基于影像濾除地面激光雷達(dá)數(shù)據(jù)中綠色植被點云的方法研究

汪沛 宋海峰 趙迎輝 趙睿

摘要 基于地面激光雷達(dá)掃描時配置的高分辨率相機(jī)所獲取的影像數(shù)據(jù)，變換影像數(shù)據(jù)的顏色空間之后分別在色相通道和飽和度通道中根據(jù)閾值檢測出綠色植被的分布區(qū)域，通過融合兩個通道的閾值檢測結(jié)果提高檢測準(zhǔn)確度，通過對檢測區(qū)域進(jìn)行腐蝕和膨脹運算消除檢測區(qū)域中的數(shù)據(jù)噪點，最終通過二維檢測區(qū)域和三維點云數(shù)據(jù)的配準(zhǔn)實現(xiàn)濾除綠色植被所對應(yīng)的點云數(shù)據(jù)。利用地面激光雷達(dá)實際測量的點云數(shù)據(jù)和影像數(shù)據(jù)開展試驗，獲得了較好的試驗結(jié)果，表明方法有效可行。

關(guān)鍵詞 地面激光雷達(dá)；點云；綠色植被；濾除

中圖分類號 S126；TN958.98 文獻(xiàn)標(biāo)識碼 A 文章編號 0517-6611（2014）16-05309-04

地面激光雷達(dá)具有使用方便、測量速度快、采集數(shù)據(jù)量大的特點，在近距離測量時可以達(dá)到非常高的精度，能夠獲取包含有掃描目標(biāo)精細(xì)三維結(jié)構(gòu)信息的點云數(shù)據(jù)。經(jīng)過多年的發(fā)展，地面激光雷達(dá)技術(shù)日臻成熟，在許多領(lǐng)域都得到了廣泛的應(yīng)用，如地質(zhì)學(xué)與地質(zhì)分析[1-2]、城市規(guī)劃[3]、林業(yè)與植被分析[4-5]等。由于地面激光雷達(dá)獲取的信息中包含有精確細(xì)致的目標(biāo)結(jié)構(gòu)信息，常被用來重建目標(biāo)結(jié)構(gòu)進(jìn)行規(guī)劃設(shè)計[3]，或者分析目標(biāo)的結(jié)構(gòu)特點及變化[1-2]。地面激光雷達(dá)設(shè)備在采集目標(biāo)數(shù)據(jù)時經(jīng)常和高分辨率相機(jī)結(jié)合使用，以便能夠在掃描目標(biāo)形體結(jié)構(gòu)的同時獲取目標(biāo)的紋理信息，實現(xiàn)對點云的著色。除此之外，地面激光雷達(dá)數(shù)據(jù)也可以和目標(biāo)的其他光譜數(shù)據(jù)源進(jìn)行融合開展相關(guān)研究工作[5]。地面激光雷達(dá)所獲取的掃描點數(shù)據(jù)的疏密程度受到掃描時地面激光雷達(dá)和目標(biāo)的位置關(guān)系和目標(biāo)自身形體結(jié)構(gòu)等因素的影響。

在野外掃描過程中，遇到掃描目標(biāo)被樹木遮擋或者被植被覆蓋時，單次掃描經(jīng)常無法避免綠植對目標(biāo)數(shù)據(jù)采集的影響；在條件允許的情況下，可以通過在多個位置對目標(biāo)進(jìn)行多角度掃描，并對多次掃描結(jié)果進(jìn)行拼接來獲取目標(biāo)較為完整的掃描結(jié)果。但不管是單次掃描，還是多次掃描，目標(biāo)附近的綠色植物不但給目標(biāo)點云數(shù)據(jù)的完整獲取造成影響，還由于其自身被地面激光雷達(dá)掃描形成點云數(shù)據(jù)從而給目標(biāo)數(shù)據(jù)的后續(xù)處理帶來干擾。在大范圍、近距離、高分辨率的模式下，地面激光雷達(dá)獲取的點云數(shù)據(jù)量非常大，因此從掃描獲取的點云數(shù)據(jù)中濾除綠色植被可以大大減少后期的數(shù)據(jù)處理工作量，提高點云數(shù)據(jù)的處理效率。

