亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于區(qū)域增長的LiDAR點云數(shù)據(jù)DEM提取

        2015-03-16 11:34:42張齊勇
        鐵道勘察 2015年2期
        關鍵詞:鄰域高程濾波

        張齊勇

        (中鐵第一勘察設計院集團有限公司,陜西西安 710043)

        Extracting DEM from LiDAR Data Based on Region Growing

        ZHANG Qiyong

        基于區(qū)域增長的LiDAR點云數(shù)據(jù)DEM提取

        張齊勇

        (中鐵第一勘察設計院集團有限公司,陜西西安710043)

        Extracting DEM from LiDAR Data Based on Region Growing

        ZHANG Qiyong

        摘要機載LiDAR系統(tǒng)能夠快速獲取數(shù)字表面模型,通過濾波處理,可以獲取數(shù)字高程模型(DEM)。提出一種從機載LiDAR點云數(shù)據(jù)獲取DEM的方法,首先對點云數(shù)據(jù)建立網格分塊索引,然后逐行逐列按照一定的間距選取地面點作為種子點,使用區(qū)域增長算法增長地面點,獲得地面點集,最后通過逐點內插生成DEM。選取機載LiDAR數(shù)據(jù)進行實驗,結果表明該方法得到的DEM質量較高。

        關鍵詞LiDAR區(qū)域增長濾波DEM

        1概述

        機載激光掃描(LiDAR)系統(tǒng)可以快速獲取地球表面三維數(shù)據(jù)信息[1],從而生成數(shù)字表面模型(DSM),在DSM中,不僅含有地面點,還包含建筑物、樹木、電線、橋梁、車輛、行人等非地面信息,通過剔除這些非地面信息,即可保留地面點,該項工作稱為濾波。

        目前,國內外學者已經提出了許多濾波算法:基于坡度的濾波方法[2]通過考慮地形變化情況,根據(jù)相鄰兩點的高差與距離的關系判斷地面點與非地面點,在坡度變化劇烈或者陡峭的地方具有一定局限性;迭代線性最小二乘內插法[3]則使用線性最小二乘法內插激光腳點,其擬合殘差不服從正態(tài)分布,通過迭代線性最小二乘內插法逐漸逼近和修正真實地面,該算法適宜地形變化較小且激光點云數(shù)據(jù)分布較為均勻的區(qū)域,而對于地形變化較大的區(qū)域,其參數(shù)設置比較復雜,濾波時間較長,效果不是太好;基于形態(tài)學的濾波方法[4、5、6]主要是通過數(shù)學形態(tài)的開運算逐步濾除非地面點,該類算法關鍵在于結構元素的選取與閾值的確定;基于雙次回波的濾波方法[7]利用雙次回波高程之差分類激光腳點,適用于分類植被激光腳點;多級移動曲面擬合濾波方法[8]通過建立二次多項式完成參考曲面的擬合,使用不同窗口大小獲得不同層次的擬合曲面,通過設置自適應閾值,完成地面點與非地面點的判斷,該方法在植被茂密地區(qū)濾波的精度較低;基于自適應TIN迭代加密濾波方法[9]能夠有效濾除錯誤點和近地點并得到DEM數(shù)據(jù),但是對于小面積房屋的濾波效果不是很好,同時在動態(tài)構建不規(guī)則三角網過程中時間復雜度較高。

        考慮地形的變化特征,提出了基于區(qū)域增長的LiDAR點云數(shù)據(jù)濾波方法:通過自動選取合適的地面種子點,按照高程一致性的原則進行區(qū)域增長,獲取整個地面點云,并內插出DEM。實例驗證了該方法能較好地提取地面點,具有較好的實用性與精度。

        2研究方法與實現(xiàn)

        基于區(qū)域增長的LiDAR點云數(shù)據(jù)濾波方法主要思想為根據(jù)地面點高程一致的原則,選取地面種子點進行區(qū)域增長,實現(xiàn)地面點集的提取,濾除掉樹木與建筑物等地物信息,最后內插出DEM,主要技術路線見圖1。

