崔珍珍， 孟 蕾， 周碧蓮

(廣東省國(guó)土資源技術(shù)中心，廣東 廣州 510075)

1 引言

粵西地區(qū)人口密度稀疏，山脈、水庫(kù)、水田豐富，存在大片樹(shù)林等多層次且高密度植被覆蓋區(qū)域，給現(xiàn)有的地形測(cè)繪方法帶來(lái)嚴(yán)峻挑戰(zhàn)。采用GPS等常規(guī)地面測(cè)量方法，存在難以到達(dá)、施測(cè)困難、電子信號(hào)屏蔽等問(wèn)題。近幾年，隨著機(jī)載激光雷達(dá)硬件系統(tǒng)的快速發(fā)展，其產(chǎn)生的點(diǎn)云數(shù)據(jù)也變得更加精確且數(shù)據(jù)海量，成為生產(chǎn)DEM很好的數(shù)據(jù)源。LIDAR系統(tǒng)采集的三維點(diǎn)云數(shù)據(jù)中存在大量的非地面反射點(diǎn)，因此無(wú)法直接獲取測(cè)區(qū)高精度數(shù)字高程模型，所以需要通過(guò)濾波解決這個(gè)問(wèn)題。根據(jù)濾波的發(fā)展方向，主流濾波算法分為三類(lèi)：一是基于三維空間信息的方法，如自適應(yīng)三角網(wǎng)法(ATIN)、多尺度曲率法(MCC)、數(shù)學(xué)漸進(jìn)形態(tài)法(PM)、坡度分析法等；二是基于回波強(qiáng)度的分類(lèi)方法；三是基于點(diǎn)云與影像融合的方法。在機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)的處理研究中，研究人員已經(jīng)開(kāi)發(fā)了許多濾波算法，但是在對(duì)場(chǎng)景比較復(fù)雜的點(diǎn)云數(shù)據(jù)處理時(shí)，這些濾波算法依然存在一些不足，這時(shí)需要人工干預(yù)進(jìn)行手動(dòng)濾波。在進(jìn)行實(shí)際生產(chǎn)時(shí)，需要根據(jù)測(cè)區(qū)實(shí)際情況，找到一種效果較好的濾波方法。本文在對(duì)多測(cè)區(qū)山地地形地貌進(jìn)行分析測(cè)試的基礎(chǔ)上，提出一種多組合重迭代地面點(diǎn)云濾波算法，即融合形態(tài)學(xué)與自適應(yīng)三角網(wǎng)濾波并結(jié)合山脈山谷山脊進(jìn)行分塊快速擬合濾波方法。

2 點(diǎn)云數(shù)據(jù)處理流程

DEM生產(chǎn)制作方法依賴(lài)于采用的數(shù)據(jù)源，以機(jī)載LIDAR點(diǎn)云數(shù)據(jù)為例，生產(chǎn)流程見(jiàn)圖1。

圖1 點(diǎn)云生產(chǎn)DEM流程圖

3 試驗(yàn)結(jié)果分析

3.1 實(shí)驗(yàn)數(shù)據(jù)

采取的數(shù)據(jù)為粵西地區(qū)38帶從化市某地區(qū)數(shù)據(jù)，測(cè)試數(shù)據(jù)面積為450 m×390 m，單次回波703 184次，多次回波首次395 354次，多次回波末次395 221次。測(cè)區(qū)最小Z值220.750 m，最大為343.530 m。參考影像為國(guó)家第三次土地調(diào)查獲取的分辨率為1 m的高光譜遙感影像。影像顯示此測(cè)區(qū)由高密度林木遮擋，且山勢(shì)陡、山溝密度較大(見(jiàn)圖2)。

圖2 部分測(cè)區(qū)遙感影像示意圖

3.2 濾波方法

(1)漸進(jìn)三角網(wǎng)濾波方法。國(guó)內(nèi)常用MicroStation平臺(tái)上開(kāi)發(fā)的Terrasolid軟件進(jìn)行濾波，其算法為Axelsson于2000年提出的一種基于不規(guī)則三角網(wǎng)(TIN)的漸進(jìn)加密，該方法先通過(guò)格網(wǎng)方式將測(cè)區(qū)的點(diǎn)云分塊，然后選取每個(gè)格網(wǎng)中的最低點(diǎn)作為初始種子點(diǎn)，組成一個(gè)大的稀疏的TIN，再按照一定的距離和角度閾值判斷其他的點(diǎn)，逐步加密得到一個(gè)最終的三角網(wǎng)模型。這種算法的適用性取決于參數(shù)的設(shè)置是否符合地形特點(diǎn)，而合適的參數(shù)配置耗時(shí)較多，此算法對(duì)曲面不連續(xù)性的檢測(cè)較敏感，適用于城市區(qū)域的濾波。而對(duì)于本測(cè)區(qū)高密度山脈和高覆蓋度植被山體場(chǎng)景，在實(shí)際作業(yè)中往往需要花費(fèi)大量時(shí)間進(jìn)行參數(shù)調(diào)試。

