機(jī)載激光雷達(dá)數(shù)據(jù)濾波和人工編輯

王麗英

（遼寧工程技術(shù)大學(xué) 測繪與地理科學(xué)學(xué)院，遼寧 阜新 123000）

高精度的數(shù)字地面模型（DTM）是獲取基礎(chǔ)地理信息數(shù)據(jù)、進(jìn)行建筑物重建、道路提取、植被分析的重要數(shù)據(jù)源，但高精度的DTM生成一直是一項(xiàng)十分復(fù)雜和耗時(shí)的工作，機(jī)載LiDAR系統(tǒng)的主要任務(wù)之一就是解決如何得到高質(zhì)量的DTM的問題。在機(jī)載LiDAR點(diǎn)云數(shù)據(jù)的處理中，研究人員已經(jīng)開發(fā)了大量的濾波算法，但是在處理復(fù)雜場景點(diǎn)云數(shù)據(jù)時(shí)這些算法存在一定的困難，導(dǎo)致人工濾波需要占據(jù)整個(gè)數(shù)據(jù)處理時(shí)間的60%～80%［1］。

機(jī)載LiDAR系統(tǒng)獲取的原始點(diǎn)云包含粗差、地面點(diǎn)、地物點(diǎn)［2］。從激光腳點(diǎn)數(shù)據(jù)中提取出數(shù)字地面高程模型（DTM/DEM），也就是從激光點(diǎn)云中分離出地形表面的激光腳點(diǎn)數(shù)據(jù)子集，就是所謂的激光雷達(dá)數(shù)據(jù)的濾波。其基本原理是，通常認(rèn)為鄰近激光腳點(diǎn)間的高程突變（即局部不連續(xù)），不是由于地形自然的陡然起伏所造成的，而更可能是由于高于地表的地物突然出現(xiàn)形成的［3］。圍繞這一濾波的基本原理，國內(nèi)外的眾多學(xué)者開展了深入的研究，提出了多種濾波的算法：基于坡度的濾波算法［4－6］、基于表面的濾波算法［7－10］、基于分割的濾波算法［11］。

本文針對(duì)機(jī)載LiDAR數(shù)據(jù)濾波和濾波后人工編輯展開研究。首先利用商業(yè)軟件完成機(jī)載Li－DAR數(shù)據(jù)濾波，由于任何一種濾波算法，都有一定的局限性，從實(shí)際應(yīng)用的角度來說，人工編輯仍然起著重要的作用，因此，研究重點(diǎn)圍繞濾波后的人工編輯展開，旨在探求工程應(yīng)用中高效、快速、準(zhǔn)確的DTM獲取途徑，為工程實(shí)踐提供技術(shù)支持。

1 數(shù)據(jù)濾波和人工編輯

1.1 數(shù)據(jù)濾波

本文實(shí)驗(yàn)中選用TerraSolid軟件進(jìn)行數(shù)據(jù)濾波，其是由Axelsson［10］提出的一種基于不規(guī)則三角網(wǎng)（TIN）的濾波算法，濾波原理是：首先選取測區(qū)內(nèi)一些低點(diǎn)作為種子點(diǎn)構(gòu)建初始不規(guī)則三角網(wǎng)。然后，依據(jù)一定的準(zhǔn)則判別各點(diǎn)，如果待定點(diǎn)到最近三角面片的距離以及待定點(diǎn)與最近三角形頂點(diǎn)的連線與該三角面片的夾角均小于所設(shè)定的閾值，將該待定點(diǎn)加密到初始三角網(wǎng)中。通過三角形迭代加密進(jìn)行，直到?jīng)]有新的點(diǎn)加入三角網(wǎng)時(shí)運(yùn)算結(jié)束。這種方法的關(guān)鍵是閾值的選取，使用不同的閾值會(huì)產(chǎn)生不同的濾波結(jié)果。

