陳 芬

(徐州工業(yè)職業(yè)技術(shù)學院信息與電氣工程學院，江蘇 徐州 221000)

基于單傳感器的地形信息提取研究*

陳 芬

(徐州工業(yè)職業(yè)技術(shù)學院信息與電氣工程學院，江蘇 徐州 221000)

以單傳感器地形信息作為主要研究內(nèi)容，提出了地形高程數(shù)據(jù)的預處理和地形特征提取算法，并對地形的坡度和粗糙度信息進行了相應(yīng)的識別和提取.首先基于雙線性插值算法實現(xiàn)了高程數(shù)據(jù)重采樣，以保證地形特征數(shù)據(jù)源的精度；然后基于最小中值平面擬合算法完成了地形坡度和表面粗糙度的提取，并建立了相應(yīng)的數(shù)學模型.通過以火星數(shù)字地形圖作為測試原型進行仿真，證明所提出的基于單傳感器的地形信息的地形信息提取方法是有效且可靠的.該方法為目標地形坡度和粗糙度特征信息識別以及地形風險評估提供了一種新的研究思路.

高程數(shù)據(jù)；地形信息；單傳感器；最小中值平面擬合

能夠精準的提取目標地形的特征并采用合適的算法對其進行處理和輸出，并最大限度的凸顯目標地形的坡度和粗糙度信息，是數(shù)字圖像數(shù)據(jù)處理最關(guān)鍵的技術(shù)指標.高程數(shù)據(jù)信息能夠直接反映地形的高度變化程度，其對于地外飛行器搜索著陸區(qū)域、探測障礙物并識別探測物體具有重要意義.高程數(shù)據(jù)與普通的灰度圖像相比能夠包含更多的目標地形信息，對高程數(shù)據(jù)數(shù)字圖像采用合適的算法進行處理，將可以從點云數(shù)據(jù)中提取地形特征中的最關(guān)鍵的信息，即：坡度與粗糙度.基于單傳感器所采集到的地形數(shù)字圖像信息，采用基于最小二乘準則的最小中值平面擬合算法對數(shù)字地形特征信息進行處理，便可以有效完成高程數(shù)據(jù)的坡度和粗糙度的提取.

1 高程數(shù)據(jù)點云數(shù)據(jù)集雙線性插值重采樣

激光雷達掃描所采集到的數(shù)據(jù)是直接采樣所得到的是高程數(shù)據(jù)數(shù)字圖片，該數(shù)據(jù)集以散亂點云形式存在.有學者嘗試通過各種算法從海量不規(guī)則數(shù)據(jù)中直接檢測地形坡度、粗糙度以及障礙物信息，但是算法過于復雜，不易實現(xiàn)，并且需要耗費大量的計算時間，并占用大量的計算資源.因此，有必要在從高程數(shù)據(jù)中提取地形特征信息之前先對離散數(shù)據(jù)進行重采樣.數(shù)字圖像中點云數(shù)據(jù)與地面坐標系坐標點的對應(yīng)關(guān)系如下式：

(1)

圖1 采樣點定位示意圖

(2)

4)計算節(jié)點高程.根據(jù)數(shù)字地形相鄰點相關(guān)性的原理，確定了基于權(quán)分布的高程計算方法：

(3)

雙線性插值算法是一種線性耦合算法，其基于單采樣點數(shù)據(jù)，以一點為中心向相鄰四個方向推進.在該方法中，只有一個采樣點的信息，可以用來計算插值的四個相鄰節(jié)點，采樣信息被用來加速正則化的點云數(shù)據(jù).另外，相鄰點的插值特性必然會遺漏一些網(wǎng)格結(jié)點，因此必須進行修補運算，獲取缺失數(shù)據(jù)插值算法的平均值，搜索方向如圖2所示.

圖2 插值節(jié)點搜索示意圖

空間點云數(shù)據(jù)分布算法基于點云分布規(guī)則，已充分考慮點云空間中所有的數(shù)據(jù)信息，因此將最大限度的保證數(shù)據(jù)的完整性.精確的識別點云分布規(guī)則對于高程數(shù)據(jù)預處理，以及圖像數(shù)據(jù)的三維重構(gòu)具有重要意義；基于點云分布規(guī)則重置所得到的最關(guān)鍵的信息，即：坡度與粗糙度，是基于重采樣和地形坡度及粗糙度特征提取的輸出數(shù)據(jù)源.

