机载激光雷达点云的阶层式分类

4) 回波次数过滤 : 当前大多数的 L IDAR 系统都 能接收到发出脉冲的 5次以上的回波 , 回波的数量依 赖于被扫描的地表特征和大气特征 。通常 , 接收到的 第一次回波为最近的物体回波 (比如建筑物顶部 、植被 顶部或没有被覆盖的地表 ) , 而其他回波是通过透射 或折射作用形成的 , 因此植被一般会有多次回波 。植 物回波有些来自于植被顶部 , 有些来自于树叶下的树 枝 , 还有一些来自于植被覆盖下的地表 。在植被密集 的地方 , 接收到的最后一次回波通常是植被覆盖下的 地表的回波 。回波次数过滤方法就可以利用回波数目 及回波次数的特性对点云进行过滤 。此种过滤方法尤 其适合于植被密集的区域 。
112, Grid Cell 6 ) ; Planar filter ( Elevation 110, Grid Cell 5) , 过 滤 结 果 见 图 4b; 多 项 式 曲 面 拟 合 过 滤
polyfilter( Residual 015, Method 2, Search 10) ; polyfil2 ter(Residual 016, Method 1, Search 10 ) , 过滤结果见 图 4c。以上过滤算法中的参数说明参见表 1。
按照以上一般性的分类原则 , 可以将激光点云分 为以下四类 :
①噪声 : 噪声通常由激光脉冲被吸收或反射形成 的。某些物体 , 例如水、雨、云或烟雾等在近红外波段 会吸收激光脉冲 , 造成不规则的返回值 ; 而当脉冲遇到 类似玻璃或光亮金属等反射表面 , 脉冲可能被折射 , 因 此引起 X、Y或 Z值的误差。这些不规则的点确定为噪 声点 ; ②地面点 : 地面点即为光秃地表 ; ③非地面点 : 非地面点包括建筑物、植被和车辆等 , 它们的每一个表 面都是与地面或邻接表面分离、垂直升高或大于某一阈 值倾斜升高的 ; ④未定义点 : 并不是所有的点都能划分 为以上的类别 , 不能被分类的点即作为未定义点。
在激光点云分类为上述四类后 , 将进一步应用 L IDAR数据过滤方法对非地面点进行分类 , 分为建筑 物和植被等等 。
在阶层式分类过程中 , 由于 L IDAR 数据是空间 分布的不规则的激光点云 , 在地物比较密集和相互交 错的位置难以将其正确的分类 , 会伴随着误分类点 , 因此在利用上述特征提取方法分类时 , 一般同时需要 伴随着人工手工的操作来修正某些分类的结果 。
光雷达数据过滤算法 , 提出了激光雷达点云数据的阶层式分类策略 , 并将基于航拍影像数据进行着色 后的机载激光雷达点云数据作为研究对象 , 对其应用激光雷达数据过滤算法进行阶层式分类 。实验结 果表明 , 此种方法能有效地对大部分地物信息进行过滤和分类 。 【关键词 】激光雷达 ; 数据过滤 ; 阶层式分类 ; 航拍影像 【中图分类号 】TP751 【文献标识码 】A 【文章编号 】100922307 (2008) 0120103203
对于着色后的 L IDAR 点云数 据 进行 区 域分 割 , 将大的地形区域分成多个小的区域 , 使每个小区域具 有相似的空间特征和连续的地形表面 , 并按照下述的 原则进行第一层次的数据过滤和点云分类 。
①极高于或极低于密集点云的稀疏点一般过滤为 噪声点 ; ②若一块表面高于它的所有邻接表面 , 则此 表面为地面上物体 (例如房屋 、植被等 ) 而非地面点 ;
第 33卷第 1期 2008年 1月
测绘科学 Science of Surveying and M app ing
Vol133 No11 J an1
机载激光雷达点云的阶层式分类
曾齐红 , 毛建华 , 李先华 , 刘学锋
(上海大学通信与信息工程学院 遥感与空间信息科学研究中心 ,上海 200072) 【摘 要 】激光雷达是一种快速获得高密度高精度的三维数字地面信息的新技术 。本文介绍了几种激
