丁 瓊，余俊鵬，劉定寧

(廣東工業(yè)大學(xué) 土木與交通工程學(xué)院測繪工程系，廣東 廣州 510006)

機(jī)載LiDAR (Light Detection and Ranging,LiDAR)作為一種全新的空間對地觀測技術(shù)，能直接、快速地獲取研究對象表面大量高精度的三維坐標(biāo)點(diǎn)，在地形測繪、環(huán)境監(jiān)測、城市建模、快速應(yīng)急響應(yīng)等方面有著巨大優(yōu)勢，是近年來蓬勃發(fā)展起來的一種新型觀測手段和方法，具有相當(dāng)大的發(fā)展?jié)摿?。由于機(jī)載LiDAR點(diǎn)云的不規(guī)則性和光斑的低分辨率導(dǎo)致其在地物邊界及屬性的精確界定上存在一定困難，需要輔以紋理信息豐富的遙感影像來進(jìn)行準(zhǔn)確判讀。實(shí)際上，LiDAR系統(tǒng)在獲取三維坐標(biāo)信息的同時(shí)，就能記錄反射回波的強(qiáng)度信息，只是其噪音過高，一般棄之不用。近些年，隨著數(shù)據(jù)采集質(zhì)量的提高，強(qiáng)度信息被視為目標(biāo)識別和分類研究的信息源，并成為新的研究熱點(diǎn)[1-2]。

早在2002年，Song利用LiDAR強(qiáng)度信息對地表覆蓋進(jìn)行分類，并肯定了強(qiáng)度信息在目標(biāo)識別及分類上的重要作用。由此，眾多學(xué)者展開相關(guān)研究，例如獨(dú)立樹(Palenichka et al.)、植被的提取(Han et al. )，冰川的識別(Arnold et al.)，道路提取[2]，生物量估算(Garcia et al.)等。此后，逐漸向LiDAR強(qiáng)度和多源數(shù)據(jù)融合的方向發(fā)展，如和多光譜遙感影像(Huang et al.)、LiDAR三維信息(Wang et al.; Garcia et al.)進(jìn)行融合來改善目標(biāo)探測和分類精度。然而，LiDAR強(qiáng)度信息在傳播過程中受到來自大氣衰減、傳播距離、入射角等因素的影響，導(dǎo)致采集的原始強(qiáng)度數(shù)據(jù)含有較大誤差不能被直接利用，嚴(yán)重影響強(qiáng)度信息的研究和應(yīng)用。

目前，針對LiDAR強(qiáng)度信息進(jìn)行校正的方法主要可歸為3類：

1)基于理論模型的校正方法。該類方法基于雷達(dá)方程揭示了傳感器發(fā)射信號強(qiáng)度、接收強(qiáng)度以及引起強(qiáng)度值變化的各類因素之間的相互關(guān)系(Jelalian)。分別針對雷達(dá)方程中引起強(qiáng)度變化的各類參數(shù)進(jìn)行校正以期改善強(qiáng)度信息精度(Coren et al.; Donoghue et al.)。

2)基于經(jīng)驗(yàn)?zāi)Ｐ偷男Ｕ椒?。該方法主要是從真?shí)數(shù)據(jù)及數(shù)據(jù)處理中出現(xiàn)的問題出發(fā)，基于數(shù)據(jù)建模并根據(jù)同類地物反射強(qiáng)度應(yīng)相等這一原則進(jìn)行研究(Teo and Wu)。

3)基于已知參照物的校正方法是采用反射率已知的材料來研究各類因素對強(qiáng)度的影響，以期提高強(qiáng)度信息精度。

綜上所述，研究者們對LiDAR強(qiáng)度信息進(jìn)行了系統(tǒng)研究分析，但以上方法大多需手動(dòng)選擇同類地物激光腳點(diǎn)樣本或者使用實(shí)驗(yàn)室參考標(biāo)本進(jìn)行校正，對人工干預(yù)依賴較大，極大地降低了數(shù)據(jù)處理的自動(dòng)化程度；此外，大范圍、多航帶數(shù)據(jù)中的重疊區(qū)域拼接差異大等問題尚未得到徹底解決，嚴(yán)重阻礙了其應(yīng)用與發(fā)展。

本文提出一種基于最鄰近距離和航帶重疊區(qū)域的LiDAR強(qiáng)度校正方法，使得用戶無需人工干預(yù)，就可實(shí)現(xiàn)強(qiáng)度自校正以及多航帶數(shù)據(jù)的無縫拼接，旨在改善LiDAR強(qiáng)度信息的精度和可靠性，同時(shí)極大地提高了數(shù)據(jù)處理的自動(dòng)化程度。