為了能夠減少采集獲得的點云數(shù)據(jù)中綠色植被的影響，筆者提出一種基于高分辨率影像數(shù)據(jù)的方法濾除點云數(shù)據(jù)中的綠植數(shù)據(jù)。高分辨率影像數(shù)據(jù)由地面激光雷達(dá)工作時配置的相機(jī)同步采集獲得，在后期處理時可以通過將影像數(shù)據(jù)與點云數(shù)據(jù)配準(zhǔn)，使得點云數(shù)據(jù)具有顏色信息，從而能夠描述目標(biāo)的紋理特征。首先對點云數(shù)據(jù)和影像數(shù)據(jù)的特點進(jìn)行分析；之后提出方法將影像數(shù)據(jù)進(jìn)行顏色空間變換，即從普通的RGB影像轉(zhuǎn)換為HLS影像；然后根據(jù)色調(diào)和飽和度對影像中的綠色植被覆蓋區(qū)域進(jìn)行提取，并對提取區(qū)域進(jìn)行二值圖像的腐蝕運算和膨脹運算以消除噪點，然后依據(jù)提取結(jié)果對配準(zhǔn)后的點云數(shù)據(jù)進(jìn)行濾除處理；最后，采用地面激光雷達(dá)實測數(shù)據(jù)驗證了方法的可行性和有效性，并給出相應(yīng)的結(jié)論。

1 數(shù)據(jù)特點

1.1 點云數(shù)據(jù)特點 地面激光雷達(dá)設(shè)備通過向目標(biāo)發(fā)射激光束測量回波時間，并參照掃描空間幾何關(guān)系進(jìn)行解算，可以獲取激光束在目標(biāo)上每個掃描點的位置信息，即點云數(shù)據(jù)。根據(jù)地面激光雷達(dá)在掃描時的設(shè)置，如垂直掃描步進(jìn)角度、水平掃描步進(jìn)角度、掃描距離等參數(shù)的大小，以及掃描目標(biāo)的形體結(jié)構(gòu)，可以獲得稀疏變化有規(guī)律的目標(biāo)的點云數(shù)據(jù)[6]。點云的疏密程度可以通過調(diào)節(jié)地面激光雷達(dá)掃描時的參數(shù)來進(jìn)行控制，從而獲得點間距高達(dá)厘米級甚至毫米級的高精度點云數(shù)據(jù)。地面激光雷達(dá)掃描直接獲取的點云數(shù)據(jù)中包含目標(biāo)上許多點的三維空間信息，因此能夠描繪目標(biāo)的三維結(jié)構(gòu)。

1.2 影像數(shù)據(jù)特點 除了單純地對目標(biāo)進(jìn)行建模和形體結(jié)構(gòu)上的分析，許多領(lǐng)域還需要同時了解目標(biāo)的顏色信息以便對目標(biāo)能夠進(jìn)行更為全面的分析。與高分辨率數(shù)碼相機(jī)一同使用，地面激光雷達(dá)可以獲取目標(biāo)的影像數(shù)據(jù)，從而為后期的目標(biāo)模型提供豐富的影像信息。

當(dāng)?shù)孛婕す饫走_(dá)可以在工作時通過在水平向旋轉(zhuǎn)實現(xiàn)較大的水平視場角。而高分辨率數(shù)碼相機(jī)需要通過拍攝多張目標(biāo)影像才能拼接成與點云數(shù)據(jù)匹配的影像數(shù)據(jù)。許多地面激光雷達(dá)廠家提供專用軟件可以完成影像數(shù)據(jù)與點云數(shù)據(jù)的配準(zhǔn)，從而實現(xiàn)對點云的著色。雖然影像數(shù)據(jù)易于受到拍攝環(huán)境和相機(jī)設(shè)置的影響，但仍可以提供大量的掃描目標(biāo)的紋理信息。

2 方法

2.1 方法概述 該研究的方法基于地面激光雷達(dá)在掃描時同步獲取的影像數(shù)據(jù)進(jìn)行分析，通過顏色空間轉(zhuǎn)換方法將影像空間轉(zhuǎn)換為HLS空間。在HLS空間中的H通道和S通道分別提取綠植區(qū)域，將兩個通道得到的提取結(jié)果進(jìn)行融合后再進(jìn)行二值圖像的腐蝕運算和膨脹運算，得到最終的綠色植被提取區(qū)域。通過已經(jīng)標(biāo)示綠色植被區(qū)域的影像和掃描點云配準(zhǔn)生成帶紋理的點云數(shù)據(jù)，然后濾除點云數(shù)據(jù)中的綠色植被點云。方法流程圖如圖1所示。

2.2 影像數(shù)據(jù)顏色空間轉(zhuǎn)換 因為植被顏色基本為綠色，所以希望通過對識別綠色信息找到植被所對應(yīng)的點云數(shù)據(jù)并進(jìn)行濾除。地面激光雷達(dá)掃描時配備的高分辨率相機(jī)一般拍攝的圖像數(shù)據(jù)格式是JPG格式的RGB圖像。RGB顏色空間是目前應(yīng)用非常廣泛的顏色系統(tǒng)之一。在RGB顏色空間中，每個像素點的顏色信息都有紅色、綠色和藍(lán)色3個分

