一種綜合機載LiDAR與高分辨率航空影像的鐵路軌道提取方法

于海洋，牛峰明，羅　玲,馬慧慧

(1.河南理工大學 礦山空間信息技術國家測繪地理信息局重點實驗室,河南 焦作 454000 2.河南理工大學 測繪與國土信息工程學院，河南 焦作 454000)

?

一種綜合機載LiDAR與高分辨率航空影像的鐵路軌道提取方法

于海洋1,2，牛峰明2，羅玲2,馬慧慧2

(1.河南理工大學 礦山空間信息技術國家測繪地理信息局重點實驗室,河南 焦作 454000 2.河南理工大學 測繪與國土信息工程學院，河南 焦作 454000)

摘要：高分辨率航空遙感數據中鐵路軌道線性特征明顯，可以直接用于鐵路軌道的精細提取。首先根據鐵路路基光譜、局域地形等特征，基于機載LiDAR數據建立一種面向對象的鐵路區(qū)域提取算法；進一步通過數學形態(tài)學處理消除干擾因素的影響，選取適當的影像波段進行掩模提取圖像中的鐵路區(qū)域，采用基于高斯平滑和微分幾何的線性地物提取算法初步提取鐵路軌道線。在噪聲消除、線段連接的基礎上建立軌道平行線算法模型，從而實現軌道信息的準確提取。實驗結果證明上述方法的有效性，軌道提取精度達到94.6%以上。

關鍵詞：機載LiDAR；鐵路軌道；面向對象的圖像分析；微分幾何脊線提??；平行線模型

1概述

鐵路軌道作為鐵路基礎設施對象定位的關鍵要素，是遙感信息提取研究的重要目標[1]，部分學者提出一些基于高分辨率光學遙感影像的自動半自動的處理方法，但是這些處理算法參數設定受數據特點影響較大，無法完全實現自適應選取[2,3]。機載LiDAR技術的快速發(fā)展為地物信息的精細提取提供良好的基礎[4]。

近年來面向對象的圖像分析(Object-based Image Analysis，OBIA)技術在遙感圖像處理尤其是高分辨率遙感數據處理的研究中受到極大重視[6-7]。研究中根據鐵路路基光譜、局域地形等特征，基于機載LiDAR數據建立一種面向對象的鐵路區(qū)域提取算法；在此基礎上通過數學形態(tài)學消除干擾因素的影響，選取適當的影像波段進行掩模提取圖像中的鐵路區(qū)域，采用基于高斯平滑和微分幾何的線性地物提取算法初步提取鐵路軌道線。在噪聲消除、線段連接的基礎上，根據鐵路軌道線模型特征建立軌道平行線算法模型，從而實現鐵路軌道信息的準確提取，見圖1。

圖1　基于航空遙感數據的鐵路軌道提取技術

2面向對象的鐵路區(qū)域提取

2.1數據預處理

在機載LiDAR數據處理中，首先利用獲取點云數據結合GPS和慣性測量系統(tǒng)觀測數據，計算每個點云的三維坐標；然后檢測和去除其中的系統(tǒng)誤差和粗差點，采用自適應(Adaptive TIN，ATIN)方法進行濾波分類，分離出地面點和非地面點，并進一步采用手工編輯修改錯誤分類點；最后，基于Kriging插值方法建立DEM。同時，利用機載LiDAR第一次返回數據建立數字表面模型(DSM)。從DSM減去DEM獲得地物的高度信息模型nDSM。利用nDSM提取建筑物、植被等，能夠直接消除地形的影響。與機載LiDAR同時獲取的航空遙感影像數據包括可見光紅、綠、藍3個波段，使用DSM進行正射校正，使校正圖像與機載LiDAR數據完全配準。

2.2圖像分割

OBIA技術首先需要建立分割對象，在此圖像分割采用一種分水嶺分割與區(qū)域結合的算法[7-10]，該方法在分水嶺分割的基礎上將相鄰的具有一定屬性的區(qū)域通過一系列的統(tǒng)計方法和參數進行循環(huán)合并，每經歷一次循環(huán)，將兩個同質區(qū)域合并為一個更大的區(qū)域。合并決策是基于局部的描述相鄰對象的異質性標準，包括形狀特征和光譜特征，其中形狀特征包括緊致度和平滑度兩個方面。在兩個同質區(qū)域合并之前首先計算兩者合并的異質性差異，如果小于給定的最小閾值，則進行合并，否則合并進程將結束，輸出最終分割結果。

