融合地表覆蓋分類數(shù)據(jù)的LIDAR點(diǎn)云詳細(xì)分類

張　蕾萬(wàn)芳琦

（1.江西省測(cè)繪成果質(zhì)量監(jiān)督檢驗(yàn)測(cè)試中心　江西南昌　330209；2.江西省地理國(guó)情監(jiān)測(cè)遙感院　江西南昌　330209）

融合地表覆蓋分類數(shù)據(jù)的LIDAR點(diǎn)云詳細(xì)分類

張蕾1萬(wàn)芳琦2

（1.江西省測(cè)繪成果質(zhì)量監(jiān)督檢驗(yàn)測(cè)試中心江西南昌330209；2.江西省地理國(guó)情監(jiān)測(cè)遙感院江西南昌330209）

摘要：LiDAR點(diǎn)云數(shù)據(jù)包含有豐富的建筑物信息和植被信息，這些信息在各個(gè)領(lǐng)域均發(fā)揮著重要的作用，目前對(duì)LiDAR數(shù)據(jù)的詳細(xì)分類的主要辦法是借助與DOM數(shù)據(jù)進(jìn)行人工判讀，根據(jù)影像紋理繪制地類界線完成詳細(xì)分類工作。研究一種基于LCA數(shù)據(jù)對(duì)LIDAR點(diǎn)云詳細(xì)分類的方法，通過對(duì)實(shí)驗(yàn)數(shù)據(jù)的可行性分析，為L(zhǎng)IDAR點(diǎn)云的詳細(xì)分類提供一條新思路。

關(guān)鍵詞：LiDAR；點(diǎn)云；詳細(xì)分類；地表覆蓋分類數(shù)據(jù)

1　引言

利用各種濾波算法可將機(jī)載LiDAR點(diǎn)云數(shù)據(jù)分為地面點(diǎn)集和非地面點(diǎn)集。地面點(diǎn)集中包含有地形數(shù)據(jù)點(diǎn)、道路數(shù)據(jù)點(diǎn)、水系及設(shè)施數(shù)據(jù)點(diǎn)等，可以構(gòu)TIN生成DEM數(shù)據(jù)，進(jìn)一步詳細(xì)分類還可以獲取道路信息、水系設(shè)施信息等；非地面點(diǎn)集主要包含有建筑物數(shù)據(jù)點(diǎn)和植被數(shù)據(jù)點(diǎn)，可進(jìn)一步分類得到建筑物信息和植被信息。

非地面點(diǎn)云數(shù)據(jù)中包含有豐富的建筑物信息和植被信息，它們?cè)跀?shù)字城市建設(shè)中發(fā)揮著重要的作用。尤其是建筑物信息，建筑物提取與三維重建已經(jīng)成為計(jì)算機(jī)視覺、攝影測(cè)量、數(shù)字城市建設(shè)等多個(gè)學(xué)科和領(lǐng)域的研究重點(diǎn)，也是這些領(lǐng)域的研究熱點(diǎn)與難點(diǎn)。

但LIDAR數(shù)據(jù)實(shí)現(xiàn)自動(dòng)化精確化的地物詳細(xì)分類與識(shí)別具有很大難度。LIDAR數(shù)據(jù)精度高，但缺乏必要的特征信息，無(wú)法根據(jù)其屬性直接判讀地物類型?，F(xiàn)階段對(duì)LIDAR數(shù)據(jù)的詳細(xì)分類的主要辦法是借助與DOM數(shù)據(jù)進(jìn)行人工判讀，根據(jù)影像紋理繪制地類界線完成詳細(xì)分類工作。

第一次地理國(guó)情普查成果地表覆蓋分類數(shù)據(jù)（LCA）包含了大量的地表信息，具有無(wú)縫、全覆蓋、精度高等特點(diǎn)，這些信息用于輔助LIDAR數(shù)據(jù)詳細(xì)分類是一個(gè)很好的選擇。

本文研究一種基于LCA數(shù)據(jù)對(duì)LIDAR點(diǎn)云詳細(xì)分類的方法，并通過實(shí)驗(yàn)數(shù)據(jù)進(jìn)行可行性分析，為L(zhǎng)IDAR點(diǎn)云的詳細(xì)分類提供一條新思路。

