مطالعه تطبیقی و تحلیل راهکارهای فیلترکردن ابرنقاط متراکم برای حذف عوارض غیرزمینی

فیلترکردن ابرنقطه حاصل از فتوگرامتری رقومی و نیز داده های LiDAR یا حذف عوارض غیرزمینی و رسیدن به سطح زمین با هدف تولید DTM صورت می گیرد. روش های متنوعی توسط محققین مختلف به منظور تفکیک نقاط زمینی و غیرزمینی در داده ابرنقاط پیشنهاد شده است. اکثر روش های کاملا اتوماتیک یک نقطه ضعف مشترک دارند و آن کارایی آنها فقط برای نوع خاصی از سطح زمین می باشد. همچنین، اکثر این الگوریتم ها در مناظر ساده نتایج خوبی دارند و در مناظر پیچیده با مشکلاتی مواجه می گردند. در این مقاله روش های فیلترکردن ابرنقاط در قالب سه گروه: اول روش های سنتی شامل روش های شیب مبنا، سطح مبنا، مورفولوژی، TIN، قطعه بندی و غیره، دوم روش هایی که الگوریتم های  خاصی را مورد بررسی قرار داده و یا الگوریتم های  موجود را بهبود داده اند و سعی در افزایش کارایی آنها داشته اند، و سوم روش های فیلترکردن مبتنی بر تکنیکهای نوین یادگیری ماشین و یادگیری عمیق، مورد بررسی قرار گرفته و تجزیه و تحلیل جامعی از نحوه عملکرد این روش ها بعمل آمده، چالش ها و مشکلات اجرایی آنها مورد بررسی قرار گرفته و روش هایی که نسبت به سایر روش های فیلترکردن، کارایی بالاتری برای نواحی مختلف کوهستانی، جنگلی، شهری دارند، شناسایی و مزایا و معایب هر روش ارایه و پیشنهاداتی جهت بکارگیری روش های مختلف در نواحی متفاوت ارایه گردیده است. نتایج این تحلیل  در راستای بهبود عملکرد روش های فیلترکردن، ترکیب روش های بهبود یافته و نیز استفاده از روش های نوین یادگیری ماشین و یادگیری عمیق در این زمینه پیشنهاد می گردد.