基于機載LiDAR點云的道路點濾波提取方法研究*

李武奇　袁　磊

(1.湖北文理學(xué)院數(shù)學(xué)與計算機科學(xué)學(xué)院　襄陽　441053)(2.中國地質(zhì)大學(xué)(武漢)計算機學(xué)院　武漢　430074)

?

基于機載LiDAR點云的道路點濾波提取方法研究*

李武奇1,2袁磊1

(1.湖北文理學(xué)院數(shù)學(xué)與計算機科學(xué)學(xué)院襄陽441053)(2.中國地質(zhì)大學(xué)(武漢)計算機學(xué)院武漢430074)

摘要提取出道路地面點對于從機載LiDAR數(shù)據(jù)中提取地物有重要意義,論文提出了一種濾波方法提取道路地面點。首先,通過LiDAR數(shù)據(jù)中的道路特征的高程值進行區(qū)域分割,保存粗略數(shù)據(jù);然后再根據(jù)LiDAR數(shù)據(jù)中的反射強度進行第二次濾波,超出反射強度某閾值的點劃分為非地面點,剔除此部分點;第三次對已提取出的點進行分析,根據(jù)道路點密集的特征剔除周圍反射強度符合閾值但形狀稀疏的孤立點。實驗結(jié)果表明該算法對地面點的提取效果較好,具有一定的實用性。

關(guān)鍵詞LiDAR數(shù)據(jù); 濾波; 高程值; 反射強度; 剔除

Class NumberP23

1　引言

激光LiDAR點云數(shù)據(jù)的濾波過程主要是基于若干相關(guān)信息構(gòu)建判別規(guī)則(也稱作假設(shè)條件),然后根據(jù)這些判斷規(guī)則,從LiDAR點云數(shù)據(jù)中判斷出地物點、非地物點,并將非地物點濾除,獲得地面點[1]。目前,從原始數(shù)據(jù)當(dāng)中提取出地面點的算法已經(jīng)很多,其中一些算法在ISPRS的報告中也進行了描述和比較。在2000年Vossleman提出的連續(xù)地面中基于坡度的算法[2],該算法基本思想是:地面引起的坡度變化小于地物的坡度變化;對于一個LiDAR數(shù)據(jù)地面點來說,它和地物點之間形成的坡度大于其與周圍地面點形成的坡度值;殷國偉等在2010年在Vossleman的基礎(chǔ)上提出改進,首先根據(jù)激光的回波次數(shù)和反射強度信息進行濾波,經(jīng)過初步濾波之后根據(jù)角度限制法則和窗口移動法進行地面點提取工作,并使用不同地形特征的數(shù)據(jù)進行了試驗[3]。2009年,PoonamS.Tiwari[4]等結(jié)合了IKONOS遙感數(shù)據(jù)和三維激光LiDAR數(shù)據(jù)實現(xiàn)道路的自動化提取。2009年,張皓[5]等提出了虛擬格網(wǎng)的概念,將虛擬格網(wǎng)與坡度濾波算法結(jié)合,進行激光LiDAR數(shù)據(jù)的濾波,該方法避免了點云數(shù)據(jù)內(nèi)插或平滑過程中造成信息的損失。同年,蘇偉[6]等對移動窗口濾波法進行改進,提出了一種基于多級移動曲面的擬合濾波法。另外還有漸進三角網(wǎng)濾波法,例如Axelsson提出的基于漸進三角網(wǎng)(TIN)的加密濾波算法[7]。此后,2009年,李夲[8]等將漸進三角網(wǎng)法與區(qū)域增長法融合,提高了濾波精度;何正斌提出了一種對非地面點剔除算法[9],該算法將點云數(shù)據(jù)中的地面數(shù)據(jù)和非地面數(shù)據(jù)分離。2010年,黃燕[10]等對TIN網(wǎng)的種子點選擇進行了改進,提出一種最小殘差法和移動窗口法相結(jié)合的選點方式。2011年,曾靜靜[11]等提出了一種基于LiDAR回波信息提取道路的方法。針對以上算法的局限性和適用范圍限制,本文提出一種結(jié)合點云高程強度濾波的提取方法來提取路面點,最后根據(jù)道路的特征進行分析剔除部分噪點,可以達到良好的效果。

2　濾波算法描述

2.1數(shù)據(jù)可視化

LiDAR數(shù)據(jù)原始格式為.las格式,但本文實驗數(shù)據(jù)把格式轉(zhuǎn)換為.txt格式,其中字段共由以下七個字段構(gòu)成,其分別代表意義如表1所示。

表1　LiDAR數(shù)據(jù)字段示例

本文LiDAR數(shù)據(jù)可視化主要有以下幾個步驟:

