湯建鳳
(中鐵第四勘察設(shè)計(jì)集團(tuán)有限公司 湖北武漢 430063)
鐵路工程設(shè)計(jì)時(shí)需要鐵路設(shè)計(jì)方案走廊帶的地形圖作為設(shè)計(jì)基礎(chǔ)資料,地形圖的生產(chǎn)是鐵路設(shè)計(jì)中的重要一環(huán)。目前地形圖生產(chǎn)方式主要為航空攝影測(cè)量。隨著測(cè)繪科技的進(jìn)步,基于機(jī)載激光雷達(dá)的地形圖的制作方法應(yīng)用越來越廣泛。相比基于影像的立體測(cè)圖,基于機(jī)載激光雷達(dá)技術(shù)可以在少量人工干預(yù)下高精度、高效地完成等高線和高程點(diǎn)的采集工作。然而,目前基于機(jī)載激光雷達(dá)的地形圖測(cè)繪中地物要素測(cè)繪仍需人工繪制,大幅制約制圖的自動(dòng)化程度。本文正是針對(duì)這一問題,研究基于機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)自動(dòng)提取建筑物,以期提高地形圖測(cè)繪的生產(chǎn)效率、降低勞動(dòng)強(qiáng)度,對(duì)于加快整個(gè)鐵路設(shè)計(jì)進(jìn)程具有重要的現(xiàn)實(shí)意義[1-3]。
機(jī)載LiDAR技術(shù)能夠快速直接、連續(xù)自動(dòng)獲取地面三維數(shù)據(jù)。與傳統(tǒng)航空攝影測(cè)量技術(shù)相比,具有對(duì)控制測(cè)量依賴少、受天氣影響小、自動(dòng)化處理程度高、成圖周期短、產(chǎn)品種類豐富等特點(diǎn)。機(jī)載LiDAR技術(shù)生產(chǎn)大比例尺地形圖總體可以分為數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、點(diǎn)云制圖三個(gè)大塊。數(shù)據(jù)采集包括航線設(shè)計(jì)、地面參考站布設(shè)、航空攝影和攝影數(shù)據(jù)質(zhì)量檢查工作;數(shù)據(jù)預(yù)處理包含航跡數(shù)據(jù)解算、激光點(diǎn)云處理及檢校、坐標(biāo)轉(zhuǎn)換、點(diǎn)云濾波等步驟;點(diǎn)云制圖包括高程點(diǎn)生成、等高線生成、地形要素采集等內(nèi)容。
基于點(diǎn)云數(shù)據(jù)地形圖中的等高線和高程點(diǎn)已經(jīng)能夠自動(dòng)生成,而其他地形要素還需要人工采集,特別是城區(qū)、鄉(xiāng)鎮(zhèn)等建筑密集區(qū)域,內(nèi)業(yè)作業(yè)量非常大,使得整體生產(chǎn)效率低下,研究基于LiDAR生產(chǎn)地形圖過程中的建筑邊線自動(dòng)提取前,需要將建筑點(diǎn)云提取出來。建筑物點(diǎn)云提取主要包括地面點(diǎn)濾除、點(diǎn)云分割和點(diǎn)云分類三個(gè)步驟。通過點(diǎn)云分類提取出建筑物點(diǎn)云后即可進(jìn)行建筑邊界線的自動(dòng)提取[4]。
機(jī)載激光雷達(dá)成像過程是對(duì)地面全要素進(jìn)行的非選擇性掃描,數(shù)據(jù)中包含地面、植被、人工構(gòu)造物等對(duì)象的三維點(diǎn)集。為了提取建筑物,應(yīng)首先濾除地面點(diǎn),從而降低提取的運(yùn)算量和難度,提高提取的正確率。目前地面點(diǎn)自動(dòng)提取已比較成熟,可實(shí)現(xiàn)80%以上的正確率。濾除地面點(diǎn)后,點(diǎn)云數(shù)據(jù)中將只包含非地面數(shù)據(jù),基于非地面數(shù)據(jù)可進(jìn)行進(jìn)一步的分割和分類處理。
