研究所用的LiDAR数据集的典型密度为30每100平方米。这一变化是由于路径边沿以及两路径重叠区的点更多。平均水平精度为75厘米，而垂直精度大约为50厘米。图1所示的LiDAR数据集子集中运用了本文构建TIN的新方法。LiDAR数据子集实验对象共有590个点，589个voronoi多边形，平均点高程为571.26英尺，最大高程为572.38英尺，最小高程为570.35英尺，在直接三角化时，产生了1157个Delauney三角形（图3（a））。
图3 LiDAR实验子集（a）直接三角化为DT，（b）先选择，再删除，然后更新三角网三角化为DT
图4 图3（a）与图3（b）三角网叠置
我们基于“区域内每150平方英尺voronoi多边形数小于10”的原则标识集群。正如我们先前所说，集群阈值是用户定义并且是应用驱动的过程。这里使用的高程阈值是0.15英尺，该数据是基于原始LiDAR数据子集高程数据所得。垂直阈值也是依赖于用户以及应用而定。运用本文方法，从原始三角网（图3（a）所示）中选择137个点，然后删除，生成884个三角形。最终三角网如图3（b）所示，总共有453个点452个voronoi多边形。图4中描绘的是图3（a）和3（b）两个三角网的叠置，说明了两种TIN的不同之处。注意，图4中蓝色所示的三角形是原始LiDAR点子集直接构建的三角网，并不是使用文章中所提的新方法对数据子集构建的三角网的一部分。 5 结论
本文所提出的从LiDAR数据中选择样点构建TIN的计算方法在很多方面都是新的。该方法帮助一个给定的区域（尤其是相对平坦区域）构建一个更真实的TIN。这是很重要的，因为对一个地形平坦区域过度三角化既不会对三角网地形模型值增加，也不会提高地形可视化效果。同时，该方法中运用的算法，其计算复杂度计算时间为O（n log n）；然而，这并不是一个决定性的算法设计，因为目前在合理消耗的条件下可以拥有很强大的计算力。该计算
方法有待改善与检测，但是在三角化LiDAR数据点集时显示出很大的优势。
参考文献：
【1】 T.Ali,On the selection of appropriate interpolation method for creating coastal terrain
models from LiDAR data,in:Proc.The American Congress on Surveying and Mapping(ACSM)Conference 2004,Nashville TN ,USA, April, 2004,pp.16-21. 【2】 R.Fowler,J.Little,Automatic extraction of irregular
models,Computer Graphics 13(1979) 199-207.
network
digital
terrain
【3】 T.Peuker,R.Fowler,J.Little,D.Mark,Thetriangulated irregular network,
American Society of Photogrammetry:Digital
models(DTM)symposium,St.Louis,Missouri,May 9-11.1987,pp.516-540.
in:Proc.The
terrain
【4】 A.Wehr.U.Lohr,Airborne laser scanning-an introduction and overview.Journal of
Photogrammetry and Remote Sensing54(1999)68-82.
【5】 M.DeMers,GIS Modeling in Raster.J.Wiley,New York,2002,203p.
【6】 F.Aurenhammer,Voronoi diagrams- a survey of a fundermental geometric data structure.ACM Computing Surveys23(3)(1991)345-405.
【7】 I.Gowda,D.Kirkpatrick,D.Lee,A.Nnnmad.Dynamic voronoi diagrams,IEEE transaction of
infinite theory IT29(1983)724-731.
