基于LiDAR點云的高精度DEM構(gòu)建方法

于彩霞，董 箭，李改肖，陳惠榮，王 沫1,

（1.信息工程大學(xué) 地理空間信息學(xué)院，河南 鄭州450052；2.地理信息工程國家重點實驗室，陜西 西安710054；3.海軍大連艦艇學(xué)院，遼寧 大連 116018）

基于LiDAR點云的高精度DEM構(gòu)建方法

于彩霞1,2,3，董 箭3，李改肖3，陳惠榮3，王 沫1,3

（1.信息工程大學(xué) 地理空間信息學(xué)院，河南 鄭州450052；2.地理信息工程國家重點實驗室，陜西 西安710054；3.海軍大連艦艇學(xué)院，遼寧 大連 116018）

對激光雷達(dá)測量點云濾波分類出真實地面點，通過不同的方法構(gòu)建高精度的數(shù)字高程模型，包括不規(guī)則三角網(wǎng)模型和Grid模型，采用等值線回放法和檢查點法分別從定性和定量角度評估DEM的精度。實驗表明，線性三角網(wǎng)插值法構(gòu)建的DEM邊界約束最好、精度較高，且效率最高，是LiDAR點云構(gòu)建高精度DEM的最優(yōu)方法。

LiDAR；高精度；DEM；等值線；精度評估

LiDAR能夠快速獲取高精度、高密度的三維地形數(shù)據(jù)[1]，成為構(gòu)建高精度DEM的一種新方法。目前從LiDAR數(shù)據(jù)中構(gòu)建DEM的方法研究較少[2,3]，主要從工程應(yīng)用角度對如何通過LiDAR數(shù)據(jù)生產(chǎn)DEM進(jìn)行探討，缺少對不同DEM構(gòu)建模型的適用性研究，以及對其構(gòu)建的DEM進(jìn)行精度評估。

針對上述問題，本文將基于高密度、高精度的海量LiDAR點云，采用不同模型構(gòu)建DEM，通過對LiDAR點云數(shù)據(jù)進(jìn)行實驗，分別從定性和定量的角度出發(fā)，對DEM構(gòu)建算法進(jìn)行精度評估，以期為海量的高密度點云構(gòu)建DEM的模型選擇提供一定的參考，同時也為后續(xù)的LiDAR點云數(shù)據(jù)處理和應(yīng)用打下基礎(chǔ)。

1 DEM的構(gòu)建與精度評估

1.1 DEM構(gòu)建方法

基于LiDAR點云的高精度DEM構(gòu)建，首先需對LiDAR點云進(jìn)行粗差濾波處理，濾除粗差數(shù)據(jù)并保留真實的地面點云；然后通過不同的DEM構(gòu)建算法由地面真實點云生成DEM，其中包括不規(guī)則TIN和規(guī)則格網(wǎng)Grid；最后采用等值線回放法和檢查點法分別從定性和定量出發(fā)評估DEM精度。流程如圖1所示。

1）LiDAR點云處理。在本文中LiDAR預(yù)處理包括2部分工作：①LiDAR原始點云的粗差（噪聲）去除。LiDAR點云在獲取時隨機(jī)性大，易受到外界因素的影響，以及激光脈沖的散射和衍射現(xiàn)象等問題，不可避免地給最終的測量結(jié)果帶來粗差和噪聲[4]。這些粗差和噪聲包括高點、低點及孤立點/點云等3類[5]，必須剔除處理，否則會造成局部地形的變形甚至失真，嚴(yán)重影響DEM的精度。②點云的濾波分類。LiDAR點云的濾波分類實質(zhì)是去除點云中的非地面點，保留真實地面點云。濾波方法有很多[1,6]，較為成熟的是Axelsson提出的基于TIN的漸進(jìn)加密濾波法。本文將采用該方法對LiDAR點云濾波，并通過實驗不斷調(diào)整閾值以得到更為真實的地面點云[7]。

