唐久清 柳學(xué)權(quán) 唐海建

【摘 要】山林地區(qū)地形陡峭復(fù)雜，植被覆蓋率高，機(jī)載激光LiDAR是獲取該類地區(qū)地面數(shù)據(jù)的一種有效方式，但目前從點(diǎn)云數(shù)據(jù)中分離出地面數(shù)據(jù)仍是一個難點(diǎn)。文章將機(jī)載LiDAR數(shù)據(jù)基于高程信息，通過選取地面種子點(diǎn)和一定的鄰域坡度進(jìn)行濾波處理后，與差分定位實測的特征點(diǎn)位相融合，從而獲取DTM;并通過模型的精度檢測，驗證了數(shù)據(jù)的精度基本達(dá)到了測繪標(biāo)準(zhǔn)的要求。

【關(guān)鍵詞】機(jī)載LiDAR;山林;濾波;DTM

【中圖分類號】TP79 【文獻(xiàn)標(biāo)識碼】A 【文章編號】1674-0688（2022）02-0117-03

0 引言

三亞地處我國南端，屬熱帶季風(fēng)氣候，熱帶植被密集茂盛，覆蓋率達(dá)90%以上，獲取這些地區(qū)的地面數(shù)據(jù)一直都是測繪領(lǐng)域的難點(diǎn)。目前，單點(diǎn)定位技術(shù)，移動難、通視差、信號差;而航空攝影測量技術(shù)在此類地區(qū)獲取的數(shù)據(jù)精度又比較低，無法達(dá)到實用標(biāo)準(zhǔn)。

近年來，測繪領(lǐng)域出現(xiàn)了一種高新技術(shù)——機(jī)載LiDAR技術(shù)，它具有數(shù)據(jù)獲取快捷、準(zhǔn)確度高的優(yōu)勢，是獲取精確的山林區(qū)空間數(shù)據(jù)的理想方法;但是，激光LiDAR數(shù)據(jù)采集包括地面、植被等各種物體反射的所有回波信息，所以必須對點(diǎn)云數(shù)據(jù)進(jìn)行濾波分類處理，才能獲取有效的地面數(shù)據(jù)[1]。目前，地形復(fù)雜的山林區(qū)的激光LiDAR點(diǎn)云數(shù)據(jù)分類處理，仍是應(yīng)用熱點(diǎn)，也是難點(diǎn)[2]。

常用的濾波方法有基于數(shù)學(xué)形態(tài)學(xué)、基于坡度方法及基于曲面擬合的濾波方法[3]等?；跀?shù)學(xué)形態(tài)學(xué)的濾波方法容易丟失很多細(xì)節(jié)地形;基于坡度的濾波方法根據(jù)兩點(diǎn)的距離和高程差閾值確定點(diǎn)類別存在一定的局限性，不能適應(yīng)劇烈變化的地形;基于曲面擬合的濾波方法對擬合半徑的依賴性大。在綜合比較各類濾波方法的基礎(chǔ)上，根據(jù)本項目的實際情況，本研究提出了基于數(shù)學(xué)形態(tài)學(xué)與基于坡度相結(jié)合的濾波方法。此外，為了提升特征位置的地形數(shù)據(jù)的精度，本研究進(jìn)行了特征點(diǎn)位的提取，并把差分定位固定解采集的離散高程數(shù)據(jù)融入濾波完成后的地面點(diǎn)云，生成DTM。

1 項目背景

本項目位于三亞市中部，屬于高山丘陵區(qū)，降雨豐沛，相對地面海拔約300 m。項目面積約5 km2，主要有熱帶雨林和果園等地類，約50%的區(qū)域是熱帶雨林區(qū)，植被郁郁蔥蔥，藤蔓密布，樹木高度為5～10 m，植被覆蓋率達(dá)90%以上;果園（主要種植杧果和木瓜）面積約占40%，杧果地的植被覆蓋率為30%～50%，木瓜地植被覆蓋率為70%～80%;還有少量的水庫區(qū)域，面積約占10%。

