基于機(jī)載LiDAR數(shù)據(jù)的建筑物點(diǎn)云提取*

曹 鴻, 李永強(qiáng), 牛路標(biāo), 毛 杰, 閆陽(yáng)陽(yáng)

(河南理工大學(xué)測(cè)繪與國(guó)土信息工程學(xué)院，河南 焦作 454000)

基于機(jī)載LiDAR數(shù)據(jù)的建筑物點(diǎn)云提取*

曹 鴻, 李永強(qiáng), 牛路標(biāo), 毛 杰, 閆陽(yáng)陽(yáng)

(河南理工大學(xué)測(cè)繪與國(guó)土信息工程學(xué)院，河南 焦作 454000)

LiDAR技術(shù)是快速獲取地面及地物三維數(shù)據(jù)的新型測(cè)繪技術(shù)，也是近年來(lái)進(jìn)行城市三維建模的一種重要手段，而對(duì)建筑物的提取是城市三維建模的重要步驟。為了從原始機(jī)載點(diǎn)云中有效地提取出城市建模所需要的建筑物點(diǎn)云，在常用機(jī)載LiDAR濾波與點(diǎn)云分類思想的基礎(chǔ)上，提出了結(jié)合面積與斜率兩特征參數(shù)的區(qū)域增長(zhǎng)算法，實(shí)現(xiàn)了高大植被與建筑物點(diǎn)云的有效分離，完成了建筑物點(diǎn)云的提取。通過(guò)設(shè)定合理的面積閾值與斜率閾值，結(jié)合具體的數(shù)據(jù)通過(guò)該算法獲得了較好的提取效果，最后對(duì)提取方法及效果進(jìn)行了客觀分析與評(píng)價(jià)。

機(jī)載LiDAR；濾波；建筑物提??；區(qū)域增長(zhǎng)

機(jī)載激光雷達(dá)技術(shù)是以飛機(jī)為探測(cè)平臺(tái)的集激光掃描儀、全球定位系統(tǒng)(GPS)和慣性導(dǎo)航系統(tǒng)(INS)等技術(shù)于一體的主動(dòng)獲取地面地物空間信息的新型測(cè)量技術(shù)，該技術(shù)能快速大量地獲取地形地物的空間三維信息?，F(xiàn)今的機(jī)載激光雷達(dá)系統(tǒng)還裝配了如CCD相機(jī)的成像裝置，這樣在數(shù)據(jù)中還包括掃面目標(biāo)區(qū)域的光譜信息(如航空影像數(shù)據(jù))[1]。機(jī)載激光雷達(dá)技術(shù)的原理為：激光器向地面發(fā)射激光脈沖，通過(guò)測(cè)量脈沖的往返時(shí)間來(lái)計(jì)算出傳感器到地面或者目標(biāo)物之間的距離，并獲取地表及地表建筑物等設(shè)施的點(diǎn)云數(shù)據(jù)，結(jié)合激光發(fā)射處到目標(biāo)的距離和GPS、INS的數(shù)據(jù)記錄解算出被掃描目標(biāo)的空間三維坐標(biāo)。其具有工作效率高、獲取信息豐富、全天候的特點(diǎn)，是目前繼GPS技術(shù)之后測(cè)繪界的又一重大技術(shù)革命[2]。

機(jī)載激光雷達(dá)技術(shù)起初的目的僅僅是為了獲取地形復(fù)雜或者難以接近測(cè)量的地區(qū)的數(shù)字高程模型DEM及測(cè)圖成果。隨著信息社會(huì)的不斷發(fā)展，城市建設(shè)日新月異，“數(shù)字城市”概念的提出與建設(shè)應(yīng)運(yùn)而生，而其核心任務(wù)對(duì)城市建筑物的提取與三維重建一直是當(dāng)今研究的一個(gè)熱點(diǎn)，LiDAR技術(shù)相比于傳統(tǒng)的測(cè)繪建模手段有著實(shí)時(shí)性強(qiáng)、數(shù)據(jù)量豐富、自動(dòng)化程度高等明顯優(yōu)勢(shì)[3]。利用機(jī)載LiDAR數(shù)據(jù)進(jìn)行建筑物的特征提取及三維重建逐漸成為一種重要的手段[4]。

