李伯進
(北京麥格天渱科技發(fā)展有限公司,北京 100043)
天寶測繪解決方案專欄
基于UASMaster的影像匹配點云分類的應(yīng)用分析
李伯進
(北京麥格天渱科技發(fā)展有限公司,北京 100043)
根據(jù)近年來對無人機航測的實踐應(yīng)用經(jīng)驗及其發(fā)展趨勢,結(jié)合河南理工大學(xué)項目對基于影像匹配融合獲取的點云進行點云分類,得出利用UASMaster結(jié)合分層分類思想對無人機獲取的點云進行分類處理的方案是可行的。
點云分類;影像匹配;航測;UASMaster
近年來,基于攝影測量的無人機產(chǎn)業(yè)迅猛發(fā)展,空中攝影測量技術(shù)在諸如地形測繪、國土整治、航空地質(zhì)、農(nóng)業(yè)、林業(yè)、水利、環(huán)境保護、能源交通和城市規(guī)劃等方面應(yīng)用廣泛。就數(shù)據(jù)成果應(yīng)用端來說,還主要停留在對正射影像和DEM的使用上。而在對點云數(shù)據(jù)的使用方面還不夠廣泛,其中大的障礙在于點云數(shù)據(jù)的后處理,即如何獲取精確的分類點云數(shù)據(jù)。目前來說,對于點云分類有以下幾種主流方法:基于聚類分割的濾波算法、基于內(nèi)插的濾波算法、基于坡度的濾波算法、基于數(shù)學(xué)形態(tài)學(xué)濾波算法等。本文將使用UASMaster內(nèi)置的基于坡度與數(shù)學(xué)形態(tài)學(xué)濾波算法結(jié)合分層分類的思想進行點云分類。
基于分層分類的思想對影像匹配獲取的點云進行分類。根據(jù)測區(qū)主要地物類型進行逐層逐步分類,把不同地物放置在不同圖層里面。首先將特征明顯易識別的地物類提取并單獨分離出來建立一個圖層;然后繼續(xù)分類剩余的部分,調(diào)用相應(yīng)的算法再針對性地提取另一種地物類并放置到一個新圖層中;最終,逐層實現(xiàn)所有地物的分類。
本文采用河南理工大學(xué)項目數(shù)據(jù)作為分析研究對象。測區(qū)類型為城區(qū)平原,由黃河沖積而成。該區(qū)域位于中原腹地,高差小于3 m;測區(qū)內(nèi)分布有建筑、植被等。
2.2.1 作業(yè)流程
本項目采用TBC軟件進行基線差分解算,由差分后的高精度GNSS數(shù)據(jù)和姿態(tài)數(shù)據(jù)共同組成高精度的POS數(shù)據(jù)。利用該POS數(shù)據(jù)使用Inpho UASMaster 8.1.2版本軟件進行空三等后期解算,之后進行基于DSM方式的點云生成,最后利用生成的點云進行點云分類。首先提取地面點并為其建立單獨的圖層;然后提取植被并為其建立圖層用來單獨存放;最后將建筑物提取出來實現(xiàn)全部主要地物類型分類。如圖1所示。
圖1 基于DSM的點云
2.2.2 分類結(jié)果
首先,利用UASMaster粗篩選工具進行噪點提取并剔除,如圖2所示。
圖2 剔除的噪點
利用UASMaster的地形提取工具進行地面點與非地面點的分離,并提取地面點,如圖3所示。
圖3
進行植被與建筑的粗分離,分別建立植被層和建筑層,粗分離結(jié)果如圖4所示。
圖4
利用UASMaster建筑提取算法,對混合部分植被的建筑層進行建筑的精提取,并分別建立建筑層和部分植被層,如圖5和圖6所示。
圖5
圖6
最終分類結(jié)果如圖7所示,白色為地面地形,黑色為建筑,灰色為植被。
圖7
2.2.3 分類結(jié)果分析
分類結(jié)果見表1。從表1可以看出,地面地形數(shù)據(jù)的全自動提取結(jié)果可以達到應(yīng)用級別;對于建筑房屋的提取在多次迭代提取后,所有沒有植被遮蓋與直接連接處,結(jié)果也很精確,僅遺留了部分屋檐外墻飛點,而這些飛點是傳統(tǒng)航測得到的點云數(shù)據(jù)中不可避免存在的情況。
對于植被的提取結(jié)果來說,總體分類比較準確,與地面點分離很準,誤差部分在于緊挨房屋部分,將部分房屋外墻飛點劃歸到了植被層,另外地面車輛也被分到植被層??傮w來說,整個分類結(jié)果還是相當(dāng)精確的。
表1
通過本文所進行的應(yīng)用分析研究可知,在平原地區(qū)基于影像匹配融合獲取的點云數(shù)據(jù)可用作點云分類處理的源數(shù)據(jù),并且其在UASMaster軟件中的分類結(jié)果也可以滿足大多數(shù)應(yīng)用的要求;該分類結(jié)果可以用于純地形模型的生成、三維建模,以及植被覆蓋等統(tǒng)計規(guī)劃方面。