郭 冰，余 騰，秦育羅

（1.宿遷學(xué)院 建筑工程學(xué)院，江蘇 宿遷 223800）

數(shù)字高程模型（DEM）是對(duì)地表的一種數(shù)字表達(dá)形式[1]。對(duì)于大范圍的DEM 生產(chǎn)，航空攝影測(cè)量是通常采用的主要手段[2]，但大量像控點(diǎn)的布設(shè)及較長(zhǎng)時(shí)間的空三加密影響了作業(yè)效率。機(jī)載激光雷達(dá)（LiDAR）作為一種主動(dòng)式對(duì)地觀測(cè)系統(tǒng)[3]，能夠直換獲取地表三維坐標(biāo)，不需要進(jìn)行正射校正，適合DEM 制作。由于LiDAR 點(diǎn)云數(shù)據(jù)包含了所有地面點(diǎn)和地物點(diǎn)，因此需要將其進(jìn)行分類[4]，即通過(guò)濾波處理獲得表達(dá)地表形態(tài)的地面點(diǎn)云，再由地面點(diǎn)構(gòu)建DEM。

目前的點(diǎn)云濾波算法較多，較為成熟的是Axelsson創(chuàng)建的基于不規(guī)則三角網(wǎng)的濾波算法[5]，已經(jīng)在商業(yè)軟件中得到應(yīng)用。在實(shí)際生產(chǎn)中，由于地物地貌的復(fù)雜性，點(diǎn)云濾波自動(dòng)分類精度不高，還需對(duì)算法自動(dòng)分類出的點(diǎn)云進(jìn)行進(jìn)一步的提取。大量研究表明，融合LiDAR 點(diǎn)云和其他數(shù)據(jù)源進(jìn)行點(diǎn)云分類能夠改善單一利用LiDAR 點(diǎn)云分類的精度[6-8]。目前，常規(guī)機(jī)載激光雷達(dá)系統(tǒng)配備有成像設(shè)備，能夠獲取地表的航空影像。而影像在空間分辨率和紋理信息上具有明顯優(yōu)勢(shì)，且影像上不同地物間的空間關(guān)系清晰，可以作為點(diǎn)云數(shù)據(jù)的有效補(bǔ)充[9-11]。本文基于TerraSolid 平臺(tái)研究結(jié)合LiDAR 點(diǎn)云與航空影像制作高精度數(shù)字高程模型的方法。

1 實(shí)驗(yàn)數(shù)據(jù)與技術(shù)流程

1.1 實(shí)驗(yàn)數(shù)據(jù)

實(shí)驗(yàn)區(qū)域?yàn)? km2大小，包括開(kāi)闊地、植被、大小型建筑物、道路及農(nóng)田等。本次實(shí)驗(yàn)采用徠卡ALS50-II系統(tǒng)采集點(diǎn)云數(shù)據(jù)，并配備CCD 相機(jī)獲取測(cè)區(qū)航空影像。同時(shí)，在測(cè)區(qū)內(nèi)架設(shè)GNSS 基準(zhǔn)站，采用載波相位差分技術(shù)獲取傳感器的精確坐標(biāo)。實(shí)驗(yàn)采集的數(shù)據(jù)包括原始激光點(diǎn)云數(shù)據(jù)、航空影像、基站GNSS 數(shù)據(jù)、機(jī)載GNSS 和IMU 數(shù)據(jù)。

