三維激光掃描點(diǎn)云混合像素的自動(dòng)識(shí)別方法

三維激光掃描點(diǎn)云混合像素的自動(dòng)識(shí)別方法

林歡1,王成碩2,王娟3

(1.河海大學(xué) 地球科學(xué)與工程學(xué)院，江蘇 南京 210098；2.恒大地產(chǎn)集團(tuán)沈陽公司，遼寧 鞍山 114000；3.江蘇興安電力實(shí)業(yè)有限公司，江蘇 南京 210000)

摘要：混合像素的存在會(huì)給點(diǎn)云后續(xù)處理與應(yīng)用帶來干擾,針對(duì)如何在原始掃描點(diǎn)云中自動(dòng)識(shí)別混合像素的問題，從掃描儀的工作原理著手分析了混合像素的形成條件，結(jié)合掃描儀的內(nèi)部光電轉(zhuǎn)換機(jī)制與真實(shí)掃描數(shù)據(jù)論證混合像素的測距誤差分布規(guī)律，據(jù)此設(shè)計(jì)混合像素的自動(dòng)探測方法。利用真實(shí)原始掃描數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，結(jié)果證明，文中方法能夠準(zhǔn)確地識(shí)別出點(diǎn)云中的混合像素。

關(guān)鍵詞：三維激光掃描；三角構(gòu)網(wǎng)；深度差；混合像素；點(diǎn)云密度

中圖分類號(hào)：TP391.41

收稿日期：2014-08-18

基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目(41201439)

作者簡介：林歡(1990-)，男，碩士研究生.

Anautomaticmethodofrecognizingmixedpixelsin3Dlaserscanningpointcloud

LINHuan1,WANG Cheng-shuo2,WANG Juan3

(1.SchoolofEarthScienceandEngineering,HohaiUniversity,Nanjing210098,China；2.EvergrandRealEstateGroupLtd.,Anshan114000,China;3.JiangsuXinganElectricPowerIndustrialCo.,Ltd.,Nanjing210098,China)

Abstract：The existence of mixed pixels will bring interference to the following processing and application of the point cloud.Aiming at the problem of recognizing mixed pixels automatically in the original scanning point cloud,it analyzes the formation conditions of the mixed pixels, by verifying the mixed pixel’s ranging error distribution based on the scanner's internal photoelectric conversion mechanism and the real scanning data.Furthermore,an automatic method is designed on the basis of former analysis.The experiment results show the mixed pixels can be recognized accurately.

Keywords：3Dlaserscanning；triangulation；depthdifference；mixedpixel；pointclouddensity

三維激光掃描技術(shù)作為一種新的測量和感知技術(shù)，因其獲取數(shù)據(jù)的速度快、得到的點(diǎn)云模型精度高，正被越來越廣泛應(yīng)用。利用三維激光掃描，不僅能獲得高精度的三維點(diǎn)云模型，而且能根據(jù)不同需求在點(diǎn)云模型上提取想要的信息[1]。由于三維激光掃描儀是根據(jù)激光在掃描儀與目標(biāo)表面之間的飛行時(shí)間來推算沿激光光束方向上目標(biāo)表面到掃描儀之間的距離，所以當(dāng)激光光斑正好落物體邊緣上時(shí)，同一束激光會(huì)在不同景深的物體表面形成兩束反射激光，從而造成三維激光掃描儀的測距錯(cuò)誤，形成混合像素?；旌舷袼氐拇嬖跁?huì)對(duì)后期點(diǎn)云處理(三維重構(gòu)、物體表面分割等)工作帶來較大影響，因此設(shè)計(jì)一個(gè)能自動(dòng)識(shí)別并濾除混合像素的算法是有必要的。