隨著機(jī)載掃描系統(tǒng)的不斷發(fā)展,應(yīng)用領(lǐng)域越來越廣泛,獲取到的點(diǎn)云數(shù)據(jù)量也越來越大,從海量的點(diǎn)云數(shù)據(jù)中提取特征并進(jìn)行分類和目標(biāo)識(shí)別難度較大。對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行分割的目的即化繁為簡(jiǎn),將復(fù)雜的掃描場(chǎng)景點(diǎn)云根據(jù)其幾何或紋理特征分割成獨(dú)立地物點(diǎn)云集合。在對(duì)點(diǎn)云進(jìn)一步處理時(shí),可直接對(duì)每個(gè)集合進(jìn)行操作,從而提高點(diǎn)云數(shù)據(jù)處理的效率和復(fù)雜度。
點(diǎn)云分割就是將點(diǎn)云數(shù)據(jù)分割成若干個(gè)互不相交的子集。學(xué)術(shù)界對(duì)點(diǎn)云分割方法進(jìn)行了多年研究,相繼提出了區(qū)域增長(zhǎng)法、特征圖像法和空間特征聚類法等有效方法。
在完成地物特征的表達(dá)和選擇后,需要選擇合適的機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練,以達(dá)到最終的分類目的。支持向量機(jī)具有很高的分類正確率,對(duì)于擬合也有很好的理論保證。同時(shí)如果選取合適的核函數(shù),對(duì)特征線性不可分的問題也可以表現(xiàn)得很好。而隨機(jī)森林具有學(xué)習(xí)過程快、能夠高效處理大數(shù)據(jù)等優(yōu)點(diǎn),并且它對(duì)離群值不敏感,在隨機(jī)干擾較多的情況下依然表現(xiàn)穩(wěn)健。
(1)支持向量機(jī)
支持向量機(jī)SVM是Vapnik于1995年基于SLT理論首先提出的一種新的學(xué)習(xí)方法。通過SRM原則在有限的樣本中找到學(xué)習(xí)能力和學(xué)習(xí)模型的復(fù)雜度的最佳平衡點(diǎn),并最終轉(zhuǎn)化為求解凸二次規(guī)劃的問題。同時(shí)引入核函數(shù)思想,在很大程度上解決了模型選擇與過學(xué)習(xí)問題、非線性與維數(shù)災(zāi)難問題以及局部極小值問題等。SVM在數(shù)據(jù)挖掘、模式識(shí)別、數(shù)據(jù)分析、遙感圖像分類等領(lǐng)域取得了成功而廣泛的應(yīng)用,是SLT中最有效的方法之一。
(2)隨機(jī)森林
隨機(jī)森林是一種采用決策樹作為基預(yù)測(cè)器的集成學(xué)習(xí)方法,由Breiman在2001年提出。結(jié)合了Bagging和隨機(jī)子空間理論,集成眾多決策樹進(jìn)行預(yù)測(cè),最后將各個(gè)決策樹的預(yù)測(cè)結(jié)果進(jìn)行平均或者投票,從而得到最終的預(yù)測(cè)結(jié)果。大量的理論和實(shí)驗(yàn)研究都證明了隨機(jī)森林算法具有較高的預(yù)測(cè)準(zhǔn)確率,對(duì)異常值和噪聲具有很好的容忍度,且不容易出現(xiàn)過擬合現(xiàn)象。
本研究對(duì)建筑物點(diǎn)云邊界的自動(dòng)提取算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證,采用的是黃岡黃梅高鐵LiDAR航飛的數(shù)據(jù)。設(shè)備是集團(tuán)公司現(xiàn)有的Leica ALS60機(jī)載激光雷達(dá)測(cè)量系統(tǒng),影像傳感器為RCD30中畫幅數(shù)碼相機(jī)。選取了整個(gè)測(cè)段中浠水段的點(diǎn)云數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)。原始點(diǎn)云數(shù)據(jù)如圖1所示。
圖1 原始實(shí)驗(yàn)點(diǎn)云數(shù)據(jù)
(1)地面點(diǎn)濾除
首先采用terrasolid軟件對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行濾波后,采用本課題提出的算法進(jìn)行了地面點(diǎn)的濾除工作。
(2)點(diǎn)云分割