1強(qiáng)度校正方法

本研究所采取的研究方法和技術(shù)路線如圖1所示。

圖1 技術(shù)流程

1.1 環(huán)境影響校正

雷達(dá)方程描述了傳感器發(fā)射信號強(qiáng)度、接收強(qiáng)度以及引起強(qiáng)度值變化的各類因素之間的相互關(guān)系。若假設(shè)在同一次數(shù)據(jù)獲取過程中，將與傳感器因素相關(guān)的影響參數(shù)視為常數(shù)，那么可以將雷達(dá)方程簡化為式(1)：

(1)

式中，Ir為接收到的強(qiáng)度，It為發(fā)射強(qiáng)度，ρ為照射目標(biāo)反射率，R為激光傳播距離，ηatm為大氣衰減因子，θ為入射角，C為與傳感器相關(guān)的常數(shù)。

從點(diǎn)云數(shù)據(jù)中分別提取每個(gè)激光腳點(diǎn)的三維坐標(biāo)、強(qiáng)度信息、傳播距離和入射角?；谑?1)中的關(guān)系，消除傳播距離R、大氣衰減ηatm和入射角θ的影響得式(2)。

(2)

式中，大氣衰減ηatm=10-2aR/10 000。

在這一步中，將傳播距離、大氣衰減以及入射角3個(gè)參數(shù)造成的強(qiáng)度衰減統(tǒng)稱為環(huán)境影響。

1.2 重疊區(qū)同名點(diǎn)自動(dòng)識別

環(huán)境影響校正能對LiDAR強(qiáng)度起到一定改善，但是航帶重疊區(qū)域仍會(huì)有剩余誤差未消除，使得航帶重疊區(qū)不能完全吻合，因此需要選擇相鄰航帶同名激光腳點(diǎn)對作為校正樣本完成剩余強(qiáng)度差異的消除。在這里，我們提出一種基于最鄰近距離的同名樣本自動(dòng)篩選算法，將相鄰航帶重疊區(qū)的同名點(diǎn)作為參考來校正強(qiáng)度信息，完成剩余強(qiáng)度差異的消除，如圖2所示。

圖2 最鄰近點(diǎn)選取示意圖

紅點(diǎn)為航帶1中的激光腳點(diǎn)，黑點(diǎn)為航帶2中的激光腳點(diǎn)。由于激光腳點(diǎn)落點(diǎn)的隨機(jī)性很難保證相鄰航帶的腳點(diǎn)剛好落在同一位置，因此，我們設(shè)定距離閾值為選擇同名樣本的約束條件。例如，以紅點(diǎn)為圓心，給定距離為半徑畫圓，圈中離紅點(diǎn)最近的點(diǎn)即認(rèn)定為紅點(diǎn)的同名點(diǎn)?；诖嗽?，即可根據(jù)提取出的航帶重疊區(qū)，自動(dòng)篩選出大量來自符合條件的同名樣本對為校正做準(zhǔn)備。

1.3 航帶重疊區(qū)LiDAR強(qiáng)度差異消除

假設(shè)重疊區(qū)域的剩余強(qiáng)度差異由于式(1)中的參數(shù)不準(zhǔn)確造成，因此可將式(1)改進(jìn)為

IB=IA·ρ·Ra·102bRcoscθ

(3)

式中IB為消除航帶間差異后的強(qiáng)度值，IA為第一步消除環(huán)境影響后的強(qiáng)度值，a,b,c為需要解算的校正參數(shù)。

根據(jù)來自同類地物反射強(qiáng)度應(yīng)一致的原則，基于上一步篩選出的樣本對建立如式(4)的方程。

IBi=IBj

(4)

式中i,j分別為相鄰航帶的序號。

每一對篩選出的樣本都可以基于強(qiáng)度一致的原則建立方程(4)。將(3)代入(4)中，利用最小二乘原理解算校正參數(shù)a,b,c。

1.4 校正LiDAR強(qiáng)度并實(shí)現(xiàn)無縫拼接

將解算出的校正參數(shù)a,b,c代回式(2)，并應(yīng)用于所有LiDAR數(shù)據(jù)中實(shí)現(xiàn)重疊區(qū)域的強(qiáng)度差異消除。比較航帶重疊區(qū)域改進(jìn)情況，完成整個(gè)實(shí)驗(yàn)區(qū)域多條航帶的無縫拼接。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 實(shí)驗(yàn)區(qū)域