作者简介 : 曾齐红 ( 19802) , 女 , 博 士研究生 , 主要从事 L IDAR 数据分 析与处理和 GIS研究 。 E2mail: z_ qihong@ sina1com1cn
收稿日期 : 2006211215 基金 项 目: 国 家 自 然 科 学 基 金 (40401050, 60670253) ; 上海市重点 学科建设项目 ( T0102) ; 上海市博士 后专项基金 (05R214123, 06R214129)
近些年已经提出了一些 L IDAR 数据的特征提取和 数据过滤的算法 , 将激光点云进行分类 , 从而生成需 要的数字地形产品。1998年 , Kraus and Pfeifer提出了 适合森林和山地地形的激光点云的特征提取的过滤方 法 , 采用线性最小二乘内插法过滤非地面点 , 从而生 成数字地面模型 (DTM ) [2 ] 。在一些文献中也利用区域增 长算法 [1]来进行植被和建筑物的分类。基于数学形态学 过滤 [3]方法也被应用于 DTM的生成中 , 通过逐渐增加过 滤的窗口尺度和高度差等阈值来过滤植被、建筑物和车 辆等非地面数据。Haugerud and Harding(2001) 通过比较 局部曲率方法在森林地区提取树木 , 在不规则三角网 ( TIN)中反复去除垂直树木的方法建立 DTM[4] 。
图 3 L IDAR点云数据 本试验中的特征提取采用以上多种过滤方法结合 使用 。首先 , 采用 TIN 过滤分离较高的非地面点 , 再 采用平面拟合过滤方法分离余下与地面具有高度差的 非地面点 , 再利用多项式曲面拟合过滤方法过滤临近 地面的非地面点 。特征提取的部分过程见图 4所示 。
图 4 特征提取的部分过程 采用的过滤方法主要为 : TIN 过滤 , TIN ( Eleva2 tion 3, Edge 1, Iteration 3) ; TIN ( Elevation 1, Edge 3,
DO I: 1013771 / j1 issn1100922307120081011032
1 引言
激光 雷 达 ( L IDAR , L ight Detection And Ranging) 是近年来广泛应用的快速精确获得地面三维数字信息 的有效技术 , 该系统是由激光扫描仪 ( laser scanner) 、 高精度惯性导航系统 ( INS)和全球定位系统 ( GPS)组 成 [1 ] , 系统示意图参见图 1。通过记录激光扫描仪向 地面发射脉冲到传感器接收脉冲的间隔时间以及飞机 的位置和方位 , 来计算地面点的位置和高度 。应用激 光雷达技术能以三维激光点云的形式记录飞行路径上 的数字地面信息 , 然后通过计算和处理可以获得多种 精确的数字产品 , 如数字地面模型 (DTM ) 、数字表面 模型 (DSM ) 、数字城市模型 (DCM ) 等 , 因此激光雷 达数据处理方法正在被广泛的研究中 。
由于地形复杂多变 , 某一种过滤算法难以完成各种
地物特征的提取 , 必须根据不同的地形特征采用不同的
过滤算法 , 因此必须将多种过滤算法有机地结合在一起。
因此 , 本文
借鉴了已有的特
征提取和过滤算
法 , 提出了激光
点云数据的阶层
式分类的策略。
文中采用基于航
拍影像数据进行
着色后的机载激
光雷达点云数据 作为研究对象 ,
4 实验
本论文中的 L IDAR 数据和航拍影像数据取自于 L iteMapper5600机载激光雷达系统 , 激光点云的密度 为 015～3points/m2 , 实验区域选择了具有裸露地表 、 大面积植被和建筑物的地形 。原始激光点云数据 、航 拍影像数据和融合后的高程数据显示见图 3所示 。
© 1994-2010 China Acase. All rights reserved.
