买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东科技大学申请的专利一种顾及地形特征的LiDAR点云聚类简化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115995012B 。

龙图腾网通过国家知识产权局官网在2025-07-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310045155.6，技术领域涉及：G06V10/762；该发明授权一种顾及地形特征的LiDAR点云聚类简化方法是由陈传法;武慧明;李艳艳设计研发完成，并于2023-01-30向国家知识产权局提交的专利申请。

本一种顾及地形特征的LiDAR点云聚类简化方法在说明书摘要公布了：本发明公开了一种顾及地形特征的LiDAR点云聚类简化方法。该方法针对目前地面点云简化方法存在的复杂环境适用性差、地形细节特征易丢失等问题，提出了如下解决方案：首先利用K‑means算法将点云分割为初始点云簇，然后依据各簇的地形复杂度信息进一步细分点云簇；接着借助点云法向量信息以及邻接簇间边缘点的高程差识别地形特征点；最后通过保留点云区域的边界特征点，防止原始点云边界收缩。此外，本发明还与传统方法进行了实验对比，在相同点云简化比例下，本发明方法生成的数字高程模型精度及其派生品包括平均坡度和地形粗糙度精度均明显优于传统方法，而且较好的保留了地形特征信息。

本发明授权一种顾及地形特征的LiDAR点云聚类简化方法在权利要求书中公布了：1.一种顾及地形特征的LiDAR点云聚类简化方法，其特征在于，包括如下步骤： 步骤1.以LiDAR地面点云为原始点云数据，使用K-means算法将原始点云数据划分为多个初始点云簇；依据点云簇地形复杂度将每个初始点云簇进一步细分成多个点云子簇； 步骤2.首先依据各点云子簇内地形特征线位置信息特点，查找每个点云子簇内地形特征点，并将查找到的地形特征点作为点云子簇代表点； 若点云子簇内不存在地形特征点，则使用点云子簇质心点作为点云子簇代表点； 步骤3.考虑到聚类简化方法导致的原始点云边界收缩问题，利用基于二维道格拉斯-普克方法，识别原始点云数据中的边界特征点； 最终地面简化点云包括各点云子簇代表点以及边界特征点； 所述步骤1具体为： 步骤1.1.初始点云簇划分； 利用K-means算法划分原始点云数据，依据公式1确定初始点云簇个数kfirst； kfirst＝[m*tscale]1 式中，[·]为向上取整符号，m为简化点云个数，tscale为点云簇细分比例，tscale∈0,1； 步骤1.2.地形复杂度计算； 使用地形位置指数TPI描述地形复杂度，TPI如公式2所示； 式中，|·|为绝对值符号，Z0表示当前格网的高程值，Zi表示与当前格网邻近的第i个格网的高程值，i∈1,2,···,8； 步骤1.3.地形复杂度赋值点云簇； 将每个初始点云簇所在的TPI网格点中的最大值赋予该初始点云簇； 步骤1.4.点云簇细分； 根据每个点云簇的地形复杂度即TPI值在所有点云簇中的占比，确定该初始点云簇进一步细分的个数，并借助K-means完成点云簇的划分； 第k个初始点云簇进一步细分个数Ck的计算公式为： 式中，TPIk为第k个簇的TPI指数，[·]为向上取整符号。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。