本站小編為你精心準(zhǔn)備了機(jī)載多回波數(shù)據(jù)的應(yīng)用參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

《城市勘測雜志》2016年第4期

摘要:

通過分析機(jī)載多回波LiDAR數(shù)據(jù)，對每類回波的特性進(jìn)行了探討和研究，并對各個(gè)回波信息所表示的地物信息做了詳盡的闡述。根據(jù)不同回波數(shù)據(jù)記錄的地物不同的原理，提出了針對LiDAR數(shù)據(jù)自身的分類方案，將數(shù)據(jù)分為首次回波、中間回波和尾次回波三種類型，最終利用多回波特性減少參與濾波的激光腳點(diǎn)數(shù)量。通過實(shí)驗(yàn)證明，作者提出的濾波方案，可以預(yù)先剔除掉大部分的植被激光腳點(diǎn)和部分的建筑物激光腳點(diǎn)，這既減少了參與濾波的數(shù)據(jù)量，又可以改善濾波算法對建筑物和植被的濾除效果，大大提高了數(shù)據(jù)處理的效率和質(zhì)量。

關(guān)鍵詞:

LiDAR;多回波數(shù)據(jù);分類;濾波

1引言

隨著機(jī)載LiDAR硬件水平的提高，以機(jī)載LiDAR數(shù)據(jù)為基礎(chǔ)，生成理想的DSM(數(shù)字表面模型)已不是難題，而生成DEM絕大部分算法都是基于激光數(shù)據(jù)點(diǎn)的高程突變信息進(jìn)行的，幾乎每種方法都有其自身的缺陷，有待于進(jìn)一步改進(jìn)［1］。機(jī)載LiDAR測量技術(shù)現(xiàn)今已很成熟，但處理機(jī)載LiDAR點(diǎn)云數(shù)據(jù)的算法還在發(fā)展階段。機(jī)載LiDAR數(shù)據(jù)的濾波和分類是其中關(guān)鍵的問題之一。比較典型的LiDAR濾波算法主要包括由Krausetal．提出的迭代線性最小二乘內(nèi)插法;Kil-ianetal．提出的數(shù)學(xué)形態(tài)學(xué)方法、Petzoldetal．提出的移動(dòng)窗口法、Vosselman提出的基于地形坡度變化的濾波法以及張小紅移動(dòng)曲面擬合濾波法等［2～12］。這些算法基本都遵循以下流程，首先在一個(gè)局部點(diǎn)云中選定一個(gè)高程最低的點(diǎn)作為地面點(diǎn)，然后根據(jù)最低點(diǎn)確定一部分地面點(diǎn)，最后設(shè)定根據(jù)一定判別原則(如坡度、角度等閾值)，來判斷數(shù)據(jù)點(diǎn)的從屬，以達(dá)到濾波分類的效果。判別原則選取的不同產(chǎn)生了不同的算法，這些算法基本上都需要人的參與來調(diào)整參數(shù)。近年來，機(jī)載激光掃描系統(tǒng)記錄的回波次數(shù)越來越多，很多學(xué)者嘗試?yán)命c(diǎn)云數(shù)據(jù)多回波信息來進(jìn)行激光點(diǎn)云數(shù)據(jù)的濾波和分類。張小紅利用機(jī)載LiDAR首尾回波高程之差對激光腳點(diǎn)分類［13］;許曉東和唐菲菲利用激光點(diǎn)回波的特性減少參與濾波的腳點(diǎn)數(shù)量。上述方法僅利用首尾兩次回波的點(diǎn)云數(shù)據(jù)，對于目前獲取的多次(大于兩次)回波的點(diǎn)云數(shù)據(jù)并不適用。本文首先分析了激光雷達(dá)多回波信息的特性，對每次回波特性做了詳盡的分析。然后，利用多回波信息剔除大部分植被腳點(diǎn)以及人工地物點(diǎn)。大量減少了參與濾波的激光腳點(diǎn)，提高了濾波效率和效果。

