利用機載LIDAR點云數(shù)據(jù)制作高精度DEM及DSM的方法*

張偉偉，高長成

(浙江省測繪大隊，浙江 杭州 310030)

利用機載LIDAR點云數(shù)據(jù)制作高精度DEM及DSM的方法*

張偉偉，高長成

(浙江省測繪大隊，浙江 杭州 310030)

通過對1∶2 000高精度DEM及DSM制作的項目實踐，總結(jié)了利用LIDAR點云數(shù)據(jù)制作高精度DEM及DSM的方法，其制作的關(guān)鍵就是點云的濾波分類，并對點云的兩種分類即自動濾波分類和人工精細分類進行詳細闡述。

LIDAR點云；高精度DEM及DSM；濾波分類

Abstract：Through the project practice of making 1∶2000 high precision DEM and DSM，this paper summarized the method of producing high-precision DEM and DSM with LIDAR point cloud data.The key to it production is the classification of points cloud.The aim is to elaborate on the two kinds of filter classification of points cloud in detail，which are including both of automatic filter classification and manual fine classification.

Keywords：LIDAR point cloud；high precision DEM and DSM；filter classification

0 引言

LIDAR(激光雷達)即Light Detection And Ranging，按平臺的不同可分為星載、機載和地面3類。其中，機載激光雷達是一種安裝在飛機上的機載激光探測和測距系統(tǒng)，它集成激光測距技術(shù)、計算機技術(shù)、慣性測量單元(IMU)/DGPS差分定位技術(shù)于一體，該技術(shù)在三維空間信息的實時獲取方面產(chǎn)生了重大突破，為獲取高時空分辨率地球空間信息提供了一種全新的技術(shù)手段。它具有自動化程度高、受天氣影響小、數(shù)據(jù)生產(chǎn)周期短、精度高等特點[1]。本文主要通過自動分類及人工精細化分類對預(yù)處理后處于同一數(shù)據(jù)層的海量點云進行濾波分類，其原理是按照不同地表物體的反射特性、形狀特征等將地面點與地物點分別放置在相應(yīng)的數(shù)據(jù)層中，從而最終生成高精度的DEM[2]及DSM[3]產(chǎn)品。

1 攝區(qū)概況

攝區(qū)位于臺州市東南沿海平原地區(qū)，部分丘陵與中低山地帶，包括椒江、黃巖、路橋3個區(qū)，西鄰仙居縣，南接溫嶺市、樂清市、永嘉縣。攝區(qū)西高東低，最高點高程為640 m，位于攝區(qū)西部；東部為大范圍平原，平均高程在5 m左右；整個攝區(qū)屬于丘陵地帶。

2 數(shù)據(jù)來源

于2014年12月下旬—2015年2月上旬對測區(qū)進行航攝飛行，采用Leica ALS70-HP機載激光掃描系統(tǒng)執(zhí)行測區(qū)航攝任務(wù)。飛行高度1 100 m，最終獲取的點云密度均在5-10點/m2間，LIDAR數(shù)據(jù)旁向重疊27%～62%，點云覆蓋情況完整。

3 基于TerraScan軟件的自動濾波

利用TerraScan軟件進行自動濾波，所用的濾波方法是Axelsson 提出的不規(guī)則三角網(wǎng)漸進濾波法[4]。自動濾波前先要結(jié)合測區(qū)已有的參考數(shù)據(jù)，如影像、地形圖等并通過抽稀讀取點云、建模型、觀察數(shù)據(jù)的方法來獲取整個項目區(qū)域范圍內(nèi)的地形、地貌以及點密度等情況。選取平地、城市、山地、復(fù)雜地形4類具有代表性的數(shù)據(jù)作為樣區(qū)對濾波參數(shù)進行反復(fù)調(diào)試，最終按照歸層——除燥——提取地面點——提取地物點的步驟來確定濾波結(jié)果較好的參數(shù)用于整個測區(qū)。