(2)基于形態(tài)學(xué)濾波方法。這種濾波方法首先通過(guò)分析窗口內(nèi)水平分布的記錄點(diǎn)，將其設(shè)為初始地面，設(shè)置一個(gè)閾值，并將所有與該地面在某一距離范圍內(nèi)的點(diǎn)都作為地面點(diǎn)，然后采用自回歸過(guò)程檢驗(yàn)運(yùn)算結(jié)果，這種方法很容易擴(kuò)展成二維離散數(shù)據(jù)。

(3)本文采用的優(yōu)化濾波方法。本文使用TerraSolid濾波軟件，地形形態(tài)學(xué)法與漸進(jìn)三角網(wǎng)法相結(jié)合的局部濾波算法模塊工具進(jìn)行數(shù)據(jù)快速精分，對(duì)山谷、山脊、建筑區(qū)分類(lèi)別進(jìn)行數(shù)據(jù)重濾波操作，實(shí)現(xiàn)山體結(jié)構(gòu)快速TIN重建。結(jié)合作圖經(jīng)驗(yàn)，總結(jié)出一套適用于粵西高密度山脈復(fù)雜場(chǎng)景的處理流程，見(jiàn)圖3。

圖3 本文濾波方法生產(chǎn)DEM流程圖

本文采用融合形態(tài)學(xué)自適應(yīng)分塊擬合的方法進(jìn)行數(shù)據(jù)粗濾波，再結(jié)合地形特點(diǎn)開(kāi)發(fā)出針對(duì)山谷和山脊兩種地形的局部地形恢復(fù)工具。山谷和山脊一般呈現(xiàn)倒銳角三角形和正銳角三角形特征，首先將山谷山脊的區(qū)域標(biāo)記出來(lái)，在選定山谷山脊地形范圍內(nèi)可以快速找到局部最低點(diǎn)，設(shè)為臨時(shí)地面點(diǎn)，再與已定坡面點(diǎn)構(gòu)造出銳角三角形，再在圈定距離與坡度范圍內(nèi)采用隨機(jī)適應(yīng)匹配原則，匹配出鄰域地面點(diǎn)，逐步匹配直到區(qū)域內(nèi)所有點(diǎn)都被搜尋到。

3.3 數(shù)據(jù)驗(yàn)證

(1)濾波三角網(wǎng)效果對(duì)比。取粵西某部分?jǐn)?shù)據(jù)，采用三種不同算法進(jìn)行濾波，構(gòu)造Delaunay三角網(wǎng)，三者濾波后地形渲染效果對(duì)比如圖4。

圖4 三者濾波后地形渲染效果對(duì)比圖

從上圖中可以明顯看出，基于形態(tài)學(xué)的濾波方法比單獨(dú)使用自適應(yīng)三角網(wǎng)法得到的山地地形好，具體表現(xiàn)為：在可以保持山形情況下，去除了較多噪點(diǎn)云集。多組合重迭代的濾波方法對(duì)于自然地形的恢復(fù)效果最佳，且濾波得到的地面點(diǎn)云密度也明顯比前兩個(gè)算法要大。

(2)DEM成果精度分析評(píng)價(jià)。DEM的高程誤差來(lái)源于三個(gè)方面：點(diǎn)云數(shù)據(jù)本身的高程(大地高)誤差；高程系統(tǒng)轉(zhuǎn)換的誤差，即似大地水準(zhǔn)面精化誤差；插值對(duì)DEM高程精度的影響。點(diǎn)云高程誤差主要通過(guò)外業(yè)打點(diǎn)來(lái)計(jì)算獲取。將擬合后的DEM與RTK外業(yè)實(shí)地采集點(diǎn)高程數(shù)據(jù)進(jìn)行精度檢測(cè)，分別計(jì)算三種數(shù)據(jù)的高差中誤差。經(jīng)計(jì)算，三種濾波方法得到的DEM與RTK采集點(diǎn)比較得到的Z值均方根誤差見(jiàn)表1。

表1 三種濾波方法得到的DEM與RTK精度比較

4 結(jié)論

(1)提出了融合形態(tài)學(xué)自適應(yīng)分塊擬合迭代濾波算法，成功解決了粵西部分山區(qū)高密度植被與山脈密集場(chǎng)景地形中植被點(diǎn)云智能化剝離難題，為高精度內(nèi)業(yè)生產(chǎn)提供良好的濾波基礎(chǔ)數(shù)據(jù)，減少內(nèi)業(yè)作業(yè)時(shí)間，從而減少因作業(yè)員專(zhuān)業(yè)素質(zhì)導(dǎo)致的錯(cuò)分漏分。

(2)不同算法最佳適用的地形不同，研究顯示，針對(duì)不同地形特點(diǎn)，采用針對(duì)性的濾波算法，可以有效分離出地面和非地面點(diǎn)。

(3)低空機(jī)載LIDAR技術(shù)應(yīng)用于粵西植被高覆蓋、高遮擋、高密度山區(qū)地形測(cè)繪，具有高精度、高效率、高自動(dòng)化等顯著優(yōu)勢(shì)，革新現(xiàn)有的測(cè)繪手段。