2　分類流程

2.1數(shù)據(jù)預(yù)處理

LAS1.0版LIDAR標(biāo)準(zhǔn)格式是由美國(guó)攝影測(cè)量與遙感（ASPRS）協(xié)會(huì)2003年開始發(fā)布的，LAS1.0定義了LAS格式的基本框架，包括公共文件頭區(qū)，變長(zhǎng)記錄區(qū)和點(diǎn)集記錄三部分。經(jīng)過改進(jìn)，目前有4種版本，分別是LAS1.0，1.1，1.2與2.0。本文在ArcGIS平臺(tái)下采用最基礎(chǔ)的LAS1.0數(shù)據(jù)進(jìn)行詳細(xì)分類實(shí)驗(yàn)。

在ArcGIS中，LIDAR數(shù)據(jù)是通過LAS數(shù)據(jù)集進(jìn)行管理的，LAS數(shù)據(jù)集提供了一種快速訪問大量的激光雷達(dá)和表面數(shù)據(jù)而無(wú)需進(jìn)行數(shù)據(jù)轉(zhuǎn)換和導(dǎo)入的方法。LAS數(shù)據(jù)集允許我們以原生格式方便快捷地檢查L(zhǎng)AS文件，并在 LAS文件中提供了激光雷達(dá)數(shù)據(jù)的詳細(xì)統(tǒng)計(jì)數(shù)據(jù)和區(qū)域coverage。但在ArcGIS平臺(tái)下無(wú)法對(duì)LAS數(shù)據(jù)進(jìn)行屬性編輯，為了能夠使用ArcGIS強(qiáng)大的空間分析功能進(jìn)行自動(dòng)詳細(xì)分類，需要將LAS數(shù)據(jù)轉(zhuǎn)換成SHP文件。

利用ArcToolbox工具進(jìn)行LAS數(shù)據(jù)轉(zhuǎn)換，3D AnalystTools-Conversion-FromFile-LASto Multipiont工具，將LAS數(shù)據(jù)轉(zhuǎn)換成多點(diǎn)shp文件，在這里需要注意InputClassCodes（optional）的選取值，輸入合理的數(shù)值，將地面點(diǎn)集和非地面點(diǎn)集輸出至不同的SHP文件。

然后將多點(diǎn)文件轉(zhuǎn)換成單點(diǎn)文件，便于空間分析 。利 用 ADataManagementTools-Features-MultipartToSinglepart工具，將點(diǎn)云轉(zhuǎn)換成單點(diǎn)shp文件（圖1）。

2.2點(diǎn)云數(shù)據(jù)與LCA數(shù)據(jù)對(duì)照分類

已經(jīng)完成地面點(diǎn)集與非地面點(diǎn)集分類的LIDAR數(shù)據(jù)進(jìn)行詳細(xì)分類，需分別從地面點(diǎn)集和非地面點(diǎn)集中分離出更豐富的信息，此過程需要借助外部數(shù)據(jù)進(jìn)行人工判讀或自動(dòng)分類；LCA記錄了地表覆蓋分類數(shù)據(jù)，表現(xiàn)形式為無(wú)縫拼接的面，屬性字段CC記錄了各要素的分類信息。我們只需找到詳細(xì)分類信息與地表覆蓋分類信息之間合理的對(duì)照關(guān)系，即可完成LIDAR數(shù)據(jù)自動(dòng)詳細(xì)分類。

在完成地面點(diǎn)集與非地面點(diǎn)集分類的基礎(chǔ)上，進(jìn)一步分離地面點(diǎn)、非地面點(diǎn)到合適的圖層，詳細(xì)分類包括默認(rèn)類、地面類、居民地建筑物、電力線通信線及其附屬、橋梁類、水體、植被類等。具體分類信息如表1所示：

經(jīng)過對(duì)地理國(guó)情普查內(nèi)容與指標(biāo)的分析，我們將詳細(xì)分類信息與地表覆蓋分類信息進(jìn)行了表格對(duì)照，具體內(nèi)容如表2所示：

注：LCA數(shù)據(jù)中，地表覆蓋分類大多分至二三級(jí)類，對(duì)于LIDAR點(diǎn)云詳細(xì)分類來說，過于復(fù)雜，我們還需要對(duì)LCA數(shù)據(jù)進(jìn)行合理的分類合并。

2.3融合地表分類數(shù)據(jù)（LCA）進(jìn)行LIDAR點(diǎn)云詳細(xì)分類

數(shù)據(jù)關(guān)系確定之后，我們即可利用ArcGIS的空間分析功能進(jìn)行點(diǎn)云的自動(dòng)詳細(xì)分類工作。利用SpatialJoin工具，將LCA數(shù)據(jù)的CC屬性賦與點(diǎn)云數(shù)據(jù)，如圖2所示，是將分離出的非地面點(diǎn)數(shù)據(jù)進(jìn)行空間連接，我們只需要LCA層的CC屬性，所以FieldMapofJoinFeatures只需要選擇 CC，Match Option選擇WITHIN，這樣我們就把包含點(diǎn)云的LCA面的CC屬性，賦給了點(diǎn)云數(shù)據(jù)。

