張凱義，張 瑩

(1.浙江省測(cè)繪科學(xué)技術(shù)研究院，浙江杭州 310030；2.浙江省國(guó)土勘測(cè)規(guī)劃有限公司，浙江杭州 310030)

1 引 言

近年來(lái)，以移動(dòng)車輛為搭載平臺(tái)，綜合POS系統(tǒng)、CCD像機(jī)、激光掃描頭、IMU慣性導(dǎo)航系統(tǒng)的移動(dòng)車載激光掃描技術(shù)發(fā)展迅速，已經(jīng)成為一種新型的空間三維數(shù)據(jù)采集手段。車載激光掃描系統(tǒng)的優(yōu)勢(shì)在于可以短時(shí)間內(nèi)采集海量的點(diǎn)云數(shù)據(jù)，并且數(shù)據(jù)具有三維屬性信息。隨著車載激光掃描技術(shù)的不斷發(fā)展，已廣泛應(yīng)用于城市三維建模、高精地圖、市政道路修建等領(lǐng)域[1]。作為城市的重要部件之一，行道樹(shù)在減小噪音、大氣污染治理、城市水循環(huán)等方面發(fā)揮著重要作用[2]。利用車載激光掃描技術(shù)采集行道樹(shù)信息，可以為城市市政管理帶來(lái)可靠的數(shù)據(jù)支撐。

從點(diǎn)云數(shù)據(jù)中有效提取行道樹(shù)信息主要有兩種方法，一是通過(guò)點(diǎn)云的空間分布，提取密度、擬合殘差、掃描線信息等特征，依照此類特征實(shí)現(xiàn)點(diǎn)云的分類，完成目標(biāo)提取。如李海亭等[3]根據(jù)點(diǎn)云的基本特征構(gòu)建點(diǎn)云特征向量，然后采用支持向量機(jī)模型進(jìn)行行道樹(shù)點(diǎn)云識(shí)別。但是點(diǎn)云之間的拓?fù)潢P(guān)系與形態(tài)信息沒(méi)有體現(xiàn)出來(lái)，通過(guò)上述方法提取地物會(huì)有大量的數(shù)據(jù)運(yùn)算，并且很難識(shí)別與區(qū)分出混合點(diǎn)云。另一種方法是對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行映射，生成二維特征圖像，如依據(jù)格網(wǎng)內(nèi)的高程分布的圖像，依據(jù)點(diǎn)云密度生成的密度圖像等。如楊莎莎等[4]利用投影面積和投影點(diǎn)密度識(shí)別出行道樹(shù)，然后通過(guò)提取樹(shù)高檢驗(yàn)行道樹(shù)識(shí)別的精度。

作為一種較為完善且相對(duì)成熟的圖像處理方法，區(qū)域增長(zhǎng)法已經(jīng)廣泛應(yīng)用于場(chǎng)景中的地物分類與提取。目前將區(qū)域增長(zhǎng)法應(yīng)用到點(diǎn)云數(shù)據(jù)處理中沒(méi)有考慮到地物的空間形態(tài)信息，對(duì)于規(guī)則的地物如桿狀物，使用此種方法進(jìn)行提取會(huì)得到良好的效果。但是對(duì)于場(chǎng)景中復(fù)雜地物的提取，如行道樹(shù)提取，使用此種方法得到的效果并不理想[5]。為了提高對(duì)復(fù)雜地物提取的準(zhǔn)確性，本文將空間分層投影方法引入?yún)^(qū)域增長(zhǎng)方法中。首先，將點(diǎn)云數(shù)據(jù)分層，對(duì)每層點(diǎn)云數(shù)據(jù)進(jìn)行投影，計(jì)算投影至格網(wǎng)內(nèi)的點(diǎn)云的密度及高程信息；其次，使用一種從樹(shù)干底部到樹(shù)冠頂端的搜索方式完成行道樹(shù)的提取。