3.1 四種不同地形的特點

4種地形包括平地、城市、山地和復(fù)雜地區(qū)。各種地形具體特征如下：

1)平地。地形特點：地面平坦、水田較多，建筑物分散。

2)城市。地形特點：城市建成區(qū)，房屋密集，多為高層建筑，建筑物屋頂形狀多樣。

3)山地。地形特點：樹木密集、地勢較陡，有零星建筑物。

4)復(fù)雜地區(qū)。地形特點：城區(qū)與山區(qū)交接處，地形有起伏，地物種類豐富。

4種地形的DOM，如圖1所示。

圖1 4種地形的DOMFig.1 Four kinds of terrain DOM

3.2 反復(fù)調(diào)試后的濾波參數(shù)設(shè)置

經(jīng)過反復(fù)調(diào)試得到的濾波參數(shù)，如表1所示。

表1 TerraScan自動濾波分類參數(shù)設(shè)置

3.3 自動濾波結(jié)果

按照上述4種地形，將測區(qū)分為4塊，建立相應(yīng)的4個工程，打開工程管理窗口，選擇已建好的工程，點擊Tools→Run macro，對4個工程分別按照已經(jīng)調(diào)試好的宏參數(shù)運行，即可完成自動濾波，結(jié)果如圖2所示。

圖2 4種地形的自動濾波結(jié)果Fig.2 Automatic filtering results for four kinds of terrain

4 基于LiDAR DP軟件的人工交互分類

通過TerraScan軟件對點云自動濾波后，會發(fā)現(xiàn)許多特殊復(fù)雜的地形細節(jié)部分存在錯分及漏分情況，達不到高精度DEM及DSM生產(chǎn)的精度要求，此時就需要結(jié)合參考影像進行人工分類。本文選用西安煤航研發(fā)的LiDAR DP軟件實現(xiàn)人工精細化分類，在LiDAR DP中參考DOM利用剖面分析判斷點云分類的正確與否，并且用畫刷、線上分類、線下分類、多邊形分類等分類工具對漏分、錯分的點云進行精細化的分類。保證點云分類的精度，最終得到一個精確的地面模型及地表模型。對于特殊地形如水域、高差較大的區(qū)域需添加斷裂線來處理。LiDAR DP軟件操作界面簡單，其熱鍵的設(shè)置功能，提高了工作效率；簡單易操作的分類工具，在作業(yè)過程中加快了速度。

4.1 找回缺失地面點

一種方法是顯示非地面點，用可能有地面點的所有層創(chuàng)建TIN模型、渲染，關(guān)閉地面點層的顯示，顯示其他可能有地面點的所有層點，逐屏瀏覽分析，將落在地面上的點分類回地面。另一種方法是創(chuàng)建地面點的TIN、渲染，顯示地面點，逐屏瀏覽分析，對大片無地面點處做剖面分析，如果缺失地面點，則通過分類工具將其分類回地面。圖3(a)為道路的地面點缺失的情況，圖3(b)為道路地面點找回后的情況，圖3(c)為山頂?shù)孛纥c缺失的情況，圖3(d)為山頂?shù)孛纥c找回后的情況。

圖3 缺失地面點的處理Fig.3 Processing of missing ground points

4.2 對錯分的地物點進行細分

地物點錯分的情況主要針對是建筑物與植被，如城市密集區(qū)中間的低矮房屋被錯分為植被點、人字形房屋的屋脊錯分為植被點、高度與形狀和建筑物相似的植被點被誤分為建筑物點、建筑物邊緣點被誤分為植被點、圍墻上的點被錯分為建筑物點；建筑物自動分類以后，需要結(jié)合DOM影像對房屋進行對比檢查。

對錯分地物點的處理，如圖4所示。

圖4 錯分地物點的處理Fig.4 Processing of misclassification ground points

4.3 添加斷裂線的特殊情況處理

4.3.1 水系水域的處理方法

LIDAR點云掃射地面時由于水面不會回波，也就沒有點云數(shù)據(jù)，但是實際上在點云處理中水面上有點；另外，由于水系兩岸的地面點的高程不一致，在建模過程中使水產(chǎn)生傾斜，故須人為處理將水面置平來統(tǒng)一高程去除水面上的點(即添加斷裂線)。水系水域的處理，如圖5所示。