1 機(jī)載LiDAR原始數(shù)據(jù)預(yù)處理

機(jī)載激光雷達(dá)系統(tǒng)得到的原始觀測(cè)數(shù)據(jù)主要包括原始激光點(diǎn)云數(shù)據(jù)(激光束的掃描角度、激光發(fā)射點(diǎn)到目標(biāo)的距離、目標(biāo)的回波次數(shù)、回波強(qiáng)度等)，慣導(dǎo)數(shù)據(jù)，GPS數(shù)據(jù)以及數(shù)碼影像數(shù)據(jù)[5]。在利用點(diǎn)云數(shù)據(jù)進(jìn)行地物辨別與提取前需要對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理，這包括對(duì)影像數(shù)據(jù)進(jìn)行修正并完成對(duì)LiDAR系統(tǒng)設(shè)備與POS傳感器的姿態(tài)參數(shù)的測(cè)定與檢校[6]，剔除異常點(diǎn)，轉(zhuǎn)換坐標(biāo)系以及匹配航帶等方面的工作。數(shù)據(jù)預(yù)處理的目的是獲得相應(yīng)的空間坐標(biāo)信息和姿態(tài)信息以完成LiDAR數(shù)據(jù)與影像數(shù)據(jù)的大地定向。

對(duì)原始機(jī)載LiDAR數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，主要包括剔除異常點(diǎn)、轉(zhuǎn)換坐標(biāo)系、匹配航帶等三個(gè)方面的工作：

(1)剔除異常激光點(diǎn)云。在航測(cè)飛機(jī)飛行過(guò)程中，由于系統(tǒng)電路、鏡面反射等系統(tǒng)自身的影響與外界條件中高空遮擋物的影響，LiDAR原始點(diǎn)云往往存在異常點(diǎn)，該步驟主要是去除高于飛行高度和低于地面高度的異常點(diǎn)。

(2)轉(zhuǎn)換坐標(biāo)系。采集的LiDAR點(diǎn)云數(shù)據(jù)與航片的外方位元素所在的坐標(biāo)系統(tǒng)均為WGS84坐標(biāo)系，在測(cè)區(qū)范圍內(nèi)，通過(guò)比較城市局部坐標(biāo)系與WGS84坐標(biāo)系中的控制點(diǎn)，采用布爾薩七參數(shù)模型實(shí)現(xiàn)平面坐標(biāo)系的轉(zhuǎn)換，再結(jié)合城市的高精度水準(zhǔn)數(shù)據(jù)，完成由WGS84坐標(biāo)向該城市地方高程坐標(biāo)系的轉(zhuǎn)換。

(3)匹配航帶。要完成機(jī)載LiDAR數(shù)據(jù)的完全采集，由于飛行角度與掃描角度等問題，飛行航線需要保持大約30%的重疊度，這樣就造成航帶與LiDAR點(diǎn)云之間不能很好的匹配，需要通過(guò)現(xiàn)有的點(diǎn)云處理軟件對(duì)兩者之間進(jìn)行配準(zhǔn)操作。

2 常用的機(jī)載點(diǎn)云濾波原理

機(jī)載LiDAR數(shù)據(jù)經(jīng)過(guò)數(shù)據(jù)預(yù)處理后得到的是大量離散的激光點(diǎn)云，這其中包括地面點(diǎn)、建筑物點(diǎn)、植被點(diǎn)、水域點(diǎn)以及噪聲點(diǎn)等，這些點(diǎn)云處在同一個(gè)數(shù)據(jù)層中，濾波即從原始點(diǎn)云中去除建筑物、植被等地物激光腳點(diǎn)，分離出地形表面的激光點(diǎn)[7]。這也是獲取建筑物點(diǎn)云的必要步驟。

機(jī)載LiDAR點(diǎn)云數(shù)據(jù)的濾波方法按其原理大致可分兩類：第一類是基于高程突變的原理；第二類是基于激光點(diǎn)的回波強(qiáng)度信息的濾波方法。其中基于高程突變的原理是應(yīng)用較為廣泛的濾波原理，其思想是：一般的地形變化是連續(xù)且緩慢平滑的，所以兩點(diǎn)之間的距離越近它們之間的高差越小，如果在某局部區(qū)域出現(xiàn)高程突變的點(diǎn)，則一般認(rèn)為該處發(fā)生了地物類型的變化，如存在樹木或建筑物等地物。該原理認(rèn)為高程較高的點(diǎn)為地物點(diǎn)，高程較低的點(diǎn)則為地面點(diǎn)。第二類濾波原理與航空影像的分類原理相似[8]：因不同類型地物具有不同的反射系數(shù)，所以各類型地物表面的激光點(diǎn)對(duì)應(yīng)相應(yīng)的激光強(qiáng)度信息，將激光強(qiáng)度轉(zhuǎn)化為灰度圖像，則不同地物類型對(duì)應(yīng)不同的灰度值，這樣通過(guò)分析測(cè)區(qū)灰度值的分布來(lái)確定出地面點(diǎn)的灰度值范圍，從而將地面點(diǎn)從原始點(diǎn)云數(shù)據(jù)中分離出來(lái)。

