崔晨彥，俞志強(qiáng)，吳文靜，王良清，黃 樺

（1.北京天下圖數(shù)據(jù)技術(shù)有限公司，北京 100142；2.浙江省測(cè)繪科學(xué)技術(shù)研究院，浙江 杭州 310000；3.浙江省測(cè)繪資料檔案館，浙江 杭州 310000）

LiDAR是一項(xiàng)快速直接獲取地物目標(biāo)三維坐標(biāo)信息的技術(shù)。由于具有自動(dòng)化程度高、受天氣影響小、數(shù)據(jù)生產(chǎn)周期短、精度高等特點(diǎn)[1]，目前該技術(shù)被廣泛應(yīng)用于獲取DEM、林業(yè)、海岸工程、鐵路公路測(cè)量、輸電線測(cè)量、城市建模等多個(gè)領(lǐng)域[2]。LiDAR數(shù)據(jù)點(diǎn)云呈離散的分布狀態(tài)。在獲取的原始點(diǎn)中，地形表面點(diǎn)、人工建筑物點(diǎn)或自然植被點(diǎn)等并未分離到單獨(dú)層。在激光點(diǎn)云數(shù)據(jù)中提取數(shù)據(jù)地面模型需將不同地物數(shù)據(jù)點(diǎn)分離，即激光數(shù)據(jù)濾波[3]。

目前的激光點(diǎn)云分類生產(chǎn)制作多采用半自動(dòng)的方式，即通過點(diǎn)云自動(dòng)濾波與人工編輯相結(jié)合的方式獲取最終分類成果。盡管已研究多種濾波方法來提高自動(dòng)分類效率，但這些方法均無法完全正確地分類點(diǎn)云，濾波分類結(jié)果仍需大量的人工編輯；而隨著LiDAR技術(shù)的發(fā)展，數(shù)據(jù)獲取的精度越來越高，數(shù)據(jù)量越來越大，對(duì)硬件技術(shù)和人工分類的要求也會(huì)隨之提高，因此對(duì)能快速自動(dòng)正確分類LiDAR點(diǎn)云方法的研究顯得越來越重要。

1 目前LiDAR點(diǎn)云分類方法

人工編輯主要是采用人工作業(yè)方式，調(diào)整高程突變區(qū)域的參數(shù)或算法，再重新進(jìn)行小面積自動(dòng)分類，或?qū)Ψ诸愬e(cuò)誤的點(diǎn)重新進(jìn)行分類[6]。點(diǎn)云分類流程如圖1所示[7]。

圖1 點(diǎn)云分類流程圖

LiDAR點(diǎn)云數(shù)據(jù)半自動(dòng)分類方式包括自動(dòng)濾波和人工編輯兩個(gè)部分。

自動(dòng)濾波，首先采取絕對(duì)高程濾波方法將錯(cuò)誤點(diǎn)和粗差點(diǎn)剔除，再使用基于TIN的濾波算法進(jìn)行地面點(diǎn)分類，即以地面為參考，去除離地表距離超出閾值的點(diǎn)。這種濾波方法的關(guān)鍵是閾值的選取，使用不同的閾值會(huì)產(chǎn)生不同的濾波結(jié)果[4]。對(duì)非地面點(diǎn)云進(jìn)一步分類，根據(jù)需求可分為植被、建筑物、電力設(shè)施等[5]。對(duì)形狀規(guī)則、空間特征明顯的地物，可通過參數(shù)設(shè)置利用軟件自動(dòng)分類，如建筑物、電力塔等。為解決人工編輯工作量大、效率低的缺點(diǎn)，本文提出了一種新的作業(yè)流程，以基于采集錯(cuò)誤分類特征面運(yùn)行自動(dòng)濾波的作業(yè)方法代替大量人工編輯，獲取最終分類成果。