1.2 濾波后人工編輯

目前，機(jī)載LiDAR點(diǎn)云數(shù)據(jù)濾波算法還存在一些難點(diǎn)（見圖1）：①陡坡上的地物的剔除。由于地形的起伏，從高程值上很難區(qū)分地表和地物。②地形不連續(xù)情況的地物剔除。如陡坎、斷層等，在一些依靠地物與地表高程的不連續(xù)性來進(jìn)行濾波的方法中，地面點(diǎn)被當(dāng)作地物點(diǎn)剔除掉，造成地形的損失。③復(fù)雜地物的剔除。如大型建筑物，如果其大小超過了濾波時(shí)使用的窗口的大小則不會(huì)被剔除，可能繼續(xù)被保留或部分保留在場景內(nèi)；一些小型地物，如低矮的墻體、具有不規(guī)則屋頂?shù)慕ㄖ锏纫彩菫V波的難點(diǎn)。④橫跨河流或公路的人工橋的剔除。由于橋梁依附于地面，給濾波造成一定的難度。

圖1 濾波算法難點(diǎn)

由于地形的復(fù)雜性，沒有任何一種濾波算法能夠應(yīng)用于所有的地形，現(xiàn)有的濾波算法還存在一些問題，都有一定的局限性。從實(shí)際應(yīng)用的角度來說，人工編輯仍然起著重要的作用。對(duì)于上述地形，應(yīng)融合影像數(shù)據(jù)、地面已知GIS數(shù)據(jù)，采用三維立體圖、暈渲圖等人工交互編輯手段，充分利用各自的優(yōu)勢，取得滿意的效果。

2 基于TerraSolid的數(shù)據(jù)濾波及人工編輯

2.1 實(shí)驗(yàn)數(shù)據(jù)

本文所用實(shí)驗(yàn)數(shù)據(jù)由Terrasolid公司2010年1月在北京舉辦技術(shù)培訓(xùn)會(huì)第一單元所用的培訓(xùn)數(shù)據(jù)（Niagara），原數(shù)據(jù)共5條航帶，實(shí)驗(yàn)選用其中8條航帶，點(diǎn)云個(gè)數(shù)約為14 000 000，平均點(diǎn)密度為350 000點(diǎn)/km2，航向點(diǎn)間距0.47m，旁向點(diǎn)間距0.71m。

2.2 濾波實(shí)驗(yàn)

2.2.1 軟件調(diào)用及系統(tǒng)設(shè)置

TerraSolid軟件是基于MicroStation平臺(tái)的，需要在MicroStation軟件中調(diào)入MDL應(yīng)用程序后才能使用。在MDL應(yīng)用程序中加載TScan、TPhoto模塊。

利用定義分類工具、根據(jù)數(shù)據(jù)后處理的需求設(shè)定不同的圖層（對(duì)應(yīng)不同類別點(diǎn)云），并設(shè)置該層描述語、編號(hào)、顏色等信息。

利用TScan設(shè)置工具預(yù)先設(shè)置測區(qū)投影信息，從而完成數(shù)據(jù)設(shè)置。

2.2.2 處理噪聲點(diǎn)

1）提取噪聲點(diǎn)。主要是提取空中的像云和鳥等噪聲點(diǎn)，這些點(diǎn)明顯高于周圍點(diǎn)的平均高程，但是其中很有可能把空中的電力線、通信線等也提取出來，所以，提取噪聲點(diǎn)后要檢查分類是否準(zhǔn)確。其原理是若中心點(diǎn)高于周圍點(diǎn)的平均高程限差，則該點(diǎn)確定為噪聲點(diǎn)，如圖2所示。

2）提取低點(diǎn)。提取因?yàn)槎嗦窂椒瓷涠a(chǎn)生的比實(shí)際點(diǎn)位低的錯(cuò)誤點(diǎn)，其原理是給定一個(gè)點(diǎn)作為中心點(diǎn)，指定范圍的點(diǎn)與其進(jìn)行高程比較，若明顯低于指定范圍內(nèi)的點(diǎn)，那么這個(gè)點(diǎn)被確定為低點(diǎn)，如圖2所示。

2.2.3 濾波獲取地面點(diǎn)

利用分類地面點(diǎn)工具對(duì)點(diǎn)云進(jìn)行濾波，原理如1.1節(jié)，其設(shè)置見圖3左圖。

其中，Max building size參數(shù)需通過量取點(diǎn)云數(shù)據(jù)中的最大建筑物邊長獲取。

Terrain angle參數(shù)是地面地形最陡峭的斜坡坡度的允許范圍。Iteration angle參數(shù)是一個(gè)點(diǎn)和三角形的最近頂點(diǎn)的連線與這個(gè)三角形所構(gòu)成平面的最大夾角值，通常在4°和10°，其值越小，代表地形起伏的變化越小。在平坦地區(qū)使用小值（接近4°），在山地使用較大值（接近10°）。通常情況下，Iteration angle參數(shù)使用較小的值比使用太大的值好，因?yàn)樘砑狱c(diǎn)到地表類比刪除點(diǎn)容易的多。Iteration distance參數(shù)確保當(dāng)三角形很大時(shí)，重復(fù)向上構(gòu)建三角形沒有大的跳躍，這有助于把低矮建筑物排除在模型之外。在重復(fù)構(gòu)建三角形過程中，點(diǎn)與三角形最大距離，通常取值范圍0.5～1.5m。