2多回波信息分析

機(jī)載LiDAR系統(tǒng)所記錄的回波信息包括單次回波和多次回波。當(dāng)激光脈沖碰觸到目標(biāo)物的表面時(shí)，有一部分能量反射回來并被系統(tǒng)接收并記錄，剩余的能量繼續(xù)傳播，當(dāng)碰到另一目標(biāo)物時(shí)仍然會(huì)發(fā)生反射，當(dāng)能量全部消耗完時(shí)，系統(tǒng)可記錄多個(gè)反射信號，多個(gè)反射信號即多次回波信息。現(xiàn)有的機(jī)載LiDAR系統(tǒng)都具備記錄2次～5次多回波信息的能力，接收到的第一個(gè)回波信號被稱為首次回波(firstpulse);接收到的最后一個(gè)回波信號被稱為尾次回波;除首次和尾次回波外的中間的回波信號被順序編號，稱為中間次回波［14］。根據(jù)激光的傳播特性，通過對機(jī)載LiDAR數(shù)據(jù)的分析，可以得知系統(tǒng)記錄單次回波數(shù)據(jù)主要來源于地表、建筑物(包括立交橋和橫跨河流的橋梁)的頂面或墻面、少量植被點(diǎn);多回波數(shù)據(jù)的首次回波數(shù)據(jù)來源于植被的冠層和建筑物(包括立交橋)的邊緣;中間次回波數(shù)據(jù)主要是植被的枝葉;而末次回波則主要來源于地表，也有部分是來源于復(fù)雜的建筑物屋頂和植被低矮層面的枝葉［15］。

3應(yīng)用多回波信息的濾波方法

機(jī)載LiDAR數(shù)據(jù)濾波是將激光點(diǎn)中剔除地物數(shù)據(jù)的過程(張小紅，2007)，而進(jìn)一步區(qū)分植被數(shù)據(jù)和人工地物點(diǎn)的過程稱之為激光點(diǎn)云數(shù)據(jù)分類。激光點(diǎn)云數(shù)據(jù)的濾波和分類占到了數(shù)據(jù)后處理流程60%～80%的時(shí)間［16］。因此，如何減少參與濾波的數(shù)據(jù)以及選擇合適的濾波算法一直以來是LiDAR點(diǎn)云數(shù)據(jù)處理的重要研究方向。根據(jù)對激光雷達(dá)多回波數(shù)據(jù)的分析，中間次回波沒有必要參加濾波的運(yùn)算，本文對多回波激光雷達(dá)數(shù)據(jù)進(jìn)行重新分類和編輯。

3.1激光腳點(diǎn)分類

本文對激光點(diǎn)云數(shù)據(jù)進(jìn)行分類，首先將激光腳點(diǎn)劃分為為單次回波數(shù)據(jù)集和多次回波數(shù)據(jù)集;然后，把多次回波數(shù)據(jù)集分為首次回波數(shù)據(jù)、中間回波數(shù)據(jù)和末次回波數(shù)據(jù)三種類型，把單次回波數(shù)據(jù)歸為末次回波數(shù)據(jù);最后將其歸類，把單次回波數(shù)據(jù)和多回波數(shù)據(jù)中的末次回波歸為尾次回波。分類方式如圖1所示。在此分類的基礎(chǔ)上，分別提取出研究樣地所涉及的各類型數(shù)據(jù)子點(diǎn)集加以分析利用。本文將多次回波數(shù)據(jù)中的末次回波腳點(diǎn)和單次回波數(shù)據(jù)歸為尾次回波，這部分點(diǎn)包含所有的地面腳點(diǎn)、建筑物腳點(diǎn)以及少部分植被腳點(diǎn)，大部分的樹木的腳點(diǎn)被剔除。利用尾次回波數(shù)據(jù)進(jìn)行濾波處理，剔除建筑物和其余植被腳點(diǎn)，即可得到地面的腳點(diǎn)點(diǎn)集。在林地覆蓋面積較大地區(qū)，多回波數(shù)據(jù)量相當(dāng)之大，用此方法可以極大地減少參加濾波的數(shù)據(jù)量，很大程度上提高了LiDAR數(shù)據(jù)分類的速度。

3.2濾波算法設(shè)計(jì)

(1)現(xiàn)有濾波算法

隨著國內(nèi)外研究者的不斷深入研究，點(diǎn)云數(shù)據(jù)濾波算法已有了很大的發(fā)展，經(jīng)過國內(nèi)外學(xué)者長時(shí)間的研究與應(yīng)用，一些高效、適用性較廣的算法被提出來。目前，大部分的點(diǎn)云數(shù)據(jù)濾波方法都是利用激光腳點(diǎn)空間三維信息來進(jìn)行設(shè)計(jì)的，而且這些濾波算法大都具備兩個(gè)前提條件:①在某一小區(qū)域范圍內(nèi)地物點(diǎn)高程均大于地面點(diǎn)高程;②由地形起伏引起的坡度的變化必須在規(guī)定范圍之內(nèi)，即地形較為平緩。國內(nèi)外研究者提出的點(diǎn)云數(shù)據(jù)濾波算法十分眾多，本章作者對濾波效果較好、適用范圍較大的幾種濾波算法，對其原理和特點(diǎn)做了深入對比，如表1所示。經(jīng)過分析對比，作者選取算法設(shè)計(jì)簡單，效率高的基于坡度的濾波算法作為實(shí)驗(yàn)算法。

