑物往往相對(duì)比較陡峭，而土包卻是變化比較平緩的。這個(gè)可以作為一個(gè)判據(jù)，用于判斷物體是否需要被腐蝕，也作為窗收斂的判據(jù)。
  
  式中k稱為斜率，代表下一個(gè)窗的大小是上一個(gè)窗的2×k倍。
  
  s是一個(gè)因子。
  
  dh是切深判據(jù)，每一次腐蝕大于切深判據(jù)才認(rèn)為是有效的，小于切深判據(jù)則是土包。
  　　上述公式是怎么發(fā)現(xiàn)的就需要問(wèn)論文作者了，所有材料都被收錄于文章：《A Progressive Morphological Filter for Removing Nonground Measurements From Airborne LIDAR Data》

3. PCL對(duì)本算法的實(shí)現(xiàn)

//生成形態(tài)濾波器pcl::ProgressiveMorphologicalFilter<pcl::PointXYZ> pmf;pmf.setInputCloud(cloud);//設(shè)置窗的大小以及切深，斜率信息pmf.setMaxWindowSize(20);pmf.setSlope(1.0f);pmf.setInitialDistance(0.5f);pmf.setMaxDistance(3.0f);//提取地面pmf.extract(ground->indices);// 從標(biāo)號(hào)到點(diǎn)云pcl::ExtractIndices<pcl::PointXYZ> extract;extract.setInputCloud(cloud);extract.setIndices(ground);extract.filter(*cloud_filtered);

算法效果如下圖所示：

總結(jié)

以上是生活随笔為你收集整理的【PCL】—基于形态学的点云分割算法详解的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。