《表2 部分点云K邻域对应的索引号》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结合无人机载LiDAR点云法向量的K-means++聚类精简》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

研究区原始点云回波次数三维可视化如图3，通过分析图可知，第1次回波点云个数为61 822，第2—5次回波分别对应的点云个数为7 359，354，7和2，且第1次回波对应的点云包含了研究区全部地物，所以可去除多次回波点云，只针对第1次回波点云进行K-means++聚类实现点云精简。针对第1次回波对应的61 822个点云构建每个点云的K邻域，以欧氏距离作为度量标准，为了验证本文方法可行性，选取K=10以构建点云的K邻域，即每个点的邻域是由与该点距离最近的10个点组成。借助Python中Scikit-learn库，实现基于KD树来构建点云K邻域。为详细说明构建邻域的过程，本文选择部分点云进行说明，表2是索引号为1，2，3对应的K邻域，如以点云索引为1为例，即索引号为1的K邻域是由点云索引号为45，1，44，46，142，141，461，222，346和462构成的，其他点云类似。