LiDAR-DP軟件對(duì)點(diǎn)云數(shù)據(jù)自動(dòng)分類結(jié)果分析

董倩茹

(甘肅省測(cè)繪工程院, 甘肅 蘭州 730000)

0 引言

機(jī)載激光雷達(dá)是將激光用于回波測(cè)距和定向,并通過(guò)位置、徑向速度及物體反射特性等信息來(lái)識(shí)別目標(biāo)。機(jī)載激光雷達(dá)是基于激光掃描技術(shù)、全球定位系統(tǒng)(global positioning system,GPS)技術(shù)和慣性導(dǎo)航技術(shù)集成的一個(gè)軟硬件系統(tǒng),也是遙感測(cè)量領(lǐng)域的一門新興技術(shù)。

激光雷達(dá)(light detection and ranging，LiDAR)系統(tǒng)可以采集到慣性測(cè)量單元(inertial measurement unit,IMU)數(shù)據(jù)、GPS數(shù)據(jù)、坐標(biāo)數(shù)據(jù)、高程數(shù)據(jù)、回波強(qiáng)度、數(shù)碼照片等,最終地物的三維坐標(biāo)及回波強(qiáng)度等信息會(huì)輸出到Las格式的點(diǎn)云文件中。Las格式(.las擴(kuò)展名)是LiDAR點(diǎn)云的標(biāo)準(zhǔn)交換數(shù)據(jù)格式,是由美國(guó)攝影測(cè)量與遙感學(xué)會(huì)(American Society for Photogrammetry and Remote Sensing,ASPRS)下的LiDAR委員會(huì)于2003年開(kāi)始發(fā)布的LiDAR數(shù)據(jù)的標(biāo)準(zhǔn)格式。

機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)處理軟件(light detection and ranging-data processing，LiDAR-DP)軟件是一套擁有自主知識(shí)產(chǎn)權(quán)的國(guó)產(chǎn)軟件,是中煤(西安)航測(cè)遙感研究院有限公司開(kāi)發(fā)的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)處理軟件。該軟件提供了一系列全流程、智能化的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)處理工具,支持海量點(diǎn)云批處理,能夠快速生成數(shù)字表面模型(digital surface model,DSM)、數(shù)字高程模型(digital elevation model,DEM)和等高線等基礎(chǔ)測(cè)繪產(chǎn)品。

1 項(xiàng)目及數(shù)據(jù)概況

本文結(jié)合黃河干流臨夏永靖至黃河石林LiDAR影像處理及數(shù)字地形圖更新項(xiàng)目,以機(jī)載LiDAR點(diǎn)云數(shù)據(jù)作為數(shù)據(jù)源,LiDAR-DP軟件為研究對(duì)象,對(duì)其漸進(jìn)三角加密濾波算法對(duì)點(diǎn)云自動(dòng)分類的效果進(jìn)行探討,并針對(duì)不同地物、地形、地貌總結(jié)出一套可行的解決方案,為今后使用該軟件對(duì)點(diǎn)云數(shù)據(jù)處理,提供經(jīng)驗(yàn)與方法。

本項(xiàng)目LiDAR點(diǎn)云數(shù)據(jù)于2020年8月,由塞斯納208飛機(jī)搭載GalaxyPrime航攝儀獲取,絕對(duì)航高為5 900 m,航帶旁向重疊度：平均重疊度為33%,整體重疊度為16%～58%。機(jī)載LiDAR掃描點(diǎn)云分布均勻、無(wú)異常點(diǎn),點(diǎn)間距優(yōu)于2 m,平均點(diǎn)密度0.7點(diǎn)/m,高程精度±0.108 m。攝區(qū)范圍包括黃河甘肅段部分區(qū)域,地處甘肅省中部、黃河上游區(qū)域。