1) 讀取遍歷LiDAR數(shù)據(jù)得到各字段最大值最小值Xmax、Xmin、Ymax、Ymin、Zmax、Zmin、Imax、Imin、Rmax、Rmin、Gmax、Gmin、Bmax、Bmin。

2) 將空間坐標(biāo)數(shù)據(jù)歸一化,首先按照式(1)將X、Y、Z歸一到-1～1(OpenGL繪圖坐標(biāo)范圍)之間,其中XN為原始數(shù)據(jù),Xn為處理后的數(shù)據(jù):

(1)

3) 將RGB數(shù)據(jù)歸一化,同樣按照式(2)將R、G、B歸一到0～255(標(biāo)準(zhǔn)RGB)之間,RN為原始數(shù)據(jù),Rn為處理后的數(shù)據(jù):

(2)

4) 利用OpenGL繪圖顯示LiDAR數(shù)據(jù)。

2.2濾波提取算法

濾波算法第一步通過LiDAR數(shù)據(jù)中的高程值進行初步篩選;然后再根據(jù)LiDAR數(shù)據(jù)中的反射強度進行第二次濾波篩選出反射強度符合閾值的點劃分地面點;第三次對已提取出的點進行距離分析,剔除孤立點。算法主要流程圖如圖1所示。

圖1　算法主要流程圖

1) 通過直觀觀察出粗略的路面極低點和路面極高點的高程值,分別記為LimitZmin(zmi)和LimitZmax(zma),將此范圍之外高程值的點認為是非地面點,剔除;否則認為是地面點。Points為原始數(shù)據(jù),PointOne(po)為提取后的點,濾波分類公式為

(3)

2) 計算出PointOne中所有點的反射強度最小值和最大值,分別記為LimitImin(imi)和LimitImax(ima)。將某強度閾值范圍之外的的點認為是非地面點,剔除;否則認為是地面點,PointTwo(pt)為提取后的點,其中a,b為強度系數(shù),實驗室取值分別為0.5,0.8。濾波分類公式為

(4)

圖2　提取后的PointTwo點示例

3)通過前面兩次濾波提取出的點已經(jīng)絕大部分屬于地面點,但仍然存在一些噪點影響結(jié)果,主要是一些高程和強度都符合閾值的孤立點,如圖2所示。

根據(jù)道路密集的特性,可以做一些分析。首先計算出pt中相鄰最近點的平均距離記為AvgDis,然后遍歷pt中的點計算與它最近點的距離。當(dāng)它小于2*AvgDis,算入一個集合K1,以此類推有K1,K2,…,Kn共n個組合,其中點最多的集合為地面點。

3　實驗與分析

將原始機載LiDAR數(shù)據(jù)顯示,如圖3所示,圖中有道路、路燈、路旁邊的山坡以及山上樹木等。

圖3　原始LiDAR數(shù)據(jù)顯示圖

經(jīng)過第一次濾波式(4)取高程后如圖4所示,顯示為PointOne中的數(shù)據(jù),從圖中4可以看出通過高程篩選之后基本得到了與路面高程閾值之間的點。

圖4　提取高程后顯示圖

經(jīng)過第二次濾波提取強度后如圖5所示,顯示為PointTwo中的數(shù)據(jù),從圖中5可以看到與道路點反射強度閾值不符合的點基本被剔除,出道路兩邊的石壁、樹木等。

圖5　提取強度后顯示圖

圖6　剔除噪點之后道路點顯示圖

對剩下的道路點進行分析,如圖6所示,道路周圍有強度和高程符合道路點閾值的點,但這些點形狀稀疏,是孤立的點,而道路點密集,即保留集合點中數(shù)量最多的集合,即為地面點。

4　結(jié)語

本文首先介紹了機載LiDAR數(shù)據(jù)格式和對數(shù)據(jù)預(yù)處理的過程和方法,在傳統(tǒng)的點云濾波算法上結(jié)合道路點密集的特征對道路點進行提取。提取道路點的過程中,首先根據(jù)LiDAR數(shù)據(jù)的高程和反射強度分別進行兩次過濾,這也是傳統(tǒng)濾波方法具有的,進而結(jié)合道路點云平整、密集的特點對濾波之后的點進行聚類分析,剔除噪點,保留最大類,刪除其它小類。該方法與傳統(tǒng)的激光點云濾波算法相比最顯著的特點是與被提取物特征相結(jié)合,提高了它的通用性,可以適應(yīng)不同的道路數(shù)據(jù)。提取出道路點之后,就可以計算道路平面方程和提取道路中線、邊線等其他地物。

參 考 文 獻

[1] 劉凱斯.機載激光LiDAR點云數(shù)據(jù)濾波和分類算法研究[D].北京:首都示范大學(xué),2014:3-29.

LIU Kaisi. Airborne laser LiDAR point cloud data filtering and classification algorithm[D]. Beijing: Capital Normal University,2014:3-29.

