基于深度图投影与KNN优化的城市遥感LiDAR点云可见性分析方法DMP-KDO-PCLoSA

来自国内的研究人员针对城市遥感中LiDAR点云可见性分析的难题，创新性地提出DMP-KDO-PCLoSA方法。该方法通过深度图投影(Depth Map Projection)结合K最近邻(KNN)优化算法，显著提升了点云数据的空间特征解析精度，为智慧城市三维建模与动态监测提供了高效技术方案。

　　

这项研究开创性地将深度图投影(Depth Map Projection, DMP)技术与K最近邻(K-Nearest Neighbor, KNN)算法相结合，构建了名为DMP-KDO-PCLoSA的新型分析框架。在城市遥感领域，激光雷达(LiDAR)获取的点云数据常因建筑物遮挡导致空间特征缺失，传统方法难以准确量化可见性参数。研究团队通过三维到二维的深度图投影转换，配合KNN优化的动态阈值筛选机制，成功实现了点云数据中隐藏几何特征的智能挖掘。实验表明，该方法在保持_0.92以上F₁分数的情况下，将复杂城市场景的可见性分析效率提升近3倍，为数字孪生城市建设和灾害应急响应提供了可靠的技术支撑。