本文實(shí)驗(yàn)區(qū)域位于山東省東營市黃河三角洲濕地自然保護(hù)區(qū)境內(nèi)(圖3)。實(shí)驗(yàn)數(shù)據(jù)為由Leica ALS50系統(tǒng)采集的3條LiDAR航帶，采集時(shí)間為2008-04-16，飛行高度2 400 m，掃描角62.5°，激光腳點(diǎn)間隔約2 m，覆蓋面積約70 km2，飛行方向?yàn)闁|西向。該區(qū)域是我國最完整、最廣闊、最年輕的濕地生態(tài)系統(tǒng)，是全國最大的河口三角洲自然保護(hù)區(qū)。區(qū)內(nèi)生物資源、濕地資源和景觀資源十分豐富，具有極大的科研價(jià)值和參考意義。

圖3 實(shí)驗(yàn)區(qū)域

2.2 數(shù)據(jù)處理及結(jié)果分析

采用Terrasolid軟件對原始數(shù)據(jù)進(jìn)行預(yù)處理，剔除粗差后，提取所需三維信息和強(qiáng)度信息。圖4為由LiDAR三維數(shù)據(jù)生成的數(shù)字高程模型 (Digital Elevation Model，DSM)。

圖4 預(yù)處理后實(shí)驗(yàn)區(qū)DSM

由于黃河攜帶大量泥沙在入海口沉積，形成大面積的淺海灘涂和濕地，實(shí)驗(yàn)區(qū)域內(nèi)地勢平坦，西側(cè)為覆蓋較為豐富的內(nèi)陸，東側(cè)鄰近黃海，河流沿西向東流向入?？凇４送?，隨著輸送到河口的泥沙不斷增多抬高河床，河床兩岸人為加高以防洪。從DSM中可清晰反映出河流兩岸高程相對較高。河道兩邊覆蓋人工植被，近海區(qū)域?yàn)殄e(cuò)綜覆蓋的潮汐帶，溝渠走勢清晰可見。

數(shù)據(jù)預(yù)處理后,可同時(shí)得到原始強(qiáng)度圖如圖5(a)，可見相鄰航帶拼接處存在明顯差異，影響后續(xù)分類精度。采取本文提出的算法后，航帶拼接處的強(qiáng)度差異有明顯改善(圖5(b))。為了能更清晰客觀地呈現(xiàn)重疊區(qū)域強(qiáng)度值精度的改進(jìn)，沿南北方向提取重疊區(qū)的一剖面(圖6)。其中，紅色和藍(lán)色分別代表來自相鄰兩個(gè)航帶的激光腳點(diǎn)，若強(qiáng)度無損失，重疊區(qū)強(qiáng)度應(yīng)完全吻合。然而，由于誤差的存在，重疊區(qū)強(qiáng)度差異較大。提取該剖面兩航帶重疊區(qū)域強(qiáng)度數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析發(fā)現(xiàn)，重疊區(qū)的強(qiáng)度差異為0.06，方差0.1，改進(jìn)后分別提高到0.005和0.06,見表1?？梢娊?jīng)校正后，由傳播距離、入射角和大氣衰減造成的強(qiáng)度差異得到極大改善，且表征不同地物的強(qiáng)度變化曲線仍得以保存，為后續(xù)分類研究提供基礎(chǔ)。

圖5 原始強(qiáng)度圖和校正后強(qiáng)度圖

(橫坐標(biāo)為X，縱坐標(biāo)為歸一化后的強(qiáng)度值)圖6 校正前后強(qiáng)度剖面

表1 強(qiáng)度改進(jìn)前后差異對比

3 結(jié) 論

本文針對目前LiDAR強(qiáng)度數(shù)據(jù)質(zhì)量過低且數(shù)據(jù)處理自動(dòng)化程度較低的問題，提出了一種基于最鄰近距離和航帶重疊區(qū)域的校正算法，并采取黃河三角洲濕地的3條LiDAR航帶數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，驗(yàn)證了算法的可靠性。研究結(jié)果顯示：校正前的強(qiáng)度數(shù)據(jù)在航帶拼接處存在明顯差異，導(dǎo)致接縫印跡明顯；而經(jīng)校正之后的強(qiáng)度在航帶重疊區(qū)能較好地吻合，并較好地保留了不同地物的強(qiáng)度變化曲線，為大區(qū)域、多航帶數(shù)據(jù)的無縫拼接提供理論基礎(chǔ)。此外，該算法從重疊區(qū)域的激光腳點(diǎn)本身出發(fā)基于最鄰近距離篩選出大量同名樣本，擺脫了傳統(tǒng)方法人工依賴過高的缺點(diǎn)，極大地提高了數(shù)據(jù)處理的自動(dòng)化程度。