李 瑩，蘇國中，林宗堅

(1. 遼寧工程技術(shù)大學測繪與地理科學學院，遼寧 阜新 123000； 2. 中國測繪科學研究院地理信息工程國家測繪地理信息局重點實驗室，北京 100039)

傾斜影像中提取高精度DEM的方法研究

李 瑩1，2，蘇國中2，林宗堅2

(1. 遼寧工程技術(shù)大學測繪與地理科學學院，遼寧 阜新 123000； 2. 中國測繪科學研究院地理信息工程國家測繪地理信息局重點實驗室，北京 100039)

針對傳統(tǒng)航空影像獲取的DSM在立面及局部地面、建筑物屋頂空間信息的不足，獲取高精度DEM較為困難的問題，提出了基于傾斜影像提取高精度DEM的方法。首先對傾斜影像獲取的點云DSM結(jié)構(gòu)進行分析，得出了DSM具有幾何約束特點，能夠在城區(qū)很好地區(qū)分地面點和地物點；然后指出對DSM濾波處理是獲取高精度數(shù)字高程模型(DEM)的關(guān)鍵技術(shù)，提出了基于法向量差值區(qū)域生長分割TIN的濾波方法；最后選取吉林省敦化市的傾斜影像數(shù)據(jù)進行了濾波試驗和算法驗證。試驗結(jié)果表明，該方法能夠快速、有效地濾除不同尺寸的建筑物、植被和其他地物，獲取高精度DEM。

傾斜影像；DSM；TIN；區(qū)域增長；濾波；高精度DEM

在當今衛(wèi)星遙感和普通航空遙感蓬勃發(fā)展的形勢下，輕小型航空遙感，即無人飛行器低空航測系統(tǒng)(UAV-MAP)是不可缺少的補充技術(shù)手段[1-3]。傳統(tǒng)的UAV上裝載單相機進行航測技術(shù)獲取的數(shù)字地表模型(DSM)，通常為2.5維，尤其在城市地區(qū)，很難區(qū)分地物點和地面點，獲取數(shù)字高程模型(DEM)較為困難。但是UAV裝載組合寬角相機拍攝的傾斜影像，利用4個不同視圖方向DSM來彌補垂直DSM在立面及局部地面、建筑物屋頂面空間信息的不足，來獲取全方位的DSM，很容易檢測和剔除建筑物等高出地面的地物，獲得真實地形DEM。

傾斜影像獲取的DSM具有幾何約束特點，影像密集匹配生成全方位點云DSM。利用已知良好匹配點建立不規(guī)則三角網(wǎng)格(TIN)，以實現(xiàn)紋理自適應(yīng)的匹配傳播，并利用新匹配點對TIN進行動態(tài)細化，有利于減少因紋理貧乏因素而導致的錯誤匹配，提高DSM的精度；這種點、三角網(wǎng)及紋理幾何約束的關(guān)系，決定了DSM具有一定幾何約束特點。

濾波是DSM獲取高精度DEM的關(guān)鍵技術(shù)[4-13]，必須從DSM檢測和剔除建筑物等高出地面的地物，獲得真實地形DEM?，F(xiàn)有濾波的方法很多，由于數(shù)據(jù)源的不同，濾波方法也大不相同。根據(jù)DSM的三角網(wǎng)格具有幾何約束特點，需要在基于TIN模型上進行濾波處理。在基于TIN算法用于點云數(shù)據(jù)濾波原理方面，Krzystek[14]建議,先獲取局部區(qū)域最低點構(gòu)建一個粗糙的TIN凸殼,以高差臨界值判別地面點,利用有限元分析法調(diào)整TIN模型,該算法在具有不同樹木結(jié)構(gòu)的森林地區(qū)得到了較好的應(yīng)用。Haugerud[15]直接用原始點云數(shù)據(jù)建立了TIN模型,然后通過TIN模型計算地形曲率參數(shù),認為曲率急劇變化的點為非地面點，該方法不適合地形起伏地形。以上方法側(cè)重于解決特定地形條件下的點云濾波問題，每一個算法都有局限性，不能準確有效地過濾建筑物、植被及其他地物等。因此，以傾斜影像獲取的點云DSM為主要研究對象，本文在基于TIN的分割方法的基礎(chǔ)之上，提出基于法向量差值區(qū)域生長分割TIN的濾波算法，該算法首先以規(guī)則格網(wǎng)將TIN進行分塊，進而在每個區(qū)域內(nèi)將若干個地面點和地物點作為種子，用區(qū)域增長的方法進行生長，計算三角形的法向量，認為法向量變化到一定閾值時進行分割；其次利用分割段高程、法向量作為約束條件，利用分割后的點云實現(xiàn)了建筑物、植被和其他地物的識別分類，并在獲得地面點后將其插值生成數(shù)字高程模型。