4.3.2 高差較大區(qū)域的處理方法

位于山腳下且被樹木遮擋的建筑物是此類代表區(qū)域(如圖6(a))，其房屋地基與屋后的斜坡或陡坎高差較大，導(dǎo)致房屋周圍沒有明確分界線的地面點，如果按照實際點云生成DEM后，房屋地基面會出現(xiàn)一個斜面(如圖6(b))，不符合房屋的實際情況。需添加斷裂線將地基置平，斷裂線的高程是參考房屋周邊的地面點的高程(如圖6(c))。

4.4 最終點云分類成果

最終的點云分類成果地面點、植被點、建筑物點都在設(shè)計的層中，如圖7所示。

5 DEM、DSM產(chǎn)品的生成及精度分析

在點云分類完成后，在LiDAR DP軟件中進行三角網(wǎng)內(nèi)插，生成DEM及DSM產(chǎn)品(見圖8)。其中，DEM產(chǎn)品是采用地面點，加入特征線輔助數(shù)據(jù)以及分幅圖框批量進行三角網(wǎng)內(nèi)插，設(shè)置相應(yīng)的格網(wǎng)間距進行產(chǎn)品輸出；DSM產(chǎn)品是將地面點、建筑物點、植被點加入特征線輔助數(shù)據(jù)以及分幅圖框批量進行三角網(wǎng)內(nèi)插，設(shè)置相應(yīng)的格網(wǎng)間距進行產(chǎn)品輸出。

利用該測區(qū)1∶500數(shù)字地形圖進行套合檢查，在覆蓋范圍內(nèi)每2～3 km2內(nèi)選取1個平面位置點進行位置量測對比。共選取150個平面位置點，經(jīng)檢查平面位置中誤差為±0.58 m。

采用外業(yè)檢查的方式，實測209個地面檢查點，均分布在平坦路面上。共選取204個高程檢查點，經(jīng)檢查高程中誤差為±0.09 m。從檢查結(jié)果來看，平面及高程精度均滿足成果要求。

6 結(jié)論

點云分類結(jié)果決定了DEM及DSM成果的質(zhì)量，其結(jié)果的好壞直接影響后續(xù)的人工分類的難度和效率以及DEM、DSM等產(chǎn)品的精度。而地形特征決定了分類的難易程度，地形越復(fù)雜、地物信息越豐富，分類難度越大；反之，地形越簡單，地物信息越少，其分類難度就越小。所以在進行測區(qū)自動濾波時一定要先

圖5 水系水域的處理Fig.5 Processing of river waters

圖6 山腳下建筑物的處理Fig.6 Processing of buildings at the foot of mountain

圖7 點云分類成果Fig.7 Classification results of point cloud

圖8 DEM及DSM成果Fig.8 Results of DEM and DSM

分析測區(qū)地形，按照地形特征對濾波參數(shù)進行反復(fù)調(diào)試，選取適合的參數(shù)，最大可能地減少后期人工分類的工作量；同時，在人工分類的過程中，也要融合影像數(shù)據(jù)或多光譜數(shù)據(jù)等參考數(shù)據(jù)源，才能快速準確的進行點云分類工作。

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

[2] 李志林，朱慶.數(shù)字高程模型[M].武漢：武漢大學(xué)出版社，2003.

[3] Okagawa M.Algorithm of MutiplFiltr to Extract DSM from LIDAR data[C] //Proc.of ESRI User Confersnce.USA：[s.n]，2001.

[4] AxelssonP.DEM Generation from Laser Scanner Data Using AdaptiveTIN Models[J].International Archives of Photogrammetry and Remote Sensing，2000，33(B4)：110-117.

MethodofMakingHighPrecisionDEMandDSM
UsingAirborneLIDARPointCloudData

ZHANG Wei-wei，GAO Chang-cheng

(ZhejiangBrigadeofSurveyingandMapping，HangzhouZhejiang310030，China)

2017-03-11

P 237

B

1007-9394(2017)03-0035-03

張偉偉(1987～)，女，河南魯山人，學(xué)士，工程師，現(xiàn)主要從事航測遙感應(yīng)用方面的工作。