基于LIDAR數(shù)據(jù)和航空影像的輸電線路工程房屋拆遷量統(tǒng)計(jì)方法

汪巖松，劉 平，許邦鑫

(安徽省電力設(shè)計(jì)院，安徽 合肥 230601)

目前，我國(guó)正在進(jìn)行大規(guī)模的電網(wǎng)建設(shè)。電網(wǎng)建設(shè)是國(guó)民經(jīng)濟(jì)建設(shè)的基礎(chǔ)，是基礎(chǔ)設(shè)施建設(shè)的重要組成部分，是提高人民生活水平的必要條件。電網(wǎng)建設(shè)不可避免地涉及房屋拆遷的問(wèn)題，這是一個(gè)關(guān)系到方方面面利益的敏感問(wèn)題。與房屋拆遷量相關(guān)的測(cè)量工作，貫穿了電網(wǎng)建設(shè)的整個(gè)流程：初步設(shè)計(jì)和可研階段，房屋拆遷量是評(píng)價(jià)各方案優(yōu)劣的一項(xiàng)重要經(jīng)濟(jì)指標(biāo)；施工圖階段，需要精確測(cè)量房屋拆遷面積，以進(jìn)行理賠。

近年來(lái)，為適應(yīng)電網(wǎng)建設(shè)新的需求，更好的為電網(wǎng)建設(shè)服務(wù)，電力勘測(cè)設(shè)計(jì)部門逐步引進(jìn)了一些新的技術(shù)手段，機(jī)載激光雷達(dá)測(cè)量技術(shù)便是其中較為先進(jìn)的技術(shù)手段之一。通過(guò)獲取目標(biāo)的三維點(diǎn)云數(shù)據(jù)，機(jī)載激光雷達(dá)測(cè)量可以提供高精度的數(shù)字高程模型(Digital Elevation Mode，DEM)、數(shù)字地表模型(Digital Surface Model，DSM)，如果飛行同時(shí)搭載有航測(cè)相機(jī)，則還能提供高分辨率的數(shù)字正射影像(Digital Orthophoto Map，DOM)。目前，機(jī)載激光雷達(dá)測(cè)量技術(shù)在電力勘測(cè)設(shè)計(jì)中主要用于優(yōu)化選線，應(yīng)用面相對(duì)比較狹窄，沒(méi)有充分發(fā)揮LIDAR數(shù)據(jù)的優(yōu)勢(shì)。

2009年，安徽省電力設(shè)計(jì)院在220kV銅貴——永豐變輸電線路勘測(cè)設(shè)計(jì)中應(yīng)用了機(jī)載激光雷達(dá)測(cè)量技術(shù)，在該工程中，我院對(duì)LIDAR數(shù)據(jù)的特點(diǎn)進(jìn)行了較為深入的分析，并結(jié)合傳統(tǒng)航空影像，對(duì)LIDAR數(shù)據(jù)用于輸電線路工程房屋拆遷量統(tǒng)計(jì)的可行性進(jìn)行了探討。

目前輸電線路工程房屋拆遷量統(tǒng)計(jì)主要有兩種方式：①直接去現(xiàn)場(chǎng)進(jìn)行測(cè)量，得到房屋各角點(diǎn)的坐標(biāo)，并調(diào)查房屋的層數(shù)。這種方式得到的統(tǒng)計(jì)數(shù)字最準(zhǔn)確，但由于工作量特別大，執(zhí)行力度一般不強(qiáng)，由此得到的數(shù)字存在一定程度的誤差，但一般能滿足工程需要。②在航空影像上通過(guò)目視判讀的方法對(duì)房屋進(jìn)行數(shù)字化，然后計(jì)算各房屋的面積，但房屋層數(shù)仍然需要去現(xiàn)場(chǎng)調(diào)查。這種方式一定程度上減少了外業(yè)工作量，但并沒(méi)有完全避免。量測(cè)精度主要與影像的分辨率有關(guān)，較工測(cè)方式會(huì)有所下降，但也能滿足設(shè)計(jì)需要。

本文結(jié)合LIDAR數(shù)據(jù)的特點(diǎn)，針對(duì)初步設(shè)計(jì)和可研階段的房屋拆遷量統(tǒng)計(jì)提出了一種新的方法，方法的基本思路是：首先，通過(guò)融合LIDAR數(shù)據(jù)和航空影像對(duì)房屋進(jìn)行計(jì)算機(jī)自動(dòng)提取；然后，通過(guò)DSM和DEM估算房屋層數(shù)。實(shí)踐證明，這種方法在保證滿足工程需要的前提下，大大減少了工作量，縮短了工程周期。