1 基于區(qū)域生長分割TIN的濾波算法

1.1 等格網(wǎng)DSM分塊

DSM是點云構(gòu)成的不規(guī)則三角網(wǎng)格,數(shù)據(jù)量十分龐大。通常在濾波之前，考慮將復(fù)雜的整體DSM進行分塊，采用“先分塊后融合”的思路構(gòu)建子網(wǎng)格，最后融合子網(wǎng)格恢復(fù)原始實體的表面形狀。這樣就能把復(fù)雜的問題簡單化，提高了提取DEM的效率。

等格網(wǎng)DSM分塊的基本思路是：設(shè)定固定格網(wǎng)大小，對DSM進行規(guī)則格網(wǎng)劃分，根據(jù)格網(wǎng)單元的范圍確定每個區(qū)域中的三維點，即構(gòu)建數(shù)據(jù)索引，從而實現(xiàn)對DSM數(shù)據(jù)的分塊。如圖1所示，實現(xiàn)了基于鄰域關(guān)系的快速查找，在各自網(wǎng)格內(nèi)進行區(qū)域生長，從而提高濾波算法的效率，便于區(qū)域生長分割TIN。

圖1

1.2 基于區(qū)域生長分割TIN方法

本文采用基于區(qū)域生長分割TIN方法。區(qū)域生長的基本思想是：首先將三角網(wǎng)內(nèi)的三角形進行拓撲構(gòu)建。采用自動選取種子的方式，在三角網(wǎng)平坦的地方，依據(jù)三角面片的幾何原則，選擇種子點；以一個種子點開始，根據(jù)生長原則選出可以進行生長的三角面片進行區(qū)域生長，把未在任何類中的三角面片元素放入種子類中，反復(fù)運行直到種子隊列為空，停止分割，實現(xiàn)了三角網(wǎng)分割成段。

圖2為區(qū)域生長過程示意圖，圖中顏色部分與非顏色部分分別代表區(qū)域生長過程中的已生長區(qū)域與未生長區(qū)域。該算法的流程如圖3所示。

圖2 區(qū)域生長過程

圖3 算法流程

1.2.1 算法原理

(1) 種子選取：種子點的選擇是進行區(qū)域生長的關(guān)鍵前提，對最后的分割結(jié)果影響很大。如果種子點選擇不當，將導致整個分割過程的判斷依據(jù)失真，最終得出錯誤的分割結(jié)果。因此，選擇種子的幾何原則如下：

三角形Tt和其所有相關(guān)三角形中的一個三角形Ti法向量的差值為

(1)

三角形Tt和其所有相關(guān)三角形法向量的期望為E(Tt)，方差為D(Tt),如下

(2)

(3)

保存一個三角形和其所有相關(guān)三角形法向量的最大值與最小值的差值記為

(4)

(2) 區(qū)域生長原理：DSM一般是由地面、建筑物、植被及其他地物組成。因此，TIN模型中只要存在兩個面法向量差值較大的明顯不是一類，根據(jù)DSM特點，確定相鄰三角面片法向量差值作為區(qū)域生長的驅(qū)動信號。

1.2.2 算法流程

(1) 構(gòu)建點云數(shù)據(jù)三角網(wǎng)格的拓撲關(guān)系，使得點、線及三角形有一定的拓撲關(guān)系。

(2) 種子的選擇采用候選種子的方法，考慮面平坦的地方，根據(jù)一定的幾何原則，將符合要求的三角形壓入一個候選種子隊列中；然后在候選種子隊列中從隊列頭開始查找，如果已經(jīng)在類中則彈出，直到找到一個沒有在任何類中的三角形，把它選為種子，把種子初始化為一個類。

