提出了一种基于旋转差值核估计的激光雷达（LiDAR）点云边缘提取方法。对点云中任意数据点, 在给定方向上以该数据点为对称中心, 以一定间距构建对称窗口; 在对称窗口中定义距离核函数, 计算两窗口内数据点的高程加权均值, 将两加权均值之差的绝对值作为该数据点在该方向上的边缘强度, 并选取所有方向上的最大边缘强度作为边缘点判据。计算最大边缘强度对应方向上两窗口内数据点的高程方差, 结合两方差的差值绝对值和边缘点判据提取建筑物与地面交界点; 调整两窗口间距, 再次计算所有方向上最大的高程方差之差绝对值, 并将该绝对值作为树木点的判据, 并在依此判据检测出的点集上去除建筑物与地面交界点后提取出树木点。利用激光传播特性将点云数据中的树木点滤除后, 再提取完整的建筑物边缘。实验结果表明, 所提方法有效克服了树木的影响, 建筑物边缘的提取精度约为80%。

针对LiDAR点云数据目标投影几何的非规则性, 提出非规则标识点过程的LiDAR点云数据目标提取方法。首先, 在投影平面上定义随机点过程, 利用其随机点定位该平面上的目标投影, 对每一随机点生成一组节点集以建模该目标投影几何, 作为目标标识; 假设地物目标高程值服从独立同一高斯分布, 从而得到LiDAR点云数据高程测度模型; 在贝叶斯理论架构下建立目标几何提取模型, 并结合可逆跳变马尔可夫链蒙特卡罗(Reversible Jump Markov Chain Monte Carlo, RJMCMC)算法模拟后验分布以及估计各参数; 最后根据最大后验概率准则, 求解最优目标提取模型。采用提出方法对LiDAR点云数据进行目标提取, 根据实验结果可以看出, 算法得到的检测精度均达到80%以上, 最高精度为9943%, 得到了较好的检测结果。本文将传统的规则标识点过程拓展到非规则标识点过程, 可以有效拟合任意形状目标几何。定性和定量的实验结果表明了该方法的可行性、有效性和准确性。