1 融合LIDAR數(shù)據(jù)和航空影像自動(dòng)提取房屋

由LIDAR數(shù)據(jù)的特點(diǎn)可知，LIDAR數(shù)據(jù)雖然可以提供高精度的三維空間分布信息，但難以確定物體的邊緣；與之相反，高分辨率的航空影像可以較準(zhǔn)確的確定物體的邊緣，但缺乏高精度的三維空間分布信息。所以，LIDAR數(shù)據(jù)和航空影像的優(yōu)點(diǎn)是互補(bǔ)的，融合LIDAR數(shù)據(jù)和航空影像就可以整合它們的優(yōu)勢(shì)，從而提高房屋提取的成功率和自動(dòng)化水平。

融合LIDAR數(shù)據(jù)和航空影像進(jìn)行房屋自動(dòng)提取的主要流程如下：

(1)融合前的預(yù)處理工作，包括格網(wǎng)DEM、DSM的生成，以及DEM/DSM與航空影像的配準(zhǔn)。

(2)利用基于區(qū)域生長(zhǎng)的圖像分割方法對(duì)DSM/DEM和航空影像進(jìn)行圖像分割。

(3)利用基于知識(shí)機(jī)理的分類方法對(duì)分割結(jié)果進(jìn)行分類，最終得到房屋專題圖。

整個(gè)流程見(jiàn)圖1。

圖1 基于LIDAR數(shù)據(jù)和航空影像的房屋自動(dòng)提取流程

1.1 預(yù)處理

在獲取LIDAR點(diǎn)云數(shù)據(jù)后，需要對(duì)LIDAR點(diǎn)云數(shù)據(jù)進(jìn)行濾波，以分離地面點(diǎn)和非地面點(diǎn)。濾波的方法有多種，本研究采用Vosselman于2000年提出的基于坡度變化的濾波算法。該算法的基本思想是：鄰近兩個(gè)激光腳點(diǎn)高程差異很大時(shí)，由于地形急劇變化產(chǎn)生的可能性很小，更為可能的是其中一點(diǎn)屬于地物點(diǎn)。也就是說(shuō)，相鄰兩點(diǎn)的高差值超過(guò)給定閾值時(shí)，兩點(diǎn)間距離越小，高程值大的激光腳點(diǎn)屬于地面點(diǎn)的可能性越小。造成相鄰兩點(diǎn)間高程變化明顯的原因可能是兩激光腳點(diǎn)分別位于地形表面和植被，或地形表面和其他地物，或是樹(shù)的不同部位，或陡坎的不同部位。該方法是通過(guò)比較兩點(diǎn)間的高差值的大小來(lái)判斷是否接收所選擇的點(diǎn)，兩點(diǎn)間的高差的閾值定義為兩點(diǎn)間距離的函數(shù)，即所謂的濾波核函數(shù)，通常該函數(shù)是非遞減函數(shù)。

在點(diǎn)云濾波后，就可以利用地面點(diǎn)生成格網(wǎng)DEM。本研究采用的方法是：先將地面點(diǎn)構(gòu)造成狄洛特三角網(wǎng)，再?gòu)脑摰衣逄厝蔷W(wǎng)中內(nèi)插出格網(wǎng)DEM。格網(wǎng)DSM的生成方法類似，所不同的是它是基于所有點(diǎn)的。為便于同航空影像融合，格網(wǎng)DEM和DSM的格網(wǎng)尺寸大小應(yīng)于航空影像的分辨率一致。

通常，如果LIDAR數(shù)據(jù)和航空影像由同一套激光雷達(dá)測(cè)量系統(tǒng)同時(shí)獲取，那么DEM、DSM和航空影像不再需要配準(zhǔn)；如果LIDAR數(shù)據(jù)和航空影像是分別獲取的，則需要一定的控制點(diǎn)來(lái)對(duì)它們進(jìn)行配準(zhǔn)。

1.2 基于區(qū)域生長(zhǎng)的圖像分割方法

在進(jìn)行分類前，需要利用圖像分割技術(shù)將圖像劃分為若干個(gè)有意義的區(qū)域。圖像分割的方法有多種，與其他方法相比，基于區(qū)域生長(zhǎng)的圖像分割方法速度快，抗差能力強(qiáng)。該方法的基本思路是：先在每個(gè)要分割的區(qū)域中找一個(gè)種子像素作為生長(zhǎng)的起點(diǎn)，然后將種子像素鄰域內(nèi)與種子像素有相似性的像素合并到種子像素集合。如此往復(fù)，直到再?zèng)]有像素可以被合并，一個(gè)區(qū)域就形成了。