Reduce iteration angle when選項(xiàng)：當(dāng)所加的點(diǎn)構(gòu)成的三角形的每一條邊比“Edge angle when Stop triangulation when length”短時(shí)，阻止向三角形內(nèi)部加點(diǎn)。有助于減少添加不必要的點(diǎn)而不使地表模型點(diǎn)密度變大，進(jìn)而增加內(nèi)存的需求量。如果選中，當(dāng)每條邊長度都小于“Edge length”就退出處理這個(gè)三角形。這樣有助于減少添加不必要的點(diǎn)而不使地表模型點(diǎn)密度變大，進(jìn)而增加內(nèi)存的需求量。

濾波結(jié)果如圖3右圖，其中黃色的為地面點(diǎn)云。

2.3 人工編輯

2.3.1 暈渲編輯

暈渲編輯是人工編輯消除粗差點(diǎn)的一種方式，其原理是根據(jù)最低高程和最高高程之間的高差制作分層設(shè)色圖，顏色突變的地方即可能是高程突兀的地方，便于肉眼觀測以進(jìn)行編輯?？衫肨Mod－eler模塊的display shaded surface制作暈渲圖。如圖4所示，對(duì)于存在問題點(diǎn)云可利用classify using brush，將這些數(shù)據(jù)從地面點(diǎn)移動(dòng)到其它相應(yīng)類別中（此處為低地點(diǎn)類）。

圖4 暈渲編輯示意圖

2.3.2 輔助影像進(jìn)行點(diǎn)云編輯

輔助彩色RGB影像進(jìn)行LiDAR數(shù)據(jù)的點(diǎn)云編輯也是一種有效的編輯方式。彩色影像具有豐富的光譜和紋理信息，由于LiDAR系統(tǒng)集成的數(shù)碼相機(jī)可用于獲取影像，因此，可以從中很容易判讀出地物的種類，其適用于排查建筑物頂部的粗差點(diǎn)及水域中的點(diǎn)云。

利用TPtoto軟件的Manage Raster References工具，加載與點(diǎn)云數(shù)據(jù)對(duì)應(yīng)的影像數(shù)據(jù)，并在兩個(gè)窗口中同步顯示，當(dāng)鼠標(biāo)光標(biāo)在點(diǎn)云窗口任一地方移動(dòng)時(shí)，位于影像窗口的光標(biāo)也隨之在對(duì)應(yīng)的同一位置移動(dòng)。如圖5所示，可很容易判斷出建筑物頂部的4個(gè)非地面點(diǎn)。

圖5 建筑物輔助影像編輯

對(duì)于水域中的點(diǎn)錯(cuò)誤的歸類到地面點(diǎn)處理方式也較簡單：基于影像判斷水域的范圍，并用多邊形圈定其范圍，然后把多邊形中所有的點(diǎn)都?xì)w類到水域類中（見圖6）。

圖6 水域輔助影像編輯

2.3.3 結(jié)合影像、暈渲圖的人工編輯

此種編輯方式綜合了以上兩種方法，可更有效、直觀、準(zhǔn)確地進(jìn)行粗差點(diǎn)剔除。如圖7所示，左上角為暈渲圖、右上角為影像圖、坐下角為剖面圖，可很容易判斷出點(diǎn)云中的濾波錯(cuò)誤。

圖7 結(jié)合影像、暈渲圖的人工編輯

利用以上3種方法，逐一對(duì)有問題點(diǎn)云進(jìn)行人工編輯。因?yàn)檐浖闹悄苄赃€不夠，人工編輯很大程度上依賴于操作人員的經(jīng)驗(yàn)與技術(shù)水平，工作效率也比較低。因此，對(duì)數(shù)據(jù)濾波算法的研究還應(yīng)當(dāng)提高算法適應(yīng)性和減少濾波誤差。