(2)基于地形坡度的濾波算法

基于地形坡度的濾波算法是由Vosselman在2000年提出的［16］。該算法的主要思想是:當(dāng)兩個(gè)相鄰激光腳點(diǎn)間存在一定的高差時(shí)，地形劇烈起伏變化所造成這種現(xiàn)象的可能性較小，這種情況更應(yīng)該是兩點(diǎn)中一個(gè)是地面點(diǎn)，而另外一個(gè)是地物點(diǎn)。簡言之，相鄰激光腳點(diǎn)的高差如果大于一定的閾值，如果兩點(diǎn)間距離越小，高程大的點(diǎn)更可能是地物點(diǎn)。我們假設(shè)兩點(diǎn)間高差的閾值為兩點(diǎn)間距離的函數(shù)△hmax(d)，作為濾波的核函數(shù)。當(dāng)?shù)匦纹露刃∮?0%，在觀測值沒有誤差的情況下核函數(shù)為△hmax(d)=0.3d。然后實(shí)際上數(shù)據(jù)都會(huì)不可避免地存在誤差，所以還要為其增加一個(gè)置信區(qū)間，假定允許5%的具有其標(biāo)準(zhǔn)差σ的點(diǎn)被拒絕，濾波函數(shù)可表示為:△hmax(d)=0.3d+槡1.652σ(1)其中為兩激光腳點(diǎn)間的距離，其表達(dá)式為:d=(xi－xk)2+(yi－yk)槡2(2)

(3)算法流程

①按照點(diǎn)云的分類方法對點(diǎn)云數(shù)據(jù)進(jìn)行分類、篩選，剔除無用的數(shù)據(jù)。②對尾次回波點(diǎn)云數(shù)據(jù)排序，建立k－d樹;搜索整個(gè)點(diǎn)云數(shù)據(jù)中的高程最低點(diǎn)，作為初始點(diǎn)，建立該數(shù)據(jù)點(diǎn)的鄰近鄰域。③在選定好鄰域內(nèi)，計(jì)算每一個(gè)點(diǎn)與初始點(diǎn)的高差△hi和距離d，當(dāng)△hmax(d)＞0.3d則認(rèn)為該點(diǎn)是非地面點(diǎn)，將其放入非地面點(diǎn)集中;而將高程最低點(diǎn)視為地面點(diǎn)，放入地面點(diǎn)集中。④重復(fù)步驟②、步驟③，直到所有的數(shù)據(jù)點(diǎn)全部分類完畢，如圖2所示。

4實(shí)驗(yàn)與結(jié)果分析

4.1實(shí)驗(yàn)數(shù)據(jù)

該數(shù)據(jù)是由美國地質(zhì)調(diào)查局提供，位于福蒙特州，面積為1．6km×0．56km。該區(qū)域內(nèi)，大部分被林覆蓋，地形有一定起伏。點(diǎn)云數(shù)據(jù)密度為0．944點(diǎn)/m2。高程最低點(diǎn)為:130．32m，高程最高點(diǎn)為258．21m，如圖3、圖4所示。

4.2實(shí)驗(yàn)流程

實(shí)驗(yàn)步驟:首先按照圖1的流程對激光點(diǎn)云數(shù)據(jù)進(jìn)行歸類，將單次回波和多次回波歸為尾次回波，多次回波的首次回波為首次回波，其余為中間次回波。在本文中，試驗(yàn)數(shù)據(jù)最大回波次數(shù)為4次，分類后各個(gè)類型的數(shù)據(jù)如表2所示:從圖表2中可以看出，在進(jìn)行分類后，可參加后續(xù)濾波工作的數(shù)據(jù)有425348個(gè)，是原始數(shù)據(jù)的三分之二左右，因此可以提高濾波的計(jì)算速度。對尾次回波腳點(diǎn)進(jìn)行濾波運(yùn)算，采用提出的濾波算法對數(shù)據(jù)進(jìn)行處理，所得到的結(jié)果如圖6、圖7所示:建立DEM。利用ArcGIS軟件對分類后的點(diǎn)集分別建立DEM。精度評定，通過將分類結(jié)果與航空正射影像疊加比較，可以看出大部分的非地面點(diǎn)都得到了正確的分類，尤其是建筑物點(diǎn)，但是也存在一些誤分的情況，下圖中紅色代表建筑物點(diǎn)，綠色代表植被點(diǎn)，白色代表其他非地面點(diǎn)，如圖8、圖9所示。