        圖1 LiDAR點云濾波與DEM提取主要流程

        2.1 點云索引的建立

        機載LiDAR點云數(shù)據(jù)密度很高,在對其進行處理前,需要對LiDAR點云數(shù)據(jù)建立空間索引。這是因為處理離散點云數(shù)據(jù)時(如濾波或逐點內插DEM),經常需要在當前點的鄰域內搜尋滿足符合條件的點,若對點云數(shù)據(jù)進行全局搜尋,效率極低,無法滿足實際需求,通過建立點云索引機制即可解決鄰域搜尋的效率問題。目前空間數(shù)據(jù)索引方法較多,較為典型的有基于網格分塊的方法、基于KD-Tree的方法等。對于分布較為均勻的點集通常采用網格分塊的方法建立空間索引,該空間索引的基本思想是將空間區(qū)域劃分為大量的方形小塊,對某一參考點進行鄰域搜尋時,判斷該參考點位于哪一數(shù)據(jù)塊,獲取其行列號,按行列號進行鄰域搜尋,效率大為提高。網格分塊空間索引建立方法如下[10]:

        (1)計算LiDAR數(shù)據(jù)點范圍與點云平均間距,使用一個合適的二維矩陣覆蓋在點云數(shù)據(jù)上,二維矩陣的格網間距與點云平均間距相當,將二維矩陣賦初值為-1。

        (2)遍歷LiDAR數(shù)據(jù)點,根據(jù)二維矩陣與LiDAR點云數(shù)據(jù)的關系計算當前LiDAR點對應二維矩陣的行列號,若該單元格未被賦值,則將該單元格賦值為該點所在點云數(shù)據(jù)中的點號;若該單元格已被賦值,則比較當前點與已賦值點的高程,由于低點為地面點的概率更大,則選擇高程較低數(shù)據(jù)點的點號作為該單元格值。

        2.2 種子點選取

        LiDAR點云數(shù)據(jù)包含有地面點、樹木、建筑物等信息,根據(jù)數(shù)據(jù)高程一致的原則直接對LiDAR點云數(shù)據(jù)進行分割,則地面點形成一個大的區(qū)域或者若干小區(qū)域,建筑物由于屋頂通常為平面或斜面或連續(xù)的曲面,其高程變化通常較小,因此也會分割為若干小區(qū)域,而樹木點高程變化較大,則會分割成較小區(qū)域。在分割的這些區(qū)域中,雖樹木與建筑物區(qū)域較臨近的地面點區(qū)域高,若僅依靠相鄰區(qū)域的高程判別地面區(qū)域與建筑區(qū)域,容易造成相鄰建筑物區(qū)域的誤判。一個有效的方法是在區(qū)域分割之前設定地面種子點,依據(jù)地面種子點進行地面點區(qū)域增長,從而獲取地面點集。常規(guī)的地面種子點選取方法是在全部點云數(shù)據(jù)內搜尋高程最低點作為地面點,此方法的缺點在于搜索的高程最低點也可能是粗差點,僅僅依靠最低點進行區(qū)域增長,可能無法增長或者增長為一個較大的地面連通區(qū)域,而對于非連通區(qū)域的地面則無法進行增長。在實際情況中,種子點需要選取具有一定的代表性且分布較為均勻的點,考慮到在一定區(qū)域內的最低點通常為地面點,可以根據(jù)建立的網格分塊索引逐行掃描數(shù)據(jù)點,每隔一定的間距選取高程最低點作為種子點,再逐列掃描,再選取每一列一定間距內的最低點作為種子點。通過此方法選取種子點,能在點云數(shù)據(jù)分布區(qū)域內獲得較為均勻的地面種子點。

        2.3 地面點區(qū)域增長

        LiDAR點云數(shù)據(jù)的一致性體現(xiàn)在高程上,通過對地面種子點進行區(qū)域增長,可把高程一致的LiDAR數(shù)據(jù)點合并為一個區(qū)域,即地面點集。區(qū)域增長算法使用堆棧實現(xiàn),首先對原始LiDAR點云數(shù)據(jù)進行標記,將種子點標記為地面點,其余點標識為未分類點,然后即可進行地面區(qū)域增長,步驟如下:

        (1)將所有種子點壓入堆棧。

        (2)實行出棧操作,獲取當前種子點,將該種子點的高程同周圍的8-鄰域的數(shù)據(jù)點高程進行比較,若鄰域點未被分類,且鄰域點與當前種子點的高程差小于給定的閾值,則將該鄰域點標識為地面點,并對該鄰域點進行入棧操作,否則將該點標記為地物點。