2 地形坡度與粗糙度提取算法

圖3 最小中值平面擬合示意圖

在同一時間段內(nèi)，每個采樣點的高程數(shù)據(jù)與平面圖像對應(yīng)點的均方偏差就是地形的粗糙度.該算法的實質(zhì)是基于最小中值平面擬合，判斷高程數(shù)據(jù)點云集合的梯度變化.其計算步驟如下：

(4)

該點在平面坐標系中所對應(yīng)的法向量為：

(5)

該點在平面坐標系中所對應(yīng)單位平面截距為：

(6)

(7)

將距離方差按其值的大小進行排序，將得到距離方差序列{ri}，方差序列{ri}的中值rmed即為距離均值.

m=ln(1-p)/ln(1-(1-o)3)

(8)

式(8)中，p為局部地形高程數(shù)據(jù)相對真實地形信息的概率期望值，o為高程點云數(shù)據(jù)中被歸集到平面外點占全部高程數(shù)據(jù)的比例，其值主要由局部地形特征信息確定.如果需要迭代的次數(shù)m值過大，則說明目標地形復雜，計算量較大，此時比較合理的處理方式為確定m的取值范圍[mmin,mmax]，當mmmax時，取m=mmax.

第四步：對高程點云數(shù)據(jù)集合局內(nèi)點進行采樣.計算并分析所有采樣點相對最小中值擬合平面的距離分布情況，如果其服從式(9)所示的分布：

(9)

則說明采樣點即為高程點云數(shù)據(jù)局內(nèi)點，其中：

(10)

式(10)中,N為單位測試區(qū)域內(nèi)高程點云數(shù)據(jù)集合經(jīng)過重采樣后的像素數(shù)量，其值大小將直接反映采樣區(qū)域尺寸D和采樣精度，并間接反映了算法的有效度.

(11)

而將采樣點偏離均值平面的程度稱之為目標地形的粗糙度，其計算公式：

(12)

式(12)中，Zi為單位點云數(shù)據(jù)(即數(shù)據(jù)單元)內(nèi)第i個高程點云數(shù)據(jù)局所對應(yīng)的高程值.由式(12)可知，該算法的參數(shù)靈敏度較大，因此由該算法所計算得到的地形粗糙度變化范圍較大.

利用前面五個步驟所描述的點云數(shù)據(jù)高程數(shù)字圖像分析思路，即可得到掃描區(qū)域的地形斜率(即：坡度)和地形的均值方差(即：粗糙度信息).

3 仿真算例

為了驗證本文所提出的基于單傳感器的地形信息特征提取算法的有效性，選擇由“勇氣號”所拍攝得到的火星數(shù)字地形圖作為測試原型.該高程數(shù)據(jù)集合包含巖塊、火山口及斜坡等地形，數(shù)字地形表面高程隨機分布，地形中最大巖塊尺寸為1.6M×1.6M；數(shù)字地形圖像分辨率為0.24m/pixel，其物理尺寸為240×240m，因此可以將其視為像素大小為245pixel×245pixel的高程數(shù)據(jù)數(shù)字圖片.其高程為245×245數(shù)據(jù)單位，數(shù)字地形參數(shù)見表1.數(shù)字地形圖和等高線圖分別如圖4和圖5所示.

表1 數(shù)字地形參數(shù)表 m

圖4 高程數(shù)據(jù)數(shù)字地形圖 圖5 數(shù)字地形等高線圖

數(shù)字圖像中的每個測試單元大小為245pixel×245pixel.基于最小數(shù)據(jù)集合所擬合的平面進行計算，便可得到的數(shù)字地形的粗糙度.檢測結(jié)果如圖6及圖7所示.

圖6 數(shù)字地形粗糙度分布圖 圖7 數(shù)字地形粗糙度等高線圖

采用點云數(shù)據(jù)最小中值平面擬合算法計算得到的該數(shù)字圖像的最大粗糙度為2.2457，且最大粗糙度所在位置為火山口的邊緣處，與實際情況相符；而最小粗糙度約為1.1132.圖7表明，該算法檢測到的粗糙度范圍較大，小尺寸的平坦巖石區(qū)域隨機粗糙度測試是完整的，如對于數(shù)字地形中數(shù)據(jù)梯度較大的區(qū)域(如：巖塊、火山口及斜坡等)檢測效果更為明顯，障礙物更加突出.利用最小中值平面擬合算法所得坡度分布情況，如圖8和圖9所示.