圖1 方法流程量。RGB顏色空間可以用圖2（a）所示的彩色立方體表示，每個像素的顏色由其在3個顏色分量的取值大小決定。

但是直接從RGB的3個分量通道中判斷綠色不是很容易，因此考慮將RGB顏色空間轉(zhuǎn)換到HLS顏色空間。HLS顏色空間中，H代表色相（Hue），L代表亮度（Lightness），S代表飽和度（Saturation）。HLS顏色空間可以用圖2（b）所示的圓柱體表示。顯然在HLS顏色空間中，亮度反映了顏色的明

在上述公式中，假設(shè)RGB的3個通道取值都是從0到1之間的實數(shù)，而max為其中最大值者，min為其中最小值者。而H是從0到360°的色相角，而S和L取值都位于0到1的區(qū)間。

2.3 綠色植被區(qū)域提取 在同一地區(qū)同一時間段內(nèi)獲取的掃描數(shù)據(jù)中，綠色植被的顏色差異較小，因此可以通過交互的方式選定H通道和S通道中的顏色閾值區(qū)間。通過在H通道和S通道中的閾值處理，可以分別獲得影像中綠色植被覆蓋的主體區(qū)域。對于兩個通道中分別獲得的結(jié)果進(jìn)行區(qū)域融合，可以獲得較為可靠的綠色植被覆蓋區(qū)域。由于影像的質(zhì)量受到外界環(huán)境的影響，因此可能存在顏色上的偏差，從而導(dǎo)致區(qū)域提取時在非綠色植被區(qū)域出現(xiàn)噪點和在綠色植被區(qū)域出現(xiàn)孔洞。

對于非綠色植被區(qū)域出現(xiàn)的噪點，可以采用二值圖像的腐蝕運算進(jìn)行消除。假設(shè)初步提取的區(qū)域為A，腐蝕運算所采用的結(jié)構(gòu)元素為B，則可以將A被B腐蝕記為AΘB，并定義如下[8]：

對于綠色植被區(qū)域出現(xiàn)的孔洞，可以采用二值圖像的膨脹運算進(jìn)行填補(bǔ)。假設(shè)初步提取的區(qū)域為A，膨脹運算所采用的結(jié)構(gòu)元素為B，則可以將A被B腐蝕記為AB，并定義如下[8]：

經(jīng)過上述的區(qū)域融合、二值圖像的腐蝕和膨脹，大大減少了提取區(qū)域中孔洞和噪點，最終提取出綠色植被區(qū)域的主體。

2.4 過濾點云數(shù)據(jù) 根據(jù)提取的綠色植被區(qū)域，可以將原始二維影像中的綠色植被區(qū)域改用特定的顏色信息標(biāo)識（如影像中未曾出現(xiàn)的顏色）。通過地面激光雷達(dá)的自帶軟件，修改后的影像數(shù)據(jù)可與掃描點云數(shù)據(jù)配準(zhǔn)生成帶紋理的點云數(shù)據(jù)。因此，可以根據(jù)所標(biāo)識的顏色信息對點云數(shù)據(jù)檢索，檢索到標(biāo)識信息就將該點數(shù)據(jù)作為綠色植被點云數(shù)據(jù)刪除，從而實現(xiàn)對綠色植被點云數(shù)據(jù)的剔除。

3 試驗分析

3.1 試驗數(shù)據(jù) 采用地面激光雷達(dá)野外掃描實測數(shù)據(jù)進(jìn)行分析。由高分辨率相機(jī)拍攝的掃描區(qū)域?qū)?yīng)的二維圖像數(shù)據(jù)顯示如圖3（a）所示，帶紋理的點云數(shù)據(jù)顯示如圖3（b）所示。從圖3（a）可以看出，巖石附近生長的綠色植被遮擋了一部分巖石，對處理巖石的點云數(shù)據(jù)和對掃描數(shù)據(jù)進(jìn)一步加工和分析造成了影響。