區(qū)域生長(zhǎng)的基本原則是被選為種子的區(qū)域必須與它的鄰居區(qū)域有很高的相似性，一個(gè)區(qū)域與它的鄰居區(qū)域有很高的相似度，說(shuō)明該區(qū)域更能代表我們所期望分割結(jié)果的區(qū)域?qū)傩?。本研究為每個(gè)區(qū)域定義一個(gè)相似度函數(shù)，以用來(lái)衡量一個(gè)區(qū)域與它的鄰居區(qū)域的相似性程度。一個(gè)區(qū)域的相似度函數(shù)值必須大于一個(gè)閾值，該區(qū)域才能生長(zhǎng)下去。由于RGB色彩空間的三個(gè)分量高度相關(guān)，所以不適合進(jìn)行圖像分割，而HIS彩色空間以人眼的視覺(jué)特征為基礎(chǔ)，利用色調(diào)(Hue)、飽和度(Saturation)和強(qiáng)度(Lightness)三個(gè)屬性來(lái)表示顏色，更符合人眼描述和解釋顏色的方式，更少受光照條件的影響。所以，本研究在構(gòu)建相似度函數(shù)前，對(duì)圖像作了一個(gè)RGB色彩空間到HIS色彩空間的轉(zhuǎn)換。

本研究將一個(gè)區(qū)域Ri的鄰域集合定義為：其中j=1,…,K，i和j是鄰接區(qū)域。

一個(gè)區(qū)域與它鄰居區(qū)域的相似度函數(shù)定義為：

w1和w2是預(yù)先定義好的系數(shù)，由于色調(diào)分量比飽和度分量包含更多的顏色信息，所以w1應(yīng)遠(yuǎn)大于w2，本研究根據(jù)經(jīng)驗(yàn)，w1取值0.8，w2取值0.2。

為了實(shí)現(xiàn)對(duì)相似度閾值的自動(dòng)選取，本研究采用基于遺傳算法的自動(dòng)閾值選取方法，該方法參考最大類間方差法，采用遺傳算法求最優(yōu)解，使類間方差最大，加快了閾值獲取速度。

1.3 基于知識(shí)機(jī)理的分類方法

基于知識(shí)機(jī)理的分類方法是一種人工智能分類方法，它運(yùn)用知識(shí)以及輸入的數(shù)據(jù)來(lái)確定解決問(wèn)題的最佳途徑，而不是采用預(yù)先定義的方法?；谥R(shí)機(jī)理的分類方法也是一種面向?qū)ο蟮姆诸惙椒?，在本研究中，其分類所面向的?duì)象是圖像分割后得到的房屋碎片，所用的知識(shí)包括高程、光譜、紋理以及形狀等房屋區(qū)別于其他地物的多個(gè)特征。

(1)高程。用DSM減去DEM，就可以得到一個(gè)規(guī)則化的DSM(nDSM)，nDSM存儲(chǔ)的信息實(shí)際上是地物的對(duì)地高度。使用一定的高度閾值，就可以從nDSM中分離出房屋以及和房屋處于同一高度范圍的地物(主要是植被)。

(2)光譜。光譜信息來(lái)源于航空影像，包括R、G、B三個(gè)波段的信息，使用該信息近似計(jì)算植被指數(shù)(Normalized Vegetaion Index，NDVI)，可以用來(lái)區(qū)分植被和非植被。

(3)紋理。紋理信息也來(lái)源于航空影像，可以通過(guò)影像的灰度協(xié)相關(guān)矩陣(Grey Level Cooccureence Matrix，GLCM)來(lái)進(jìn)行紋理分析。紋理分析的作用是用于區(qū)分光譜特征相似的房屋和植被，所以其實(shí)際上是對(duì)光譜分析的一個(gè)補(bǔ)充。

(4)形狀。形狀包括面積、長(zhǎng)寬比等參數(shù)，其中面積可用于濾除尺寸較小而不可能是房屋的物體，而長(zhǎng)度比可用于濾除十分細(xì)長(zhǎng)而不可能是房屋的物體。

2 基于DSM和DEM估計(jì)房屋層數(shù)