2 技術(shù)原理與方法

利用特征面輔助分類LiDAR點(diǎn)云，首先通過TIN濾波算法進(jìn)行初始濾波點(diǎn)云的分類，并將初始分類結(jié)果進(jìn)行離散點(diǎn)云柵格化，生成三維數(shù)字影像，該算法類似于數(shù)學(xué)形態(tài)學(xué)濾波法；然后基于影像，對(duì)自動(dòng)分類結(jié)果進(jìn)行質(zhì)檢，采集錯(cuò)誤分類要素的特征面，并利用TerraSolid中的Insideshp算法，對(duì)特征面范圍內(nèi)的點(diǎn)云再次進(jìn)行自動(dòng)濾波分類，并對(duì)分類結(jié)果進(jìn)行檢查，得到最終分類結(jié)果。

2.1 離散點(diǎn)云柵格化原理[6]

將原始激光數(shù)據(jù)內(nèi)插成規(guī)則格網(wǎng)數(shù)據(jù)，利用數(shù)字圖像原理對(duì)離散點(diǎn)數(shù)據(jù)進(jìn)行處理，將離散點(diǎn)轉(zhuǎn)換成數(shù)字圖像。在矢量數(shù)據(jù)的柵格化過程中，需確定柵格的寬度，對(duì)分布不均勻的數(shù)據(jù)，可采用該數(shù)據(jù)集合內(nèi)各數(shù)據(jù)點(diǎn)到其他點(diǎn)最短距離的平均值作為柵格寬度，其公式為：

式中，Width為柵格寬度；Smin為柵格對(duì)角線長度最小值。

2.2 數(shù)字圖像的形態(tài)學(xué)應(yīng)用[3]

數(shù)字圖像的形態(tài)學(xué)分為腐蝕和膨脹兩種基本操作。由于點(diǎn)云數(shù)據(jù)分布并不均勻，為了使同一地物的數(shù)據(jù)點(diǎn)連接成片，需對(duì)圖像作序貫的膨脹，當(dāng)同一地物的數(shù)據(jù)點(diǎn)連接完成后再進(jìn)行序貫的腐蝕，腐蝕的次數(shù)必須小于膨脹次數(shù)。

假設(shè)地物之間的最短距離為Distmin。因?yàn)閳D像每膨脹一次，邊緣就會(huì)擴(kuò)張一層，設(shè)置擴(kuò)張寬度為Width，經(jīng)過多次膨脹后，距離最近的不同地物將連成一體。因此，臨界的膨脹次數(shù)為：

根據(jù)計(jì)算得到的膨脹次數(shù)后，對(duì)數(shù)字圖像進(jìn)行序貫膨脹大于序貫腐蝕處理。

2.3 技術(shù)路線

利用影像和采集特征面進(jìn)行點(diǎn)云分類的技術(shù)路線如圖2所示。

圖2 利用影像和特征面進(jìn)行點(diǎn)云分類流程圖

3 實(shí)驗(yàn)案例

3.1 實(shí)驗(yàn)數(shù)據(jù)

實(shí)驗(yàn)數(shù)據(jù)采用浙江省新昌縣航空獲取的點(diǎn)云數(shù)據(jù)，位于新昌縣城區(qū)，地形為平地，面積約為0.75 km2，多建筑。

3.2 技術(shù)方法的實(shí)現(xiàn)

利用特征線輔助點(diǎn)云分類的方法可分為兩種。

一種方法是直接利用已有特征面進(jìn)行分類，以建筑物為例，首先利用自動(dòng)濾波分類得到噪音和地面層，并從已有地形圖中提取建筑物特征線，進(jìn)行線面轉(zhuǎn)換；然后利用TerraSolid中的Insideshp算法進(jìn)行自動(dòng)分類，獲取建筑物分類結(jié)果，如圖3所示。

圖3 特征面分類結(jié)果

另一種方法是基于原始點(diǎn)云進(jìn)行初始自動(dòng)分類，過濾噪音點(diǎn)和地面點(diǎn)，并根據(jù)分類后的點(diǎn)云數(shù)據(jù)生成辨識(shí)度高的影像，包括地面影像（圖4）、非地面影像（圖5）和全要素影像（圖6）；再結(jié)合已有的DOM，判讀分類錯(cuò)誤的要素，設(shè)置不同錯(cuò)誤類型矢量層，如建筑物層、噪音點(diǎn)錯(cuò)誤層、地面缺失層、植被層等；然后利用影像質(zhì)檢自動(dòng)分類成果，采集錯(cuò)誤分類要素到相應(yīng)矢量層；最后利用采集特征面再次進(jìn)行濾波分類，并對(duì)分類結(jié)果進(jìn)行質(zhì)檢，得到最終點(diǎn)云分類結(jié)果。