2 行道樹(shù)提取

行道樹(shù)在車載點(diǎn)云數(shù)據(jù)中的上下點(diǎn)云特征差異明顯。樹(shù)冠點(diǎn)云的空間分布范圍較大且不均勻，密度較低。樹(shù)干點(diǎn)云的密度較高，并且在垂直地面方向分布均勻，但平行地面方向分布范圍小[6]。實(shí)際行道樹(shù)生長(zhǎng)高大，樹(shù)冠茂密，相鄰行道樹(shù)之間的樹(shù)冠點(diǎn)云數(shù)據(jù)可能出現(xiàn)交叉的情況，如圖1所示。

圖1 單棵行道樹(shù)與多棵行道樹(shù)示意圖Fig.1 Schematic diagram of single street tree versus multiple street trees

為了提高行道樹(shù)的識(shí)別度，表現(xiàn)行道樹(shù)在不同高度層的特征，可對(duì)行道樹(shù)點(diǎn)云的不同高度段進(jìn)行投影，獲取分層投影格網(wǎng)。

2.1 分層投影

根據(jù)行道樹(shù)在實(shí)際場(chǎng)景中的形態(tài)與車載點(diǎn)云數(shù)據(jù)中行道樹(shù)點(diǎn)云的分布范圍，點(diǎn)云數(shù)據(jù)在分層投影時(shí)，可對(duì)生成特征圖像的格網(wǎng)尺度與分層高度進(jìn)行確定。

2.1.1 格網(wǎng)尺度確定

圖2所示為樹(shù)干點(diǎn)云的投影方式，格網(wǎng)尺度過(guò)小或過(guò)大得到的投影結(jié)果都會(huì)很差。設(shè)置格網(wǎng)尺度過(guò)小，就會(huì)大大提高運(yùn)算量，降低運(yùn)算效率；設(shè)置格網(wǎng)尺度過(guò)大，生成的特征圖像的分辨率就會(huì)降低，丟失較多信息。為了最大限度地將樹(shù)干的特征體現(xiàn)出來(lái)，計(jì)算測(cè)區(qū)內(nèi)所有行道樹(shù)樹(shù)干的平均直徑，將格網(wǎng)尺度設(shè)置為樹(shù)干平均直徑。

圖2 樹(shù)干格網(wǎng)投影方式Fig.2 Tree trunk grid projection mode

2.1.2 分層高度確定

投影時(shí)分層高度決定著地面與樹(shù)冠投影至同一圖像時(shí)是否將地面與樹(shù)冠之間的樹(shù)干信息遮蓋。同時(shí)投影前也要考慮到分層后數(shù)據(jù)量大小、地面起伏狀態(tài)與部分樹(shù)干的分枝點(diǎn)不明顯等影響投影質(zhì)量的問(wèn)題。對(duì)測(cè)區(qū)內(nèi)的所有樹(shù)干平均長(zhǎng)度進(jìn)行估算，假設(shè)估算結(jié)果為AH，通過(guò)不斷實(shí)驗(yàn)，分層高度在AH/3至AH/2之間時(shí)，分層投影的效果最好。分層數(shù)可表示為[7]：

(1)

式中：Lnum表示分層數(shù)，CEIL表示向上取整運(yùn)算，Zmin表示最小高程，Zmax表示最大高程，dz表示分層高度。

2.1.3 格網(wǎng)特征值確定

篩選得到格網(wǎng)內(nèi)的點(diǎn)云最小高程值Zmin和最大高程值Zmax，對(duì)格網(wǎng)高程值進(jìn)行賦值；通過(guò)對(duì)每個(gè)格網(wǎng)內(nèi)落入點(diǎn)云的數(shù)量進(jìn)行統(tǒng)計(jì)，獲取格網(wǎng)點(diǎn)云密度。