計算異質性標準的數據包括航空影像數據中R、G、B 3個波段以及LiDAR數據提取的DEM和nDSM數據，以更好的分割鐵路區(qū)域，用于后續(xù)的分類。

2.3鐵路區(qū)域OBIA提取

研究中利用LiDAR數據提取的nDSM高度特征和綠度指數(航空影像中的綠波段與藍、綠、紅3波段之和的比值)特征分類建筑物和植被信息，并通過光譜特征和形狀特征區(qū)分公路和裸地等，具體方法參見文獻[11]。

鐵路連同路基在局域范圍內形成正地形，在平原地區(qū)尤其明顯。因此，通過對比分割對象與鄰域范圍的DEM高程均值的差Hdiff可作為鐵路識別的重要特征。

(1)

式中：hobj為分割對象的高程，n為對象數量。鄰域范圍距離設定為50m，高程差Hdiff設定為0.5 m。

2.4分類結果優(yōu)化

分類結果中存在的各種噪聲導致的目標虛警、不完整等，通過數學形態(tài)學和提取目標連通區(qū)域的形狀特征進一步處理得到較為優(yōu)化的結果。

3基于高斯平滑和微分幾何的線狀地物提取

基于上述OBIA分類結果，選取高分辨率遙感影像紅波段進行掩模提取圖像中的鐵路區(qū)域，采用基于高斯平滑和微分幾何的線性地物提取算法[12]，實現鐵路軌道線的提取。

3.1線剖面模型與高斯平滑脊點檢測

設理想圖像中的鐵路軌道線剖面模型為柱形，即寬度為2w、亮度為h的暗背景中的亮線，其剖面定義為

(2)

由于受到傳感器重采樣的影響，剖面一般會有所變化(見圖2)，因此將線剖面模型定義為近似拋物線剖面，即

(3)

線狀地物檢測算法是以此類型剖面為基礎的，實際的柱形線剖面在此基礎上改進。

圖2　圖像中的亮色調線狀地物剖面與近似拋物線剖面

對于無噪聲的圖像I(x)，對上述模型中鐵路軌道線的檢測可直接取一階導數I′(x)=0的點，但一般僅適用于較明顯的軌道線段。另一種方法是計算I′(x)=0處的二階導數I″(x)，亮背景中暗線的I″(x)?0，暗背景中亮線的I″(x)?0。

由于實際圖像中存在大量的噪聲，使得上述方法并不完善，因此需要通過高斯卷積對原始圖像I(x)的一階導數I′(x)和二階導數I″(x)進行平滑。

3.2基于圖像函數微分幾何特征的中心線脊點的檢測

在二維條件下，圖像函數I(x,y)中曲線s(t)在垂直于線的方向n(t)上即為一維線剖面下相同的特征。此時唯一需要確定的問題是圖像中線上每一點的局部曲線s(t)的方向，確定n(t)，從而將問題簡化到一維空間。

3.3中心線脊點的連接

在提取出獨立的中心線脊點之后，需要將其連接成線。為便于后面的處理，連接算法應能將交點標記出來。

首先將脊點的灰度二階導數超過給定高閾值的點標記為連接起始點集Lh，超過低閾值的點標記為連接點集Ll。連接從具有最大二階導數的點開始，然后搜索適當的鄰近點來構成線。

在交點處選擇一條支路繼續(xù)搜索，交點暫不處理。當搜索方向僅僅存在已被連接的脊點(兩條線相交，標記交點)，或者鄰近沒有脊點時，返回開始點再反向搜索，直到再次滿足上述條件，則該線連接結束。

從未被連接的點中選擇具有最大二階導的點重復上述過程，直到Lh的所有點都被連接算法標記。

3.4提取線的連接、修剪

由于初步提取結果中存在噪聲，會出現小的非軌道分支或孤立的線段，需要將其除去；同時，還會存在一定的斷點，需要將其連接。噪聲去除與斷線連接采用算法：

1)為減少數據的處理量同時除去微小噪聲，首先去除提取曲線中長度過小、曲率過大的非鐵路軌道線段。

2)由于鐵路設施、植被等影響，軌道線提取結果中會存在斷點、曲線連接不完整等，需要進行斷線迭代連接。相鄰斷線連接設定的閾值有兩個，一是相鄰斷線端點的距離，另一個是相鄰斷線近似直線的角度差。符合閾值標準則連接為新的道路段，并進一步搜索相鄰的道路段，直到所有符合標準的線段處理完成為止。

