吳學群，寧津生，楊 芳

(1. 武漢大學測繪學院，湖北 武漢 430079； 2. 昆明理工大學國土資源工程學院，云南 昆明 650093； 3. 昆明市測繪研究院，云南 昆明 650051)

在信息化時期，交通管理局、園林局、市政局、廣告管理處等政府部門急需城市最新專題數(shù)據(jù)，進行城市管理輔助決策。已有的專題數(shù)據(jù)多采用全站儀、GNSS RTK等手段進行測繪，現(xiàn)場進行屬性調查，然后內業(yè)成圖入庫。傳統(tǒng)作業(yè)方式外業(yè)勞動強度大、效率低，無法滿足城市專題數(shù)據(jù)的快速獲取、更新。全景激光移動測量系統(tǒng)作為一種新的空間數(shù)據(jù)采集手段，在行駛過程中快速采集道路及兩旁的城市地物三維點云、影像信息，滿足沿道路兩旁城市專題數(shù)據(jù)快速獲取的需要。

近年來，國內外學者圍繞三維激光點云數(shù)據(jù)的分類與提取進行了廣泛的研究。由于機載掃描系統(tǒng)主要獲取地物的頂面信息，而車載激光掃描系統(tǒng)主要獲取地物的立面信息，因此，機載的數(shù)據(jù)分類方法不能直接在車載激光掃描系統(tǒng)中應用[1]。針對車載激光點云數(shù)據(jù)的特點，一些學者提出了相應的分類提取方法。在道路點云數(shù)據(jù)提取方面，文獻[1]提出了一種基于投影點密度的分類方法；文獻[2]將點云投影在水平格網(wǎng)中，通過判斷格網(wǎng)內點云投影前的高度值判別地面點；文獻[3]將點云投影在平面上，采用格網(wǎng)對平面進行分割，根據(jù)區(qū)域內點的密度差異，實現(xiàn)不同地物的判別與信息提??；文獻[4]采用基于法向量的模糊聚類方法對路面點云進行分類提取；文獻[5]對原始點云進行規(guī)則格網(wǎng)投影，根據(jù)格網(wǎng)中點云的分布特征生成點云特征圖像，采用閾值分割、輪廓提取等方法實現(xiàn)點云的分類提??；文獻[6]根據(jù)點云的平面、高程信息，通過點云與其鄰域比較進行道路邊線的提?。晃墨I[7]對點云進行投影、格網(wǎng)分割，根據(jù)格網(wǎng)內點云的特征進行地物分類；文獻[8]提取掃描線，采用移動窗口法依據(jù)掃描線上點云的高程、坡度差異、密度等特征提取路坎點；文獻[9]利用點云的高程、反射強度信息進行濾波，結合標線的幾何、語義信息提取道路標識線；文獻[10]運用近似平面約束法、有序最小二乘坡度估計、多尺度窗口迭代獲得路面初始種子點，在此基礎上，通過局部鄰域坡度方法提取高速公路路面點；文獻[11]通過分析城市環(huán)境中道路與鄰近區(qū)域點云的高程差異，結合區(qū)域生長等圖像處理算法，提出了一種城市道路提取的方法；文獻[12]依據(jù)掃描斷面上數(shù)據(jù)點的空間分布特征，實現(xiàn)采集數(shù)據(jù)的分類。

本文通過漸進網(wǎng)格劃分組合路面數(shù)據(jù)特征的方法，提取點云數(shù)據(jù)中的路面數(shù)據(jù)。根據(jù)各類地物點云數(shù)據(jù)的高程特征，設定高程閾值，濾除點云數(shù)據(jù)中建筑物的頂面及上半部分、樹木及電桿的上半部分數(shù)據(jù)；構建格網(wǎng)，采用漸進格網(wǎng)的分類方法對剩余數(shù)據(jù)點進行分類，完成路面數(shù)據(jù)的提取。

1 數(shù)據(jù)預處理

1.1 原始數(shù)據(jù)處理

對車載激光掃描系統(tǒng)采集的原始數(shù)據(jù)進行POS解算、融合解算和預處理。其中，POS解算將基站數(shù)據(jù)和GPS數(shù)據(jù)轉換成融合軟件所支持的文件格式，并用對應的軟件對POS數(shù)據(jù)進行解算，最后將其導出。融合解算將原始數(shù)據(jù)進行融合處理，生成相應格式的點云數(shù)據(jù)文件。預處理環(huán)節(jié)主要完成點云數(shù)據(jù)的去噪、與全景影像的配準、格式轉換等工作。