2.2 格網(wǎng)內(nèi)地物形態(tài)分析

分層格網(wǎng)中，地面格網(wǎng)的特點(diǎn)是僅在單層分布，密度較低但分布均勻。樹(shù)干格網(wǎng)底端連接地面，頂端與樹(shù)冠相連，水平面上分布范圍較小。樹(shù)冠格網(wǎng)的特點(diǎn)是在水平面上分布范圍大但不均勻。建筑物點(diǎn)云投影往往會(huì)貫穿多層格網(wǎng)，投影特征圖一般呈條帶狀。桿類物如探頭桿、紅綠燈桿等在格網(wǎng)內(nèi)的分布形態(tài)與樹(shù)干在格網(wǎng)內(nèi)的分布形態(tài)較為接近，差異在于探頭桿、紅綠燈桿這種半徑上下一致的桿會(huì)貫穿更多的格網(wǎng)層數(shù)。由于這類桿沒(méi)有行道樹(shù)數(shù)頂端樹(shù)冠的這種結(jié)構(gòu)，因此它們?cè)诟窬W(wǎng)中的范圍不大[8]。

2.3 改進(jìn)區(qū)域增長(zhǎng)

根據(jù)格網(wǎng)的點(diǎn)云密度以及行道樹(shù)在分層特征圖像中的形態(tài)特征及其他特征，采用區(qū)域增長(zhǎng)法識(shí)別得到桿狀物底層起點(diǎn)，并一直搜索到頂端位置，最后根據(jù)事先設(shè)置好的特征條件對(duì)增長(zhǎng)結(jié)果進(jìn)行判斷。圖3為樹(shù)木搜索流程圖。

圖3 樹(shù)木搜索流程Fig.3 Tree search process

2.3.1 樹(shù)干搜索與判斷

利用區(qū)域增長(zhǎng)，參照樹(shù)干在分層圖像中的形態(tài)、格網(wǎng)內(nèi)高程范圍及點(diǎn)云密度特征對(duì)樹(shù)干進(jìn)行識(shí)別與判斷。判斷條件主要包括：

1)起始形態(tài)條件。通常情況下，樹(shù)干從地面依次向上延伸，其下層格網(wǎng)不存在或?yàn)榭?，上層格網(wǎng)不為空。通過(guò)將樹(shù)干起點(diǎn)確定為起始條件，依次向上層進(jìn)行區(qū)域增長(zhǎng)。

2)樹(shù)干形狀條件。樹(shù)木點(diǎn)云中上層格網(wǎng)能夠表現(xiàn)出樹(shù)冠的特征，格網(wǎng)的面積較大且格網(wǎng)內(nèi)點(diǎn)云密度高。樹(shù)干從最底層向上增長(zhǎng)到頂端時(shí)，若搜索條件滿足樹(shù)冠特征，則進(jìn)行樹(shù)冠的識(shí)別與判斷，如果不滿足，則停止增長(zhǎng)。

3)面積條件。相對(duì)于樹(shù)冠，樹(shù)干的投影面積更低，可以將判斷條件設(shè)置為面積閾值，當(dāng)增長(zhǎng)面積大于設(shè)置的面積閾值時(shí)，樹(shù)干的識(shí)別與判斷就可以停止。由于測(cè)區(qū)內(nèi)行道樹(shù)直徑不盡相同，樹(shù)干的理論投影面積要小于實(shí)際投影面積，因此，在判斷條件的設(shè)置時(shí)應(yīng)充分考慮測(cè)區(qū)實(shí)際投影數(shù)據(jù)。

4)點(diǎn)云密度條件。地面點(diǎn)的分布范圍更大，大部分點(diǎn)集中在一個(gè)平面內(nèi)。樹(shù)干點(diǎn)云相對(duì)地面點(diǎn)云，單位體積內(nèi)的個(gè)數(shù)更多，所以格網(wǎng)內(nèi)樹(shù)干的點(diǎn)云密度更高。區(qū)域增長(zhǎng)條件可以設(shè)置為格網(wǎng)內(nèi)最小點(diǎn)密度閾值。

2.3.2 樹(shù)冠搜索與判斷

完成樹(shù)干的識(shí)別與判斷后，從樹(shù)干的頂部向上進(jìn)行樹(shù)冠的搜索。由于樹(shù)冠點(diǎn)云投影后，在格網(wǎng)內(nèi)的規(guī)律性不強(qiáng)，所以只能將樹(shù)冠半徑與形狀作為搜索的條件。