2 LiDAR-DP軟件對(duì)點(diǎn)云數(shù)據(jù)自動(dòng)分類

2.1 漸進(jìn)三角加密濾波算法

LiDAR-DP軟件在自動(dòng)分類中使用的是一種利用單次或者多次激光回波數(shù)據(jù)剔除非地面點(diǎn),保留地面點(diǎn)的濾波算法：漸進(jìn)三角網(wǎng)加密濾波算法,該算法屬于基于不規(guī)則三角網(wǎng)(trianglated irregular network,TIN)的濾波算法。類似的算法還有基于坡度的濾波算法、基于數(shù)學(xué)形態(tài)學(xué)的濾波算法、移動(dòng)曲面擬合法、基于掃描線的濾波算法、基于聚類分割的濾波算法。

漸進(jìn)三角網(wǎng)加密濾波算法的主要原理是在測(cè)區(qū)內(nèi)按照指定大小進(jìn)行分塊,選擇分塊內(nèi)的最低點(diǎn)作為種子點(diǎn),用這些種子點(diǎn)構(gòu)建一個(gè)初始TIN,然后根據(jù)一定的閾值,根據(jù)不規(guī)則三角形內(nèi)激光腳點(diǎn)距三角形面的距離來(lái)判斷其是否為地面點(diǎn),再利用已知的地面點(diǎn)構(gòu)建一個(gè)新的TIN,如此迭代,直到?jīng)]有新的地面點(diǎn)加入為止。

漸進(jìn)三角網(wǎng)加密濾波算法存在的問(wèn)題有：①主要依賴種子點(diǎn)的選取精度；②地面點(diǎn)判斷的準(zhǔn)則較單一；③加密精度對(duì)噪聲較敏感。

2.2 LiDAR點(diǎn)云數(shù)據(jù)情況分析

經(jīng)過(guò)對(duì)測(cè)區(qū)范圍內(nèi)的點(diǎn)云分類數(shù)據(jù)進(jìn)行分析,發(fā)現(xiàn)測(cè)區(qū)河流等易形成鏡面反射的區(qū)域較多,主要以下幾個(gè)特點(diǎn)：

(1)由于本次項(xiàng)目范圍主要包括黃河干流及兩岸沿線區(qū)域,測(cè)區(qū)內(nèi)水庫(kù)、湖泊、河流,造成LiDAR激光束被水體吸收,導(dǎo)致回波信號(hào)的缺失。

(2)在機(jī)載LiDAR掃描過(guò)程中,不但存在系統(tǒng)誤差和偶然誤差,還存在極高點(diǎn)和極低點(diǎn)。極高點(diǎn)可能是激光脈沖受到空中個(gè)別物體，如旗桿；低飛飛行物，如飛鳥(niǎo)等的干擾,形成高位粗差,也會(huì)因?yàn)榧す鉁y(cè)距儀本身原因或者地面目標(biāo)對(duì)激光產(chǎn)生多路徑效應(yīng)產(chǎn)生低位誤差。這些粗差點(diǎn)被稱為噪聲點(diǎn),判別方式是與局部鄰近點(diǎn)存在高程突變或者頻率突變。

(3)在本測(cè)區(qū)中由于黃河中存在大量泥沙、船只,造成在黃河干流水域內(nèi)部存在大量偽地面點(diǎn)。

(4)在本測(cè)區(qū)中存在森林植被密集覆蓋區(qū)域,LiDAR點(diǎn)云穿透率低,造成這部分區(qū)域LiDAR點(diǎn)云地面點(diǎn)的反射率也偏低,難以找到地面點(diǎn)。

(5)由于測(cè)區(qū)涵蓋甘肅省省會(huì)城市蘭州,蘭州又是西北地區(qū)鐵路、公路、水路、航空兼?zhèn)涞木C合性交通運(yùn)輸樞紐,所以測(cè)區(qū)內(nèi)部存在大量高架路、橋,造成相鄰地物邊緣存在點(diǎn)云數(shù)據(jù)的高程突變,對(duì)點(diǎn)云數(shù)據(jù)的分類有一定影響,且此類區(qū)域缺失地面點(diǎn)。

(6)機(jī)載LiDAR是通過(guò)接收被目標(biāo)反射回來(lái)的激光脈沖來(lái)獲取目標(biāo)物的信息,回波的強(qiáng)度與目標(biāo)的材質(zhì)有關(guān)。除了水體以外,有些物體對(duì)激光的吸收程度也很大,例如：深色材料、瀝青路面等,該區(qū)域會(huì)出現(xiàn)缺失回波點(diǎn)的情況。

