Optimization algorithm and filtration using the adaptive TIN model at the stage of initial processing of the ALS point cloud

Abstract

Airborne laser scanning (ALS) provides survey results in the form of a point cloud. The ALS point cloud is a source of data used primarily for constructing a digital terrain model (DTM). To generate a DTM, the set of ALS observations must be first subjected to the point cloud processing methodology. A standard methodology is composed of the following stages: acquisition of the ALS data, initial processing (including filtration), and the main processing (including DTM generation). Problems primarily concerning the time span necessary for processing a very high number of observations occur at each of the stages mentioned above. In previous studies the authors proposed modification of the ALS point cloud methodology. The modification introduced an optimization algorithm to reduce the size of the survey dataset at the stage of initial processing. Those studies analyzed the “optimization–filtration” and “filtration–optimization” variants, applying methods based on the multi (M) estimation principle at the filtration stage. This study presents a modified process of the initial data processing stage with the application of filtration using the adaptive triangulated irregular network (TIN) model and an optimization algorithm. The algorithm used the Visvalingam–Whyatt generalization method.

Le scanneur laser aviaire (ALS) fournit des résultats de mesures sous forme de nuage de points. Le nuage de points ALS est une source de données surtout pour les besoins de la construction d’ un modèle numérique du terrain (DTM). Pour que l'ensemble des observations ALS puisse servir à générer un DTM, il doit d'abord être soumis à la méthodologie de l’élaboration d'un nuage de points. La méthodologie standard est composée des étapes suivantes: la collecte des données ALS, le traitement initial, dont la filtration et le traitement principal (dont la génération DTM). A chaque étape des problèmes apparaissent, concernant surtout le temps nécessaire au traitement d'un grand nombre d'observations. Dans leurs travaux les auteurs ont proposé une modification de la méthodologie d’élaboration de nuage de points ALS. Cette modification consistait en introduction à l’étape du traitement initial d'un algorithme d'optimisation diminuant le nombre de mesures. Dans les travaux ci-dessus on a analysé les variantes «optimization–filtration» et «filtration–optimization», en utilisation pour la filtration des méthodes fondées sur le principe de M estimation. Dans le présent travail on a décrit le processus modifié de l’étape du traitement initial des données, prenant en considération la filtration faite avec la méthode du modèle actif TIN et de l'algorithme d'optimisation. Dans l'algorithme on a utilisé la méthode de généralisation Visvalingam–Whyatt.

Acknowledgements

Sponsored by research grant N N526 155437 from the Ministry of Science, decision no. 1554/B/TO2/2009/37 from 7 August 2009.