(3) 從類的邊界三角形隊列中，根據(jù)生長原則，開始生長。

(4) 同樣根據(jù)生長原則選出類中邊界三角形的相關(guān)三角形進行生長，在生長的同時，記錄下生長中類的新邊界，并將它們壓入到一個暫時隊列中。當類邊界三角形隊列為空時，把類中邊界三角形隊列更新。

(5) 一個類邊界三角形的隊列為空時，如果類中三角形總體的數(shù)目同生長前沒有發(fā)生變化，類就停止生長。

(6) 如果沒有達到停止條件，轉(zhuǎn)到步驟(2)。如果達到了停止的條件，生成了一個類，并把它壓入存放類的隊列中，并轉(zhuǎn)到步驟1。

(7) 反復(fù)順序執(zhí)行步驟(1)—步驟(5)直到候選種子隊列為空。把沒有在任何類中的三角形按照期望從小到大的順序壓入種子候選隊列二中，再執(zhí)行步驟(1)—步驟(5)，直到候選種子隊列二的隊列為空，結(jié)束分割。

1.3 基于聚類分析的DSM分類

由于基于法向量差值分割TIN具有局限性，還是可能會出現(xiàn)同一特征被劃分為不同區(qū)域的過分割現(xiàn)象。在區(qū)域生長分割后，會由于過分割現(xiàn)象、模型誤差而產(chǎn)生小區(qū)域，因此，根據(jù)相鄰分割段法向量的朝向小于一定的閾值，進行合并處理。通過聚類分析的方法，將合并后的分割段，根據(jù)法向量、高度的約束條件，將TIN分類成地面、建筑物、植被及其他地物，方便以后的過濾。

1.3.1 建筑物判別

由于地面部分相對平坦，幾乎沒有突變；絕大部分建筑物的頂部是一個平面。根據(jù)分割段與段之間的幾何拓撲，首先按照相鄰分割段的平均法向量的夾角φ區(qū)分建筑物的墻面。類的平均法向量為P1(A1,B1,C1),相鄰類的平均法向量為P2(A2,B2,C2)，則兩個法向量之間的夾角為

(5)即φ>φ1或φ<φ2為墻面值。(其中，φ1=0.392 5，φ2=1.777 5為經(jīng)驗值)。

屋頂和地面均相對平坦，很難區(qū)分。因此，需要根據(jù)墻面特征來判斷屋頂，判斷的條件為：參照圖6為例，以一個墻面開始，找到該墻面的相鄰分割段，從中找出高出該墻面平均高度的分割段，則該分割段為屋頂；低于墻面平均高度的分割段為地面點。

1.3.2 植被判別

植被通常表現(xiàn)為相鄰點之間空間分布離散，且有較大的高差，因此植被通常會被分為破碎的分割段。這些分割段面積小、數(shù)量多、高差大，檢測到這種分割段則認為是植被。

對于有一定坡度地面上的植被來說，由于通常濾波方法都是基于地物點明顯高于地面點實現(xiàn)的，因此這種假設(shè)對于地形起伏較大時，地形點可能和植被點具有相同的高度從而造成濾波失敗。當然，低矮的植被是低矮地物的一種，與低矮地物一樣，僅僅依靠幾何信息時，往往難以濾除。對于這種難以分辨植被的情況，采取人工選擇地面種子點，進行區(qū)域生長，獲取地面點。

1.3.3 其他地物判別

按照尺寸和幾何特征檢測出建筑物和植被，剩下的基本是地面點，但是也包含一些附在地面的低矮地物，如小汽車、人等。其他地物分割段之間的所有可能總結(jié)如下：①待定分割段比它周圍的分割段都要高；②待定分割段面積小。

經(jīng)過上述分類，將TIN分為地面點和地物點。將獲取的地面點直接進行三角剖分，得到高精度DEM。

2 試驗及分析

2.1 濾波試驗

本文采用C++來實現(xiàn)基于分割TIN的濾波算法，獲取高精度DEM，并用若干個復(fù)雜城市地形的傾斜影像測試算法。下面是其中一個試驗區(qū)的試驗結(jié)果及分析。