1.2 技術(shù)流程

實(shí)驗(yàn)技術(shù)流程主要包括數(shù)據(jù)預(yù)處理和數(shù)據(jù)后處理兩部分，見(jiàn)圖1。數(shù)據(jù)預(yù)處理主要利用GNSS 基站數(shù)據(jù)對(duì)機(jī)載GNSS 和IMU 數(shù)據(jù)動(dòng)態(tài)差分處理解算出精確航跡，然后與原始激光點(diǎn)云數(shù)據(jù)結(jié)合生成帶有精確三維坐標(biāo)的激光點(diǎn)云數(shù)據(jù)。這一部分主要利用系統(tǒng)配套軟件進(jìn)行處理。預(yù)處理后的點(diǎn)云在TerraSolid 平臺(tái)中經(jīng)去噪、濾波后得出粗略地面點(diǎn)，并經(jīng)抽稀提取地面關(guān)鍵點(diǎn)。在此基礎(chǔ)上，進(jìn)行空三加密生成數(shù)字正射影像（DOM）。最后，將粗分類點(diǎn)云與DOM 配準(zhǔn)，由少量人工干預(yù)獲得精確地面點(diǎn)點(diǎn)云，構(gòu)建DEM。

圖1 技術(shù)流程

2 TerraSolid平臺(tái)下的DEM生成

TerraSolid 是目前最為成熟的商業(yè)化LiDAR 點(diǎn)云數(shù)據(jù)處理平臺(tái)[12]，它包含多種數(shù)據(jù)處理模塊[13]。本次實(shí)驗(yàn)中所用到的是TerraScan 和TerraPhoto 模塊。其中TerraScan 模塊為點(diǎn)云處理模塊，主要是實(shí)現(xiàn)點(diǎn)云自動(dòng)分類，該過(guò)程就是基于不規(guī)則三角網(wǎng)算法實(shí)現(xiàn)的，而TerraPhoto 模塊為正射影像制作模塊，可以實(shí)現(xiàn)在無(wú)地面控制點(diǎn)的條件下，生產(chǎn)正射影像[14]。

2.1 點(diǎn)云濾波分類

原始激光點(diǎn)云中包含一定數(shù)量的低點(diǎn)、空中點(diǎn)等各種類型噪聲點(diǎn)，需要在分類前剔除。由于噪聲點(diǎn)的高程與周?chē)c(diǎn)相差很大，因此可以給定閾值設(shè)置一個(gè)判別范圍，通過(guò)高程值的比較剔除噪聲點(diǎn)。

2.1.1 濾波分類的基本原理

不規(guī)則三角網(wǎng)濾波算法的思路是遍歷所有數(shù)據(jù)后選擇最低點(diǎn)作為種子地面點(diǎn)構(gòu)建初始三角網(wǎng)，再通過(guò)判斷新加入的非地面點(diǎn)到三角面的距離和構(gòu)成的角度是否在閾值范圍之內(nèi)，在閾值范圍內(nèi)的判定為地面點(diǎn)，超出閾值范圍的判定為非地面點(diǎn)，直到所有的候選點(diǎn)都通過(guò)篩選[5,15]。

2.1.2 濾波分類結(jié)果與分析

結(jié)合實(shí)驗(yàn)區(qū)地形條件和地物分布現(xiàn)狀，通過(guò)不斷調(diào)整地面點(diǎn)分類參數(shù)，進(jìn)行點(diǎn)云分類。圖2 為濾波分類后的點(diǎn)云，為評(píng)價(jià)濾波質(zhì)量，選取三塊不同特征區(qū)域進(jìn)行分類誤差的定量和定性分析。區(qū)域1 為尺寸較小的建筑物密集區(qū)，區(qū)域2 為水稻田，屬于低矮植被，區(qū)域3 為大型建筑物。

圖2 濾波分類后點(diǎn)云

對(duì)濾波結(jié)果的評(píng)價(jià)主要是依據(jù)出現(xiàn)I 類和II 類誤差的概率。第I 類誤差是錯(cuò)誤地將地面點(diǎn)分類到地物點(diǎn)，第II 類誤差是錯(cuò)誤地?fù)Q收地物點(diǎn)并歸入地面點(diǎn)[16]。結(jié)合正射影像，對(duì)該三塊區(qū)域分別進(jìn)行對(duì)比分析，通過(guò)人工判讀的方式獲取分類后點(diǎn)云對(duì)應(yīng)的實(shí)際類別。經(jīng)統(tǒng)計(jì)誤差點(diǎn)數(shù)量后，得出的定量結(jié)果如表1 所示。