圖8 數(shù)字地形坡度分布圖 圖9 數(shù)字地形坡度等高線圖

仿真結(jié)果證明，基于點云圖像計算得到的最大梯度為49.879571度，發(fā)生在火山口邊緣，最小值約為0度.兩種斜坡的平均值分別為18.7644和13.6708度.可以看出，最小中值平面擬合算法對大尺度區(qū)域地形梯度提取具有較好的效果.

4 結(jié)語

本文提出的基于單傳感器的地形信息提取方法，其基于高程數(shù)據(jù)集構(gòu)成的數(shù)字圖片，完成目標地形坡度及粗糙度的提取算法數(shù)學建模，實現(xiàn)地形特征參數(shù)的提取,并抑制畸變數(shù)據(jù).針對地形高程數(shù)據(jù)數(shù)字圖像，研究了基于插值思想的重采樣理論，而本文所提出的地形粗糙度和坡度提取方法正是基于插值重采樣理論完成的.選擇由“勇氣號”所拍攝得到的火星數(shù)字地形圖作為測試原型進行測試驗證.實驗數(shù)據(jù)表明，采用本文所提出的研究方法可以有效、并完整的提取地形坡度和粗糙度信息，實現(xiàn)高程數(shù)據(jù)的目標檢測，可以有效地實現(xiàn)地形危險地形數(shù)據(jù)預測.

[1]路興昌, 宮輝力, 趙文吉,等. 基于激光掃描數(shù)據(jù)的三維可視化建模[J]. 系統(tǒng)仿真學報， 2006, 4(1):1624-1629.

[2]Langer,D. Mettenleites. M. Imaging Laser Scanners for 3-D Modeling and Surveying Applications[J]. IEEE Robotics and Automation，2005, 29(7):116-121.

[3]耿殿伍, 宋政吉, 姜興渭. 月球軟著陸的時間最優(yōu)安全著陸區(qū)搜索算法[J]. 中國空間科學技術(shù)， 2006, 8(4):6-10.

[4]Huertas.A, Cheng Yang, Madison.R. Passive Imaging Based Multi-Cue Hazard Detection for Spacecraft Safe Landing[J]. IEEE Autonomic Control. 2006, 22(18):664-677.

[5]李士勇. 工程模糊數(shù)學及應(yīng)用[M]. 哈爾濱：哈爾濱工業(yè)大學出版社, 2004:1-17.

[6]高國華, 沈林成, 常文森. 基于形態(tài)濾波的地形粗糙度計算[J]. 國防科技大學學報，2000, 2(2):50-53.

[7]吳曉莉, 林哲輝. Matlab輔助模糊系統(tǒng)設(shè)計[M]. 西安:西安電子科技大學出版社, 2002:26-41.

[8]鐘飛, 鐘毓寧. Mamadani與Sugeno型模糊推理的應(yīng)用研究[J]. 湖北工業(yè)大學學報. 2005, 6(2):28-306.

[9]肖鋒,周明全,耿國華. 基于參數(shù)估計的多傳感器數(shù)據(jù)融合算法研究[J]. 計算機工程與應(yīng)用. 2011, 47(34):8-10.

[10]宋琳琳,王相海. 一種綜合顏色和紋理特征的圖像檢索算法[J]. 計算機工程與應(yīng)用. 2011, 47(34):203-207.

[11]耿殿伍, 宋政吉. 月球軟著陸的時間最優(yōu)安全著陸區(qū)搜索算法[J]. 中國空間科學技術(shù). 2006, 8(4):6-10.

OnTerrainInformationExtractionBasedonSingleSensor

CHEN Fen

(Institute of Information and Electrical Engineering，Xuzhou College of Industrial Technology, Xuzhou Jiangsu 221000, China)

Taking terrain information based on a single sensor as the main contents, the paper proposes the terrain elevation data preprocessing and terrain feature extraction algorithm, and the terrain slope and roughness information are identified and extracted. Firstly, the bilinear interpolation algorithm achieves elevation data resampling to ensure the accuracy of terrain feature data source, then the minimum fitting algorithm completes the extraction of terrain slope and surface roughness and establishes corresponding mathematical models. The Mars Digital Topographic Map is used to make the simulation test and the terrain information extraction method is proved to be effective and reliable. This provides a new research approach for identifying the features of terrain slope, roughness and risk assessment.

elevation data; terrain information; single sensor; minimum plane fitting

1673-2103(2017)05-0039-06

2017-05-19

江蘇省職業(yè)技術(shù)教育學會立項課題 (XHXS2015042)

陳芬(1982-),女，江蘇江陰人，講師，碩士，研究方向：計算機應(yīng)用技術(shù).

TP391.41

A