视频讲解丨蔺小虎副教授：一种基于弯曲能量优化的矿区机载LiDAR点云自适应滤波方法

背景：煤炭开采导致矿区地表沉陷，现有监测技术如GNSS、水准测量和InSAR存在空间采样不足或大梯度形变监测能力有限等问题。机载LiDAR技术为矿区面状沉陷监测提供了新途径，但原始点云中非地面点信息降低了地面点提取精度，因此需要高精度点云滤波方法。研究目的：针对现有滤波方法在矿区复杂地形场景中几何保真度不足和误判率高的问题，提出一种基于弯曲能量优化的自适应滤波方法，以实现地面点的精确提取。结论：该方法通过一维离散平滑样条法和多尺度形态学开运算提取种子地面点，并基于地形弯曲能量与回弹比的关系动态调节布料刚度，生成准确参考地形。试验结果表明，该方法平均总误差为6.08%，较现有方法降低49.04%，有效提升了滤波精度，为矿区沉陷监测和边坡稳定性分析提供了可靠数据支持。