本項目的主要任務(wù)是獲取作業(yè)區(qū)域（水庫及周圍山體）約5 km2的DTM成果（高程成果精度不低于1∶500地形測量），用于山體坡度分析。測區(qū)植被密集，特別是熱帶雨林區(qū)，通行困難，采用人工RTK采集數(shù)據(jù)，不僅需要開辟道路，耗工耗時，而且有些地方地勢低洼，是網(wǎng)絡(luò)信號覆蓋盲區(qū)，無法準(zhǔn)確地采集到有效數(shù)據(jù);傾斜攝影也不易拍攝到真實的地面數(shù)據(jù)且色彩光線散射，精度不高;而激光LiDAR在林區(qū)有一定的穿透性，采集數(shù)據(jù)具有獨(dú)特的優(yōu)勢。對比分析上述各種技術(shù)的特點(diǎn)后，最終采用機(jī)載LiDAR獲取項目區(qū)數(shù)據(jù)。

2 技術(shù)路線

本項目采用飛馬D2000無人機(jī)，設(shè)置仿地飛行航線，相對地面高度為120 m，掛載飛馬機(jī)載D-LiDAR2000模塊采集地面LiDAR數(shù)據(jù)，同時采用正射相機(jī)采集整個測區(qū)的光學(xué)影像，用于輔助地面植被覆蓋效果分析。

機(jī)載激光LiDAR采集的點(diǎn)云十分密集，約180點(diǎn)/m2，數(shù)據(jù)大量冗余。因此，對數(shù)據(jù)1 m空間網(wǎng)格單元進(jìn)行抽稀;抽稀后，對點(diǎn)云進(jìn)行分類處理，分離出地面點(diǎn)和非地面點(diǎn)，分類的過程就是數(shù)據(jù)濾波，濾波是獲取數(shù)字地面模型的關(guān)鍵技術(shù)。

目前，大多數(shù)濾波算法適用于處理地勢平坦、植被稀疏地區(qū)的LiDAR點(diǎn)云數(shù)據(jù)。相對于地勢平坦的地區(qū)，山林地區(qū)地形復(fù)雜、地勢起伏大，地面點(diǎn)云數(shù)量相對較少，為了提高濾波可靠性，本研究利用數(shù)學(xué)形態(tài)學(xué)和坡度濾波相結(jié)合的方法，即綜合運(yùn)用2.5D柵格和植被過濾的方法，有效地提高了山林植被密集區(qū)的濾波效率。此外，為了提升特征位置的地形數(shù)據(jù)精度，本研究進(jìn)行了特征點(diǎn)位的提取，并把單點(diǎn)實測的數(shù)據(jù)融入濾波完成后的地面點(diǎn)云，生成DTM。具體技術(shù)路線如圖1所示。

3 數(shù)據(jù)處理具體流程

3.1 數(shù)據(jù)處理軟件

本項目Lidar數(shù)據(jù)濾波處理采用RiSCAN PRO軟件，該軟件是Riegl公司研發(fā)的激光點(diǎn)云后處理軟件，可以處理地面站、車載和機(jī)載激光數(shù)據(jù)，有點(diǎn)云拼接、抽稀、合并、過濾、構(gòu)建TIN，以及繪制等值線等功能。

數(shù)據(jù)建模、效果分析運(yùn)用的是Geomagic軟件，該軟件是一款專業(yè)的點(diǎn)云建模軟件，曲面建模編輯非常強(qiáng)大，有各種諸如點(diǎn)云去噪、平滑及抽稀等功能。

3.2 點(diǎn)云去噪抽稀

整個項目共采集約10.5億點(diǎn)，由于數(shù)據(jù)量巨大，直接過濾植被計算時間較長，因此先按1 m空間單元格、八叉樹抽稀的方法對點(diǎn)云數(shù)據(jù)進(jìn)行去噪抽稀，進(jìn)行去噪抽稀后的點(diǎn)云數(shù)量約2 000萬點(diǎn)。