5結(jié)論

由于激光掃描系統(tǒng)記錄的回波次數(shù)越來越多，數(shù)據(jù)量隨之越來越大，這對機(jī)載激光雷達(dá)數(shù)據(jù)濾波的時(shí)效性和可靠性造成一定的影響。本文提出了一種基于機(jī)載雷達(dá)點(diǎn)云數(shù)據(jù)回波次數(shù)的數(shù)據(jù)分類方法，預(yù)先剔除對濾波過程無效的數(shù)據(jù)，這樣在很大程度上提高了點(diǎn)云濾波的速度。實(shí)驗(yàn)證明，通過對點(diǎn)云數(shù)據(jù)進(jìn)行分類處理，可以大量減少參加濾波的數(shù)據(jù)數(shù)量，而且在一定程度上提高了濾波的質(zhì)量，并且能提高建立DEM的質(zhì)量。這對機(jī)載多回波激光雷達(dá)數(shù)據(jù)的數(shù)據(jù)處理有一定的意義。

參考文獻(xiàn)：

［1］張小紅．利用機(jī)載LiDAR雙次回波高程之差分類激光腳點(diǎn)［J］．測繪科學(xué)，2006，31(4):48～50．

［3］黃先鋒，李卉，王瀟等．機(jī)載LiDAR數(shù)據(jù)濾波方法評述［J］．測繪學(xué)報(bào)，2009，38(5):466～469．

［4］張皓，賈新梅，張永生等．基于虛擬格網(wǎng)與改進(jìn)坡度濾波算法的機(jī)載LiDAR數(shù)據(jù)濾波［J］．測繪科學(xué)技術(shù)學(xué)報(bào)，2009，26(3):224～228．

［5］張小紅，劉經(jīng)南．機(jī)載激光掃描測高數(shù)據(jù)濾波［J］．測繪科學(xué)，2004，29(6):50～53．

［6］梁欣廉，張繼賢，李海濤．激光雷達(dá)數(shù)據(jù)特點(diǎn)［J］．遙感信息，2005(3):70～75．

［7］龐勇，趙峰，李增元等．機(jī)載激光雷達(dá)平均樹高提取研究［J］．遙感學(xué)報(bào)，2008，12(1):152～158．

［8］萬幼川，徐景中，賴旭東等．基于多分辨率方向預(yù)測的LiDAR點(diǎn)云濾波方法［J］．武漢大學(xué)學(xué)報(bào)•信息科學(xué)版，2007，32(11):167～170．

［9］陳磊，趙書河．一種改進(jìn)的基于平面擬合的機(jī)載LiDAR點(diǎn)云濾波方法［J］．遙感技術(shù)與應(yīng)用，2011，26(1):117～122．

［10］任自珍，岑敏儀，張同剛等．基于等高線形狀分析的Li-DAR建筑物提取［J］．西南交通大學(xué)學(xué)報(bào)，2009，44(1):83～88．

［11］崔建軍，隋立春，徐花芝等．基于邊緣檢測算法的LiDAR數(shù)據(jù)建筑物提取［J］．測繪科學(xué)技術(shù)學(xué)報(bào)，2008，25(2):98～100．

［12］張齊勇，岑敏儀，周國清等．城區(qū)LiDAR點(diǎn)云數(shù)據(jù)的樹木提取［J］．測繪學(xué)報(bào)，2010，38(4):330～335．

［13］楊曉云．基于雙次回波的LiDAR點(diǎn)云數(shù)據(jù)濾波方法［J］．廣西工學(xué)院學(xué)報(bào)，2010(3):86～88．181～183．

［14］林國祥，張繼賢，賈毅．機(jī)載LiDAR數(shù)據(jù)的多回波信息分析及濾波方案［J］．測繪科學(xué)，2013(5):28～30．

［15］尹艷豹，唐守正等．多回波機(jī)載LiDAR數(shù)據(jù)提取林地DEM的判別分析方法［J］．林業(yè)科學(xué)，2011(12):106～113．

作者:楊興躍 楊懷義 張紀(jì)成 單位:南陽市城鄉(xiāng)規(guī)劃測繪院 桂林理工大學(xué)測繪地理信息學(xué)院 中國建筑材料工業(yè)地質(zhì)勘查中心山西總隊(duì)