李亞男，王 駿， 道勇

(福建省電力勘測設計院，福建 福州 350003)

1 概述

福建省大多數(shù)風電場選址位于山區(qū)植被茂盛、水域復雜的地區(qū)，采用傳統(tǒng)的航空攝影測量方法容易受到空中管制、天氣條件等眾多因素的影響，而且數(shù)據(jù)獲取成本非常高。隨著無人機技術的發(fā)進步和發(fā)展，無人機低空攝影測量技術的作業(yè)方式機動靈活，能夠快速獲取高分標率的影像，而且對天氣要求較低，數(shù)據(jù)獲取成本低，因此在風電場地形測量中得到了廣泛的應用。由于福建省大部分山區(qū)樹木的遮擋嚴重，傳統(tǒng)的航空攝影測量和無人機低空攝影測量技術，無法獲取樹下地面真實情況，因此需要大量的外業(yè)修測工作，才能滿足風電場大比例尺地形圖的測繪需求。機載LiDAR測量技術是以飛機作為測量平臺，以激光掃描測距系統(tǒng)為傳感器，能實時獲取地形表面的三維空間信息，還能提供一定的光譜信息，通過主動向目標地表發(fā)射激光脈沖獲取地表的三維信息，突破了傳統(tǒng)航空攝影測量被動成像的局限性。其最大的優(yōu)勢是能夠快速獲取包括地面點和樹頂點在內的點云信息，通過對點云進行分類，不僅可以獲取準確的地面點，還可以獲取樹木高度信息等。LiDAR點云的濾波和分類提取在整個數(shù)據(jù)后處理中大約占60%～80%的工作量。在眾多LiDAR點云分類算法中，各種數(shù)據(jù)過濾和分類算法都還有一定的局限性。尤其是植被茂盛遮擋嚴重和水域情況復雜的地區(qū)，常規(guī)的分類方法得到的地面點較少，而且容易出現(xiàn)將樹上的點錯分為地面點，甚至將地面點錯分為孤立點或高程異常點。同時，在水域經常出現(xiàn)高程異常點無法剔除。因而需要大量的手工分類，才能得到足夠的地面點，導致分類自動化程度低，效果不理想和生成的DEM精度低等問題，這也成為機載LiDAR技術在在植被茂盛和水域復雜地區(qū)難以廣泛、高效的應用的主要原因。

本文主要介紹了一種有效、快速對LiDAR點云進行分類的方法以及高精度DEM和樹高模型的制作方法，便于為風電場選址提供高精度DEM和樹高模型，主要操作流程見圖1。

圖1 LiDAR數(shù)據(jù)處理流程

2 點云濾波和分類

本文提供一種以自動分類為主，結合人工檢查和手工分類的多重反復分類的方法：首先對點云進行濾波，剔除粗差點；然后通過自動分類的方法，得到粗略的地面點；然后檢查分類結果，適當調整自動分類參數(shù)，重新進行分類，直到自動分類結果比較契合實際地形；然后結合外業(yè)實測數(shù)據(jù)和DOM數(shù)據(jù)進行檢查和分析，對于重點區(qū)域，再次進行人工檢查和手工分類；最后使用地面點生成三角網(或等高線)，結合三角網(或等高線)中高程異常區(qū)域再次進行人工檢查和手工分類。這種分類方法的操作流程見圖2。

圖2 地面點分類流程

2.1 點云濾波

在進行點云分類之前，首先要進行濾波剔除高程異常點，如圖3(a)中紅色線框中位于池塘的一個點比周圍臨近點高程低111.58 m，屬于高程異常點，應予刪除。針對植被茂盛和水域復雜的區(qū)域，在濾波過程中，要著重考慮樹下點被錯分的可能性，如圖3(b)紅色線框內位于樹下的兩個點，其高程值分別比臨近點高程低57.19 m和79.85 m，這兩個點數(shù)據(jù)高程異常點應予剔除；圖3(c)中紅色線框內位于樹下的一個點屬于正常地面點，不應剔除。因此，針對植被茂盛區(qū)域，位于樹下的地面的點很少，這些點比較符合高程異常點的特征，但是又不是高程異常點，因此，在濾波剔除粗差點的時候，要根據(jù)區(qū)域特點，不斷調試參數(shù)，從而將真正的高程異常點剔除。同時，還可以在點云分類完成后，生成等高線，檢查是否存在高程異常點，有針對性地剔除。

2.2 多次自動分類

在風電場選址中，對點云分類最主要的需求是分離出地面點和高植被點。常規(guī)軟件提供的自動分類地面點的功能主要是通過設置最大建筑物邊長、地表最大坡度、當前點與三角網的距離和夾角等參數(shù)來實現(xiàn)。本文根據(jù)測區(qū)地形特點使用不斷修改參數(shù)、多次反復自動提取地面點的方法，直至提取的地面點契合實際地形。相對傳統(tǒng)的一次直接提取地面點的方法而言，多次提取地面點可以得到更加真實準確的地面點，構建的三角網更加細密均勻，見圖4。圖4(a)是在植被茂盛區(qū)域一次自動分類得到的地面點，可見大部分地面點無法分類出來，而且局部出現(xiàn)錯誤分類，圖4(b)是通過多次反復自動分類得到的地面點，可見大部分的地面點被識別出，錯誤分類較少，分類效果較好。

