CSF算法简介
区分地面与地物（例如建筑物和树木等）被称为点云地面滤波，是激光雷达点云应用中基础且关键的步骤，直接影响后续数字地形模型( DTMs )生成以及各种地物分割、分类和识别的精度。CSF是由遥感科学国家重点实验室、北京师范大学地理科学学部遥感科学与工程研究院张吴明教授团队开发的一种全新原理点云地面滤波算法，全称是Cloth Simulation Filter（布料模拟滤波）。该算法在2015年第三届全国激光雷达大会上获得首届激光雷达数据处理大赛优胜奖，得到众多评委的认可和关注。CSF文章发表2年SCI引用30余次，在多篇点云滤波算法测评文章中获得肯定。集成于Cloudcompare、点云魔方、3DF Zephyr等国内外知名行业软件，并可被matlab、C 、python、R等主流编程语言调用，受到国内外用户广泛关注和使用。
原始点云(DSM)及使用CSF滤波处理后的点云(DEM)效果图
CSF官方简介：
http://ramm.bnu.edu.cn/projects/CSF/
张吴明教授的主页：
http://ramm.bnu.edu.cn/index.php/people?id=41
CSF算法原理
目前市面上已经开发了许多滤波算法，然而多数滤波算法需要仔细设置一些复杂的参数才能达到较高精度，而且对于城区或山区等不同场景参数变化较大，对点云不熟悉的用户很难掌握。
CSF算法的诞生就是为了提高点云地面滤波算法的易用性和通用性，降低使用门槛，从而使得各行业用户都能轻松使用点云地面滤波功能。CSF基于布料模拟，是一种用于在计算机程序中模拟布料的计算机图形算法。CSF首先对激光雷达点云进行翻转，然后用刚性布料覆盖翻转后的表面。通过分析布料节点与相应激光雷达点之间的相互作用，可以确定布料节点的位置以生成近似的地表形状，最后，通过比较原始LiDAR点和生成的布料曲面之间的距离，实现从LiDAR点云中提取地面点。
优势：
CSF算法原理创新，参数很少且易于设置，非点云处理专家也能够迅速掌握，且处理结果精度较高，例如下面两篇SCI文章在与photoscan、global mapper、lastool-lasground等著名软件地面滤波功能详细对比后都推荐CSF算法。
国际遥感杂志
Elsevier杂志 / Measurement
3DF Zephyr Aerial软件使用CSF滤波算法的操作流程
（一）使用摄影测量案例
首先，我们加载一组影像并按流程在3DF Zephyr软件处理，这组数据使用DJI P4P对一个覆盖植被的山区进行数据采集，从空三计算到密集点云最终生成纹理化网格。
105张原始影像
密集点云
然后，我们可以在3DF软件左边的工作区对这组点云进行复制，这是3DF软件的一个优势，可以无限复制原始成果（包括点云、网格及纹理化网格）并保存在工作区，也可以对原始影像使用不同参数设置生成的不同成果进行保存，直接在软件中点选进行对比，无需通过第三方软件，非常方便人性化，然后对每组数据都可以进行单独的重命名、编辑处理及导出，并不影响原始数据的成果。
制作副本并重命名以区别
接下来就到了CSF滤波功能，通过编辑-选取-通过点来选择，好吧，这里吐槽一下，隐藏的也太深了~~
首先选择你要滤波的目标点云，这里选择刚才复制并重命名的那组点云-csf，这样就不影响原始点云数据，然后选择方法：材质模拟（即CSF点云滤波算法），场景里面有三个选项，分别针对不同场景的优化，包括植被茂密的山区、复杂场景和高层建筑的平坦地形，这里我选择了植被茂密的山区。
这里面有三个可调参数，阈值、分辨率和迭代：
阈值就是将离地面多高的点判断为地面点，这个和具体应用有关，比如有些场景把地面以上0.2m以内的东西都可以认为属于地面，也有场景把0.5m以内东西认为属于地面，所以这里要看实际场景，这里我们设置为0.2。
分辨率就是布料格网的大小，设置过小计算量太大，过大则布料格网太粗，会错误判断很多点云的属性。原则上和点间距差不多，或者是2-3倍点间距，这里我们设置为0.5。
迭代的话，程序中会判断当改变量小于一定阈值时自动终止迭代过程。一般按默认设500足够了，少一些300、200的可能也可以，这里我们选择默认的500。
然后经过短暂的计算，经过CSF滤波后选择的点被标记为红色，如下图所示，这里要说的是摄影测量的方法并不像激光雷达(LiDAR)，不能穿透茂密的森林，因此参数设置不要太高，否则会造成滤波后的地面点过于稀少。此时，我们可以通过复制功能将滤波后的点云单独提取出来。
CSF选择后自动标记
原始密集点云
CSF滤波后的点云
然后可以对滤波后的点云进行网格及纹理化处理，我们看一下最终的视频效果：
将原始数据和滤波后的数据分别只做DSM/DEM及等高线，我们看一下对比结果：
原始数据生成的DSM
CSF滤波后数据生成的DEM
原始数据生成的等高线
CSF滤波后数据生成的等高线
（二）使用激光LiDAR案例
首先我们将一组激光点云拖入3DF Zephyr软件中去，3DF支持导入.las和.e57通用点云格式以及Dot Product (.dp), FARO (.fls,.fws), RIEGL (.rdbx) , Z F (.zfs).的原生格式。
加载激光点云
我们按照植被茂密的山区为场景，分类阈值0.5m，分辨率1m，迭代500次为参数进行设置：
设置CSF参数
经过十几秒的运算，即可得到滤波后的点云数据，我们使用“复制”按钮并可进行重命名，可进行独立的编辑和修改。
CSF滤波后的点云效果
我们通过视频来对比一下：
总结
高分辨率数字地形模型（DTM）对于洪水模拟，滑坡监测，道路设计，土地覆盖分类和森林管理等相关行业来说是至关重要的，所以将点云分离为地面和非地面是从LiDAR数据生成数字地形模型（DTMs）的关键步骤。与现有的滤波算法相比，该滤波算法具有以下优点：（1）该算法参数设置少，参数易于理解和设定; （2）所提出的算法可以应用于各种场景，而无需确定精细的过滤参数; （3）该方法适用于原始LiDAR数据。ISPRS（国际摄影测量与遥感学会）第III / 3工作组验证数据精度后得出结论，这是目前市面上最简单，最先进的过滤算法，这种易于使用的过滤方法可以帮助没有太多经验的用户在他们自己的应用中更容易地使用LiDAR数据和相关技术。
——//////////——
天弘基业是世界领先的丹麦Sky-Watch全系列无人机、瑞士senseFly无人机以及意大利3DF Zephyr建模软件系列在中国区的总代理，大疆DJI行业应用，美国Stratasys3D打印机，北科天绘机载LiDAR，瑞士Pix4D，广州优飞无人机智能巡检系统金牌行业合作伙伴，专业提供各种无人机、机载LiDAR、地面三维激光扫描系统、SLAM系统及3D打印机等全流程空间三维综合解决方案的定制开发、专业化技术培训、全方位技术支持及工程服务。业务涉及常规测量产品、无人机、摄影测量、环境保护、矿山监测、农林业、考古应用、电力、应急减灾等领域，同时承接航测、倾斜、考古、文物等三维建模工程业务，欢迎垂询！感兴趣的小伙伴可关注我们获得最新资讯和产品介绍！
天弘基业技术中心