圖1 基于LiDAR點云的DEM構(gòu)建示意圖

2）DEM構(gòu)建模型。DEM有多種表達(dá)方法，目前常用的主要有不規(guī)則三角網(wǎng)（TIN）模型和規(guī)則格網(wǎng)（Grid）模型[8,9]。①TIN模型。采用TIN對LiDAR數(shù)據(jù)進(jìn)行建模，相互連接LiDAR原始點云生成三角形。連接點云時需滿足選擇最近的點形成三角形，生成的三角形唯一、不交叉、不重疊以及盡量接近正三角形等原則[8,9]。② Grid模型。Grid是用一系列規(guī)則格網(wǎng)表示地形表面，主要有反距離加權(quán)插值法（IDW）、克里金（Kriging）插值法、線性三角網(wǎng)插值法（TLI）和最近鄰點插值法（NN）[8-11]等。其中，反距離加權(quán)插值法的基本原理是己知點云的坐標(biāo)和高程，通過加權(quán)計算格網(wǎng)點的高程值，離格網(wǎng)距離越近的點云，權(quán)重越大?？死锝鸩逯捣紤]到空間場的各向異性和LiDAR點云的空間相關(guān)性，應(yīng)用數(shù)學(xué)模型和統(tǒng)計模型確定對格網(wǎng)有影響的距離范圍，并內(nèi)插得格網(wǎng)的高程。線性三角網(wǎng)插值法通過連接點云構(gòu)建三角網(wǎng)，根據(jù)三角網(wǎng)內(nèi)的點云均勻分配格網(wǎng)的屬性值，屬于嚴(yán)密的插值方式。最近鄰點插值法是指選擇離格網(wǎng)最近的點云作為格網(wǎng)的屬性值。

1.2 DEM精度評估

本文采用等值線回放法和檢查點法來評估基于LiDAR點云構(gòu)建的DEM精度。

等值線回放法是將構(gòu)建的DEM內(nèi)插生成等值線，然后目視檢查，并與其他方法生成的等值線進(jìn)行比較，屬于定性評估。檢查點法是選擇并預(yù)留一定數(shù)量的分布均勻、合理的LiDAR點為檢查點，其高程為Zi（i=1，2，…，n），由構(gòu)建的DEM內(nèi)插出這些點的高程值Zi'，則DEM的精度為：

2 實驗與分析

實驗區(qū)域位于大連某海岸，屬于地形陡峭的巖石陡岸。LiDAR數(shù)據(jù)由中海達(dá)激光掃描儀iScan采集，點云間距為0.1 m，點云總量為22.6萬。

先對LiDAR去除粗差，并濾波分類出真實地面點云，然后根據(jù)不同方法構(gòu)建TIN模型和Grid模型，分別從定性和定量角度評估其構(gòu)建的DEM精度。

2.1 定性分析

由TIN模型內(nèi)插的等值線如圖2所示，由TIN生成的等值線破碎、曲折多、抖動大；由Grid生成的等值線（如圖3～6所示）較為平滑、合理，這是因為LiDAR點云的高頻噪聲引起了等值線的曲折抖動[10]，而構(gòu)建Grid模型的過程則是通過一定的插值算法將LiDAR點云的高程均衡化的過程，從一定程度上濾掉了高頻噪聲，抑制了高頻噪聲的影響。

根據(jù)反距離加權(quán)插值法、克里金插值法、線性三角網(wǎng)插值法和最近鄰點插值法分別生成不同分辨率的Grid（分辨率分別為0.5 m和1 m），插值得等值線分別如圖3～6所示。高分辨率（0.5 m）的Grid模型對地形表面描述更為細(xì)致，由其生成的等值線彎曲稍多。隨著分辨率的降低（分辨率為1 m時），Grid模型對地表描述較為粗略，由其生成的等值線較為平滑。從整體上看，這4種不同插值方法構(gòu)建的DEM及生成的等值線差別不大，但由線性三角網(wǎng)插值法構(gòu)建的DEM邊界約束較好（見圖5），其他3種方法還需在邊界約束問題上進(jìn)行改進(jìn)。

圖2 基于TIN生成等值線

圖3 基于反距離加權(quán)插值法的Grid生成等值線

圖4 基于克里金插值法的Grid生成等值線

圖5 基于線性三角網(wǎng)內(nèi)插法的Grid生成等值線

2.2 定量分析

根據(jù)式（1）計算Grid的精度，同時記錄不同方法構(gòu)建Grid的時間，如表1所示。實驗表明：①Grid分辨率與插值方法的精度成正比，與插值方法的時間成反比。②各類插值方法的插值精度波動不大，均介于1～2倍的Grid分辨率之間。③相對于線性三角網(wǎng)插值法與最近鄰點插值法，反距離加權(quán)插值法與克里金插值法具有相對較高的插值精度，然而插值效率卻嚴(yán)重低下。這主要由于在應(yīng)用反距離加權(quán)插值法與克里金插值法進(jìn)行Grid插值時，需要搜索格網(wǎng)點周圍一定數(shù)量的離散點來確定格網(wǎng)點高程值。在沒有建立有效空間索引的前提下，會造成搜索效率的嚴(yán)重低下，這對于處理數(shù)據(jù)量較大甚至海量數(shù)據(jù)的LiDAR點云顯然并不適合。④線性三角網(wǎng)插值法的插值精度優(yōu)于最近鄰點插值法，且插值效率的變化較為均勻。基于上述分析不難看出，線性三角網(wǎng)插值法在處理大數(shù)據(jù)量的LiDAR點云數(shù)據(jù)時，插值精度與插值效率均相對優(yōu)于其余三類插值方法，可作為LiDAR點云數(shù)據(jù)插值的優(yōu)選方法。