常用的濾波方法是基于不規(guī)則三角網(wǎng)(TIN)來(lái)實(shí)現(xiàn)的[9]，該濾波方法的基本思想是：首先選擇出一些低點(diǎn)，并認(rèn)為它們是地面點(diǎn)的初始點(diǎn)，將這些初始點(diǎn)構(gòu)建成初始的不規(guī)則三角網(wǎng)，結(jié)合所采集地區(qū)的具體情況設(shè)置距離與角度閾值，然后對(duì)其余的點(diǎn)進(jìn)行判斷，如果某點(diǎn)到初始三角面的距離與角度值都小于設(shè)定的閾值，則將其劃分為地面點(diǎn)，同時(shí)將該點(diǎn)加入到三角網(wǎng)中，然后對(duì)其余點(diǎn)繼續(xù)判斷，如此迭代下去，反復(fù)加入新的激光點(diǎn)以此向上擴(kuò)建模型，每個(gè)加入的點(diǎn)會(huì)使模型更加貼近地表。直至非地面點(diǎn)集合中不存在滿足距離與角度閾值的點(diǎn)為止。兩個(gè)參數(shù)閾值的定義如圖1所示。

圖1 不規(guī)則三角網(wǎng)中地面點(diǎn)的判斷

兩個(gè)參數(shù)在該算法中被稱為“反復(fù)參數(shù)”。角度閾值是一個(gè)點(diǎn)和三角形的最近頂點(diǎn)的連線與這個(gè)三角形平面所構(gòu)成的最大夾角值，該值越小說(shuō)明該區(qū)域在豎直面上的起伏變化越小。距離閾值是指一個(gè)點(diǎn)到三角形中最近的那條邊的距離的最大值，該參數(shù)能確保當(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。

3 建筑物點(diǎn)云提取

3.1 基于高程閾值的地物點(diǎn)點(diǎn)云分類

LiDAR原始數(shù)據(jù)經(jīng)過(guò)濾波處理后分離出了地物點(diǎn)點(diǎn)云，這其中包括植被、建筑物、人工設(shè)施以及車輛等，在未分類的地表點(diǎn)中以分好的地面點(diǎn)云為界按照高程進(jìn)行分類，設(shè)置合理的高程閾值分離出低矮植被以及人工設(shè)施，通常將高程閾值設(shè)置為2 m，通過(guò)比較點(diǎn)云的高程信息，將地物點(diǎn)點(diǎn)云按高程分為兩大類，這樣就得到了由高大植被、建筑物頂面及電桿等高程值大于2 m的混合點(diǎn)云。對(duì)于低于2 m的地物點(diǎn)云，通過(guò)設(shè)置合理的高度閾值并結(jié)合航空正射影像分別將其分類為低矮植被類、中度植被類以及人工設(shè)施等類別，并將其分類到相應(yīng)的預(yù)先設(shè)置好的數(shù)據(jù)層中。一般將距離地面0～0.2 m的點(diǎn)云劃分為低矮植被，距離地面0.2～2 m的點(diǎn)云劃分為中等植被。

3.2 結(jié)合斜率與面積兩特征參數(shù)的區(qū)域增長(zhǎng)算法

在分離得到的混合點(diǎn)云中，建筑物周圍既存在有高大樹木等自然地物又有電桿路燈等高大的人工設(shè)施。它們只是在高程上具有相同的特征，此時(shí)通過(guò)高程閾值的分割方法很難將建筑物點(diǎn)云分割出來(lái)，但是建筑物頂面與樹木電桿等地物在其它特征上還有著明顯的區(qū)別：建筑物頂面相對(duì)而言形狀特征較規(guī)則且面積較大，而高大植被與路燈電桿等設(shè)施卻沒有規(guī)則的外形，并且面積較小。對(duì)于平頂建筑物而言，這就導(dǎo)致了建筑物頂部的局部區(qū)域切平面的斜率接近為零，即使是復(fù)雜建筑物的屋頂該斜率值也遠(yuǎn)小于離散植被局部區(qū)域切平面的斜率值。因此結(jié)合斜率閾值與面積閾值這兩個(gè)特征參數(shù)，提出了基于區(qū)域增長(zhǎng)的算法。只有匯聚面積大于面積閾值，并且離散程度小于相應(yīng)的斜率閾值的地物才被判斷為建筑物，而不滿足條件的則為高大植被或者電桿等人工設(shè)施。