表1 濾波算法定量分析結(jié)果

誤差結(jié)果分析：

1）I 類誤差的統(tǒng)計(jì)結(jié)果。區(qū)域1 內(nèi)的誤差點(diǎn)主要分布在建筑物前有植被的地方，由于這些植被高度較低，在濾波過(guò)程中易被誤分為地面點(diǎn)。區(qū)域2 中水稻生長(zhǎng)高度低，許多田坎上的激光點(diǎn)被誤分為植被。個(gè)別地方還出現(xiàn)了數(shù)據(jù)空洞，這是由于激光點(diǎn)打在水面上造成了漫反射。區(qū)域3 為一棟大型建筑物，建筑物高度比周邊地面要高出很多，濾波效果良好，但其附屬建筑結(jié)構(gòu)復(fù)雜，高低不一，對(duì)于墻體立面和面積比較小的建筑物如煙囪部分，濾波效果不好，有些地面點(diǎn)被誤分為建筑物點(diǎn)和植被點(diǎn)。

2）II 類誤差的統(tǒng)計(jì)結(jié)果。區(qū)域1 中的II 類誤差點(diǎn)主要分布在水稻田的田坎上，這是由于水稻和田坎的高度近似，算法誤將地面點(diǎn)判斷為植被點(diǎn)；區(qū)域2 中的II 類誤差點(diǎn)與區(qū)域1 類似；區(qū)域3 中的II 類誤差點(diǎn)主要分布在建筑物內(nèi)部和建筑物邊緣復(fù)雜的部分。與I 類誤差相比，II 類誤差一般較小，這是因?yàn)闉V波算法為保證地面點(diǎn)的準(zhǔn)確性，首先控制II 類誤差，在此基礎(chǔ)上再盡可能降低I 類誤差。

可以看出，不規(guī)則三角網(wǎng)濾波算法能較好地維護(hù)地形特征，減少地面損失，濾波精度較高。但該算法對(duì)于低矮植被區(qū)域和小型建筑物密集區(qū)域的濾波效果不是很好，需要不斷調(diào)整濾波參數(shù)的設(shè)置。

2.2 DOM 生成

在TerraPhoto 模塊中，依據(jù)相機(jī)參數(shù)、POS 數(shù)據(jù)和模型關(guān)鍵點(diǎn)數(shù)據(jù)進(jìn)行空三加密獲得影像外方位元素，再通過(guò)逐片微分糾正生成DOM。

1）外方位線元素計(jì)算。利用航跡文件、相機(jī)文件、相片曝光的GNSS 時(shí)間文件計(jì)算外方位線元素。其計(jì)算精度主要取決于相機(jī)校正參數(shù)。

2）模型關(guān)鍵點(diǎn)提取。點(diǎn)云濾波自動(dòng)分類后得到的是粗略地面點(diǎn)，由數(shù)據(jù)抽稀后獲得地面關(guān)鍵點(diǎn)點(diǎn)集，如圖3 所示，并根據(jù)給定的精度構(gòu)建地面三角網(wǎng)模型，即初始DEM。

3）初始正射影像生成。利用模型關(guān)鍵點(diǎn)和影像外方位元素逐片糾正，再進(jìn)行勻光勻色處理生成初始正射影像。

4）外方位角元素計(jì)算。在自動(dòng)匹配連換點(diǎn)的基礎(chǔ)上，通過(guò)人工選取匹配點(diǎn)，不斷迭代，直到外方位角元素增量小于閾值，如圖4 所示。

5）正射糾正。在TerraPhoto 模塊中，利用初始DEM 和修正后的外方位元素進(jìn)行正射糾正，生成精確正射影像圖，結(jié)果如圖5 所示。

圖4 人工增加匹配點(diǎn)

圖5 精確正射影像圖

2.3 DOM 輔助下的點(diǎn)云分類

2.3.1 數(shù)據(jù)配準(zhǔn)