2.3 點(diǎn)云數(shù)據(jù)的預(yù)處理

LiDAR點(diǎn)云數(shù)據(jù)在自動(dòng)分類之前需要進(jìn)行預(yù)處理,預(yù)處理分為4個(gè)步驟：(1)高程系統(tǒng)的轉(zhuǎn)換。(2)自動(dòng)消除冗余點(diǎn)。(3)點(diǎn)云分塊。(4)自動(dòng)分類噪聲點(diǎn)。

2.3.1

高程系統(tǒng)的轉(zhuǎn)換

提供的點(diǎn)云數(shù)據(jù)平面坐標(biāo)系為2000國(guó)家大地坐標(biāo)系,高斯-克呂格投影,高程系統(tǒng)為大地高。先將甘肅省似大地水準(zhǔn)面精化成果(*.bin)文件轉(zhuǎn)為(*.txt)文件,然后利用LiDAR-DP軟件中的坐標(biāo)轉(zhuǎn)換工具選擇高程改正,在參數(shù)設(shè)置中選擇之前轉(zhuǎn)換好的高程異常值(*.txt)文件,將大地高轉(zhuǎn)化為正常高。

2.3.2

自動(dòng)消除冗余點(diǎn)

使用的是LiDAR-DP軟件中消除冗余的功能。該功能能夠自動(dòng)識(shí)別并剔除點(diǎn)云條帶間的重疊數(shù)據(jù),支持多個(gè)條帶批量自動(dòng)處理。

2.3.3

點(diǎn)云分塊

使用LiDAR-DP軟件工具中的點(diǎn)云分塊工具,可以按照生成的標(biāo)準(zhǔn)圖幅框、自定義大小或者自定義數(shù)據(jù)塊數(shù)目,對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行分塊。由于攝區(qū)總面積為10 440 km,攝區(qū)有63條航線,72條數(shù)據(jù),點(diǎn)云數(shù)據(jù)量太大,所以對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行了分塊,分塊的尺寸取決于數(shù)據(jù)處理軟、硬件性能。

2.3.4

自動(dòng)分類噪聲點(diǎn)

LiDAR-DP軟件支持對(duì)離散噪聲(粗差)點(diǎn)和密集噪聲點(diǎn)的自動(dòng)識(shí)別。需要設(shè)置的參數(shù)為采樣半徑和分類為低點(diǎn)的閾值。

2.4 點(diǎn)云數(shù)據(jù)自動(dòng)分類

點(diǎn)云分類主要是利用LADAR-DP軟件中的點(diǎn)云分類批處理功能,利用其改進(jìn)的漸進(jìn)三角網(wǎng)加密濾波自動(dòng)算法將點(diǎn)云數(shù)據(jù)按照地面點(diǎn)(Ground)和未分類點(diǎn)(Unclassify)進(jìn)行分類分層。自動(dòng)分類效果對(duì)比如圖1所示。

(a)山地自動(dòng)分類前 (b)山地自動(dòng)分類后

(c)平地自動(dòng)分類前 (d)平地自動(dòng)分類后

濾波的普遍情況是在地形起伏緩慢的地方濾波效果較好,但出于地形結(jié)構(gòu)線附近的地面點(diǎn)往往因?yàn)槠露然蛘吒叱套兓^大而被誤分至未分類點(diǎn)。

2.5 LADAR-DP軟件自動(dòng)點(diǎn)云分類情況分析

為了提高自動(dòng)濾波的精度,提高整體工作效率,本項(xiàng)目使用了人機(jī)交互的半自動(dòng)混合濾波方法。下列情況分別用點(diǎn)云數(shù)據(jù)圖、DEM暈渲圖、數(shù)字正射影像圖(digital orthophoto map,DOM)進(jìn)行展示。針對(duì)本項(xiàng)目地物、地形、地貌特點(diǎn),對(duì)LADAR-DP軟件在激光雷達(dá)數(shù)據(jù)濾波算法自動(dòng)點(diǎn)云分類結(jié)果,做出以下情況分析。