[2] George Vossleman. Slope based filtering of laser altimetry data[J]. International Archives of Photo- grammetry and Remote Sensing,2000,33(3):935-942.

[3] 殷國偉,張漢德,范學(xué)瑋.機載三維激光成像系統(tǒng)點云數(shù)據(jù)濾波與地面點提取算法研究[D].青島:中國海洋大學(xué),2010:7-16.

YIN Guowei, ZHANG Hande, FAN Xuewei. Airborne 3D laser imaging system point cloud data filtering and ground point extraction algorithm[D]. Qingdao: Ocean University of China,2010:7-16.

[4] Poonam S. Tiwari, H. Pande, et al. Automatic urban road extraction using airborne laser scanning/altimetry and high resolution satellite data[J]. Journal of the Indian Society of Remote Sensing,2009,37(2):223-231.

[5] 張皓.機載LiDAR數(shù)據(jù)濾波及建筑物提取技術(shù)研究[D].鄭州:信息工程大學(xué),2009:2-18.

ZHANG Hao. Airborne LiDAR data filtering and building extraction[D]. Zhengzhou: The PLA Information Engineering University,2009:2-18.

[6] 蘇偉,孫中平,趙冬玲.多級移動曲面擬合LiDAR濾波算法[J].遙感學(xué)報,2009,13(5):833-839.

SU Wei, SUN Zhongping, ZHAO Dongling. LiDAR filtering algorithm for multi-level mobile surface fitting[J]. Journal of Remote Sensing,2009,13(5):833-839.

[7] 賴旭東.機載激光雷達基礎(chǔ)原理與應(yīng)用[M].北京:電子工業(yè)出版社,2010:3-180.

LAI Xudong. Basic principle and application of airborne LiDAR[M]. Beijing: Publishing House of Electronics Industry,2010:3-180.

[8] 李卒,李德仁,黃先鋒.一種漸進加密三角LiDAR點云濾波的改進算法[J].測繪科學(xué),2010,35(4):91-93.

LI Zu, LI Deren, HUANG Xianfeng. An improved algorithm for LiDAR Point Cloud Filtering in progressive encryption[J]. Science of Surveying and Mapping,2010,35(4):91-93.

[9] 何正斌,田永瑞.機載三維激光掃描點云非地面點剔除算法[J].地球動力學(xué),2009,29(4):98-101.

HE Zhengbin, TIAN Yongrui. Non ground point removal algorithm for airborne 3D laser scanning point cloud[J]. Journal of Geodesy and Geodynamics,2009,29(4):98-101.

[10] 黃燕,劉君城.一種改進的LiDAR數(shù)據(jù)過濾方法[J].測繪科學(xué),2009,34(3):39-41.

HUANG Yan, LIU Juncheng. An improved LiDAR data filtering method[J]. Science of Surveying and Mapping,2009,34(3):39-41.

[11] 曾靜靜,盧秀山,王健,等.基于LiDAR回波信息的道路提取[J].測繪科學(xué),2011,36(2):142-143.

ZENG Jingjing, LU Xiushan, WANG Jian, et al. Road Extraction Based on LiDAR echo information[J]. Science of Surveying and Mapping,2011,36(2):142-143.

收稿日期:2015年10月10日,修回日期:2015年11月24日

基金項目:國家自然科學(xué)基金項目:路網(wǎng)流量狀態(tài)識別與均衡研究(編號:61272296)資助。

作者簡介:李武奇,男,碩士研究生,研究方向:智能計算、遙感測繪。袁磊,男,博士研究生,教授,碩士生導(dǎo)師,研究方向:數(shù)據(jù)庫技術(shù)與信息系統(tǒng)、多媒體技術(shù)應(yīng)用與開發(fā)。

中圖分類號P23

DOI:10.3969/j.issn.1672-9722.2016.04.025

Filtering and Extracting Road Points Based on Airborne LiDAR Data

LI Wuqi1,2YUAN Lei1

(1. Institute of Mathematics and Computing, Hubei University of Arts and Science, Xiangyang441053)(2. School of Computer Science, China University of Geosciences, Wuhan430074)

AbstractIt is important to extract the road points from the Airborne LiDAR data for feature extraction, a filtering method is presented to extract the road points. First of all, through the elevation of LiDAR data in the feature of road value for the filter, the filtered rough data is saved and then the second filter is carried out according to the LiDAR data in the reflection intensity, beyond the reflection intensity of some threshold points are divided into non road points, excluding the part. The extracted points are analyzed at third time, according to the feature of road value, the points with sparse shape should be filtered but their intensity are congruous. Experiment shows it has good effect on the extraction of road points and it is practical.

Key WordsLiDAR data, filtering, elevation, intensity, excluding