3.2 綠色植被區(qū)域提取結(jié)果 采用該研究所提出的方法對數(shù)據(jù)進(jìn)行處理和分析。首先將影像數(shù)據(jù)由RGB顏色空間轉(zhuǎn)換為HLS顏色空間。其次在H和S兩個分量通道中進(jìn)行閾值限定。根據(jù)分析，選用H通道的閾值在以綠色相角120°為中心的[85，155]范圍內(nèi)，而S通道的閾值限定在[0.35，1]。不難注意到，在H通道和S通道中所識別的綠色植被區(qū)域中，在影像下部的平坦部分有大量的噪點，但這部分從影像可以知道是沒有綠色植被存在的。所以在對兩個通道識別結(jié)果融合的基礎(chǔ)上，可以通過形態(tài)學(xué)的開運算和閉運算處理濾除大量的噪點，從而得到最終的圖4（c）所示綠色植被區(qū)域識別結(jié)果。經(jīng)過處理的最終的的綠色植被區(qū)域識別模板已經(jīng)基本包含了綠色植被的主要區(qū)域，并且在平坦地區(qū)濾除了大量噪點的影響。

3.3 綠色植被點云濾除結(jié)果 根據(jù)所識別出來的綠色植被對應(yīng)區(qū)域，將該區(qū)域在影像中用黃色突出顯示出來，如圖5（a）所示。同時，將突出顯示后的影像和點云數(shù)據(jù)進(jìn)行配準(zhǔn)，并將帶顏色信息的點云數(shù)據(jù)顯示在圖5（b）中。顯然，該研究提出的方法所提取的區(qū)域基本已經(jīng)包含了綠色植被所對應(yīng)的區(qū)域。但需要強(qiáng)調(diào)的是，由于掃描時地面激光雷達(dá)存在的穿透特性以及高分辨率數(shù)據(jù)相機(jī)在遠(yuǎn)處的曝光特性，會造成一些位于遠(yuǎn)處邊界的綠色植被所對應(yīng)的點云數(shù)據(jù)的顏色信息為白色，如圖3（b）所示。因此，在最后濾除綠色植被信息的時候，可以通過同時濾除黃色和白色的方法來達(dá)到最終的濾波效果，如圖5（c）所示。

4 結(jié)論

基于地面激光雷達(dá)掃描工作時獲取的影像數(shù)據(jù)進(jìn)行分析和處理，最終實現(xiàn)點云數(shù)據(jù)中綠色植被點云數(shù)據(jù)的濾除。該研究提出的方法首先將影像數(shù)據(jù)從RGB顏色空間變換到HLS顏色空間，然后根據(jù)影像中各點的色調(diào)和飽和度信息提取影像中綠色植被分布的區(qū)域，再將提取出綠色植被區(qū)域的二維影像和三維點云數(shù)據(jù)匹配，同時濾除綠色植被對應(yīng)的點云數(shù)據(jù)。該研究提出的方法采用地面激光雷達(dá)數(shù)據(jù)進(jìn)行了試驗，方法切實可行，獲得了較好的試驗結(jié)果。但是，由于二維影像數(shù)據(jù)和三維點云數(shù)據(jù)匹配的過程中會存在插值運算，會造成后期的綠色植被點云濾除不夠徹底的問題，這一問題會在后續(xù)試驗中繼續(xù)開展研究工作。

參考文獻(xiàn)

[1] BCUKLEY S J，HOWELL J A，ENGE H D，et al.Terrestrial laser scanning in geology：Data acquisition，processing and accuracy considerations[J].Journal of the Geological Society，2008，165：625-638.

[2] ABELLN A，VILAPLANA J M，MARTNEZ J.Application of a long-range terrestrial laser scanner to a detailed rockfall study at Vall de N′ uria（Eastern Pyrenees，Spain）[J].Eng Geol，2006，88（3/4）：136-148.

[3] DOLD C，BRENNER C.Registration of terrestrial laser scanning data using planar patches and image data[J].International Archives of Photogrammetry，Remote Sensing and Spatial Information Sciences，2006，36（5）：78-83.

[4] LOVELL J L，JUPP D L B，NEWNHAM G J，et al.Measuring tree stem diameters using intensity profiles from ground-based scanning lidar from a fixed viewpoint[J].ISPRS Journal of Photogrammetry and Remote Sensing，2011，66（1）：46-55.

[5] BORK E W，SU J G.Integrating LIDAR data and multispectral imagery for enhanced classification of rangeland vegetation：A meta analysis[J].Remote Sens Environ，2007，111（1）：11-24.

[6] 汪沛.地面激光雷達(dá)掃描垂直立面的強(qiáng)度數(shù)據(jù)模擬[J].激光與光電子學(xué)進(jìn)展，2012（8）：70-75.

[7] HSL and HSV[EB/OL].http：//en.wikipedia.org/wiki/HLS_color_space.

[8] RAFAEL C，GONZALEZ R C，WOODS R E.數(shù)字圖像處理（MATLAB版）[M].阮秋琦，等，譯.2版.北京：電子工業(yè)出版社，2008：255-259.