原始點(diǎn)云數(shù)據(jù)經(jīng)過地面點(diǎn)濾除處理后,即可對(duì)非地面點(diǎn)云進(jìn)行空間聚類分割處理,將離散點(diǎn)分割為獨(dú)立的地物點(diǎn)集合,不同的顏色代表不同的地物點(diǎn)集合(見圖2)。
圖2 非地面點(diǎn)云分割結(jié)果
(3)點(diǎn)云分類
點(diǎn)云數(shù)據(jù)經(jīng)過分割后,可以進(jìn)一步進(jìn)行點(diǎn)云的分類,將獨(dú)立的地物集合賦予類別屬性。本文地物提取主要針對(duì)建筑、植被和橋梁三類對(duì)象。首先,采集這三類的樣本進(jìn)行訓(xùn)練,采用隨機(jī)森林模型進(jìn)行點(diǎn)云分類,綠色點(diǎn)云為植被,紅色點(diǎn)云為建筑。
自動(dòng)提取出的建筑點(diǎn)云如圖3所示,不同的顏色代表著獨(dú)立的建筑點(diǎn)云集合。利用提取出的經(jīng)過單體化后的建筑點(diǎn)云數(shù)據(jù)可進(jìn)一步進(jìn)行建筑的邊界線提取,以滿足基于LiDAR點(diǎn)云數(shù)據(jù)的自動(dòng)化生成地形圖需求。
圖3 點(diǎn)云單體化結(jié)果
在完成建筑點(diǎn)云的提取并單體化后,即可對(duì)每塊建筑點(diǎn)云自動(dòng)提取出邊界線,用于地形圖的自動(dòng)生成。建筑物輪廓線提取根據(jù)應(yīng)用的不同又分為二維輪廓線提取和三維輪廓線提?。?-7]。
建筑邊界點(diǎn)云提取一般情況下只需要生成凸包即可,點(diǎn)云的凸包可使用先構(gòu)造不規(guī)則三角網(wǎng)再去三角網(wǎng)邊界的方法獲取。
采用凸包算法能夠提取大部分規(guī)則建筑點(diǎn)云的邊界,但是對(duì)于異形結(jié)構(gòu)的建筑點(diǎn)云數(shù)據(jù)提取效果不佳。
對(duì)于不規(guī)則建筑的邊界提取還需要采用凹包算法,常用的從點(diǎn)云數(shù)據(jù)中提取凹包邊界的算法有Alphashape算法。
提取出建筑物的邊界點(diǎn)云后,需要對(duì)邊界點(diǎn)云進(jìn)行規(guī)則化,進(jìn)而生成建筑物邊界角點(diǎn),形成建筑物邊界矢量圖形,從而生產(chǎn)地形圖中的建筑物要素。
在單一建筑物內(nèi),針對(duì)上述步驟獲取的建筑物輪廓點(diǎn),提出了迭代的方法對(duì)其進(jìn)行規(guī)則化處理。規(guī)則化分為兩個(gè)步驟,第一步為提取建筑角點(diǎn);第二步為角點(diǎn)直角化。
建筑物角點(diǎn)提取的基本原理是依據(jù)角點(diǎn)的夾角一般為90度?;谶@一原理,對(duì)建筑物邊界點(diǎn)云進(jìn)行篩選[8]。
經(jīng)過邊界點(diǎn)云的提取和簡(jiǎn)化后,已可較為真實(shí)地表現(xiàn)建筑物的形狀。然而,現(xiàn)實(shí)情況中,往往由于激光點(diǎn)云的不完整等原因,導(dǎo)致提取的建筑物邊界失真。因此,還需要對(duì)提取出的邊界點(diǎn)進(jìn)行精化處理,以提高建筑物邊界提取的精度。邊界線的精化包含兩個(gè)步驟,第一步是直線擬合;第二步是邊界外延。
由于機(jī)載激光掃描獲取的點(diǎn)云數(shù)據(jù)比較稀疏,掃描獲取的建筑角點(diǎn)可能距離其真實(shí)角點(diǎn)有一定的差距,因此,通過邊界擬合直線并通過邊界直線相交的方式來獲取精確的建筑物角點(diǎn)。算法的具體步驟是分配邊界點(diǎn)、邊界點(diǎn)直線擬合、尋找最遠(yuǎn)邊界點(diǎn)、直線相交求建筑角點(diǎn)、角點(diǎn)直角化(在實(shí)際建筑物的角點(diǎn)并不一定是直角,而在地形圖上為了圖幅美觀,可盡量將建筑物的角點(diǎn)強(qiáng)制轉(zhuǎn)化為直角。這一步驟不是必須的,可根據(jù)實(shí)際情況來選擇)。