該試驗區(qū)地形復(fù)雜，右下角是一個明顯高低起伏的山地，整個區(qū)域覆蓋了不同高度的植被，一個明顯的居民區(qū)位于左部分，居民區(qū)內(nèi)的建筑物大小不一。試驗數(shù)據(jù)為吉林省敦化市的傾斜影像匹配的DSM數(shù)據(jù)，大小為1000 m×600 m。點云數(shù)據(jù)如圖4所示，TIN數(shù)據(jù)如圖5所示。按照本文的算法，在全區(qū)范圍內(nèi)選取若干個種子點，取相鄰三角形法向量差值進行區(qū)域生長分割三角網(wǎng)，根據(jù)分割段的平均法向量和平均高度將三角網(wǎng)分類成地面、建筑物和其他地物，圖6為分類的暈渲圖；根據(jù)分類的結(jié)果，過濾地物點，獲取地面點，圖7為全區(qū)濾波后的暈渲圖，該暈渲圖的顏色與圖6一致，即兩幅圖中相同的高程具有相同的顏色；圖7將獲取的地面點生成DEM，圖8為內(nèi)插DEM結(jié)果暈渲圖。

圖4 點云數(shù)據(jù)

圖5 TIN數(shù)據(jù)

圖6 分類的暈渲圖

圖7 全區(qū)濾波暈渲圖

圖8 內(nèi)插DEM結(jié)果暈渲圖

2.2 精度評定

DEM作為基礎(chǔ)地理信息數(shù)據(jù)，其精度至關(guān)重要。DEM提取之后，需要對其質(zhì)量進行精度評定。本試驗采用檢查點方法對DEM進行精度評定。

精度評定的目的是檢驗DEM的高程精度，常規(guī)檢查點的方法是一個檢查點對應(yīng)圖上一個點，這種一一對應(yīng)的方法適用于數(shù)字測圖的評定；本文是檢驗DEM的高程精度，因此需要一個檢查點對應(yīng)DEM局部位置，以進行評定。在已有DSM上選取5個GPS控制點作為檢查點，高度為h；找到新生成的DEM所對應(yīng)點的位置，在此附近選點(10～15個點)，高程值為hi，逐一和檢查點進行比較，計算高程的平方差值(用RMSE表示)。檢查點的實際高程與提取結(jié)果的均方誤差值見表1，該方法能夠很好地對DEM精度進行評定。

(6)

經(jīng)過精度評定，最大的RMSE為0.45 m，能夠有效地濾除地物點，獲取DEM精度較高。

造成誤差的原因有：①傾斜影像精度及匹配生成DSM方法的精度影響DEM的精度；②區(qū)域本身的眾多地形因素如地形復(fù)雜度、地形坡度等影響DEM的精度；③濾波算法影響DEM的精度。

3 結(jié)束語

(1) 本文直接基于傾斜影像匹配生成的DSM進行濾波，采用分塊的DSM數(shù)據(jù)組織形式和基于分割的濾波算法，提高濾波的精度和效率的同時，能有效濾除不同尺寸的建筑物、低矮的植被和其他地物，能較好地保持地形特征，快速提取高精度DEM。

(2) 本文對于大面積、密度低矮的植被，在提取地面點的同時，算法會將非?？拷孛娴牡桶脖徽`認為地面點，目前解決的方法是通過人工選擇種子點進行區(qū)域增長獲取地面點。如何動態(tài)調(diào)整植被法向量差值的閾值，以提高算法的自適應(yīng)能力，需要進一步研究。

試驗結(jié)果證明：本文的算法適合傾斜影像，執(zhí)行效率高、算法穩(wěn)定,能有效地濾除不同尺寸的建筑物、植被和其他地物,地面點丟失較少，可獲取高精度的DEM，具有一定的可靠性與實用性。

[1] 桂德竹.基于組合寬角相機低空影像的城市建筑物三維模型構(gòu)建研究[D].北京：中國礦業(yè)大學(北京),2010.

[2] 解斐斐.基于無人飛艇低空航測系統(tǒng)建筑物紋理獲取與處理技術(shù)[D].武漢: 武漢大學,2014.