圖6 基于最近鄰點插值法的Grid生成等值線

表1 構(gòu)建Grid不同插值方法的比較

3 結(jié) 語

本文針對LiDAR點云數(shù)據(jù)，利用不同的DEM構(gòu)建方法生成不同分辨率下的DEM，并分析了DEM的構(gòu)建精度和效率。實驗結(jié)果表明：DEM的精度主要取決于采樣間隔和地形的復(fù)雜程度，不同的插值方法在處理高密度、高精度的海量LiDAR點云時，所得DEM的精度相差不大，但其構(gòu)建效率卻存在較大變化。線性三角網(wǎng)插值法構(gòu)建的DEM精度較高，所用時間較短且變化均勻，是LiDAR點云構(gòu)建DEM的較好方法。

鑒于數(shù)據(jù)缺少原因，本文僅針對復(fù)雜的巖石陡岸（屬于中度復(fù)雜地貌）進(jìn)行了實驗分析，下一步將結(jié)合不同類型、不同復(fù)雜程度的地形地貌研究DEM構(gòu)建方法的適用性，并將結(jié)合地性線的提?。ㄈ缟郊咕€、骨架線等）進(jìn)一步提高DEM精度。

[1] 張小紅. 機(jī)載激光雷達(dá)測量技術(shù)理論與方法[M].武漢：武漢大學(xué)出版社，2007

[2] 王鐵軍，陳云，袁如金. 基于LiDAR數(shù)據(jù)的DEM和矢量自動提取探討[J]. 測繪與空間地理信息，2009,32(1):29-31

[3] 李曉紅. 一種LiDAR點云生成格網(wǎng)DEM的快速算法[J]. 測繪通報，2012(12):44-46

[4] 王永波. 基于地面LiDAR點云的空間對象表面重建及多分辨率表達(dá)[M].南京：東南大學(xué)出版社，2011

[5] Zhang L, Ma H C, Wu J W. Utilization of LiDAR and Tidal Gauge Data for Automatic Extracting High and Low Tide Lines[J]. Journal of Remote Sensing, 2012,16(2):405-410

[6] 王金亮，陳聯(lián)君.激光雷達(dá)點云數(shù)據(jù)的濾波算法述評[J].遙感技術(shù)與應(yīng)用，2010, 25(5):632-638

[7] Axelsson P. DEM Generation form Laser Scanner Data Using Adaptive TIN Models [J]. IAPRS, 2000, 33(B4 ):110-117

[8] 張君. 不同算法下生成的數(shù)字高程模型對比分析研究[J]. 計算機(jī)應(yīng)用與軟件，2009,26(1):88-90

[9] Johns K H. A Comparison of Algorithms Used to Compute Hill Slope as a Property of the DEM [J]. Computer and Geoscience, 1998, 24(4):315-323

[10] 李志林，朱慶.數(shù)字高程模型[M].武漢：武漢大學(xué)出版社，2012

[11] 陳歡歡，李星，丁文秀. Surfer 8.0 等值線繪制中的十二種插值方法[J]. 工程地球物理學(xué)報，2007,4(1):52-57

[12] 范青松，湯翠蓮，胡鵬. DEM精度檢查中等高線回放的量化方法[J]. 測繪科學(xué)，2008, 33(3):118-120

[13] 王光霞，邊淑莉，張寅寶. 用回放等高線評估DEM精度的研究[J]. 測繪科學(xué)技術(shù)學(xué)報，2010,27(1):9-13

P237.9

B

1672-4623（2015）03-0022-03

10.3969/j.issn.1672-4623.2015.03.008

于彩霞，博士，講師，主要從事海洋地理信息系統(tǒng)數(shù)據(jù)處理研究。

2015-02-09。

項目來源：國家自然基金資助項目（41171349）；地理信息工程國家重點實驗室開放研究基金資助項目（SKLGIE2014-M-3-2）；海軍大連艦艇學(xué)院2110工程三期資助學(xué)術(shù)預(yù)研課題資助項目（DLJY—XY2014016）。