(廣西壯族自治區(qū)遙感信息測(cè)繪院， 廣西南寧530023)

0 引言

DEM作為重要的測(cè)繪成果已經(jīng)成為國(guó)家空間數(shù)據(jù)基礎(chǔ)設(shè)施的基本內(nèi)容之一，在眾多領(lǐng)域有著廣泛的應(yīng)用。廣西現(xiàn)有的DEM生產(chǎn)方法以航空攝影測(cè)量獲取的影像數(shù)據(jù)為主要數(shù)據(jù)源，生產(chǎn)過(guò)程受人工主觀因素影響較大，而且傳統(tǒng)攝影測(cè)量生產(chǎn)DEM必須經(jīng)過(guò)影像匹配、空三加密、密集匹配、立體環(huán)境下人機(jī)交互等環(huán)節(jié)，導(dǎo)致DEM生產(chǎn)工藝復(fù)雜，周期較長(zhǎng)。LiDAR作為一種能夠快速精確地獲取地面三維數(shù)據(jù)的技術(shù)隨之孕育而生。它能快速獲取地表點(diǎn)三維數(shù)據(jù)，相比航拍和二維矢量數(shù)據(jù)，有著更高的高程精度，在獲取高精度DEM尤其是大比例尺的高精度DEM方面有著很大的優(yōu)勢(shì)。但是在基于LiDAR點(diǎn)云數(shù)據(jù)生成DEM的過(guò)程中發(fā)現(xiàn)，使用單一濾波算法存在著分類不準(zhǔn)確的問(wèn)題。所以，本文提出針對(duì)廣西境內(nèi)多種類型地貌特征采取不同濾波算法，大幅度提高廣西地區(qū)DEM數(shù)據(jù)生產(chǎn)的精度和效率，滿足多行業(yè)領(lǐng)域?qū)Ω呔雀叱虜?shù)據(jù)產(chǎn)品的廣泛需求，同時(shí)將完善廣西的1∶10000比例尺基礎(chǔ)地理信息數(shù)據(jù)產(chǎn)品，優(yōu)化測(cè)繪地理信息產(chǎn)業(yè)結(jié)構(gòu)，提升測(cè)繪地理信息數(shù)據(jù)產(chǎn)品的保障性作用，推動(dòng)信息化建設(shè)、促進(jìn)經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展。

在國(guó)外，Lindenberger 較早應(yīng)用數(shù)學(xué)形態(tài)學(xué)[1]對(duì)剖面式測(cè)高數(shù)據(jù)先執(zhí)行開運(yùn)算，然后使用自回歸過(guò)程調(diào)整運(yùn)算結(jié)果，實(shí)現(xiàn)對(duì)原始數(shù)據(jù)濾波，該算法原理簡(jiǎn)單、實(shí)現(xiàn)效率高，但缺乏適應(yīng)性，容易削平地形。Vosselman[2]提出了基于 坡度的濾波算法，該方法需要根據(jù)待判點(diǎn)的距離以及地形坡度計(jì)算高程閾值大小，將滿足條件的點(diǎn)歸類為地面點(diǎn)。Sithole等[3]對(duì)該算法進(jìn)行改進(jìn)，根據(jù)地形變化動(dòng)態(tài)設(shè)置閾值，該算法計(jì)算簡(jiǎn)單，提升了其適應(yīng)性。在國(guó)內(nèi)，羅伊萍等[4]采用多尺度的方式有效改善了固定窗口大小，提升了數(shù)學(xué)形態(tài)學(xué)算法的適應(yīng)性，但組織形式有損原始數(shù)據(jù)的精度。徐國(guó)杰等[5]采用設(shè)定點(diǎn)到三角面的最大距離和點(diǎn)與三角面頂點(diǎn)的連線形成的最大角的方式對(duì)不規(guī)則三角網(wǎng)進(jìn)行改進(jìn)，并對(duì)參數(shù)動(dòng)態(tài)調(diào)整，多次迭代完成濾波，由于需要多次迭代，運(yùn)行效率較差。

1 激光LiDAR原理

激光探測(cè)和測(cè)距技術(shù)(light detection and ranging, LiDAR)是20世紀(jì)80年代發(fā)展起來(lái)的能夠直接獲取對(duì)象表面的三維點(diǎn)云信息數(shù)據(jù)的高新技術(shù)[6]。為了更高效地獲取三維空間信息，以飛機(jī)為載體的機(jī)載激光雷達(dá)(Airborne-LiDAR)測(cè)量技術(shù)不斷發(fā)展，作為一種新興的空間對(duì)地觀測(cè)技術(shù)，機(jī)載LiDAR集激光測(cè)距技術(shù)、 高精度動(dòng)態(tài)載體姿態(tài)測(cè)量技術(shù)(INS)和高精度動(dòng)態(tài)GPS 差分定位技術(shù)于一身，能夠快速獲取精確的高分辨率的數(shù)字地面模型以及地面物體的三維坐標(biāo)[7]。