1)半徑約束。從圖1可以看到，如果相鄰行道樹(shù)距離太近，或者樹(shù)冠范圍過(guò)大，就會(huì)造成相鄰行道樹(shù)樹(shù)冠點(diǎn)云交叉的情況。在區(qū)域增長(zhǎng)時(shí)需加入半徑約束防止過(guò)度增長(zhǎng)，半徑大小設(shè)置為垂直于行道樹(shù)排列方向的樹(shù)冠點(diǎn)云半徑大??；圓心設(shè)置為樹(shù)干中心格網(wǎng)。搜索停止的條件之一就是搜索半徑大于約束的半徑。

2)形狀條件。某些地物，如廣告牌點(diǎn)云在格網(wǎng)中的表現(xiàn)特征可能與行道樹(shù)類似，但是這些地物上部不能像樹(shù)冠一樣被激光穿透，故這些地物投影表現(xiàn)為條帶狀。為了更加準(zhǔn)確地分辨出樹(shù)冠與其他地物，在半徑約束之外，根據(jù)投影形狀的不同加入形狀約束。統(tǒng)計(jì)非空格網(wǎng)在一格網(wǎng)八鄰域內(nèi)的個(gè)數(shù)，假設(shè)為SN，同時(shí)設(shè)置閾值T。對(duì)非孤立格網(wǎng)數(shù)Tn進(jìn)行統(tǒng)計(jì)，同時(shí)統(tǒng)計(jì)非零格網(wǎng)數(shù)N，其中判斷非孤立格網(wǎng)的依據(jù)是非零格網(wǎng)是否滿足閾值T條件。式(2)為非孤立點(diǎn)的面積比例計(jì)算[9]：

(2)

式中：SHAPE表示非孤立點(diǎn)的面積比例。

通過(guò)大量實(shí)驗(yàn)得出結(jié)論，使用SHAPE值能有效將條帶區(qū)域與塊狀區(qū)域區(qū)分開(kāi)。在半徑約束的前提下，設(shè)置合理的閾值T，能將樹(shù)冠點(diǎn)云與其他地物點(diǎn)云準(zhǔn)確地區(qū)分開(kāi)[10-11]。通過(guò)半徑約束與形狀約束，利用區(qū)域增長(zhǎng)從下到上進(jìn)行逐層搜索，并且記錄樹(shù)冠投影的形狀與面積參數(shù)。

2.3.3 樹(shù)木判斷

對(duì)行道樹(shù)自下而上完成樹(shù)干與樹(shù)冠的識(shí)別與判斷后，對(duì)樹(shù)木的整體通過(guò)以下條件進(jìn)行最終的判斷：

1)樹(shù)木整體高度。同一個(gè)測(cè)區(qū)內(nèi)的行道樹(shù)的高度大致相同，將樹(shù)冠頂點(diǎn)的高程值減去樹(shù)干與地面連接處高程值得到的高差作為數(shù)木的高度。根據(jù)現(xiàn)場(chǎng)實(shí)際情況得到的樹(shù)木高度估算值結(jié)合樹(shù)木高度的計(jì)算值合理設(shè)置高度閾值，將與樹(shù)木高度相差較大的地物排除。

2)樹(shù)干高度。為了使行道樹(shù)不遮擋行人，一般行道樹(shù)的分枝點(diǎn)高度需大于2.5 m。將樹(shù)干的終點(diǎn)高程值減去起點(diǎn)高程值得到的高程差作為樹(shù)干的高度，將樹(shù)干高度閾值作為識(shí)別與判斷行道樹(shù)的條件之一。

3)樹(shù)冠高度與投影面積。樹(shù)冠的高度可通過(guò)樹(shù)冠頂部高程減去樹(shù)冠實(shí)際高程得到，設(shè)置一定的樹(shù)冠高度閾值。樹(shù)冠在分層投影時(shí)會(huì)得到相對(duì)較大的投影面積，通過(guò)設(shè)置面積約束條件，對(duì)樹(shù)冠進(jìn)行識(shí)別與判斷。