2.5.1

對(duì)建筑物的分類情況

具體情況如圖2所示。

(a)規(guī)則建筑物分類 (b)不規(guī)則建筑物分類

(c)依山而建房屋分類

經(jīng)分析可以得出如下結(jié)論：

(1)對(duì)規(guī)則建筑物的分類基本準(zhǔn)確。

(2)在不規(guī)則形狀建筑物時(shí),尤其是建筑物存在高低錯(cuò)落的情況,容易出現(xiàn)錯(cuò)分、漏分的現(xiàn)象,解決方式主要依靠錯(cuò)分點(diǎn)重新分類方法。

(3)在依山而建的房屋處,分類比較混亂,解決方式主要依靠添加斷裂線約束。

2.5.2

對(duì)橋梁和高架路的分類情況

具體情況如圖3所示。

(a)大規(guī)模的橋梁和高架路

點(diǎn)云斷面圖 (b)大規(guī)模的橋梁和高架路

影像圖

(c)小面積橋梁點(diǎn)云斷面圖 (d)小面積橋梁影像圖

經(jīng)分析可以得到以下結(jié)論：

(1)對(duì)規(guī)模較大的橋梁和高架路的分類基本準(zhǔn)確。

(2)在小面積橋梁上容易存在錯(cuò)分、漏分的現(xiàn)象。解決方式主要依靠錯(cuò)分點(diǎn)重新分類方法。

2.5.3

對(duì)植被覆蓋地表的分類情況

具體情況如圖4所示。

(a)植被稀疏分類 (b)樹(shù)木茂盛分類

(c)密集農(nóng)作物分類 (d)大面積溫室大棚分類

從圖中可以得到如下結(jié)論：

(1)植被稀疏區(qū)域分類基本準(zhǔn)確。

(2)樹(shù)木植被茂盛區(qū)域,由于枝葉茂盛,只有極少量點(diǎn)能穿過(guò)枝葉縫隙到達(dá)地面,分類效果較差。由于地面點(diǎn)過(guò)少,此處生產(chǎn)DEM時(shí)可以采用區(qū)域內(nèi)自動(dòng)減去平均樹(shù)高獲取地面高程,或者用其他近期且滿足精度的DEM數(shù)據(jù)進(jìn)行替換。

(3)在人工種植的密集農(nóng)作物,例如：黃河兩岸種植的大片玉米地等,由于農(nóng)作物密集,容易出現(xiàn)分類錯(cuò)誤的現(xiàn)象,解決方式主要依靠錯(cuò)分點(diǎn)重新分類方法,或者添加斷裂線約束。

(4)測(cè)區(qū)存在大面積溫室大棚,在本軟件濾波算法中,分類不徹底,有些被分在地面點(diǎn)層,有些被分在未分類點(diǎn)層,解決方式主要依靠錯(cuò)分點(diǎn)重新分類方法,或者添加斷裂線約束。

2.5.4

對(duì)水體的分類情況

具體情況如圖5所示。

(a)小面積靜止水體分類 (b)溝渠分類

(c)河流分類 (d)水庫(kù)分類

經(jīng)分析可以得到以下結(jié)論：

(1)小面積靜止水體分類基本準(zhǔn)確。

(2)溝渠的分類基本準(zhǔn)確。

(3)河流的分類存在較多不合理的現(xiàn)象,存在大量偽地面點(diǎn),解決方式主要依靠添加斷裂線約束。

(4)水庫(kù)的分類也存在較多不合理的現(xiàn)象,也存在大量偽地面點(diǎn),解決方式主要依靠添加斷裂線約束。

2.5.5

對(duì)高程突變的地貌分類情況

具體情況如圖6所示。

(a)大型土堆分類

(b)復(fù)雜山體分類

(1)大型土堆被不合理濾除,解決方式主要依靠找回地面點(diǎn)。

(2)部分山體被不合理濾除,此處主要是在黃河石林獨(dú)特的地貌結(jié)構(gòu),多存在獨(dú)立石峰,石柱等,解決方式主要依靠找回地面點(diǎn)。