機(jī)載LiDAR系統(tǒng)主要包括激光掃描儀、慣性測(cè)量單元、差分GPS接收機(jī)和成像設(shè)備[8]。該系統(tǒng)以飛機(jī)為載體，一同組建了機(jī)載LiDAR測(cè)量系統(tǒng)。其系統(tǒng)組成見圖1。

圖1 激光雷達(dá)系統(tǒng)組成Fig.1 Composition of Lidar system

2 實(shí)驗(yàn)分析

2.1 實(shí)驗(yàn)數(shù)據(jù)

本文所使用的數(shù)據(jù)為2017年10月期間獲取到的廣西梧州市蒼梧縣測(cè)區(qū)約100 km2LiDAR點(diǎn)云數(shù)據(jù)。實(shí)驗(yàn)區(qū)域具有植被茂密區(qū)、陡石山區(qū)、大量水體等多種地類，基本包含廣西境內(nèi)的地形地貌，所以本文實(shí)驗(yàn)具有針對(duì)廣西地形的機(jī)載LiDAR濾波算法的代表性。點(diǎn)云密度為每平方米0.5個(gè)點(diǎn)，滿足1∶10000DEM一級(jí)精度的生產(chǎn)要求,回波信息及強(qiáng)度信息都有記錄。如圖2為該測(cè)區(qū)全貌的點(diǎn)云數(shù)據(jù)及DEM產(chǎn)品。

圖2 測(cè)區(qū)點(diǎn)云數(shù)據(jù)及DEM產(chǎn)品
Fig.2 Point cloud data and DEM products of surveying area

圖3 改進(jìn)的濾波算法流程圖Fig.3 Flow chart of improved filtering algorithm

2.2 陡石山區(qū)

2.2.1 多植被及陡石山區(qū)點(diǎn)云數(shù)據(jù)分類、濾波方法研究

現(xiàn)有的成熟濾波算法如漸進(jìn)加密三角網(wǎng)濾波算法、移動(dòng)窗口濾波算法、形態(tài)學(xué)濾波算法等[9-10]，均是以假設(shè)一個(gè)初始地形，然后在該初始地形的基礎(chǔ)上，以局部高程突變作為判據(jù)進(jìn)行迭代地面點(diǎn)分類，由于陡峭地形高程突變大，濾波算法迭代效果也較差，很容易削平山形點(diǎn)，產(chǎn)生漏分類。

本小節(jié)將根據(jù)陡峭石山的特點(diǎn)，在漸進(jìn)加密三角網(wǎng)濾波算法基礎(chǔ)上提出一種顧及地形的濾波算法(圖3)。首先根據(jù)初始地形種子點(diǎn)預(yù)判地形類別，大致將地形分為平坦地區(qū)和山地。在平坦地區(qū)無(wú)需做特殊處理，現(xiàn)有的算法即可高效地進(jìn)行地面點(diǎn)分類。在山地區(qū)域，則加密初始種子點(diǎn)，獲得一個(gè)較為貼近真值的地形初始值，然后在山區(qū)采用強(qiáng)濾波參數(shù)進(jìn)行特殊處理，盡可能多地將陡峭石山的點(diǎn)云分類到地面點(diǎn)，從而增強(qiáng)現(xiàn)有濾波算法的精度，提高破碎地貌LiDAR點(diǎn)云地面點(diǎn)分類的自動(dòng)化程度。

2.2.2 實(shí)驗(yàn)結(jié)果

如圖4所示，左側(cè)為漸進(jìn)加密三角網(wǎng)濾波算法生成的三角網(wǎng)，右側(cè)為改進(jìn)后的濾波算法生成的三角網(wǎng)。由于山體過(guò)于陡峭，所以常規(guī)濾波算法將大部分地表點(diǎn)分類錯(cuò)誤，導(dǎo)致山體存在大量缺失，對(duì)后期人工編輯影響非常大。并且從圖5看出，該區(qū)域還存在低矮植被的干擾，嚴(yán)重影響輸出DEM的質(zhì)量。而使用改進(jìn)后的濾波算法，可以看出地形較為平滑，整個(gè)山形還是比較完整。從剖面圖5看出，基本地面點(diǎn)都分類正確。

