在机载激光雷达扫描过程中,建筑物背面的地面边缘线常常被遮挡,无法获取精确的建筑物背面边缘点信息,在利用获得的激光点云进行三维重建时,使得创建数字表面模型(DSM)的精度较低。为消除背面边缘点缺失造成的DSM精度降低,提出了一种建筑物地面缺失边缘线的自动提取算法;通过提取建筑物侧面和地面局部点云的拟合趋势面,计算两相邻局部趋势面的交线,并补充缺失部分的边缘点数据;最后采用补充了边缘点的建筑物激光点云重建了建筑物的DSM,并对边缘点补充前后的DSM精度进行了对比仿真实验。仿真结果表明,通过提取和补充建筑物的边缘点可有效提高建筑物重建DSM的高程精度。

该算法是在配置PCL环境下运行即可，具体alpha shapes提边缘点（轮廓点）的原理可以参考博客，每个函数的功能有详细介绍https://blog.csdn.net/qq_32867925/article/details/124543879?spm=1001.2014.3001.5502

提出一种通过种子边缘点提取闭合点云边缘的算法，通过搜索视角控制边缘点云搜索方向，可提取尖锐边缘与相交边缘。算法通过模拟点与点之间拉力的聚集程度来判断一个点是否具有边缘点的特征。首先构建kd-tree以便快速查找点云数据。其次定义点云的邻域半径，通过计算种子点邻域内点的边缘系数来选择新的种子边缘点，并通过搜索视角来控制点云搜索的方向，最终提取闭合的点云边缘。选择不同的种子点与搜索视角可提取不同的边缘。通过实验分析邻域半径和搜索视角对算法边缘提取效果的影响，并采用合适的半径与搜索视角，对尖锐边缘与相交边缘进行点云提取，获得了准确的点云边缘，从而证明了该算法的有效性。

对不具有拓扑结构的散乱点云数据，首先采用基于KD-tree的改进算法进行邻域点集的提取。然后用最小二乘法对提取出的邻域点集进行平面拟合，把邻域点集里的点投影到拟合平面上使其投影点具有拓扑结构，并得到投影点坐标数据。再对拟合平面上的投影点进行向量构建，找出两相邻向量之间的夹角。最后根据夹角的大小来确定边缘点，完成散乱点云数据的边缘快速提取。

基于坡度和聚类的算法，提取lidar点云的地物边缘线。最终得到地物的轮廓

MATLAB下点云边缘提取，点云数据需要保存为TXT，然后放在同一目录下运行。

1、MATLAB下Kdtree求点云数据边缘点。 2、dianyun.txt为点云文件，需要更换点云文件时直接替换就行。 3、直接运行dianyun.m文件即可求出点云边缘。