最后，我們利用點(diǎn)云數(shù)據(jù)與LCA數(shù)據(jù)對(duì)照分類，計(jì)算分類字段值。

3　實(shí)驗(yàn)與分析

3.1實(shí)驗(yàn)結(jié)果

本文使用實(shí)驗(yàn)數(shù)據(jù)為鄱陽(yáng)湖區(qū)域2米間距Lidar點(diǎn)云數(shù)據(jù)，該區(qū)域包含了各種地形地物特征，如植被、道路、大小形狀各異的建筑物等。

本文以非地面點(diǎn)集詳細(xì)分類為例，介紹本次實(shí)驗(yàn)結(jié)果。

非地面點(diǎn)集中，落在房屋建筑區(qū)及個(gè)別構(gòu)筑物上的點(diǎn)，應(yīng)分類至“居民地及設(shè)施”，代碼“02”，落在耕地、園地、林地、草地區(qū)域的點(diǎn)，應(yīng)分類至“植被”，代碼為“6”，其他非地面點(diǎn)歸“其他”，代碼為“07”，分類字段只需要通過VBScript邏輯計(jì)算，獲取點(diǎn)云的分類代碼數(shù)據(jù)：

Dimclassification

IfLeft（［CC］，2）="05"orLeft（［CC］，3）=" 075"Then

classification="2"

elseifLeft（［CC］，2）="01"orLeft（［CC］，2）="02"orLeft（［CC］，2）="03"Then

classification="6"

else

classification="7"

endif

分類顯示效果如圖3所示，紅色點(diǎn)為居民地及設(shè)施，綠色點(diǎn)為植被，藍(lán)色點(diǎn)為其他。

3.2實(shí)驗(yàn)結(jié)果分析

點(diǎn)云地面點(diǎn)集與非地面點(diǎn)集的分類精度，點(diǎn)云密度和LCA層采集精度的關(guān)系，LCA層采集時(shí)采用的影像精度和質(zhì)量，LCA數(shù)據(jù)采集時(shí)人工消除投影差的準(zhǔn)確程度，這些因素很大程度上影響這種方法的分類精度，往往會(huì)導(dǎo)致個(gè)別LCA界線附近的點(diǎn)存在分類錯(cuò)誤。

實(shí)驗(yàn)區(qū)域LCA的采集精度為0.5米，而點(diǎn)云的密度約2米，采集精度優(yōu)于點(diǎn)云密度，從實(shí)驗(yàn)結(jié)果來看，這種情況下進(jìn)行的自動(dòng)分類精度較為理想。

4　結(jié)束語(yǔ)

LiDAR點(diǎn)云進(jìn)行詳細(xì)分類是數(shù)據(jù)后續(xù)應(yīng)用的基礎(chǔ)，本文在點(diǎn)云濾波分類基礎(chǔ)上，研究點(diǎn)云的進(jìn)一步分類，提供一種地表覆蓋分類數(shù)據(jù)輔助下的自動(dòng)詳細(xì)分類方法，將點(diǎn)云自動(dòng)分為地面點(diǎn)、居民地及設(shè)施、交通及設(shè)施、管線及設(shè)施、水系及設(shè)施、植被和其他七大類。通過實(shí)驗(yàn)結(jié)果及分析，效果較為理想。本文方法的缺陷在于點(diǎn)云數(shù)據(jù)量巨大，采用此種空間分析的方法進(jìn)行自動(dòng)分類速度較慢，對(duì)硬件要求偏高，對(duì)于這一缺陷，還有待進(jìn)一步研究。

參考文獻(xiàn)：

［1］尚大帥.機(jī)載LiDAR點(diǎn)云數(shù)據(jù)濾波與分類技術(shù)研究［D］.鄭州：解放軍信息工程大學(xué)，2012.

［2］劉春，姚銀銀，吳杭彬.機(jī)載激光掃描（LIDAR）標(biāo)準(zhǔn)數(shù)據(jù)格式（LAS）的分析與數(shù)據(jù)提?。跩］.遙感信息，2009（4）.

［3］龔亮，李正國(guó)，包全福.融合航空影像的LiDAR地物點(diǎn)云分類［J］.測(cè)繪工程，2012，21（4）.