        (3)反復執(zhí)行第(2)步的操作,直至堆棧容量為0結束,此時地面點皆已增長完畢,算法終止。

        通過區(qū)域增長,得到地面點的集合,可用于其后的DEM內插,從而生成DEM。

        2.4 DEM內插

        經過區(qū)域增長得到地面點集,由于樹木與建筑物及其他地物點被濾掉,因此地面點集會存在大量的數(shù)據(jù)空洞,要得到DEM,還需要內插出被標識為地物點的地面高程(主要為空洞數(shù)據(jù)區(qū)域的高程)。在內插的算法中,逐點內插法能較好地保留局部地形,應用較為廣泛,該方法以待定點為中心,定義一個局部函數(shù)去擬合周圍的數(shù)據(jù)點,數(shù)據(jù)點的范圍隨待插點位置的變化而移動。逐點內插法采用的擬合函數(shù)常為二次曲面,表達式為

        (1)

        要內插出地物點的地面點高程,需要以該地物點為半徑,在一定距離內搜尋地面點,為了與空洞周圍的地形盡量保證一致,需要在該點的四象限鄰域內均勻搜尋地面點,每個象限以2至3個點為宜,將搜尋的k個點按照式(1)進行曲面擬合,求解參數(shù),從而內插出該點的地面高程。遍歷點云數(shù)據(jù),直至所有的地物點皆內插完畢。

        3試驗結果分析

        使用C#對濾波算法進行實現(xiàn)。實驗數(shù)據(jù)為城市郊區(qū)的一塊950 m×500 m大小的原始LAS點云數(shù)據(jù),版本為1.0,該區(qū)域總激光腳點數(shù)為532 721個,每平方米的平均腳點數(shù)為1.1個,點云平均間距為0.9 m。根據(jù)實驗原始LiDAR點云數(shù)據(jù)生成DSM,見圖2。從圖2中可以看出,實驗區(qū)域內南邊地物較多,多為建筑物,并含有少量的樹木,北邊區(qū)域地形起伏較大,有大量的建筑物。

        圖2 實驗區(qū)的數(shù)字表面模型(DSM)

        首先對原始LiDAR點云數(shù)據(jù)建立網格分塊索引。點云的平均間距為0.9 m,網格索引分塊大小設置為1 m。根據(jù)給定的種子點選取算法自動生成地面種子點12 491個。種子點選取后,對地面種子點進行區(qū)域增長,在區(qū)域增長中,高程增長閾值的設定極其重要,當閾值設定過大,則會增長過多的地物點,而閾值設定過小,又會造成地物的過度濾除,經反復試驗,在網格索引分塊大小為1 m時,設置增長閾值0.3 m能較好地濾除掉地物點。區(qū)域增長的搜尋范圍為8鄰域,通過區(qū)域增長,共增長地面點265 246個,根據(jù)得到的地面點生成灰度影像圖(見圖3)。

        圖3 區(qū)域增長獲得的地面點灰度影像

        圖3中的大塊黑色區(qū)域即為空洞數(shù)據(jù)區(qū)域,主要為樹木、建筑物被濾除的部分,要生成DEM,還需要對空洞數(shù)據(jù)區(qū)域進行內插。使用二次曲面擬合地形內插DEM,最終生成的DEM如圖4所示。

        圖4 濾波后內插生成的DEM

        從圖4中可以,建筑物、樹木等地物絕大部分已經被濾除,同時生成的DEM能較好地保留地面特征,質量較高,算法較為理想。

        4結束語

        通過分析LiDAR數(shù)據(jù)點的特征,提出了基于區(qū)域增長的LiDAR點云數(shù)據(jù)DEM提取方法,并通過實驗數(shù)據(jù)進行驗證,結果表明該濾波方法較為理想,生成的DEM質量較高。該算法的關鍵在于地面種子點的選取與區(qū)域增長閾值的確定,通過逐行逐列均勻選取最低點作為種子點,能最大程度的避免非連通地面區(qū)域種子點的漏選,但是對于建筑物極為密集的區(qū)域仍然無法較好地選取地面種子點,進而影響影響濾波精度,需要進一步研究并改進。

        參考文獻

        [1]李瑞林,李濤.一種從LIDAR點云數(shù)據(jù)中提取DTM的方法[J].鐵道勘察,2007(5):53-54

        [2]Vosselman G. Slope based filtering of laser altimetry data[J]. IAPRS, 2000,33(B3):935-942