3 結(jié)束語

盡管LiDAR測量技術(shù)在國外已相當(dāng)成熟，絕大部分屬于硬件和系統(tǒng)集成方面的許多關(guān)鍵問題已得到解決，然而LiDAR測量數(shù)據(jù)處理的算法仍然處于前期研究發(fā)展階段，還有許多問題沒得到解決。其中最關(guān)鍵的問題是如何消除系統(tǒng)誤差對(duì)三維激光腳點(diǎn)坐標(biāo)的影響以及LiDAR數(shù)據(jù)的濾波和分類。資料表明，在許多情況下，如果不融合其它數(shù)據(jù)源（如影像數(shù)據(jù)、多光譜數(shù)據(jù)等），而單獨(dú)利用LiDAR測量數(shù)據(jù)進(jìn)行地物的分類和識(shí)別等自動(dòng)化、智能化的處理具有很大難度。

由于單純的激光點(diǎn)數(shù)據(jù)缺乏光譜數(shù)據(jù)，具有一定的盲目性，加之自然界復(fù)雜的地形決定了不可能

有一個(gè)濾波算法適應(yīng)所有的地形。在地形狀況較好的地區(qū)，例如地形連續(xù)、坡度變化較緩的區(qū)域，在使用自動(dòng)濾波算法剔除大部分非地面點(diǎn)之后，最后仍然殘留極少部分未被濾掉的點(diǎn)，這部分點(diǎn)要通過人工編輯的方式剔除。本文研究自動(dòng)濾波實(shí)現(xiàn)及融合其它數(shù)據(jù)源（如影像數(shù)據(jù)、暈渲?jǐn)?shù)據(jù)等）的濾波后人工編輯。旨在探求工程應(yīng)用中高效、快速、準(zhǔn)確的DTM獲取途徑，為工程實(shí)踐提供技術(shù)支持。

［1］Sithole G，Vosselman G.Experimental comparison of filtering algorithms for bare－earth extraction from airborne laser scanning point clouds［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2004，59（1－2）：85－101.

［2］王明華，張小紅，曾濤，等.機(jī)載LiDAR數(shù)據(jù)濾波預(yù)處理方法研究［J］.武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2010，35（2）：224－227.

［3］魏蔚.針對(duì)LIDAR點(diǎn)云中的地面點(diǎn)與非地面點(diǎn)的分離［J］.西安工程大學(xué)學(xué)報(bào)，2010，24（3）：310－314.

［4］Vosselman G.Slope based filtering of laser altimetry data［J］.International Archives of Photogrammetry and Remote Sensing，Amsterdam.2000，33（B3）：935－942.

［5］楊洋，張永生，鄒曉亮，等.一種改進(jìn)的基于坡度變化機(jī)載激光雷達(dá)點(diǎn)云濾波方法［J］.測繪科學(xué)，2008，25（3）：12－13.

［6］梁欣廉，張繼賢，李海濤.一種應(yīng)用于城市區(qū)域的自適應(yīng)形態(tài)學(xué)濾波方法［J］.遙感學(xué)報(bào)，2007，11（2）：276－281.

［7］Axelsson P.DEM Generation from Laser Scanner Data Using Adaptive TIN Models［J］.International Archives of Photogrammetry and Remote Sensing.2000，33（B4）：110－117.

［8］Kraus K，Pfeifer N.Advanced DTM generation from LIDAR data［J］.International Archives of Photogrammetry and Remote Sensing，2001，XXXIV（3/W4）：23－30.

［9］劉經(jīng)南，許曉東，張小紅，等.機(jī)載激光掃描測高數(shù)據(jù)分層迭代選權(quán)濾波方法及其質(zhì)量評(píng)價(jià)［J］.武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2008，33（6）：551－555.

［10］王刃，徐青，朱新慧，等.用分層穩(wěn)健線性估計(jì)法從機(jī)載LIDAR數(shù)據(jù)中獲取DEM［J］.測繪科學(xué)技術(shù)學(xué)報(bào)，2008，25（3）：188－191.

［11］成曉倩，馬洪超，趙洪強(qiáng)，等.一種基于區(qū)域增長的機(jī)載LIDAR濾波［J］.測繪科學(xué)，2010，35（1）：61－63.