混合像素不僅普遍存在于激光掃描點(diǎn)云中，而且普遍存在于遙感圖像中。遙感圖像領(lǐng)域一般對(duì)圖像中的混合像素進(jìn)行分解處理，例如游曉斌提出了一種通過重采樣對(duì)圖像中混合像元的分解方法[2]。崔雨勇提出基于圖像邊界的混合像素分解方法，首先對(duì)圖像進(jìn)行邊緣提取,對(duì)非邊界圖像進(jìn)行分類,再對(duì)邊界進(jìn)行混合像元分解[3]。另外，在激光掃描點(diǎn)云方面對(duì)于混合像素的研究中，混合像素一般被視為噪聲而濾除。例如張洪棟等人利用相鄰點(diǎn)之間的距離關(guān)系，設(shè)計(jì)出了一種規(guī)則混合像素的提取方法，并對(duì)提取出的混合像素進(jìn)行校正，保證了數(shù)據(jù)的完整性[4]。本文在上述方法基礎(chǔ)上研究并提出了一套混合像素的自動(dòng)識(shí)別算法：在混合像素的測距異常的基礎(chǔ)上利用深度差統(tǒng)計(jì)初步識(shí)別混合像素，并利用密度統(tǒng)計(jì)的方法進(jìn)一步確定混合像素，最后通過實(shí)驗(yàn)驗(yàn)證了算法的有效性。

1混合像素的產(chǎn)生機(jī)理及特性

1.1　產(chǎn)生機(jī)理

激光掃描發(fā)射的光束成錐形形狀發(fā)散，當(dāng)它投射到物體表面時(shí)會(huì)產(chǎn)生光斑，并且掃描距離越遠(yuǎn)，激光斑點(diǎn)越大。當(dāng)激光光束遇到物體邊緣時(shí)，部分光束會(huì)投射到前景物體邊緣，另外一部分光束會(huì)投射到背景物體上，這時(shí)就會(huì)產(chǎn)生混合像素[5]，如圖1 所示。測量的實(shí)際距離會(huì)位于前景物體邊緣與背景物體之間，所以前、背景之間會(huì)多出一個(gè)孤立點(diǎn)(即混合像素)，產(chǎn)生這種現(xiàn)象的原因在于三維激光掃描儀內(nèi)部的傳感器在接收信號(hào)能量時(shí)一部分會(huì)用來校正距離信息，雖然這種校正方法可以提高部分?jǐn)?shù)據(jù)的精度，但促使了混合像素的產(chǎn)生。

圖1　混合像素產(chǎn)生示意圖

圖2　帶有混合像素的球標(biāo)靶點(diǎn)云

1.2　混合像素特性

圖2所示為利用三維激光掃描儀掃描地面上球標(biāo)靶得到的點(diǎn)云，圖中可以發(fā)現(xiàn)球標(biāo)靶背后面有許多孤立、零散的混合像素，這些混合像素?zé)o規(guī)律地分布于球標(biāo)靶(前景)和地面(背景)之間。根據(jù)對(duì)實(shí)際點(diǎn)云的分析，混合像素主要有如下兩個(gè)特性：①測距異常特性，由于三維激光掃描儀是按照倒“Z”字形的順序掃描，混合像素的大部分掃描鄰近點(diǎn)都在掃描物體前表面和后表面；②密度異常特性，混合像素處的點(diǎn)密度相對(duì)整體點(diǎn)云密度小很多。

2混合像素的自動(dòng)探測方法

2.1　基于球面投影的三維點(diǎn)云三角構(gòu)網(wǎng)