正射影像生成后，將自動(dòng)分類得到的點(diǎn)云數(shù)據(jù)與正射影像進(jìn)行配準(zhǔn)疊加處理。由于本次實(shí)驗(yàn)是LiDAR系統(tǒng)同時(shí)對(duì)同一地區(qū)進(jìn)行觀測(cè)，所以點(diǎn)云數(shù)據(jù)和影像數(shù)據(jù)的POS 是一致的，故兩者是在同一個(gè)坐標(biāo)系中，可采用坐標(biāo)匹配的方法實(shí)現(xiàn)兩者配準(zhǔn)，如圖6所示，可以看出點(diǎn)云數(shù)據(jù)離散著位于影像上，沒(méi)有出現(xiàn)點(diǎn)云重疊跡象，這有利于下一步的人工判斷和編輯。

2.3.2 點(diǎn)云分類

針對(duì)點(diǎn)云自動(dòng)分類中的錯(cuò)分、漏分等問(wèn)題，在疊加正射影像后，使某一特定的點(diǎn)云提取圖層按亮度顯示，采用人工檢查的方式，修改錯(cuò)分和漏分的點(diǎn)云屬性。在分類時(shí)，如遇到地物間灰度值相似的情況，可以在剖面視圖下由高程值的大小進(jìn)行區(qū)分。通過(guò)人工干預(yù)，對(duì)點(diǎn)云進(jìn)行再次分類，剔除了很多小型建筑物、低矮植被及溝渠中的激光點(diǎn)，得到了精確的地面點(diǎn)點(diǎn)云，如圖7 所示。

圖6 疊加正射影像的點(diǎn)云（局部）

圖7 地面點(diǎn)點(diǎn)云

對(duì)比點(diǎn)云自動(dòng)分類和正射影像輔助下的點(diǎn)云再次分類的結(jié)果，絕大部分錯(cuò)分和漏分的點(diǎn)都被正確歸類到所屬的類別中。具體結(jié)果見(jiàn)表2。

表2 人工干預(yù)處理結(jié)果

2.4 DEM 制作

在獲得精確地面點(diǎn)點(diǎn)集后即可生成數(shù)字高程模型。由于個(gè)別區(qū)域仍存在錯(cuò)分類的情況，此時(shí)DEM并不光滑。這就需要參照影像，在剖面視圖下，對(duì)異常點(diǎn)的屬性進(jìn)行修改。待對(duì)所有模型進(jìn)行詳細(xì)修改后，便可通過(guò)TerraScan 模塊輸出DEM，如圖8所示。

圖8 實(shí)驗(yàn)區(qū)DEM

2.5 精度檢測(cè)

以DEM 和數(shù)字正射影像為參考，依據(jù)地形情況，在實(shí)驗(yàn)區(qū)內(nèi)布設(shè)了58 個(gè)檢查點(diǎn)。采用GNSS 差分技術(shù)實(shí)測(cè)了每個(gè)檢查點(diǎn)的高程，并計(jì)算DEM 內(nèi)插高程值與實(shí)測(cè)值之間的殘差。結(jié)果顯示高程中誤差為0.279 m，并且所有點(diǎn)的高程都達(dá)到了±0.3 m 的高程精度，小于標(biāo)準(zhǔn)中誤差的要求。

3 結(jié) 論

本文提出了在TerraSolid 平臺(tái)上結(jié)合LiDAR 點(diǎn)云和航空影像的DEM 生成方法。該方法表明在點(diǎn)云自動(dòng)濾波的基礎(chǔ)上，結(jié)合正射影像對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行再次分類，通過(guò)少量的人工編輯，可以有效提高濾波分類的正確率，進(jìn)而獲得精確的地面點(diǎn)點(diǎn)集，生成的DEM 能夠滿足精度要求。因此在實(shí)際工程中，采用此方法能在一定程度上提高DEM 生產(chǎn)的精度和效率。但在正射影像輔助下，如何提高點(diǎn)云精確分類的自動(dòng)化程度還需要作進(jìn)一步研究。