3.3 種子點(diǎn)選取

由于激光的穿透性和多次回波數(shù)據(jù)，所以經(jīng)過抽稀后，在植被覆蓋區(qū)域，空間上仍有多個高程值，即有可能是植被頂部或中間的值，地面點(diǎn)處于最低點(diǎn)，最低點(diǎn)一般為地面點(diǎn)或低矮的植被點(diǎn)，最低點(diǎn)可以作為地面的種子點(diǎn)。實現(xiàn)最低點(diǎn)過濾目標(biāo)的濾波方法主要有數(shù)學(xué)形態(tài)學(xué)濾波。該方法通常分為3個步驟：①首先確定區(qū)內(nèi)相鄰的兩個地面點(diǎn)的最大間距M，設(shè)置一個移動濾波窗口，窗口的大小大于M;②采用移動的濾波窗口過濾整個區(qū)域;③窗口的高程由窗口內(nèi)最小值替代。這種采用規(guī)則網(wǎng)格數(shù)據(jù)結(jié)構(gòu)的運(yùn)算速度快、操作比較簡單[4]。

RiSCAN軟件的2.5D光柵過濾器是基于數(shù)學(xué)形態(tài)學(xué)的濾波方法，按照設(shè)定的規(guī)則，過濾掉空間上多個高程值的點(diǎn)，最終可以獲取取最高、最低或平均值點(diǎn)云的結(jié)果。經(jīng)過觀察發(fā)現(xiàn)，本密林區(qū)的地面點(diǎn)，在平面上最大的兩個地面點(diǎn)的間隔在15 m以內(nèi)。因此，本研究最終選擇設(shè)置平面上長和寬為15 m的平面規(guī)則網(wǎng)格，作為移動濾波窗口過濾整個實驗區(qū)域，然后采用最低值過濾的方法選取點(diǎn)，這樣選取出來的點(diǎn)可作為地面的種子點(diǎn)，地面種子點(diǎn)在單規(guī)則網(wǎng)格中的空間位置如圖2（c）所示。

3.4 植被濾除

經(jīng)過上述兩個步驟獲取到地面種子點(diǎn)，只是少量的一部分地面特征點(diǎn)，不能代表實際的整個地形情況，因此還需要更多、表現(xiàn)地形情況更為詳細(xì)的地形特征點(diǎn)。

RiSCAN軟件的地形過濾器中，有植被過濾的功能。地形過濾器是基于坡度的濾波算法，其基本思想是在一般地形狀況下，地面點(diǎn)與某一鄰域內(nèi)的點(diǎn)之間的高程差應(yīng)在一個閾值范圍之內(nèi)，超出該閾值的點(diǎn)則被視為非地面點(diǎn)[5];坡度的兩個要素——鄰域范圍和高差閾值，對算法的結(jié)果有著重要影響。該算法的關(guān)鍵在于確定函數(shù)的閾值，不同的閾值函數(shù)代表不同地形的特征信息，可以適應(yīng)各種不同的地形濾波。并且，為了獲取更為精細(xì)的地面高程，可以進(jìn)行多次的迭代濾波。

本研究把所有的種子地面點(diǎn)做初始地面點(diǎn)，引入第一步抽稀去噪后的點(diǎn)云中，進(jìn)行首次植被濾波。經(jīng)過多次實驗，進(jìn)行迭代濾波次數(shù)為8級，基礎(chǔ)網(wǎng)格寬度為0.1 m（即領(lǐng)域范圍），最大坡度角為60°時，獲取的地面點(diǎn)云最為理想。每次植被濾波設(shè)置的基礎(chǔ)網(wǎng)格寬度和坡度閾值見表1。

經(jīng)過植被過濾后點(diǎn)云效果如圖3所示，由此可見，通過采用植被過濾算法保留了大量的原始地面點(diǎn)，植被過濾后，點(diǎn)云數(shù)量約400萬點(diǎn)。