基于上述分析出的混合像素的特性，本文設(shè)計(jì)了基于鄰近點(diǎn)深度差的方法來初步識(shí)別混亂點(diǎn)云中的混合像素，再利用點(diǎn)云密度統(tǒng)計(jì)方法加以約束達(dá)到精確提取混合像素的目的。首先采用了張帆提出的基于球面投影的單站地面激光掃描點(diǎn)云構(gòu)網(wǎng)方法來構(gòu)建點(diǎn)云拓?fù)鋄6]。利用中心投影將單測站點(diǎn)云投影到以測站中心為球心的球面上，然后根據(jù)球面投影點(diǎn)的水平、豎直角實(shí)施掃描點(diǎn)的構(gòu)網(wǎng)，從而完成單測站三維點(diǎn)云在歐氏空間下的三角構(gòu)網(wǎng)[7]。三角構(gòu)網(wǎng)后，混合像素的測距異常特性更加直觀地體現(xiàn)在其與鄰近點(diǎn)的深度差比較大的特點(diǎn)上。如圖3所示，經(jīng)過三角構(gòu)網(wǎng)后可以求出混合像素P0的鄰近點(diǎn)為P1~P8,點(diǎn)P0與其鄰近點(diǎn)有較大的深度差。

圖3　混合像素拓?fù)涫疽鈭D

2.2　基于深度差的混合像素初步識(shí)別

借助混合像素的測距異常特性，即混合像素與其鄰近點(diǎn)具有較大的深度差，本文設(shè)計(jì)了初步識(shí)別混合像素的算法。首先計(jì)算每個(gè)點(diǎn)與其鄰近點(diǎn)的深度值之差，然后利用統(tǒng)計(jì)方法選擇出合適的閾值，最后根據(jù)閾值識(shí)別混合像素。

(1)

(2)

圖4　平均深度差統(tǒng)計(jì)

2.3　基于點(diǎn)云密度的混合像素精確識(shí)別

對(duì)于連續(xù)密集采樣的點(diǎn)云，理論上點(diǎn)云各處的密度相差不大。但混合像素特殊的產(chǎn)生機(jī)制使得其點(diǎn)云密度較正常掃描點(diǎn)存在明顯差異，如圖2所示點(diǎn)云中的混合像素零散分布于前背景和后背景之間，其所在位置的點(diǎn)云密度不僅比整體點(diǎn)云小很多，而且比階躍邊緣點(diǎn)也小很多?；诨旌舷袼氐拿芏犬惓Ｌ匦裕疚耐ㄟ^統(tǒng)計(jì)點(diǎn)云的密度來區(qū)分初步識(shí)別點(diǎn)集中的階躍邊緣點(diǎn)和混合像素，以達(dá)到精確提取混合像素的目的。

點(diǎn)云中任意點(diǎn)位置的點(diǎn)云密度可以用距離該點(diǎn)一定距離內(nèi)的鄰近點(diǎn)的數(shù)量來表示，鄰近點(diǎn)越少表明其點(diǎn)云密度越小，是混合像素的可能性越大?；谏鲜龇治?，本文利用kd-tree的鄰域搜索來估算點(diǎn)云密度，以此進(jìn)一步區(qū)分混合像素和階躍邊緣點(diǎn)。利用kd-tree本文設(shè)計(jì)了區(qū)別階躍邊緣點(diǎn)和混合像素的算法。

1)對(duì)點(diǎn)云建立kd-tree索引；

2)設(shè)計(jì)距離閾值S，并以此計(jì)算初步識(shí)別出的混合像素(包含了階躍邊緣點(diǎn)和混合像素)的鄰近點(diǎn)個(gè)數(shù)；

3)設(shè)計(jì)個(gè)數(shù)閾值K區(qū)別其中的階躍邊緣點(diǎn)和混合像素，鄰近點(diǎn)個(gè)數(shù)超過閾值的認(rèn)定為階躍邊緣點(diǎn)，小于閾值的則認(rèn)定為混合像素。

在上述算法中，關(guān)于距離閾值S的設(shè)計(jì)本文采取的是隨機(jī)選取點(diǎn)云中1 000個(gè)點(diǎn)，并根據(jù)已建立的三角網(wǎng)計(jì)算出包含該1 000點(diǎn)的所有三角邊長度的平均值S，以S作為距離閾值。個(gè)數(shù)閾值K的設(shè)計(jì)相對(duì)簡單，實(shí)驗(yàn)發(fā)現(xiàn)一般K值設(shè)為5即可以較好地區(qū)別階躍邊緣點(diǎn)和混合像素。K值大小的設(shè)計(jì)可以根據(jù)原始點(diǎn)云數(shù)據(jù)的密度做適當(dāng)調(diào)整，總的來

