DeepFilter 在東平湖水下及近岸地形測量項(xiàng)目中的應(yīng)用研究

徐花芝，張奇?zhèn)?，?萌，王 博，鄭偉安

（山東省國土測繪院，山東 濟(jì)南 250013）

1 研究背景

機(jī)載LiDAR 測量技術(shù)的出現(xiàn)和發(fā)展，為地理空間三維信息獲取提供了全新的技術(shù)手段[1]，獲取的點(diǎn)云具有海量、高冗余、局部數(shù)據(jù)缺失、點(diǎn)密度不均一、非結(jié)構(gòu)化的特點(diǎn)[2]。

目前，機(jī)載LiDAR 點(diǎn)云已經(jīng)廣泛地應(yīng)用于高精度大比例尺數(shù)字高程模型（DEM）制作、電力巡線、建筑物三維建模、變化檢測、森林資源調(diào)查、海岸帶測量、城市規(guī)劃等領(lǐng)域。點(diǎn)云濾波分類是點(diǎn)云應(yīng)用的基礎(chǔ)性工作，雖然國內(nèi)外對點(diǎn)云自動(dòng)濾波方法進(jìn)行了大量研究，但是濾波效果差強(qiáng)人意，還有許多問題沒有得到解決，且已有點(diǎn)云分類商業(yè)軟件需要大量人機(jī)交互，效率低下，已經(jīng)成為目前激光雷達(dá)測量技術(shù)進(jìn)步的最大障礙[3]。

近年來，深度學(xué)習(xí)和人工智能技術(shù)快速發(fā)展，在很多行業(yè)得到了應(yīng)用。在測繪地理信息領(lǐng)域，對基于深度學(xué)習(xí)的影像分析與解譯技術(shù)進(jìn)行了大量的研究，并取得了一定的成果。運(yùn)用深度學(xué)習(xí)技術(shù)，實(shí)現(xiàn)機(jī)載LiDAR 點(diǎn)云地面點(diǎn)和非地面點(diǎn)快速精細(xì)濾波的全自動(dòng)化處理，是點(diǎn)云數(shù)據(jù)處理的發(fā)展趨勢[4]。

為了提高山東省點(diǎn)云濾波的自動(dòng)化精度和效率，與武漢大學(xué)軟件研發(fā)團(tuán)隊(duì)和廣州建通開展三方合作，建立溝通交流渠道，開展深度學(xué)習(xí)輔助點(diǎn)云分類方法的研究，將基于深度學(xué)習(xí)的點(diǎn)云自動(dòng)分類技術(shù)引入到山東省國土測繪院。根據(jù)山東省地形特點(diǎn)，按照平原、丘陵、山地、低矮建筑物、高大建筑、低矮植被、高植被等不同地形，分別選取一定數(shù)量的樣本數(shù)據(jù)，基于深度學(xué)習(xí)算法對點(diǎn)云成果樣本進(jìn)行大量訓(xùn)練，形成了適合山東省地形特點(diǎn)的點(diǎn)云最優(yōu)濾波模型，提高分類效率。

2 項(xiàng)目應(yīng)用

2.1 項(xiàng)目概況

為豐富內(nèi)陸水下地理信息資源，加強(qiáng)水上水下一體化測量系統(tǒng)研究與應(yīng)用，為給水資源利用、水環(huán)境保護(hù)、防洪排澇及重大水利工程建設(shè)提供數(shù)據(jù)支撐。根據(jù)山東省規(guī)劃建設(shè)需求，山東省國土測繪院承擔(dān)了東平湖1∶2 000 水下及近岸地形測量項(xiàng)目。

項(xiàng)目范圍面積為22.88 km2，鑒于攝區(qū)形狀不規(guī)則、面積大、工期緊、空管情況復(fù)雜、適航天氣少等原因，為按時(shí)圓滿完成任務(wù)，投入了一臺機(jī)載LiDAR 和一架大棕熊通用飛機(jī)用于數(shù)據(jù)獲取，其中Orion H300 型機(jī)載LiDAR 集成CS10000 航攝儀。綜合考慮攝區(qū)的地形特點(diǎn)、儀器設(shè)備的飛行要求及空域情況等因素，將整個(gè)攝區(qū)劃分為1 個(gè)分區(qū)，共飛行航線28 條，絕對航高1 000 m，點(diǎn)云密度為1～2 點(diǎn)/m2，航線敷設(shè)如圖1所示。

圖1 東平湖攝區(qū)航線敷設(shè)示意圖

2.2 DeepFilter 優(yōu)化技術(shù)路線

經(jīng)過樣本訓(xùn)練后的點(diǎn)云輔助分類DeepFilter 軟件對山東省的機(jī)載LiDAR 點(diǎn)云濾波效果較好，但是此軟件功能單一，不能進(jìn)行航線切割、點(diǎn)云分塊、航線校正、重疊帶去除等前期處理。結(jié)合山東省國土測繪院已有的點(diǎn)云處理軟件，提出新的適合山東省地形地貌的機(jī)載LiDAR 點(diǎn)云自動(dòng)化提取地面點(diǎn)成果解決方案，優(yōu)化生產(chǎn)流程，即前期航線切割、點(diǎn)云分塊、航線校正、重疊帶切割等利用Terrasolid 處理，然后利用Terrasolid 設(shè)置參數(shù)、DeepFilter 全自動(dòng)處理進(jìn)行自動(dòng)過濾，對比分析2 種分類結(jié)果，選取效果好、效率高的結(jié)果進(jìn)行人工編輯，生產(chǎn)DEM（Digital Elevation Model）成果。