[3] 張平,劉怡，蔣紅兵.基于傾斜攝影測量技術(shù)的“數(shù)字資陽”三維建模及精度評定[J].測繪,2014,37(3):115-118.

[4] 袁楓.機載 LiDAR 數(shù)據(jù)處理與土地利用分類研究[D].北京：中國礦業(yè)大學(北京)，2010.

[5] 張小紅.機載激光掃描測高數(shù)據(jù)濾波及地物提取[D].武漢：武漢大學，2004.

[6] 胡永杰，程朋根，陳曉勇，等.機載激光雷達點云濾波算法分析與比較[J].測繪科學技術(shù)學報，2015，32(1):72-77.

[7] 隋立春，張熠斌，枊艷，等.基于改進的數(shù)學形態(tài)學算法的LiDAR點云數(shù)據(jù)濾波[J].測繪學報，2010,39(4)：390-396.

[8] 隋立春，張熠斌，張碩，等.基于漸進三角網(wǎng)的機載LiDAR點云數(shù)據(jù)濾波[J].武漢大學學報(信息科學版)，2011,36(10):1159-1162.

[9] 秦川. 無人機影像匹配點云濾波處理與三維重建[D].成都：西南交通大學,2015.

[10] 馬樹發(fā)．基于改進虛擬格網(wǎng)的記載數(shù)據(jù)的形態(tài)學濾波[D].西安：西安電子科技大學，2014.

[11] 楊必勝,董震,魏征,等. 從車載激光掃描數(shù)據(jù)中提取復(fù)雜建筑物立面的方法[J]. 測繪學報,2013,42(3):411-417.

[12] SITHOLE G. Segmentation and Classification of Airborne Laser Scanner Data[D].TU Delft: Aerospace Engineering，2005:35-68．

[13] VOSSELMAN G. Slope Based Filtering of Laser Altimetry Data[C]∥International Archives of the Photogrammetry,Remote Sensing and SpatialInformation Sciences.Amsterdam:[s.n.]，2000.

[14] KRZYSTEK P. Filtering of Laser Scanning Data in Forest Areas Using Finite Elements[C]∥ISPRS Working Group Ⅲ/3 Workshop/3-D Reconstruction from Airborne Lasers Cannerand InSAR Data.[S.l.]：Dredsen University of Technology,2003.

[15] HAUGERUD R，HARDING A. Some Algorithms for Virtual Deforestation(VDF) of LIDAR Topographic Survey Data [J]. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences,2001,34(W4):211-215.

Study on the Method of Extracting High Precision DEM from Oblique Image

LI Ying1，2，SU Guozhong2，LIN Zongjian2

(1. School of Geomatics,Liaoning Technical University, Fuxin 123000, China; 2. Key Laboratory of National Administration of Surveying,Mapping and Geoinformation, Chinese Academy of Surveying and Mapping, Beijing 100039, China)

For the DSM of the traditional aerial images acquisition, the lack information of the facade,the local floor and the roof of the building, the problem which difficult to obtain high precision DEM, the method of extracting high precision DEM from oblique image is proposed in this paper. Firstly, the structure of cloud point of oblique image acquisition is analyzed, the DSM has a geometric constraint characteristics which can well distinguish between ground points and ground feature points in the city. Then it points out that the filtering is the key technology to obtain the high precision digital elevation model (DEM), and proposes a filtering method based on region growing segmentation TIN.Finally, the filtering experiment and algorithm validation are carried out by the oblique image data of Dunhua City, Jilin Province.The experimental results show that the method can quickly and effectively remove the different sizes of buildings,vegetation and other objects, and obtain high precision DEM.

oblique image; DSM；TIN；regional growth；filtering；high precision DEM

李瑩，蘇國中，林宗堅.傾斜影像中提取高精度DEM的方法研究[J].測繪通報，2017(2)：30-34.

10.13474/j.cnki.11-2246.2017.0043.

2016-05-28；

2016-09-07

國家自然科學基金(41371425；41271451)

李 瑩(1991—)，女，碩士生，主要從事傾斜攝影城市三維建模方面的研究。E-mail：ly89832623@sina.com

P23

A

0494-0911(2017)02-0030-05