說只要加入簡單的人工干預(yù)即可設(shè)計(jì)出合適的K值。圖6所示為利用上述方法進(jìn)一步識(shí)別出的混合像素，通過觀察可以發(fā)現(xiàn)混合像素與階躍邊緣點(diǎn)被很好地區(qū)分開。將原始點(diǎn)云中識(shí)別出的混合像素剔除后得到了圖7，通過對(duì)比原始點(diǎn)云可以發(fā)現(xiàn)本文設(shè)計(jì)的混合像素識(shí)別算法的有效性。

圖6　精確提取的混合像素

圖7　剔除了混合像素的球標(biāo)靶點(diǎn)云

3實(shí)驗(yàn)結(jié)果與分析

本文利用VC++聯(lián)合OpenGL編程實(shí)現(xiàn)了混合像素識(shí)別算法并應(yīng)用于實(shí)際掃描點(diǎn)云，本文中的點(diǎn)云數(shù)據(jù)均由美國天寶公司生產(chǎn)的Trimble GX200掃描而成。圖8(a)所示為一球形目標(biāo)的掃描點(diǎn)云，從圖中可以明顯發(fā)現(xiàn)墻和球標(biāo)靶之間多了許多混合像素，混合像素的存在使得擬合之后的目標(biāo)球心嚴(yán)重偏離物體實(shí)際中心，并且擬合之后的球陷入了墻面，這與實(shí)際是不符的，如圖8(b)所示。利用本文提出算法可以有效地剔除點(diǎn)云中的混合像素如圖8(c)所示，再次擬合后可以發(fā)現(xiàn)該球標(biāo)靶點(diǎn)云的擬合結(jié)果更貼近實(shí)際，如圖8(d)所示。另外通過觀察可以發(fā)現(xiàn)由于混合像素的影響，目標(biāo)擬合之后的半徑與物體實(shí)際直徑存在較大的差值，原始點(diǎn)云(包含大量混合像素)擬合得到的球半徑明顯小于實(shí)際球標(biāo)靶半徑，而剔除了混合像素的點(diǎn)云擬合得到的球與實(shí)際球標(biāo)靶點(diǎn)云更加貼合。圖9(b)為一個(gè)含有6個(gè)球目標(biāo)的原始三維激光掃描點(diǎn)云，一共包含10 134個(gè)點(diǎn)，圖9(a)為對(duì)應(yīng)現(xiàn)場數(shù)碼影像，圖9(c)為原始點(diǎn)云的側(cè)視圖。利用本文算法提取出原始點(diǎn)云中的混合像素如圖9(d)所示，圖中文字代表對(duì)應(yīng)球目標(biāo)所在的位置，圖中一共包含127個(gè)點(diǎn)，經(jīng)分析其中122個(gè)點(diǎn)屬于混合像素，5個(gè)屬于隨機(jī)噪聲點(diǎn)，其中圖中矩形框內(nèi)的點(diǎn)即誤識(shí)別為混合像素的隨機(jī)噪聲點(diǎn)。上述實(shí)驗(yàn)證明了本文提出的算法在識(shí)別混合像素的有效性，剔除混合像素一定程度提高了后續(xù)點(diǎn)云建模的精度，而且本文算法理論上對(duì)于大場景大數(shù)據(jù)點(diǎn)云數(shù)據(jù)也適用。

圖8　球標(biāo)靶實(shí)驗(yàn)