其中，以待處理點(diǎn)云的8鄰域作為局部區(qū)域，利用最小二乘法擬合出該局部區(qū)域的曲面方程，而在空間上，擬合曲面在某點(diǎn)云處的切平面斜率可用擬合曲面在該點(diǎn)云處的梯度公式來(lái)計(jì)算。

二次曲面的表達(dá)式為：

f(x,y)=ax2+by2+cxy+dx+ey+f

梯度公式為：

由此得到了衡量點(diǎn)云離散程度的斜率值，通過(guò)設(shè)置該參數(shù)的合理閾值，結(jié)合適當(dāng)?shù)拿娣e閾值可以將建筑物點(diǎn)云數(shù)據(jù)從混合點(diǎn)云中分離出來(lái)。該算法的大致步驟如下：

(1)選擇待處理點(diǎn)云左下方的點(diǎn)為種子點(diǎn)，在參數(shù)空間中建立一個(gè)3行3列的數(shù)組C，初始化該數(shù)組值為0，與面積閾值對(duì)應(yīng)的數(shù)組統(tǒng)計(jì)閾值為N；

(2)依據(jù)最小二乘法的原理擬合出與數(shù)組C對(duì)應(yīng)的局部區(qū)域的曲面方程；

(3)在擬合的二次曲面內(nèi)，依次搜索并計(jì)算種子點(diǎn)及其周圍的8鄰域點(diǎn)云處的梯度值，并將各梯度值與斜率閾值進(jìn)行比較；

(4)若某梯度值大于或等于斜率閾值則將該處點(diǎn)云所在數(shù)組C中對(duì)應(yīng)的位置數(shù)值賦值為0，若小于斜率閾值將其對(duì)應(yīng)于C中位置的數(shù)值賦值為1，比較完成以后，令sumC為數(shù)組C中的數(shù)值和，該值代表種子點(diǎn)所在局部區(qū)域的面積統(tǒng)計(jì)值，若sumC大于N，則該種子點(diǎn)為建筑物點(diǎn)，反之則其不是建筑物點(diǎn)；

(5)以從左到右、從下到上的順序搜索下一個(gè)待處理點(diǎn)，重復(fù)步驟(1)、(2)、(3)、(4)，直到所有點(diǎn)被判斷完畢。

4 試驗(yàn)分析

結(jié)合具體的機(jī)載LiDAR數(shù)據(jù)，通過(guò)以上改進(jìn)的提取算法，本文成功地分離出城市建模所需要的建筑物頂面點(diǎn)云(如圖2所示)。面積閾值和斜率閾值這兩個(gè)特征參數(shù)分別反映了地物點(diǎn)云的疏密和離散程度,通過(guò)結(jié)合兩特征參數(shù)對(duì)現(xiàn)有的區(qū)域增長(zhǎng)算法進(jìn)行了改進(jìn)，實(shí)際處理時(shí),結(jié)合實(shí)際地形地物情況進(jìn)行設(shè)置：斜率閾值為2.0，面積閾值為10(m2)。

(1)由圖2的對(duì)比可以看出，根據(jù)本文的提取算法可以過(guò)濾掉絕大部分的樹木及高大人工設(shè)施點(diǎn)云，這說(shuō)明在按高程分類后的地物點(diǎn)點(diǎn)云中，基于離散程度與面積這兩個(gè)明顯特征將建筑物頂面點(diǎn)云從混合點(diǎn)云中提取出來(lái)是完全有效的、可行的。

(2)由圖2a與圖3影像圖片的對(duì)比可以看出，該方法在濾除植被的同時(shí)有可能將建筑物的不規(guī)則邊緣點(diǎn)及躍遷性大的點(diǎn)云錯(cuò)誤地濾除，這是由于由這些點(diǎn)所擬合曲面的切平面斜率太大導(dǎo)致的。