3 效率對比

外業(yè)航飛獲取的數(shù)據(jù)經(jīng)過預(yù)處理后獲得LiDAR點(diǎn)云數(shù)據(jù)，分別用Terrasolid 老流程和DeepFilter 優(yōu)化流程進(jìn)行生產(chǎn)試驗(yàn)，對分類效率進(jìn)行統(tǒng)計(jì)對比，如表1所示。

表1 新老流程分類效率對比表

通過項(xiàng)目生產(chǎn)試驗(yàn)可以發(fā)現(xiàn)：DeepFilter 軟件自動(dòng)化自動(dòng)過濾成果的正確率，在現(xiàn)有軟件的基礎(chǔ)上提高了10%，達(dá)到了80%，自動(dòng)過濾效率也比Terrasolid 軟件提升了12.5%；基于DeepFilter 軟件的適合山東省地形地貌的點(diǎn)云分類解決方案，由于自動(dòng)分類正確率的提高，人工編輯效率提升了28.6%，工作量大大減少，使得綜合分類效率整體提高了28%，成功地優(yōu)化了生產(chǎn)流程。

4 結(jié)果分析

4.1 DeepFilter 自動(dòng)分類精度分析

對DeepFilter 自動(dòng)分類結(jié)果進(jìn)行統(tǒng)計(jì)，有9 種類型地形，具體如下：S1 為平原空地，S2 為平原植被，S3為鄉(xiāng)村房屋，S4 為城區(qū)房屋，S5 為大型建筑，S6為梯田，S7 為崎嶇地表，S8 為山區(qū)緩坡，S9 為山區(qū)陡坡。

與人工編輯成果對比分析發(fā)現(xiàn)：S4、S7、S9 這3種地形DeepFilter 自動(dòng)分類精度高于人工編輯分類精度，不再需要進(jìn)行人工編輯，尤其是S7 和S9 明顯高于人工編輯分類精度，如圖2 所示；S2、S3、S6 這3種地形DeepFilter 自動(dòng)分類精度與人工編輯分類精度差不多，幾乎不需要再進(jìn)行人工編輯；S1、S5、S8 這3 種地形DeepFilter 自動(dòng)分類精度低于人工編輯分類精度，還需要進(jìn)一步進(jìn)行人工編輯，尤其是S8 明顯低于人工編輯分類精度。

圖2 山地自動(dòng)分類結(jié)果展示

綜上，DeepFilter 自動(dòng)分類精度整體上可達(dá)80%，各地形精度統(tǒng)計(jì)如圖3 所示。

圖3 各地形平均分類精度

4.2 DeepFilter 自動(dòng)分類效率分析

DeepFilter 目前處理效率為平均2～3 min 處理100 萬點(diǎn)（顯卡為GeForce GTX 1 080Ti）。同樣處理22.88 km2，點(diǎn)云密度為1～2 點(diǎn)/m2，1∶2 000 比例尺的點(diǎn)云數(shù)據(jù)，Terrasolid 自動(dòng)分類需80 min，DeepFilter自動(dòng)分類需70 min，自動(dòng)分類效率提升了12.5%。

4.3 新的優(yōu)化的解決方案中自動(dòng)分類精度分析

新的優(yōu)化的解決方案采用DeepFilter 進(jìn)行自動(dòng)分類，因此自動(dòng)分類精度整體上可達(dá)80%。

4.4 點(diǎn)云分類（自動(dòng)+人工）綜合效率分析

新的優(yōu)化的解決方案由于DeepFilter 自動(dòng)分類精度的提高（達(dá)到80%，提升了10%），使得人工編輯效率大大提升，通過東平湖攝區(qū)1∶2 000 航空攝影項(xiàng)目生產(chǎn)試驗(yàn)提高了28.6%，因此綜合分類效率整體提高了28.0%。

5 結(jié)束語

目前，雖然DeepFilter 軟件在自動(dòng)分類方面取得了很大的進(jìn)步，但其功能單一，不能滿足機(jī)載LiDAR 點(diǎn)云項(xiàng)目的全流程生產(chǎn)，例如：①不能進(jìn)行航線切割、點(diǎn)云分塊、航線校正、重疊帶切除等前期處理；②航線重疊部分會(huì)分類到航線邊緣，引起航線間高差；③對特殊高密度（如密度為160 點(diǎn)/m2）的點(diǎn)云數(shù)據(jù)無法處理，需繼續(xù)優(yōu)化；④雖然自動(dòng)過濾精度有所提升，但仍然需要人工進(jìn)行編輯。

運(yùn)用深度學(xué)習(xí)技術(shù)，以實(shí)現(xiàn)大規(guī)模機(jī)載LiDAR 點(diǎn)云數(shù)據(jù)地面點(diǎn)和非地面點(diǎn)快速精細(xì)濾波的全自動(dòng)化處理，是點(diǎn)云數(shù)據(jù)處理的發(fā)展趨勢。因此，下一步建議對DeepFilter 軟件持續(xù)跟進(jìn)，繼續(xù)加強(qiáng)與武漢大學(xué)軟件研發(fā)團(tuán)隊(duì)和廣州建通的交流合作，持續(xù)改進(jìn)軟件，使軟件更加開放靈活。