2.3 水體、斷壁區(qū)域

2.3.1 快速約束Delaunay三角網(wǎng)算法

廣西境內(nèi)存在大量的河流、湖泊，并且地貌破碎，陡崖、斷壁較為常見，因此，在點(diǎn)云生產(chǎn)DEM作業(yè)時(shí)，不可避免的需要添加大量的斷裂線。而現(xiàn)有的一些斷裂線添加方法或者國(guó)外商業(yè)軟件中現(xiàn)有的斷裂線模塊添加作業(yè)復(fù)雜，工作量繁重，極大影響作業(yè)效率。本研究將以Delaunay三角網(wǎng)逐點(diǎn)插入算法為基礎(chǔ)，基于Delaunay三角網(wǎng)的點(diǎn)云索引方法，利用高效索引(如四叉樹、kd樹等)快速定位斷位裂線線段在三角網(wǎng)中的位置[11-13]，并根據(jù)線段和三角網(wǎng)拓?fù)潢P(guān)系快速計(jì)算特征點(diǎn)，實(shí)現(xiàn)斷裂線的快速添加(圖6)。

圖6 三角網(wǎng)疊加四叉樹索引示意圖Fig.6 Triangulation overlay quadtree index

2.3.2 實(shí)驗(yàn)結(jié)果

如圖7，圖8所示，使用約束Delaunay三角網(wǎng)算法之前，水域及坎邊的邊界不明顯。而且因邊界上有點(diǎn)之間構(gòu)TIN，會(huì)導(dǎo)致后期輸出DEM錯(cuò)誤。這時(shí)，采用約束Delaunay三角網(wǎng)算法在邊界添加斷裂線，對(duì)該類問(wèn)題有明顯改善。

2.4 密集植被區(qū)

2.4.1 曲面內(nèi)插算法

相比攝影測(cè)量，機(jī)載LiDAR在植被覆蓋區(qū)域能夠獲取部分地形點(diǎn)。但是在植被覆蓋很厚的地區(qū)，獲得的地面點(diǎn)也很有限，太少的地形點(diǎn)不足以表示山體形態(tài)。在作業(yè)中通常會(huì)對(duì)該類區(qū)域缺失的地形點(diǎn)需要進(jìn)行添加點(diǎn)的操作，以獲取較高精度且美觀的DEM成果。本小節(jié)將針對(duì)廣西地區(qū)茂密植被區(qū)域點(diǎn)云數(shù)據(jù)的特點(diǎn)，采用曲面內(nèi)插算法，以僅有的少量樹下真實(shí)地表點(diǎn)作為控制點(diǎn)，參考植被趨勢(shì)面和樹高，對(duì)缺失的地形點(diǎn)進(jìn)行光滑內(nèi)插，提高植被覆蓋區(qū)域的數(shù)據(jù)處理效率，生產(chǎn)符合實(shí)際地形的DEM。

2.4.2 實(shí)驗(yàn)結(jié)果

從圖9三角網(wǎng)對(duì)比圖能夠和直觀的看出，運(yùn)用常規(guī)濾波方法后構(gòu)建的三角網(wǎng)體現(xiàn)的山形不符合正常的山形，丟失了部分地表信息，而采用曲面內(nèi)插算法對(duì)缺失地形進(jìn)行光滑內(nèi)插后，還原了正確的山形。由圖10剖面對(duì)比圖可以看出，由于植被過(guò)于茂密，在這個(gè)小山頭處只有植被點(diǎn)，沒有激光點(diǎn)到達(dá)下方的地面，導(dǎo)致構(gòu)建三角網(wǎng)時(shí)，此時(shí)已經(jīng)無(wú)法通過(guò)濾波和分類獲得地面點(diǎn)云。此時(shí)采用曲面內(nèi)插算法，向點(diǎn)云數(shù)據(jù)添加新的擬合地面點(diǎn)。

3 結(jié)論

實(shí)驗(yàn)表明，在廣西這種地形多變、復(fù)雜的區(qū)域，如果只依靠傳統(tǒng)的濾波算法大范圍一體化處理點(diǎn)云數(shù)據(jù)，具有一定的難度，或者說(shuō)濾波結(jié)果具有較大的偏差。點(diǎn)云數(shù)據(jù)濾波的結(jié)果主要取決于濾波算法、地區(qū)的地形地貌復(fù)雜程度、點(diǎn)云密度。對(duì)于廣西的陡石山地形，由于地表的陡然起伏，真實(shí)的地表信息會(huì)被常規(guī)的濾波算法過(guò)濾；對(duì)于水體、斷壁周邊，由于各點(diǎn)間距過(guò)大，常規(guī)算法會(huì)將點(diǎn)構(gòu)成不真實(shí)地表模型；對(duì)于廣西的茂密植被區(qū)，由于抵達(dá)真實(shí)地面的點(diǎn)云數(shù)據(jù)少，真正的地表反而會(huì)被當(dāng)作低點(diǎn)被過(guò)濾掉。這些區(qū)域往往還需要人工干預(yù)，這就對(duì)作業(yè)人員的素質(zhì)有一定要求，同時(shí)大大增加了作業(yè)量，降低了制作DEM的效率，且容易漏分類和錯(cuò)分類。