In the paper a frequency method of filtering airborne laser data is presented. A number of algorithms developed to remove objects above a terrain (buildings, vegetation etc.) in order to obtain the terrain surface were presented in literature. Those all methods published are based on geometrical criteria, i.e. on a specific threshold of elevation differences between two neighbouring points or groups of points. In other words, topographical surface is described in a spatial domain. The proposed algorithm operates on topographical surface described in a frequency domain. Two major tools, i.e. Fast Fourier Transform (FFT) and digital filters are used. The principal assumption is based on the idea that low frequencies are responsible for a terrain surface, while high frequencies are connected to objects above the terrain. The general guidelines of this method were for the first time presented at (Marmol and Jachimski, 2004). Due to the fact that the preliminary results showed some limitations, two-stage filtering algorithm has been introduced. The frequency filter was modified in such a manner that different filter parameters are used to detect buildings than those to recognize vegetation. In the first stage of data processing the filtering concerning elimination of points connected with urban areas was applied. The low-pass filter with parameters determined for urban area was used for the whole tested terrain in that stage. The purpose of the second stage was to eliminate vegetation by using the filter for forest areas. The presented method was tested by using data sets obtained in the ISPRS test on extracting DTM from point clouds. The results of using the two-stage algorithm were compared with both reference data and with filtering results of eight method reported to ISPRS test. A numerical comparison of the filter output with a reference data set shows that the filter generates DTM of a satisfactory quality. The accuracy of DTM produced by the frequency algorithm fits the average accuracy of eight methods reported in the ISPRS test.
PL
W artykule zaprezentowano metodę częstotliwościową filtracji danych pochodzących z lotniczego skanowania laserowego. Przegląd literatury ujawnia, że zostało opracowanych wiele metod usuwania elementów pokrycia terenu (budynki, roślinność itp.) w celu otrzymania z takich danych powierzchni topograficznej. Wszystkie metody oparte są na kryteriach geometrycznych, mówiąc dokładniej na określonym progu różnic wysokości pomiędzy dwoma sąsiadującymi punktami lub grupą punktów. Innymi słowy, powierzchnia topograficzna jest opisana w dziedzinie przestrzennej. Proponowany algorytm bazuje na opisie powierzchni topograficznej w dziedzinie częstotliwości. Wykorzystano w nim dwa główne narzędzia, tj. szybką transformatę Fouriera (FFT) i filtry cyfrowe. Podstawowa zasada algorytmu opiera się na założeniu, że niskie częstotliwości odpowiadają za przebieg powierzchni topograficznej, natomiast wysokie częstotliwości są związane z elementami pokrycia terenu. Założenia ogólne metody zostały po raz pierwszy zaprezentowane w (Marmol i Jachimski, 2004). Wstępne rezultaty ujawniły pewne ograniczenia, w związku z tym został opracowany dwuetapowy algorytm filtracji. Filtr częstotliwościowy został zmodyfikowany w taki sposób, że inne parametry filtru są wykorzystane do wykrywania budynków, a inne do detekcji roślinności. W pierwszym etapie przetwarzania danych przeprowadzana jest filtracja w celu wyeliminowania punktów związanych z budynkami. Wykorzystywany jest w nim filtr dolnoprzepustowy z parametrami właściwymi dla terenów zurbanizowanych. Celem drugiego etapu jest wyeliminowanie roślinności z wykorzystaniem filtru zaprojektowanego dla terenów leśnych. Przedstawiony algorytm był testowany na danych pochodzących z testu ISPRS. Otrzymane wyniki zostały porównane zarówno z danymi referencyjnymi jak i z ośmioma metodami opisanymi w teście ISPRS. Porównanie ilościowe wyników filtracji ze zbiorem danych referencyjnych wskazuje, że opracowany filtr generuje NMT o zadowalającej jakości. Dokładność NMT wygenerowanego przez algorytm częstotliwości osiąga średni poziom dokładności ośmiu metod opisanych w teście ISPRS.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.