圖2 提取前后的對(duì)比效果

圖3 相應(yīng)地區(qū)的航空影像

圖4 提取前后的剖面圖對(duì)比效果

(3)由圖4的剖面對(duì)比圖可以看出，有極少的噪聲點(diǎn)沒有被濾除，這是由于該局部區(qū)域的植被較密集且排列規(guī)則造成的，可以結(jié)合相應(yīng)的影像圖片進(jìn)行點(diǎn)云去噪處理以獲得更好的效果。

5 結(jié)論

本文通過(guò)闡述常用的機(jī)載LiDAR濾波與分類原理，提出了結(jié)合斜率閾值與面積閾值這兩個(gè)特征參數(shù)的區(qū)域增長(zhǎng)算法，并結(jié)合具體機(jī)載LiDAR數(shù)據(jù)運(yùn)用該算法有效地提取出了建筑物頂面點(diǎn)云。試驗(yàn)表明，本文算法能濾除絕大部分的植被及高大人工設(shè)施點(diǎn)云，能滿足建筑物點(diǎn)云提取的要求。此外，在處理含有不規(guī)則邊緣點(diǎn)及躍遷點(diǎn)的建筑物點(diǎn)云時(shí)，會(huì)存在局部細(xì)節(jié)丟失的現(xiàn)象，因此該算法還有待于進(jìn)一步改進(jìn)，可以結(jié)合航空影像來(lái)彌補(bǔ)建筑物局部細(xì)節(jié)丟失的問題，進(jìn)而為數(shù)字城市的三維建模工作服務(wù)。

[1] 竇愛霞，馬宗晉，黃文麗，等. 基于機(jī)載LIDAR和多光譜圖像的建筑物震害自動(dòng)識(shí)別方法[J].遙感信息，2013，28(4):103-109.

[2] 戴永江.激光雷達(dá)原理[M]．北京：國(guó)防工業(yè)出版社，2002．

[3] 李樹楷，薛永祺．高效三維遙感集成技術(shù)系統(tǒng)[M]．北京：科學(xué)出版社，2000．

[4] 吳俁.三維旋轉(zhuǎn)激光掃描系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].北京:首都師范大學(xué)，2009.

[5] 賴旭東．機(jī)載激光雷達(dá)基礎(chǔ)原理與應(yīng)用[M]．北京：電子工業(yè)出版社，2010．

[6] 劉俊衛(wèi)，王樹文. 基于機(jī)載 LIDAR 的 POS 檢校與激光數(shù)據(jù)精度控制分析[J].測(cè)繪通報(bào)，2013(8):40-44

[7] 張小紅．機(jī)載激光掃描測(cè)高數(shù)據(jù)濾波及地物提取[D]．武漢：武漢大學(xué)，2002.

[8] 吳秀蕓.基于高分辨率遙感影像的建筑物提取及輪廓矢量化研究[D].南京：南京大學(xué)，2011.

[9] 隋立春，張熠斌，張碩，等. 基于漸進(jìn)三角網(wǎng)的機(jī)載LIDAR 點(diǎn)云數(shù)據(jù)濾波[J].武漢大學(xué)學(xué)報(bào)，2011,36(10):1160-1163.

Extraction of buildings based on airborne LiDAR point clouds

CAO Hong, LI Yong-qiang, NIU Lu-biao, MAO Jie, YAN Yang-yang

(SchoolofSurveyingandLandInformationEngineering，HenanPolytechnicUniversity，Jiaozuo454000，China)

LiDAR technology is a new mapping technology that has a fast access to the three-dimensional data of ground and surface features, it is also an important means to obtain 3D City Model In recent years, the extraction of the building is an important step in the 3D City Model Building. In order to effectively extract buildings point clouds which are necessary for the City Modeling Building from the original point cloud of airborne Lidar data, by introducing the common airborne LiDAR filtering and classification concept, This article puts forward a region growing algorithm of combining area and slope parameters to separate the buildings from the trees and complete the task of building extraction. Through setting reasonable thresholds of area and slope, this article obtains a better extraction effect, and makes an objective assessment for the method and the effect.

Airborne Lidar；Filtering；Building Extraction；Regional growth

國(guó)家自然科學(xué)基金資助項(xiàng)目(41001304)；國(guó)家十二五科技支撐項(xiàng)目(2012BAH34B00)；河南理工大學(xué)博士基金資助項(xiàng)目(B2009-33)。

2013-11-14

曹 鴻(1987-)，男，河南杞縣人，河南理工大學(xué)測(cè)繪與國(guó)土信息工程學(xué)院碩士研究生。

1674-7046(2014)01-0059-04

P23

A