机载LiDAR点云滤波-CSF布料模拟滤波（MATLAB代码）

机载LiDAR点云滤波-PTD渐进三角网加密（MATLAB代码）

机载LiDAR点云滤波-SMRF简单形态学滤波（MATLAB代码）

一种机载LiDAR和车载LiDAR点云的自动配准方法，张靖，沈欣，机载激光扫描（ALS）和车载激光扫描（MLS）是目前采集城区三维数据的重要手段。由于两者工作方式的局限性，都不能完整获取目标顶面

以机载LiDAR激光点云数据与高分辨率航空影像为数据源,针对铁路沿线建(构)筑物空间分布特征,提出一种基于机载LiDAR数据法向量分析和曲率计算的建(构)筑物顶面点云区域增长分割算法。创建建(构)筑物顶面轮廓线提取、规则化和再调整的技术方法,实现铁路附属建(构)筑物的三维重建,并在建(构)筑物顶面点云面片分割的基础上,建立铁路附属建(构)筑物三维建模的技术流程。为铁路勘测设计、线路改造、资产清查、应急抢险指挥决策、数字三维铁路建设等提供可靠的技术支持和服务保障。

基于KD树聚类的机载LiDAR数据输电线提取方法，梁静，张继贤，论文提出并实现了一种基于kd树近邻域点云聚类法从LiDAR点云数据中自动提取多根电力线。首先利用高程直方图统计法去除地面点，接着�

该代码（C++编写）主要对机载点云、车载与地基点云构建八叉树，其中机载点云在二维平面组织基础上构建，车载与地基点云在体素基础上构建八叉树。属于点云数据更进一步的预处理，属于同一块的点属性相同，可用于后续直接应用。具体原理参考博客https://blog.csdn.net/qq_32867925/article/details/125020549?spm=1001.2014.3001.5501

基于渐进三角网的机载LiDAR 点云数据滤波

机载lidar点云数据的DSM、生产技术研究应用论文，讲述机载lidar数据生产的一般过程

有关自然资源管理的战术决策需要准确和最新的空间信息，以实现可持续森林管理。 通过使用从卫星或机载传感器获得的多光谱数据的遥感设备，可以进行大量数据采集，从而降低了数据收集成本并满足了对连续精确数据的需求。 森林高度和乳房高度直径（DBH）是预测体积和生物量的关键变量。 传统的估算树高和生物量的方法既费时又费力，这使各国很难定期进行国家森林清单调查以支持森林管理和REDD +活动。 这项研究评估了LiDAR数据在估算Londiani林区各种森林条件下的树高和生物量方面的适用性。 目标森林是在各种地形条件下分析的天然林，人工林和其他零散森林。 LiDAR数据是由在1550 m高处飞行的飞机收集的。 用激光雷达击中森林来估计森林的高度和植被的密度，这暗示着生物量。 在15个半径为15 m的78个采样图中收集了LiDAR数据。 对LiDAR数据进行了地面真实处理，以比较其对地上生物量（AGB）和高度估计的准确性。 LiDAR与野外数据之间的高度相关系数对于汇总数据为0.92，在天然林中为0.79，在人工林中为0.95，在其他零星林中为0.92。 根据LiDAR和地面实测数据估算的AGB，汇总数