3 試驗(yàn)與分析

通過(guò)車載激光掃描儀采集得到道路點(diǎn)云及道路兩側(cè)行道樹(shù)、道路部件等點(diǎn)云數(shù)據(jù)，選擇其中三組數(shù)據(jù)作為本文的試驗(yàn)對(duì)象。圖4(a)所示為試驗(yàn)數(shù)據(jù)1，共包含692 563個(gè)激光點(diǎn)，圖4(e)所示為試驗(yàn)數(shù)據(jù)2，共包含3 856 294個(gè)激光點(diǎn)，圖4(g)所示為試驗(yàn)數(shù)據(jù)3，共包含1 198 752個(gè)激光點(diǎn)。

試驗(yàn)使用C++編程實(shí)現(xiàn)算法，同時(shí)使用典型的格網(wǎng)密度方法與高程閾值法提取行道樹(shù)，與本文方法進(jìn)行試驗(yàn)對(duì)比。

表1所示為算法的參數(shù)設(shè)置。圖4為原始點(diǎn)云數(shù)據(jù)與算法實(shí)現(xiàn)的行道樹(shù)提取結(jié)果。

圖4 原始點(diǎn)云數(shù)據(jù)與提取行道樹(shù)結(jié)果Fig.4 Original point cloud data and extracted street tree results

表1 算法參數(shù)設(shè)置Tab.1 Parametersettingofthealgorithm分組格網(wǎng)尺度/(m×m)分層尺度/m樹(shù)木高度閾值/m樹(shù)冠面積閾值/個(gè)樹(shù)冠非孤立點(diǎn)比例樹(shù)冠半徑閾值/m樹(shù)干面積閾值/m樹(shù)干高度閾值/m試驗(yàn)結(jié)果(圖4)10.2×0.212～12>200>0.4<31～60.5～1.5(d)10.2×0.21———<3——(b)10.2×0.212～12—————(c)20.3×0.30.53～10>80>0.4<31～41～2(f)30.5×0.50.52～15>30>0.4<31～40.5～1.5(h)

對(duì)比三種行道樹(shù)提取方法結(jié)果，可以看出，使用點(diǎn)云密度法與高程特征法能夠?qū)⑿械罉?shù)完整地提取出來(lái)，但是提取的點(diǎn)云數(shù)據(jù)中仍然包含樹(shù)坑內(nèi)及低矮植被類點(diǎn)云數(shù)據(jù)，誤將此類點(diǎn)云數(shù)據(jù)識(shí)別為行道樹(shù)點(diǎn)云數(shù)據(jù)。

將樹(shù)木的實(shí)際形態(tài)作為判別行道樹(shù)條件之一，本文使用的方法能夠有效消除其他桿狀物、低矮植被類點(diǎn)云數(shù)據(jù)對(duì)行道樹(shù)提取的影響，而且無(wú)論是單棵行道樹(shù)還是成列行道樹(shù)，都能實(shí)現(xiàn)準(zhǔn)確的提取與分類。

4 結(jié)束語(yǔ)

利用車載激光掃描技術(shù)采集得到包含行道樹(shù)數(shù)據(jù)在內(nèi)的道路點(diǎn)云數(shù)據(jù)。建立分層格網(wǎng)，對(duì)行道樹(shù)在格網(wǎng)中的表現(xiàn)特征進(jìn)行分析，結(jié)合行道樹(shù)的其他分布特征，采用一種從行道樹(shù)樹(shù)干底部自下而上到樹(shù)冠頂部的搜索方式提取行道樹(shù)。相比于以往的行道樹(shù)提取方法，本文方法可以消除其他地物點(diǎn)云數(shù)據(jù)對(duì)行道樹(shù)提取的影響，適用于多種復(fù)雜場(chǎng)景中行道樹(shù)的提取。

此外，本研究對(duì)于道路兩側(cè)其他地物點(diǎn)云數(shù)據(jù)的提取也有一定的參考價(jià)值。但是，該方法的缺陷在于針對(duì)行道樹(shù)點(diǎn)云數(shù)據(jù)缺失較多的情況，其提取效果不佳，將在后續(xù)做進(jìn)一步研究。