過濾后導(dǎo)入Geomagic軟件建模（如圖4所示），模型可以比較直觀地觀察效果：山體比較平滑，非地面點(diǎn)基本上已經(jīng)濾除干凈。

4 成果及精度檢測

該項目區(qū)植被遮擋嚴(yán)重，無法獲取路邊等地物的特征點(diǎn)位，因此本研究仍借助RTK，采用差分定位固定解采集離散高程數(shù)據(jù)的方法獲取一定地物的特征點(diǎn)位，融合入處理后的機(jī)載LiDAR點(diǎn)云，生成最終的DTM。

為了檢測數(shù)據(jù)誤差，本研究現(xiàn)場根據(jù)不同植被的覆蓋類型，采用RTK單點(diǎn)定位的方法采集一部分地面檢測點(diǎn)，下面是檢驗誤差情況。

（1）杧果地實際采集檢查點(diǎn)為1 357個，經(jīng)采用曲面分析工具檢查點(diǎn)與面偏離標(biāo)準(zhǔn)差0.27 m，小于1/3等高距（如圖5所示）。

說明杧果地激光點(diǎn)高程與地面實測點(diǎn)比較，高程接近，但杧果地是梯田坎，采用5 m格網(wǎng)點(diǎn)DTM數(shù)據(jù)曲面建模后與原始采集高程點(diǎn)比較發(fā)現(xiàn)，個別點(diǎn)誤差較大。

（2）山林中實際采集檢查點(diǎn)為1 232個，分布在山脊、山谷、山間小路，以及沿著山體中間分別采集兩條1.2 km和0.3 km的斷面，經(jīng)采用曲面分析工具檢查點(diǎn)與面偏離標(biāo)準(zhǔn)差1.14 m，小于3/2倍等高距（如圖6所示）。

本測區(qū)經(jīng)過計算，屬于坡度大于25度地區(qū)，參照《工程測量規(guī)范》（GB 50026—2020）中關(guān)于地形類別劃分和基本等高線確定的條款規(guī)定：地形屬于高山地類別，基本等高距為1 m，困難隱蔽地區(qū)高程誤差可以放寬至3/2倍等高距（見表2）[6]。

5 結(jié)論

在本項目中，雖然原始山林植被密集，但是采用綜合濾波的方法可以過濾掉絕大多數(shù)的非地面點(diǎn)，然后與單點(diǎn)定位測得的特征點(diǎn)位相融合，從而保證DTM數(shù)據(jù)的質(zhì)量。本研究發(fā)現(xiàn)，機(jī)載激光掃描技術(shù)在獲取植被茂密的山林區(qū)地面數(shù)據(jù)具有巨大的優(yōu)勢，目前它的數(shù)據(jù)后處理技術(shù)和自動分類濾波算法仍然存在一定局限性。經(jīng)過精度分析發(fā)現(xiàn)，誤差大的地方一般為山地中坡度劇烈變化的區(qū)域，比如坡度陡降而狹窄的山谷，或者有陡坎的沖溝等區(qū)域，這些區(qū)域仍需深入研究和采用更好的處理方法，以期提高密林區(qū)地形變化劇烈區(qū)域或地貌斷裂地區(qū)數(shù)據(jù)的精度。

參 考 文 獻(xiàn)

[1]彭麗.植被密集的陡坡區(qū)機(jī)載LiDAR數(shù)據(jù)濾波方法研究[D].重慶：重慶大學(xué)，2015.

[2]趙明君，劉超，高翔，等.基于多尺度網(wǎng)格的點(diǎn)云自適應(yīng)坡度濾波算法[J].合肥工業(yè)大學(xué)學(xué)報（自然科學(xué)版），2021，44（2）：266-272.

[3]朱笑笑，王成，習(xí)曉環(huán)，等.多級移動曲面擬合的自適應(yīng)閾值點(diǎn)云濾波方法[J].測繪學(xué)報，2018，47（2）：153-160.

[4]周哲.基于LIDAR數(shù)據(jù)的DLG生產(chǎn)與質(zhì)量控制技術(shù)研究[D].成都：西南交通大學(xué)，2012.

[5]鄭漢之.基于并行計算的LIDAR數(shù)據(jù)濾波方法研究[D].成都：西南交通大學(xué)，2011.

[6]GB 50026—2020，工程測量規(guī)范[S].