在得到房屋的專題圖后，房屋的水平投影面積容易計(jì)算出來(lái)，但要估算總的房屋建筑面積，還需要知道房屋的層數(shù)。用DSM減去DEM可以大致估計(jì)房屋各處的對(duì)地高度，如果能確定房屋某一個(gè)或幾個(gè)角點(diǎn)的對(duì)地高度，那么就可以確定房屋的有效高度，再除以樓層高度就可以估算出房屋的層數(shù)。某一地區(qū)房屋的樓層高度一般來(lái)說(shuō)是比較統(tǒng)一的，帶來(lái)的誤差不會(huì)太大。因此，上述思路的關(guān)鍵點(diǎn)在于能不能準(zhǔn)確的確定房屋角點(diǎn)的對(duì)地高度。然而，DSM/DEM來(lái)源于原始LIDAR點(diǎn)云數(shù)據(jù)，當(dāng)然也就存在物體邊緣定位不準(zhǔn)的問(wèn)題，所以由它們算出的房屋各個(gè)角點(diǎn)的高度是不準(zhǔn)確的。實(shí)際上，從DSM中可以看出，房屋呈現(xiàn)出的是一種凸包形，沒(méi)有明顯的邊緣。

鑒于上述原因，本文提出了如下一種思路來(lái)估算房屋的層數(shù)：首先，利用DSM計(jì)算房屋中心區(qū)域的坡度，利用DSM和DEM計(jì)算房屋中心區(qū)域的平均對(duì)地高度和最低對(duì)地高度，其中房屋中心區(qū)域的尺寸采用一個(gè)經(jīng)驗(yàn)值，以保證中心區(qū)域偏離房屋邊緣一定的距離。然后根據(jù)坡度值的大小判斷房屋是平頂房還是尖頂房，如果是平頂房，則以平均對(duì)地高度作為房屋的有效高度；反之，如果是尖頂房，則以最低對(duì)地高度作為房屋的有效高度。最后，將房屋的有效高度除以樓層高度得到房屋層數(shù)，進(jìn)而計(jì)算出房屋的拆遷面積。

經(jīng)過(guò)實(shí)踐證明，上述方法完全可以滿足初步設(shè)計(jì)和可研階段對(duì)房屋拆遷量計(jì)算的精度要求。

3 實(shí)驗(yàn)與結(jié)果

3.1 實(shí)驗(yàn)數(shù)據(jù)

安徽省電力設(shè)計(jì)院于2009年對(duì)220kV銅貴——永豐變輸電線路可研路徑進(jìn)行了機(jī)載激光雷達(dá)測(cè)量，本實(shí)驗(yàn)的LIDAR數(shù)據(jù)和航空影像來(lái)源于此。其中LIDAR數(shù)據(jù)由Leica ALS50獲取，影像由Leica RCD100獲取。整個(gè)實(shí)驗(yàn)數(shù)據(jù)的相關(guān)參數(shù)見(jiàn)表1。

表1 實(shí)驗(yàn)數(shù)據(jù)

在房屋自動(dòng)提取過(guò)程中，LIDAR數(shù)據(jù)格網(wǎng)化為DSM和DEM的格網(wǎng)大小為0.5m，其中DSM見(jiàn)圖1(a)，DEM見(jiàn)圖1(b)。使用DSM對(duì)航空影像進(jìn)行正射糾正，正射糾正后的航空影像見(jiàn)圖2。

圖1 DSM和DEM

圖2 正射糾正后的航空影像

3.2 融合LIDAR數(shù)據(jù)和航空影像進(jìn)行房屋自動(dòng)提取的實(shí)驗(yàn)

圖3是對(duì)航空影像進(jìn)行分割后的效果圖，圖4是利用LIDAR數(shù)據(jù)和航空影像融合數(shù)據(jù)進(jìn)行房屋自動(dòng)提取的最終結(jié)果。

圖3 航空影像分割后效果圖

圖4 最終結(jié)果

對(duì)于房屋的提取來(lái)說(shuō)，有兩類概率是我們比較關(guān)心的，一類是將房屋目標(biāo)判別為房屋的概率，一類是將非房屋目標(biāo)錯(cuò)分為房屋的概率。一個(gè)較好的房屋提取方法應(yīng)保證較高的第一類概率和較低的第二類概率。

為了檢查上述概率，本實(shí)驗(yàn)使用已有對(duì)應(yīng)區(qū)域的數(shù)字線劃圖與最終提取結(jié)果進(jìn)行比較，比較結(jié)果見(jiàn)表2。

