摘要：建筑物是城市最重要的元素，在建设智慧城市中，建筑物轮廓提取是关键技术。从场景整体点云数据中提取单体建筑物的点云是建筑物单体三维建模的基础。然而，现有点云提取方法在提取建筑物点云数据时往往包含部分植被、地面等非建筑数据点，不利于建筑物对象建模。因此，为了解决该问题，本文对多年来研究者对于点云分类方法的一个总结以获取总结经验方便进一步研究。
关键词：3D点云 点云数据分类 LiDAR 植被 建筑物
引言：
随着当今科学技术的蓬勃发展，数字城市已成为一种主流，人们对数字城市的建设探索和对立体空间的开发与利用对点云三维信息数据的研究与处理提出了更加迫切的要求。城市化水平的提高使人们更加需要城市的精细化管理，因此，城市的点云三维信息的提取与应用显得尤为重要。
点云是某个坐标系下的点的数据集。点包含了丰富的信息，包括三维坐标X，Y，Z、颜色、分类值、强度值、时间等等，不一一列举。在我看来点云可以将现实世界原子化，通过高精度的点云数据可以还原现实世界。万物皆点云。
点云主要是通过三维激光扫描仪进行数据采集获取点云数据，其次通过二维影像进行三维重建在重建过程中获取点云数据，另外还有一些通过三维模型来计算点云。目前点云的主要提取技术是LiDAR(Light Detection And Ranging)中文翻译为激光探测与测量，LiDAR获取的数据就是点云数据，同时对点云数据进行处理加工以及应用。LiDAR获取数据的方式主要分为三大类：星载、机载和地面。但是，在非结构化，非均质的点云中检测它们非常困难。通俗地讲，在提取建筑物点云数据时往往包含植被、地面等非建筑物数据点而不利于提取。所以，我通过阅读资料了解点云分类的种种方法。
主体：
目前从激光点云数据中自动提取地面点的算法很多，所涉及的滤波算法主要分为四类：基于线性预测的滤波方法，基于坡度的滤波方法，基于数学形态学的滤波方法和基于网格分块与移动最小二乘法的迭代拟合滤波方法等。而对于建筑物提取目前主要有以下几种方法：TonySchenk利用几何特征信息法提取建筑物；Hiroshi Masaharu
基于DSM进行建筑物提取与边界追踪；利用点云构网的三角形边长比约束的离散点边界追踪算法等。而地面点、非地面点植被和建筑物分类的综合分类算法研究较少。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