        [3]Kraus K, Pfeifer N. Determination of Terrain Models in Wooded Area with Airborne Laser Scanner Data[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 1998,53:193-203

        [4]李勇,吳華意.基于形態(tài)學梯度的機載激光掃描數(shù)據(jù)濾波方法[J].遙感學報,2008,12(4):633-639

        [5]陶金花,蘇林,李樹楷.一種保護細節(jié)的從機載激光點云中提取城區(qū)DTM的方法[J].遙感學報,2008,12(2):233-238

        [6]孫美玲,李永樹,陳強,等.基于開重建的LiDAR數(shù)據(jù)形態(tài)學濾波方法[J].大地測量與地球動力學,2014,34(2):90-94

        [7]張小紅.利用機載LIDAR雙次回波高程之差分類激光腳點[J].測繪科學,2006,31(4):48-50

        [8]蘇偉,孫中平,趙冬玲,等.多級移動曲面擬合LiDAR數(shù)據(jù)濾波算法[J].遙感學報,2009,13(5):1-7

        [9]殷飛,齊華,薛曉濱,等.一種自適應TIN迭代加密濾波算法[J].鐵道勘察,2010(4):41-54

        [10]JOHN SECORD, AVIDEH ZAKHOR. Tree Detection in LiDAR Data[C]//Image Analysis and Interpretation, 2006 IEEE Southwest Symposium on. Denver: Institute of Electrical and Electronics Engineers( IEEE ), 2006:86-90

        [11]賈永紅.數(shù)字圖像處理[M].武漢:武漢大學出版社,2003:150-151

        [12]李志林,朱慶.數(shù)字高程建模[M].武漢:武漢大學出版社,2003:102-104

        中圖分類號:P225

        文獻標識碼:A

        文章編號:1672-7479(2015)02-0014-03

        作者簡介:張齊勇(1983—),男,2009年畢業(yè)于西南交通大學地圖制圖學與地理信息工程專業(yè),工學碩士,工程師。

        收稿日期:2015-01-20

        猜你喜歡
        鄰域高程濾波
        8848.86m珠峰新高程
        當代陜西(2020年23期)2021-01-07 09:24:44
        稀疏圖平方圖的染色數(shù)上界
        基于鄰域競賽的多目標優(yōu)化算法
        自動化學報(2018年7期)2018-08-20 02:59:04
        GPS控制網的高程異常擬合與應用
        關于-型鄰域空間
        RTS平滑濾波在事后姿態(tài)確定中的應用
        基于線性正則變換的 LMS 自適應濾波
        遙測遙控(2015年2期)2015-04-23 08:15:18
        SDCORS高程代替等級水準測量的研究
        回歸支持向量機在區(qū)域高程異常擬合中的應用
        基于時序擴展的鄰域保持嵌入算法及其在故障檢測中的應用
        视频精品熟女一区二区三区| 亚洲av综合永久无码精品天堂| 熟妇的荡欲色综合亚洲| 久久久伊人影院| 一区二区三区四区四色av| 手机久草视频福利在线观看 | 国产a国产片国产| 久久久久99精品国产片| 国产剧情无码中文字幕在线观看不卡视频 | 国产精品天天看大片特色视频| 伊人影院成人在线观看| 蜜臀久久99精品久久久久久| 国精品无码一区二区三区在线| 综合无码综合网站| 免费在线观看草逼视频| 豆国产96在线 | 亚洲| 欧美gv在线观看| 国产91在线精品福利| 亚洲女同性恋第二区av| 中文字幕日韩人妻在线视频| 男女肉粗暴进来120秒动态图| 1234.com麻豆性爰爱影| 美女露出奶头扒开内裤的视频| 热久久美女精品天天吊色| 亚洲天堂在线视频播放| 国产日产免费在线视频| 久久精品免费中文字幕| 国产人妻久久精品二区三区特黄| 亚洲黄色在线看| 五月婷婷开心五月播五月| 免费人成年激情视频在线观看| 18禁美女裸体网站无遮挡| 国产高潮精品一区二区三区av| 中文字幕漂亮人妻在线| 特级做a爰片毛片免费看无码| 乱人伦视频69| 亚洲一区二区在线观看av| 日本不卡在线一区二区三区视频| 亚洲综合中文日韩字幕| 无码一区二区三区免费视频| y111111少妇影院无码|