第 1期 曾齐红等 机载激光雷达点云的阶层式分类
105
Iteration 1) ; TIN ( Elevation 5, Edge 1, Iteration 3) , 过 滤结果见图 4a; 平面拟合过滤 , Planar filter ( Elevation
2) 平面拟合过滤 ( p lanar2fitting filter) : 平面拟合 过滤用一个具有 3行 3列网格的平面重复地测量激光 雷达点云数据 , 通过设定网格单元的大小和数据点高 度阈值等参数 , 将落在平面中心单元格的数据点分到 某类中 。这种伪多项式的过滤方法对平滑地面是非常
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved.
③若一块表面低于它的所有邻接表面 , 则此表面为地 面点 ; ④将一个表面视为比较平滑和连续的表面 , 则 任意相邻的两点的斜率都不能超过给定的阈值 ; ⑤对 于一个不完全高于或不完全低于它所有邻接表面的物 体表面 , 过滤的方法则依靠它与相邻表面的连接方式 (垂直或倾斜 ) 以及与相邻表面的位置关系 。若该表 面大于给定的倾斜阈值 , 则视为非地面点 ; ⑥对于极 难过滤的点可视为未定义的其他点 。
图 2 阶层式分类的工作流程图
本文在 L IDAR 数据结构的选取上 , 采用了利用 数字航拍影像数据着色后的激光点云数据 , 借助于航 拍影像数据的地形地貌和颜色特征有助于对 L IDAR 点云数据进行分类 。早 在 1999 年 Norbert Haala and Claus B renner就提出了采用激光扫描数据与彩色航拍 影像的融合方法对数据进行分析和分类 [5 ] 。
3 阶层式分类策略
阶层式分类策略是利用 L IDAR数据过滤方法对 L I2 DAR点云数据进行分层次的过滤和分类 , 首先逐层过 滤掉非地面点 , 提取出光秃地面 , 将激光点云分类为 地面点、非地面点、噪声点和未定义点 ; 然后再对非地 面点进行进一步过滤和分类 , 提取出非地面点的各种地 物信息 , 例如建筑物、植被和车辆等等 , 同时也伴随着 未定义点的提取。阶层式分类的工作流程见图 2。
图 1 激光雷达系统示意图
对其应用激光雷达数据过滤算法进行阶层式分类 。
2 数据过滤算法
目前大部分数据过滤算法都是基于表面区域增长
和最小二乘法实现的 。本文中 , TIN 过滤和多项式曲 面拟合过滤即是以区域增长算法为基础的数据过滤方 法 ; 平面拟合过滤是采用最小二乘内插法进行数据的 过滤 。回波次数过滤则是根据 L IDAR 数据具有多次 回波值的特点对激光点云进行过滤的 。
104
测绘科学 第 33卷
有效的 , 但是不适合山地或复杂的山脉地形 。 3) 多项式曲面拟合过滤 ( polyfilter) : 多项式曲
面拟合方法使用一系列输入参数 (数据点的残差 、搜索 范围大小和多项式的次数等 ) 来创建点云的三维多项 式曲面拟合地形表面 。落在拟合曲面上的数据点将被 分到某特定类中 。通过逐渐减小残差和搜索范围的 值 , 反复对数据点进行过滤 , 直到非地面点不再被分 类为止 。多项式曲面拟合过滤方法非常适合城市区 域 、起伏地形以及植被丰富的山区地形等 , 对植被 、 建筑物等非地面点的过滤效果明显 。
1) TIN 过滤 : 采用 Delaunay三角网构造激光点 云的 TIN ( Triangular Irregular Network)拟合曲面 , 计算 TIN 三角网中每个节点的邻接点的个数以及该节点与 其邻接点的高度差 。通过设定节点邻接点个数和该节
点与邻接点高度差的阈值 , 搜索出满足条件的节点 , 将其归为某特定的类别 。 TIN 过滤与多项式曲面拟合 过滤联合使用 , 能有效地分类高于或低于邻接点区域 的激光点云 , 并可以保护连续的裸露地表 , 但对于墙 壁 、悬崖等垂直地形效果不佳 。而且重复多次使用该 方法会导致对有效数据的侵蚀作用 。