1.2 數(shù)據(jù)的分割

車載激光掃描點云數(shù)據(jù)量大，道路存在坡度變化。若直接對整個掃描區(qū)域的數(shù)據(jù)進行處理，難以綜合考慮坡度變化對分類效果的影響。因此，在進行點云數(shù)據(jù)分類前，利用系統(tǒng)頂部衛(wèi)星定位模塊采集的行車軌跡數(shù)據(jù)按高程變化趨勢對點云數(shù)據(jù)進行分段，對每段點云數(shù)據(jù)進行路面數(shù)據(jù)提取，將結果合并獲得整個測區(qū)的路面分類提取成果。由于實際測區(qū)環(huán)境不同，道路情況越復雜，分段數(shù)越多。

2 漸近格網(wǎng)劃分與組合路面特征的方法

2.1 依據(jù)路面特征分類

城市道路存在坡度變化，但通過數(shù)據(jù)分段后，每段的道路高程變化較為平緩且連續(xù)。在掃描場景中，路面點云數(shù)據(jù)的高程通常低于道路兩旁的樹木、路燈、建筑物等上半部分點云數(shù)據(jù)的高程，因此，設定高程閾值可以剔除一部分道路兩旁的非路面點。

由于地形存在高低起伏，道路的路面不會完全水平，在縱橫方向上都存在一定的坡度，因此在設定高程閾值時，需要考慮道路坡度的影響。本文使用車頂GPS RTK定位模塊的高程與定位模塊至地面的高度之差作為高程閾值Hi，該閾值隨路面的高程變化而變化，避免因為道路坡度及高程變化錯誤剔除路面點。高程閾值Hi確定后，與分段區(qū)點云數(shù)據(jù)的高程進行比較，若點云數(shù)據(jù)的高程值大于閾值，則判斷為非路面點予以剔除；若低于閾值，則視為待定點，進行下一步判斷。

2.2 基于漸進格網(wǎng)法的路面分類與提取

采用漸進格網(wǎng)的分類方法對以上得到的待定點進行路面點的分類與提取[13]：

(1) 格網(wǎng)劃分。在分段區(qū)域的點云數(shù)據(jù)中，選取坐標的最大值Xmax、Ymax、Zmax與最小值Xmin、Ymin、Zmin。將區(qū)域內的點云數(shù)據(jù)投影到XOY平面上，根據(jù)式(1)進行M×N的格網(wǎng)劃分，格網(wǎng)的間距為GSD，格網(wǎng)的間距應根據(jù)實際情況進行調整。

(1)

每個數(shù)據(jù)點所在的格網(wǎng)號為(i，j)，其中

(2)

(2) 以格網(wǎng)為單元，計算點云數(shù)據(jù)間的高差。設定閾值，高差小于該閾值的點視為初始路面點。計算該格網(wǎng)內初始路面點的平均高程Ha，并將這些點與其余的點劃分為待定點。

(3) 路面點分類提取。計算每個格網(wǎng)中待定點間的最大高差ΔHi，其中ΔHi=Hmax-Hmin，并設定閾值Hh(將測區(qū)內掃描地物的最小高度作為閾值)。如果格網(wǎng)中計算的高差ΔHi小于閾值Hh，且格網(wǎng)中最小的高程值與Ha之差小于閾值Ht(Ht根據(jù)系統(tǒng)獲取的坡度和實際高程確定)，即滿足ΔHi

本文采用的路面分類流程如圖1所示，在OpenGL環(huán)境下編程實現(xiàn)了上述算法。

圖1

3 試驗分析

3.1 試驗區(qū)概況

試驗區(qū)為某市高速路段，測區(qū)衛(wèi)星圖如圖2所示，數(shù)據(jù)存儲格式為*.las，測區(qū)采集點云16 831 533個，數(shù)據(jù)類型有路面、樹木、路燈、建筑物等，如圖3所示。

圖2 試驗區(qū)衛(wèi)星圖

圖3 試驗區(qū)點云

整個測區(qū)的點云數(shù)據(jù)被分割為160個區(qū)域，選取區(qū)域1(如圖4所示)進行路面的分類與提取試驗，點云數(shù)據(jù)效果圖如圖5所示。

圖4 區(qū)域1衛(wèi)星圖

3.2 試驗結果

本文所使用的全景激光移動測量系統(tǒng)的掃描中心距離地面約2.5 m，根據(jù)車頂GPS RTK定位模塊的高程值與定位模塊至地面的高度(2.0～2.5 m)設定高程閾值Hi，剔除高程較高的一部分非地面點。經(jīng)過上述步驟的分類效果如圖6所示。

圖5 區(qū)域1原始點云

圖6 高程閾值分類后的效果

在上述獲取的待定點中利用格網(wǎng)漸進劃分的方法提取路面數(shù)據(jù)，漸進調整格網(wǎng)間距GSD分別為1.2、1.0、0.8、0.5、0.2 m，分類效果如圖7—圖11所示。