3)根據Douglas-Peucker算法計算曲線的近似多邊形，將曲線分割成與原始曲線限制在一定距離范圍內的多邊形，獲得近似誤差較小的長線段，用于建立軌道平行線模型。

4軌道平行線模型的建立

路軌是固定寬度為1.435 m的平行線，利用Douglas-Peucker算法計算邊緣輪廓線的近似多邊形線段，建立適當的平行邊緣模型來提取路軌。

構成平行邊緣模型的線對質量計算式為[13]

(4)

式中：l1,l2為構成平行線段的長度；α為角度差；σ為重疊長度。Q作為線對平行程度的一種衡量，其值越大，表明平行程度越高。

5實驗分析

5.1研究區(qū)與數據預處理

研究區(qū)位于河南省鄭州市，地勢平坦，典型的平原地區(qū)。試驗區(qū)LiDAR點云數據采用徠卡ALS 60機載激光雷達系統(tǒng)，試驗中同時獲取航空光學影像數據，數據采集時間為2012年4月11日。研究區(qū)地物類型復雜，主要包括農村住宅、工礦建筑、喬木、灌叢、農作物、公路、鐵路、裸地等。圖3為研究區(qū)航空遙感影像數據、DEM、DSM和nDSM暈渲圖。試驗中獲取點云數據的高程精度為11 cm，平面精度15 cm，提取的nDSM空間分辨率為0.2 m。航空遙感影像數據空間分辨率為0.1 m。

圖3　研究區(qū)航空影像及LiDAR數據

5.2實驗區(qū)數據面向對象分類

OBIA圖像分割中使用的形狀和平滑參數的權重設置分別為0.1和0.5，尺度參數為80。研究區(qū)圖像分割結果如圖4所示。試驗區(qū)基于分割對象分類結果總體精度達到97.18 %。

圖4　圖像分割結果(局部)

5.3矢量域鐵路軌道線提取

首先利用分類結果建立鐵路區(qū)域掩膜圖像，以減小軌道線提取過程中的數據處理量，提高計算效率，消除噪聲影響。通過掩膜處理，能夠極大地減少數據處理量，提高鐵路提取精度。

基于圖像函數微分幾何特征實現鐵路掩膜區(qū)域中心線脊點的檢測與連接見圖5(a)，由于初步提取結果中存在噪聲，會出現小的非軌道枝接或孤立的線段，需要將其除去；同時，還會存在一定的斷點，修剪結果如圖5(b)所示。

根據Douglas-Peucker算法計算曲線的近似多邊形，滿足一定標準的邊緣線段可構成鐵路軌道目標平行線模型。鐵路軌道平行線模型角度差α設置為0.01，平行線間的距離設定為1.2～1.8 m。圖5(c)為實驗區(qū)局部軌道提取結果。

實驗中對長度為9.6 km的鐵路段進行提取實驗，結果表明該方法能夠較準確的提取鐵路軌道線網絡，有效去除干擾因素的影響，提取的軌道網絡完整性好。與手工提取的結果對比，提取總體精度(正確提取的鐵路段長度占實驗區(qū)實際鐵路總長度的比值)達到94.6%，虛警率(錯誤提取的鐵路段長度占實驗區(qū)實驗提取的鐵路總長度的比值)為8.5%。

圖5　鐵路軌道線提取(局部)

6結束語

建立一種基于機載LiDAR數據和高分辨率航空影像的鐵路軌道提取方法，該方法首先利用面向對象分類的方法提取鐵路區(qū)域，然后通過形態(tài)學處理算法消除干擾因素的影響，識別鐵路區(qū)域，采用微分幾何算法和鐵路軌道知識模型特征提取出鐵路軌道?；跂鸥駡D像處理的OBIA提取與形態(tài)學處理方法能夠有效地提取鐵路區(qū)域，減少鐵路軌道線虛警目標的出現，微分幾何算法實現準確的鐵路軌道線提取。實驗結果表明該方法能夠較準確的提取鐵路軌道線網絡，有效去除干擾因素的影響，提取的軌道網絡完整性好，總體精度達到94.6%。

參考文獻：

[1]梁策.基于LiDAR數據獲取鐵路縱橫斷面的方法研究[D].成都：西南交通大學,2010.

