vestnik Журнал "Вестник Сибирского государственного университета геосистем и технологий (СГУГиТ)" 2411-1759 ФГБОУ ВО "Сибирский государственный университет геосистем и технологий (СГУГиТ)" RU https://vestnik.sgugit.ru https://doi.org/10.33764/2411-1759-2026-31-5-53-63 Геодезия и маркшейдерия Методика прореживания облаков точек воздушного лазерного сканирования на основе сочетания методов вокселизации и сегментации Н. И. Хушт Хушт Н. И. М. Я. Брынь Брынь М. Я. АО «Полиметалл Инжиниринг», г. Санкт-Петербург, Российская Федерация ФГБОУ ВО «Петербургский государственный университет путей сообщения Императора Александра I», г. Санкт-Петербург, Российская Федерация 2026 31 5 53 63 © Н. И. Хушт, М. Я. Брынь, 2026 2026 Н. И. Хушт, М. Я. Брынь Эта статья дотупна по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная. В ходе решения задачи по совершенствованию методов обработки данных лазерного сканирования предложена методика прореживания облаков точек воздушного лазерного сканирования на основе сочетания методов вокселизации и сегментации. Необходимость прореживания облаков точек в первую очередь продиктована проблемой по ускорению процессов обработки больших массивов данных без существенной потери информативности. Предложена формула из ГОСТ Р 70690-2023 (ГОСТ Р 70690–2023 «Дороги автомобильные общего пользования. Лазерное сканирование. Требования к данным лазерного сканирования на различных этапах жизненного цикла автомобильной дороги». – URL: https://docs.cntd.ru. – Текст: электронный) для расчета минимального допустимого количества точек лазерного отражения после прореживания. Разработана и написана программа на языке программирования Python по выделению сегментов в исходном облаке точек и автоматизированному расчету размера вокселя воксельной решетки для каждого из выделенных сегментов. Произведено сравнение результирующего количества точек в облаке точек после прореживания с минимальным допустимым количеством точек лазерного отражения на 1 м² для съемки масштаба 1 : 500 равнинного участка местности с высотой сечения рельефа 0,5 м, а также рассчитан процент прореживания. облако точек воздушное лазерное сканирование вокселизация сегментация воксельная решетка воксель прореживание трехмерная модель point cloud airborne laser scanning voxelization segmentation voxel grid voxel downsampling 3D model 1. Axelsson P. E. Processing of laser scanner data – Algorithms and applications // ISPRS Journal of Photogrammetry and RemoteSensing. 1999. № 54. P. 138–147. 2. Axelsson, P. E. DEM generation from laser scanner data using adaptive TIN models. International Archives of Photogrammetry and Remote Sensing. 2000. № 33. P. 110–117. 3. Stelling N., Richter K. Voxel based representation of full-waveform airborne laser scanner data for forestry applications. The International Archives of the Photogrammetry, Remote Sensing and Spatial In-formation Sciences. Prague: XXIII ISPRS Congress, 2016. P. 41–50. 4. Blender Foundation. Blender Foundation URL: https://www.blender.org/about/foundation/ (дата обращения: 18.09.2025). 5. Chen Z., Gao B., Devereux B. State-of-the-Art: DTM Generation Using Airborne LIDAR Data. Sensors. 2017. №17. P. 150–159. 6. Haugerud R. A., Harding D. J. Some algorithms for virtual deforestation (VDF) of LIDAR topographic survey data. International Archives of Photogrammetry and Remote Sensing. 2001. № 34. P. 211–218. 7. Sithole G., Vosselman G. Experimental comparison of filter algorithms for bare earth extraction from airborne laser scanning point clouds. ISPRS Journal of Photogrammetry and Remote Sensing. 2004. № 59. P. 85–101. 8. Vosselman G. Slope based filtering of laser altimetry data. International Archives of Photogrammetry and Remote Sensing. 2000. № 33. P. 935–942. 9. Xiong B., Jiang W., Li, D., Qi, M. Voxel Grid-Based Fast Registration of Terrestrial Point Cloud. Remote Sens. 2021. № 13. P. 190–203. 10. Bienert, A., Hess C., Maas H.‑G., von Oheimb G. A voxel‑based technique to estimate the volume of trees from terrestrial laser scanner data. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2014. Vol. XL‑5. P. 101–106. 11. Buddenbaum, H., Seeling S., Hill J. Fusion of full‑waveform LiDAR and imaging spectroscopy remote sensing data for the characterization of forest stands. International Journal of Remote Sensing. 2013. Vol. 34, no. 13. P. 4511–4524. 12. Gupta, S., Weinacker H., Koch B. Single tree detection using full waveform laser scanner data. Proceedings of Silvilaser 2010. P. 368–376. 13. Heinzel, J., Koch B. Exploring full-waveform LiDAR parameters for tree species classification. International Journal of Applied Earth Observation and Geoinformation. 2011. Vol. 13, no. 1. P. 152–160. 14. Richter, K., Blaskow B., Stelling N., Maas H.-G. Reference value provision schemes for attenuation correction of full-waveform airborne laser scanner data. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences. 2015. Vol. II-3/W5. P. 65–72. DOI 10.5194/isprsannals-II-3-W5-65-201. 15. Schilling, A., Schmidt A., Maas H.-G. Tree Topology Representation from TLS Point Clouds Using Depth-First Search in Voxel Space. Photogrammetric Engineering and Remote Sensing. 2012. Vol. 78, no. 4. P. 383–392. 16. Wu, J., van Aardt J. A. N., McGlinchy J., Asner G. P. A Robust Signal Preprocessing Chain for Small-Footprint Waveform LiDAR. IEEE Transactions on Geoscience and Remote Sensing. 2012. Vol. 50, no. 8. P. 3242–3255.