密集匹配点云的自适应道路提取算法研究

多视倾斜影像密集匹配后能够生成海量点云数据,但数据本身缺乏有效的道路提取信息。针对此问题,提出一种密集匹配点云的自适应道路提取算法。首先对多视影像进行道路感兴趣区特征采样,获取影像区域道路的纹理特征,然后对三维点云进行去噪处理并剔除掉高大建筑物和植被。在点云中选取2个明显的道路点作为初始种子点,搜索种子点一定半径范围内的点,并统计这些点对应的法线与种子点法线的夹角,根据道路边沿法线的突变性提取出道路点。然后利用道路点拟合出道路中心线并根据最小包围矩形优化搜索搜索半径,进而自适应的生成其他道路种子点。实验结果表明,该方法提取的道路能够保持连通性,道路边界清晰,且提取耗时较短,具有较好的稳健性。