圖4 地面影像

圖5 點(diǎn)云分層影像

3.3 結(jié)果分析

1）分類效果。以建筑分類為例，傳統(tǒng)分類方法利用TerraSolid中自動(dòng)濾波分類，即使利用最嚴(yán)格的房屋算法，結(jié)合回波值分類，效果依然不理想，出現(xiàn)的問題主要包括距離建筑物近的低矮植被、移動(dòng)物體被錯(cuò)分為建筑物，低矮建筑物未被分類，面積較大建筑分類錯(cuò)誤等，結(jié)果顯示如圖7所示。本文利用已有特征面輔助分類，在特征面采集正確的基礎(chǔ)上，最終的分類結(jié)果中只包含建筑物。比較兩種分類結(jié)果可知，特征面輔助分類成果質(zhì)量高，用時(shí)僅為傳統(tǒng)方法的5%。

圖6 全要素影像

圖7 傳統(tǒng)分類方法建筑物分類結(jié)果

2）生產(chǎn)效率。采用錯(cuò)誤分類特征面并運(yùn)行自動(dòng)濾波的方法，省略了手動(dòng)編輯分類的步驟，且避免了對(duì)點(diǎn)云的直接操作，減少了大量人工編輯工作。經(jīng)實(shí)驗(yàn)，該方法提高了30%的工作效率，且分類質(zhì)量符合規(guī)范要求。

4 結(jié) 語

本文通過新昌LiDAR點(diǎn)云分類實(shí)驗(yàn)證明了利用特征面輔助LiDAR點(diǎn)云分類的方法能大大減少手工作業(yè)的工作量，提高傳統(tǒng)LiDAR分類的效率和質(zhì)量，并且彌補(bǔ)了現(xiàn)有濾波自動(dòng)方法的缺陷，實(shí)現(xiàn)了自動(dòng)快速的LiDAR點(diǎn)云分類；但該方法也存在局限性，主要依賴于特征面采集的準(zhǔn)確性，且在分類建筑物時(shí)無法進(jìn)行房檐改正，因此該方法只能用于輔助點(diǎn)云分類。因此如何快速準(zhǔn)確地自動(dòng)分類點(diǎn)云數(shù)據(jù)，仍是今后研究中的重要課題。

[1] 張玉方,程新文,歐陽平,等.機(jī)載LiDAR數(shù)據(jù)處理及其應(yīng)用綜述[J].工程地球物理學(xué)報(bào),2008,5(1):119-124

[2] 鞏淑楠,陳云,徐敏.機(jī)載激光雷達(dá)數(shù)據(jù)處理方法的研究與應(yīng)用[J].測(cè)繪與空間地理信息,2010,33(5):165-167

[3] 劉春,陳華云,吳杭彬.激光三維遙感的數(shù)據(jù)處理與特征提取[M].北京:科學(xué)出版社,2010:17,128,143

[4] 余潔,張國寧,秦昆,等. LiDAR數(shù)據(jù)的過濾方法探討[J].地理空間信息,2006,4(4):8-10

[5] 王鐵軍,陳云,袁如金.基于LiDAR數(shù)據(jù)的DEM和矢量自動(dòng)提取探討[J].測(cè)繪與空間地理信息,2009,32(1):29-31

[6] 汪承義,陳靜波,孟瑜,等.新型航空遙感數(shù)據(jù)處理技術(shù)[M].北京:化學(xué)工業(yè)出版社,2016:45,55-57

[7] 國家測(cè)繪地理信息局.機(jī)載激光雷達(dá)數(shù)據(jù)處理技術(shù)規(guī)范:CH/T 8023-2011[S].北京:中國地圖出版社,2011:6