圖7 GSD=1.2 m

圖8 GSD=1.0 m

由以上分類效果圖可以看出，格網(wǎng)間距為1.2、1.0、0.8 m時，建筑物、樹木、路燈等地物點被剔除的同時，許多路面點也被當作地物點剔除掉，路面保存不完整；格網(wǎng)間距為0.2 m時，路面點保留較為完好，但是道路兩旁的地物點容易誤分為地面點；格網(wǎng)間距為0.5 m時，出現(xiàn)誤分的情況有所減少，同時能提取出對向路段的路面點，效果較好。

圖9 GSD=0.8 m

圖10 GSD=0.5 m

圖11 GSD=0.2 m

采用上述方法對整個試驗區(qū)原始點云數(shù)據(jù)(如圖12所示)進行分類提取，分類的效果圖如圖13、圖14所示，路面數(shù)據(jù)提取效果較好。

圖12 試驗區(qū)原始點云數(shù)據(jù)

圖13 高程閾值分類后點云數(shù)據(jù)

圖14 GSD=0.5 m時提取時路面數(shù)據(jù)

4 結 語

與機載掃描系統(tǒng)不同，車載激光掃描系統(tǒng)主要獲取道路及兩旁地物的立面信息，同時也會獲取少量地物(如道路上的車輛、樹冠、低矮建筑物等)的頂面信息，其點云數(shù)據(jù)在平面上的投影區(qū)域較小。本文結合路面點云數(shù)據(jù)的特征，采用漸進格網(wǎng)法進行了路面點云數(shù)據(jù)的分類提取研究，在試驗區(qū)取得了較好的效果。采用漸進格網(wǎng)方法進行地面點分類時，格網(wǎng)間距的調節(jié)極為重要。在具體分類提取過程中，可以在路段中選擇樣本區(qū)域進行抽樣試驗，根據(jù)抽樣路段實際情況(路面起伏、建筑物、車輛等立面信息)進行格網(wǎng)間距設置的優(yōu)化。

[1] 史文中，李必軍，李清泉.基于投影點密度的車載激光掃描距離圖像分割方法[J].測繪學報，2003，34(2):95-100.

[2] 吳芬芳，李清泉，熊卿.基于車載激光掃描數(shù)據(jù)的目標分類方法[J].測繪科學，2007，32(4):75-77.

[3] 盧秀山，黃磊.基于激光掃描數(shù)據(jù)的建筑物信息網(wǎng)格化提取方法[J].武漢大學學報(信息科學版)，2007，32(10)：852-855.

[4] 閆利，張毅.基于法向量模糊聚類的道路面點云數(shù)據(jù)濾波[J].武漢大學學報(信息科學版)，2007，32(12):1119-1122.

[5] 楊必勝，魏征，李清泉，等.面向車載激光掃描點云快速分類的點云特征圖像生成方法[J].測繪學報，2010，39(5):540-545.

[6] 王果，崔希民，袁德寶，等.車載激光點云鄰域比較的道路邊線提取方法[J].測繪通報，2012(9):55-57.

[7] 譚賁，鐘若飛，李芹.車載激光掃描數(shù)據(jù)的地物分類方法[J].遙感學報，2012，16(1):50-66.

[8] 方莉娜，楊必勝.車載激光掃描數(shù)據(jù)的結構化道路自動提取方法[J].測繪學報，2013，42(2):260-267.

[9] 李明輝，田冬雪，胡維強.基于車載三維激光掃描的道路線提取[J].測繪與空間地理信息，2014，37(4):118-121.

[10] 劉如飛，田茂義，許君一.車載激光掃描數(shù)據(jù)中高速公路路面點濾波[J].武漢大學學報(信息科學版)，2015，40(6):751-755.

[11] 張達，李霖，李游.基于車載激光掃描的城市道路提取方法[J].測繪通報，2016(7):30-34.

[12] MANANDHAR D，SHIBASAKI R.Vehicle-borne Laser Mapping system (VLMS)——A New Observation System for 3D Mapping of Urban Areas [C]∥Proceedings of the IEEE Joint Workshop on Remote Sensing and Data Fusion over Urban Areas.Rome，Italy：IEEE,2001:5-9.

[13] 楊芳.基于車載三維激光掃描數(shù)據(jù)分類的路面提取研究[D].昆明：昆明理工大學，2016.

[14] 張大坤，羅三明.形態(tài)學中閉運算功能的擴展及其應用[J].計算機工程與應用，2010，46(27):185-187.

[15] 張小紅.機載激光雷達測量技術理論與方法[M]:武漢:武漢大學出版社，2007.

[16] 王果.不同平臺激光點云數(shù)據(jù)面狀信息自動提取研究[D].北京：中國礦業(yè)大學，2014.