本研究對(duì)建筑物點(diǎn)云邊界的自動(dòng)提取算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證,采用的是整個(gè)實(shí)驗(yàn)區(qū)域測(cè)段中溪水段的點(diǎn)云數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)。提取的建筑物點(diǎn)云如圖4所示,提取的建筑邊界如圖5所示[9]。
圖4 提取的建筑點(diǎn)云數(shù)據(jù)
圖5 提取的建筑邊界
在基于機(jī)載LiDAR點(diǎn)云數(shù)據(jù)制作大比例尺地形圖的過程中,除了建筑物需要人工繪制外,高架路橋邊線的提取也需要大量的人工干預(yù)。因此,在研究了建筑物邊界線提取的基礎(chǔ)上,對(duì)高架路橋邊線的自動(dòng)提取技術(shù)也展開了深入研究[10-11]。
(1)高架橋點(diǎn)云提取
高架橋點(diǎn)云的提取步驟和建筑物提取的步驟基本相同,主要包括地面點(diǎn)濾除、點(diǎn)云分割和點(diǎn)云分類三個(gè)步驟。唯一的區(qū)別是在點(diǎn)云分類的過程中使用的閾值參數(shù)不同,一般情況下,高架橋的聚類點(diǎn)云集合長(zhǎng)寬比、面積都比較大。
(2)高架橋邊線提取
高架橋的邊界點(diǎn)提取同樣可以采用Alphashape的凹包提取算法,提取步驟和建筑物邊界提取相同。
(3)高架橋邊線簡(jiǎn)化
高架橋的邊界簡(jiǎn)化和建筑物的邊界簡(jiǎn)化略有不同,高架橋邊界線不存在明顯角點(diǎn),但又不需要過于密集的邊界點(diǎn)。因此需要對(duì)邊界進(jìn)行簡(jiǎn)化,簡(jiǎn)化方法采用道格拉斯-普克簡(jiǎn)化方法進(jìn)行高架橋邊線簡(jiǎn)化。該方法可最大限度保持線形的真實(shí)度。
在完成了基于點(diǎn)云數(shù)據(jù)的建筑物邊界提取后,需要設(shè)計(jì)相應(yīng)的應(yīng)用接口,將提取結(jié)果轉(zhuǎn)換為CAD格式對(duì)象,使其能夠兼容到標(biāo)準(zhǔn)地形圖中,并根據(jù)相應(yīng)比例尺的地形圖相關(guān)規(guī)范進(jìn)行精度評(píng)定。從兩個(gè)方面來驗(yàn)證整個(gè)提取精度,一是建筑物的有效提取率;二是提取出邊界的絕對(duì)精度。有效提取率是將所有正確提取的建筑物除以整個(gè)實(shí)驗(yàn)范圍內(nèi)的建筑計(jì)算所得,本實(shí)驗(yàn)區(qū)提取率達(dá)到91%。通過外業(yè)采集房角的方式對(duì)建筑物邊界提取的絕對(duì)精度進(jìn)行了檢查,平面中誤差為1.15 m,滿足鐵路1∶2 000地形圖制圖要求[12]。
本研究基于點(diǎn)云數(shù)據(jù)在鐵路工程大比例尺制圖過程中,實(shí)現(xiàn)了建筑物邊界線自動(dòng)提取,相比傳統(tǒng)作業(yè)模式具有以下幾個(gè)方面的優(yōu)勢(shì):
(1)人工干預(yù)少、自動(dòng)化程度高
將點(diǎn)云數(shù)據(jù)進(jìn)行濾波處理后可直接自動(dòng)生成等高線和高程點(diǎn)。實(shí)現(xiàn)建筑物的自動(dòng)提取后,作業(yè)員只需補(bǔ)充采集水系、電力線等少量地物,比之傳統(tǒng)作業(yè)方法效率大大提高。這樣的優(yōu)勢(shì)在隨著近幾年高鐵工程建設(shè)越來越多、工期越來越緊的背景下顯得更加重要。
(2)點(diǎn)云數(shù)據(jù)高程精度更高
相比于航空數(shù)碼影像成圖,基于點(diǎn)云數(shù)據(jù)制作的地形圖具備更高的高程精度,且高層建筑不存在投影差,測(cè)量成果更加可靠。
(3)內(nèi)業(yè)工作量大大減少,整體作業(yè)效率高
機(jī)載激光雷達(dá)系統(tǒng)的內(nèi)、外業(yè)處理工序相比于傳統(tǒng)航空影像更少,這將使內(nèi)業(yè)制圖的工作量大大減少,整體作業(yè)效率大大提高。