[2]王華，韓祖杰，王志敏．一種高分辨率影像上鐵路中心線提取的方法[J]．遙感技術與應用，2013,28(5):761-765.

[3]BEGER R，GEDRANGE C，HECHT R，et al.Data fusion of extremely high resolution aerial imagery and LiDAR data for automated railroad center line reconstruction[J].ISPRS Journal of Photogrammetry & Remote Sensing.2011，66：S40-S51.

[4]谷延超,范喆宇,范東明,等.基于不同濾波算法差異的機載LiDAR數據橋梁提取[J].測繪工程，2014,23(11):67-70.

[5]JOHANSEN K，PHINN S，WITTE C.Mapping of riparian zone attributes using discrete return LiDAR，QuickBird and SPOT-5 imagery：assessing accuracy and costs[J].Remote Sensing of Environment，2010,114 (11)，2679-2691.

[6]Trimble Definiens，A.G.(Ed.).ECognition 8 Reference Book[M].Trimble，Munich，2010.

[7]BENZ U C，PETER H，GREGOR W，et al.Multi-resolution，Object-oriented Fuzzy Analysis of Remote Sensing Data for GIS-ready Information[J].ISPRS Journal of Photogrammetry & Remote Sensing，2004 (58):239-258.

[8]湯瑞華.基于自適應圖像分割自動提取道路中心線[J].測繪工程，2015,24(7)：29-33.

[9]譚金石.利用影像輔助LiDAR點云數據的建筑物提取方法研究[J].測繪與空間地理信息，2015,38(6)：81-83

[10] 張學之，張禹，徐敏.利用LiDAR/傾斜攝影技術實現三維城市快速建模的方法研究[J].測繪與空間地理信息，2015,38(3)：47-49.

[11] YU Haiyang，CHENG Gang，GE Xiaosan.Object oriented land cover classification using ALS and GeoEye imagery over mining area[J].Transactions of Nonferrous Metals Society of China，2011，S21:733-737.

[12] STEGER C.An Unbiased Detector of Curvilinear Structures[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1998，20(2)：113-125.

[13] 于海洋,盧小平,甘甫平,等.一種基于帶通濾波的機場跑道提取方法[J]．測繪科學，2009,34(6):94-95.

[責任編輯：李銘娜]

Rail extraction from airborne LiDAR and high resolution aerial imageYU Haiyang1,2，NIU Fengming2，LUO Ling2，MA Huihui2

(1.Key Laboratory of Mine Spatial Information Technologies of National Administration of Surveying Mapping and Geoinformation of China，Henan Polytechnic University，Jiaozuo 454000，China；2.School of Surveying and Land Information Engineering，Henan Polytechnic University，Jiaozuo 454000，China)

Abstract：Railway track is the key ingredient in object positioning of railway infrastructure surveying and mapping.The linear characteristics of railway track in high-resolution aerial remote sensing data are obvious，which can be directly applied to fine extraction of railway track.First according to the spectrum and local terrain characteristics of the railway subgrade，an object-oriented railway region extraction algorithm is established based on airborne LiDAR data.Further the interference factors are eliminated by mathematical morphology processing and the appropriate mask image bands are selected for extracting railway area.Based on gauss smooth and differential geometry linear feature extraction algorithm，the preliminary railway track lines are extracted.On the basis of noise elimination，line connection，a rail parallel algorithm model is established in order to realize the accurate rail information extraction.Experimental results prove the validity of this method，of which the rail extraction accuracy is above 94.6%.

Key words：airborne LIDAR；rail；OBIA；differential geometry ridge line extraction；parallel model

中圖分類號：TP751

文獻標識碼：A

文章編號：1006-7949(2016)05-0042-05

作者簡介：于海洋(1978-)，男，博士，副教授.

基金項目：國家自然科學基金資助項目(U1304402)；衛(wèi)星測繪技術與應用國家測繪地理信息局重點實驗室經費資助項目(KLAMTA-201405)；河南省高校科技創(chuàng)新團隊支持計劃資助項目(14IRTSTHN026)

收稿日期：2015-03-06；修回日期：2015-08-02