表2 房屋提取成功率

從表中可以看出，本文的房屋提取方法能保證較好的成功率。

3.3 本研究的房屋拆遷量計(jì)算方法與工測(cè)數(shù)據(jù)比較結(jié)果

本實(shí)驗(yàn)選取220kV銅貴——永豐變輸電線路走廊覆蓋的多個(gè)居民區(qū)作為樣本，用本文的方法計(jì)算房屋拆遷量，與工測(cè)數(shù)據(jù)進(jìn)行比較，比較結(jié)果見(jiàn)表3。

表3 統(tǒng)計(jì)結(jié)果檢查(部分)

從表中可以看出，由房屋水平投影面積計(jì)算產(chǎn)生誤差一般在10m2以內(nèi)，而幾個(gè)較大的面積誤差都是由于層數(shù)計(jì)算誤差導(dǎo)致的，整個(gè)房屋拆遷量的誤差水平約為8%。

4 總結(jié)

房屋拆遷量統(tǒng)計(jì)是電網(wǎng)建設(shè)中不可避免的問(wèn)題，本研究提出了一種在初步設(shè)計(jì)和可研階段基于LIDAR數(shù)據(jù)和航空影像的輸電線路工程房屋拆遷量統(tǒng)計(jì)方法，主要有如下兩個(gè)方面的成果：

(1)融合LIDAR數(shù)據(jù)和航空影像對(duì)房屋進(jìn)行自動(dòng)提取。這一過(guò)程主要有兩個(gè)步驟：其一，利用基于區(qū)域增長(zhǎng)的圖像分割方法對(duì)DSM/DEM和航空影像進(jìn)行圖像分割；其二，綜合考慮高程、光譜、紋理、幾何等特征，利用基于知識(shí)機(jī)理的分類方法對(duì)每一組碎片進(jìn)行分類，生成房屋專題圖。

(2)基于DSM和DEM估算房屋層數(shù)。該方法的思路是：首先，利用DSM計(jì)算房屋中心區(qū)域的坡度，然后根據(jù)坡度值的大小判斷房屋是平頂房還是尖頂房，如果是平頂房，則以該房屋中心區(qū)域的平均對(duì)地高度作為房屋的有效高度；反之，如果是尖頂房，則以該房屋中心區(qū)域最低對(duì)地高度作為房屋的有效高度。最后，根據(jù)有效高度估算房屋層數(shù)。

本文提出的方法既具備一定的新穎性，又有很強(qiáng)實(shí)用性：一方面，與工測(cè)相比，本文提出的方法可以大大減少甚至避免外業(yè)工作，從而節(jié)省勞動(dòng)成本，縮短工程周期，節(jié)約勘測(cè)、設(shè)計(jì)成本；另一方面，在涉及到房屋拆遷量指標(biāo)時(shí)，使用本文提出的方法，可以篩選出更經(jīng)濟(jì)的線路路徑優(yōu)化方案。

[1]沈雨，李益進(jìn)，秦志涯等，測(cè)繪數(shù)據(jù)在拆遷統(tǒng)計(jì)中的應(yīng)用[J].城市勘測(cè)，2007，(6).

[2]陽(yáng)鋒，徐祖艦等，三維激光雷達(dá)技術(shù)在輸電線路運(yùn)行與維護(hù)的應(yīng)用[J].南方電網(wǎng)技術(shù)，2009，3(2).

[3]楊曉冬，三維激光雷達(dá)技術(shù)在輸電線路優(yōu)化設(shè)計(jì)中的應(yīng)用[J].遙感信息，2007，(2).

[4]關(guān)麗，程承旗，劉湘南.高分辨率遙感影像城市房屋信息自動(dòng)提取模型與實(shí)驗(yàn)研究[J].地理與地理信息科學(xué)，2007，23(5).

[5]陳功，程正逢，石克勤等.激光雷達(dá)在電力線路工程勘測(cè)設(shè)計(jì)中的應(yīng)用[J].電力勘測(cè)設(shè)計(jì)，2006，(5).

[6]徐祖艦，陽(yáng)鋒，黃勇等.三維激光雷達(dá)技術(shù)在電力行業(yè)中的應(yīng)用[J].廣東輸電與變電技術(shù)，2008，(6).

[7]張煜，竇延娟，張曉東等.機(jī)載激光雷達(dá)數(shù)據(jù)采集及數(shù)據(jù)處理[J].長(zhǎng)江科學(xué)院院報(bào)，2010，(1).