圖3 高程異常點識別

圖4 不同自動分類方法分類效果

2.3 人工檢查和手工分類

良好的地面點自動分類方法，可以將大部分地面點提取出來，但是針對地形突變和特殊地形區(qū)域，自動分類可能存在錯誤分類，因此在自動分類后，對特殊地形區(qū)域，進行人工檢查，并對錯誤分類的點手工分類。手工分類時，參照DOM和實測數(shù)據(jù)，通過截取地形剖面，根據(jù)點的高度和位置以及與其他已明確類別的點之間的關系，結合地形特點，逐點或批量修正點的類別，見圖5。其中，圖5(a)是一塊梯田區(qū)域的DOM，圖5(b)是自動分類得到的地面點(地面點為粉紅色)，紅色框內為該區(qū)域構建的三角網，圖5(c)是經過人工檢查和手工分類后，得到的地面點，紅色框內為構建的三角網，可見，經過多次自動分類，地面點大部分可以分出來，但是對于梯田、陡坎等特殊地形，還存在一些誤分類的點，通過人工檢查和手工分類，可以準確區(qū)分出地面點，生成的三角網更加精細，能夠準確地反應地面真實情況。通常三角網邊長越長的區(qū)域，地面點越少；林木茂盛的區(qū)域，地面點也會較少，而且容易出現(xiàn)將樹上的點錯分為地面點。同時，由于風電場地形圖對風機位、進場道路和升壓站等區(qū)域的高程精度要求較高，因此這些區(qū)域要進行重點檢查和詳細分類。

2.4 輸出DEM和樹高模型

利用地面點制作的DEM和樹高模型的精度取決于地面點或植被點的數(shù)量和精度。使用類似地面點分類的方法，得到樹上的點(高植被點)，將有高植被點的區(qū)域賦值為植被點減去地面點的高度，沒有植被點的區(qū)域賦值為NODATA。通過DOM查看植被的稀疏程度，設定構建的三角網邊長范圍，以減少在植被區(qū)域出現(xiàn)空洞或者將沒有樹木的區(qū)域進行構網。所以在樹高模型中，NODATA的區(qū)域為沒有樹木的區(qū)域，其他區(qū)域為有樹木的區(qū)域，而且樹高即為該區(qū)域的數(shù)值，見圖6。其中圖6(a)為DOM，圖6(b)為對應的樹高模型(藍色區(qū)域為NODATA)。在實際工程應用中發(fā)現(xiàn)，該方法可以快速準確估算測區(qū)林木面積和樹高。

圖5 人工檢車和手工分類前、后效果比較

圖6 林木區(qū)域的DOM和樹高模型

3 精度分析

為了檢驗生成的DEM的精度，通過653個外業(yè)實測高程點與DEM對應位置的高程值進行比較(其中位于植被茂盛區(qū)域的點239個，植被稀疏區(qū)域的高程點414個)，見表1?？梢姡谥脖幻⒌膮^(qū)域，使用本文提供的分類方法制作的DEM平均高程誤差為0.57 m，使用傳統(tǒng)的分類方法制作的DEM平均高程誤差為1.23 m，在植被稀疏區(qū)域，制作的DEM精度分別為0.26 m和0.52 m，可見使用本文提供的點云分類方法，制作的DEM高程精度較高。而且在水域復雜地區(qū)，本文提供的分類方法沒有出現(xiàn)高程異常。

表1 DEM高程精度分析

4 總結

本文針對在林木茂盛地區(qū)和水域復雜地區(qū)，LiDAR點云數(shù)據(jù)分類困難的問題，提出了一種通過點云濾波和多次反復自動分類，并結合人工檢查和手工分類的點云分類方法，能夠得到精度較高的地面點和植被點，便于生成高精度DEM和制作樹高模型。實驗表明，本文提出的點云濾波和分類方法可以有效、快速對植被茂盛和水域復雜區(qū)域的點云進行準確分類，生成的DEM精度滿足要求，樹高模型制作方法簡便，便于統(tǒng)計樹高和面積。

參考文獻：

[1] 張祖勛，張劍清．數(shù)字攝影測量學[M]．武漢：武漢大學出版社，2013．

[2] 杜德竹．基于組合寬角相機低空攝影的城市建筑物三維模型構建[D]．徐州：中國礦業(yè)大學，2010．

[3] 張曉東，竇延娟．機載激光雷達技術在電力選線工程中的應用[J]．長江科學院院報，2010，27(1)．

[4] 張利明．機載激光雷達點云數(shù)據(jù)方法研究[D]．成都：西南交通大學，2010．

[5] 龔亮．機載LiDAR點云數(shù)據(jù)分類技術研究[D]．鄭州：解放軍信息工程大學，2011．