3 LADAR-DP軟件人工分類編輯

LADAR-DP軟件人工分類主要有3種方法：找回地面點(diǎn)、錯(cuò)分點(diǎn)重新分類、斷裂線約束。

3.1 找回地面點(diǎn)

適用于地面點(diǎn)被錯(cuò)分至未分類點(diǎn),主要使用工具為添加地面點(diǎn)。主要參數(shù)設(shè)置有地標(biāo)類型、高度閾值、角度、采樣間隔、區(qū)域類型等。具體實(shí)例如圖7。

(a)自動(dòng)分類暈染圖 (b)點(diǎn)云斷面圖

(c)找回地面點(diǎn)后暈染圖 (d)DOM影像圖

3.2 錯(cuò)分點(diǎn)重新分類

適用于未分類點(diǎn)被錯(cuò)分至地面點(diǎn),以及高架路、橋梁分至路層。主要使用工具為線上分類、線下分類、多邊形分類、流線分類、線間分類、畫刷分類等。

(1)分類點(diǎn)被錯(cuò)分至地面點(diǎn)重新分類具體實(shí)例如圖8所示。

(a)自動(dòng)分類暈染圖 (b)點(diǎn)云斷面圖

(c)重新分類暈染圖 (d)DOM影像圖

(2)高架路、橋梁重新分類至路橋?qū)印?/p>

3.3 斷裂線約束

適用于不連續(xù)的地形,即地面出現(xiàn)轉(zhuǎn)折或者突變的地方。

3.3.1

斷裂線實(shí)例

陡坎、梯田、路堤、路塹等斷裂線實(shí)例如圖9所示。

(a)陡坎、梯田斷裂線實(shí)例 (b)路塹斷裂線實(shí)例

3.3.2

水體斷裂線約束方法

對(duì)封閉范圍的靜止水體,使用添加區(qū)域斷裂線,自動(dòng)拾取區(qū)域內(nèi)最低點(diǎn)高程,具體實(shí)例如圖10(a)所示。對(duì)存在高差的河流使用添加河流斷裂線,然后人工拾取起始點(diǎn)高程、終止點(diǎn)高程,具體實(shí)例如圖10(b)所示。

(a)靜止水體 (b)河流

3.3.3

建筑區(qū)密集地區(qū)

由于超高層建筑遮擋,或者建筑錯(cuò)綜復(fù)雜,需要依靠斷裂線來(lái)輔助分類,斷裂線約束實(shí)例如圖11所示。

(a)層疊式建筑

(b)中心城區(qū)建筑

4 結(jié)束語(yǔ)

通過(guò)結(jié)合本項(xiàng)目實(shí)際生產(chǎn)使用情況,對(duì)LiDAR-DP軟件根據(jù)改進(jìn)的漸進(jìn)三角網(wǎng)加密濾波算法進(jìn)行自動(dòng)分類的結(jié)果進(jìn)行了詳盡的分析,并根據(jù)不同的地物、地形地貌做出了不同情況的判別,針對(duì)不同情況也給出了相應(yīng)的人機(jī)交互半自動(dòng)濾波的解決方法,可以得出如下結(jié)論：①LiDAR-DP軟件在地形、地物復(fù)雜的區(qū)域自動(dòng)分類容易出現(xiàn)錯(cuò)誤。②LiDAR-DP軟件在低矮植被、裸露地表區(qū)域地形特征保持較好,規(guī)則地物尤其是建筑物,濾波效果有效。③LiDAR-DP軟件在人機(jī)交互的半自動(dòng)混合濾波方法中便捷高效,精度能夠滿足DEM、DSM以及等高線的生產(chǎn)需求。在實(shí)際生產(chǎn)中存在以下問(wèn)題,可以優(yōu)化改進(jìn)：①在植被密集區(qū)域該軟件自動(dòng)分類效果較差,該算法仍有待優(yōu)化。②斷裂線約束可增加約束范圍,如溝類地形,只需在溝底添加一條斷裂線即可達(dá)到約束效果。③該軟件點(diǎn)云數(shù)據(jù)接邊功能尚待完善,對(duì)數(shù)據(jù)量大的數(shù)據(jù)進(jìn)行接邊時(shí)易出現(xiàn)軟件卡死現(xiàn)象。