4結(jié)束語

混合像素普遍存在于三維激光掃描點(diǎn)云中，而且關(guān)于該問題的研究還不夠成熟，所以本文在分析混合像素產(chǎn)生機(jī)理的基礎(chǔ)上，提出了地面三維激光掃描數(shù)據(jù)中混合像素的自動(dòng)探測和剔除算法，并在

C++軟件平臺(tái)上實(shí)現(xiàn)。通過實(shí)驗(yàn)結(jié)果可知，該方法能有效識(shí)別激光點(diǎn)云中的混合像素，可以為后續(xù)點(diǎn)云處理提供更為精確的數(shù)據(jù)。本文提出的混合像素自動(dòng)探測算法是建立在密集采樣點(diǎn)云的基礎(chǔ)上，如果采集的點(diǎn)云分布不均時(shí)可能會(huì)影響到混合像素的探測，也是進(jìn)一步的研究方向。

參考文獻(xiàn)：

[1]赫春曉,李浩.基于三維激光掃描數(shù)據(jù)的三維實(shí)景構(gòu)建[J].測繪工程,2013,22(1):81-85.

[2]游曉斌,游先祥,相瑩瑩.混合像元及混合像元分析[J].北京林業(yè)大學(xué)學(xué)報(bào),2003,25(S1):28-32.

[3]崔雨勇,曾致遠(yuǎn),付必濤,等.基于邊界提取的混合像元分解[J].人民長江,2008,39(8):115-117.

[4]楊鑫,付夢(mèng)印,楊毅,等.一種激光點(diǎn)云規(guī)則混合像素的提取與校正方法[C].//第九屆全國光電技術(shù)學(xué)術(shù)交流會(huì)論文集.2010:205-208.

[5]TULEY J,VANDAPEL N, HEBERT M.Analysis and Removal of Artifacts in 3-D LADAR Data[C]//in IEEE International Conference on Robotics and Automation,2005.

[6]張帆,黃先鋒,李德仁.基于球面投影的單站地面激光掃描點(diǎn)云構(gòu)網(wǎng)方法[J].測繪學(xué)報(bào),2009,38(1)：48-54.

[7]鄭德華,龐逸群,曹操.基于橢球面投影的散亂點(diǎn)云建立三角格網(wǎng)方法[J].測繪工程,2010,19(4)：19-23.

[8]劉艷豐.基于 kd-tree 的點(diǎn)云數(shù)據(jù)空間管理理論與方法[D].長沙：中南大學(xué),2009.春曉,李浩.基于三維激光掃描數(shù)據(jù)的三維實(shí)景構(gòu)建[J].測繪工程,2013,22(1):81-85.

[2]游曉斌,游先祥,相瑩瑩.混合像元及混合像元分析[J].北京林業(yè)大學(xué)學(xué)報(bào),2003,25(S1):28-32.

[3]崔雨勇,曾致遠(yuǎn),付必濤,等.基于邊界提取的混合像元分解[J].人民長江,2008,39(8):115-117.

[4]楊鑫,付夢(mèng)印,楊毅,等.一種激光點(diǎn)云規(guī)則混合像素的提取與校正方法[C].//第九屆全國光電技術(shù)學(xué)術(shù)交流會(huì)論文集.2010:205-208.

[5]TULEY J,VANDAPEL N, HEBERT M.Analysis and Removal of Artifacts in 3-D LADAR Data[C]//in IEEE International Conference on Robotics and Automation,2005.

[6]張帆,黃先鋒,李德仁.基于球面投影的單站地面激光掃描點(diǎn)云構(gòu)網(wǎng)方法[J].測繪學(xué)報(bào),2009,38(1)：48-54.

[7]鄭德華,龐逸群,曹操.基于橢球面投影的散亂點(diǎn)云建立三角格網(wǎng)方法[J].測繪工程,2010,19(4)：19-23.

[8]劉艷豐.基于 kd-tree 的點(diǎn)云數(shù)據(jù)空間管理理論與方法[D].長沙：中南大學(xué),2009.

[責(zé)任編輯：劉文霞]