《表1 不同邻域结构的ER分割效率评估 (试验数据1) Tab.1 Efficiency Evaluation for ER segmentation with different neighborh

  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

《LiDAR点云数据分割的自适应回波比率算法研究》

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

%

从表1、表2试验结果还可以看出，sERC_2、sERV_2的分割精度明显高于sERC_1、sERV_1。以水平尺度参数=0.5m，垂直尺度参数=1m为例，在空间分布较为简单的数据1中，sERC_2、sERV_2的检测率较sERC_1、sERV_1分别提高了5.2%和7.6%，丢失率下降了6.0%和9.2%。虽然数据2中存在不同类别点云相邻、重叠或建筑物边界多次回波现象，但仍然显示出sERC_2、sERV_2分割效果较sERC_1、sERV_1更有效，检测率分别提高了2.4%和6.8%，丢失率分别下降了6.9%和10.4%。这是由于坡度修正法需要根据局部表面坡度调整垂直方向尺度参数，而坡度的估算受原始数据精度和密度的影响具有不确定性，会造成自适应坡度回波比率计算的准确率下降。此外，当采用坡度修正法计算ER时，丢失率还会发生在屋脊线附近，这是由于屋脊线脚点的邻域通常包含两个不同方向的表面，因此很难准确计算倾斜实体表面的局部坡度角α，无法修正由于坡度造成的ER值偏差。故采用经验参数法计算ER优于坡度修正法。