基于TerraScan软件的点云数据滤波处理研究

高志国

(广州市城市规划勘测设计研究院，广东广州 510060)

1 引言

地面三维激光扫描技术(Terrestrial Laser Scanning，TLS)是20世纪90年代发展起来的一种快速获取空间三维信息的新技术手段，使得空间数据的获取从传统的单点数据采集向连续的、密集型自动数据获取技术转变。然而相对三维激光扫描技术硬件的发展的成熟度而言，三维激光扫描技术所获取的实体的点云(Point Cloud)数据的后处理还相对滞后，而且在测绘领域都还没有形成一套标准的数据处理方案，因此对数据处理的研究显得尤为重要［10］。

2 基于TerraScan模块的数据处理

2.1 TerraSolid系列产品介绍

TerraSolid系列软件是第一套商业化LiDAR数据处理软件，基于Microstation开发的，因此需要熟悉Microstation操作的用户才能很好地使用它。它包括:TerraMatch、TerraScan、TerraModeler、TerraPhoto、TerraSurvey、TerraPhoto Viewer、TerraScan Viewer、TerraPipe、TerraSlave、Terra-PipeNet等模块。TerraSolid系列软件能够快速载入Li-DAR点云数据，在足够内存支持下(2G)，载入 39 000 000个点只需要40多秒。TerraSoild软件因受限于Microstation，浏览起来闪烁较为明显，速度不快。

2.2 TerraScan软件模块

TerraScan软件模块能够读取除了标准激光雷达数据格式*．las文件外，还可以读取*．xyz数据格式文件，因此为其他扫描仪提供了良好的数据接口。TerraScan的基本功能如下:

①以xyz文本或类似于LAS和 TerraScan的二进制文本读入原始的激光点云

②三维方式浏览数据

③自定义点类别

④激光点自动手动分类

⑤交互式判别三维目标(如:铁塔)

⑥数字化地物

⑦探测电力线

⑧矢量化房屋

⑨生成激光点的截面图

⑩输出点分类

TerraScan软件模块具有能够完成大量雷达点云数据的分类处理等工作，并且能根据用户对不同数据分类要求，完成数据读取、分类、处理、建模等相关工作。TerraScan软件还可以根据用户的不同需要对数据进行分类处理，结合该软件中的其他数据处理模块，(如 TerraModel模块、TerraPhoto模块、TerraStreet模块等)完成对点云数据的二次分类，并通过人机交互等操作对地物进行建模等。

2.3 TerraScan的分类原理

TerraScan是基于利用改进的不规则TIN网加密方法进行分类的。首先，通过迭代计算初始化一个稀疏不规则TIN网，事先设定TIN网阈值并通过计算将每次满足条件的点添加到TIN网中。然后，对不满足先前条件的点重新构建新的不规则TIN网，并重新计算新的阈值条件，对后续点进行同样的筛选判断。重复操作，直到不再有新点加入为止［7］。

由于本次论文数据是采用徕卡地面三维激光扫描仪Lecia ScanStation2获取的，其数据文件格式未知，而其工程文件格式为*．imp格式，因而不能直接读取到TerraScan软件进行后续的处理等操作，但可以通过数据格式之间的转换来完成相互的操作。TerraScan可读取的数据格式为*．dte文件、标准的激光雷达数据格式*．las和数据格式为*．XYZ的数据文件。因此可以将数据直接读入Lecia ScanStation2扫描仪采集的点云数据进行相关操作，用徕卡本身的cyclone数据后处理软件提供的多种数据格式输出与转换接口，通过数据输出格式转换成TerraScan软件能够直接读取的*．XYZ数据格式读入软件如图1所示。

图1 数据格式转换与激光点云数据的读入

2.4 TerraScan的分类过程

TerraScan工具箱为数据后处理提供了丰富的分类工具，使用户能够方便快捷地对点云数据进行分类工作。三维激光扫描仪接收返回的激光信号不仅包括地面反射，同时也包含多种误差信息等。因此需要将点云数据中各种类型的数据和误差区分开来。

TerraScan软件模块中提供了多种数据分类的类别。同时，用户还可以根据自己的实际或工程需要，添加新的所需的分类类别，每个激光信号分类类别都是唯一的，如图2所示。

图2 TerraScan点分类及其属性

如图2所示，使用者可以根据实际需要，使用“Add”命令对分类的类别进行添加，使用“Edit”命令对上述的分类类别属性等信息进行修改等操作。

(1)分离低点

所谓低点，就是指高程明显低于周围区域内所有点高程的一些点。分离低点通常对数据点击进行初始化，寻找高程明显低于周围区域数据点集的高程的错误点。并以该点为中心在一定范围内与其他数据点的高程进行对比。若需要判断的点的高程明显低于目标中心点的高程，则将其归为低点。若遇到低点密度较大时使用单点分类会造成错误，这时需要采用数据分类的方法来分离低点，其具体操作过程及参数设置如图3所示。

图3 分离低点的参数设置界面

(2)分离独立点

所谓独立点，是指在一定三维空间分布范围内分布比较稀疏的一些点，因此根据上述独立点的分布原则建立独立点的分离准则，其具体步骤为:首先寻找以空间独立点为目标点，以此点位中心建立一定范围的空间三维缓冲区，如果在该缓冲区内的点数少于规定的点数阈值，则该点就为独立点。

图4 分离独立点参数设置界面

(3)分离空中点

所谓空中点，顾名思义就是指其高程明显高于数据点集周围所有点高程均值的一些点。分离空中点的基本原则同上述独立点的基本类似。首先设置需要判断的某点为目标点为中心点，设定一个三维搜索半径的缓冲区，包含在这个三维缓冲区内的点看做是目标点的邻近点。将目标点的高程与邻近点高程均值大小做比较，同时做差计算，若其差值达到高程标准偏差规定的倍数，就将其归类为空中点。

图5 分离空中点参数设置

(4)分离植被点

在TerraScan中将植被信息根据高程值可将植被点归为三类:Low vegetation、Medium vegetation、High vegetation，其中Low vegetation高程值在 0.5 m～2 m之间，Medium vegetation在 2 m～5 m之间，High vegetation＞5 m。

分离植被点时，以从地面起的高度为准，先从地面以上的点分离出低的植被点，其基本的思想是首先在地面点建立临时的三角形模型，然后这个三角形模型的高程值与区域中的其他点高度比较，如果低于0.5 m，就认为这个点属于低矮植被进行分离。然后根据相同的算法，从余下的点中分离出中等高度的植被点，最后分离出高植被点。

图6 TerraScan植被信息的提取操作界面

(5)分离建筑物点

分离出的中、高植被中包含有建筑物点，因此从高植被点中分离出建筑物点。建筑物信息的提取应遵循的原则是建筑物上的点能形成一个平面。因此首先要完成地面点的分类，在此基础上再进行建筑物分类。

图7 建筑物分离操作界面

(6)地面点集的获取

建立地表初始不规则TIN网模型并通过不断的迭代计算来分类地面点。通过选择最大建筑物尺寸参数来确定初始点的选取。如一个建筑物的最大尺寸是50 m，那么在 50 m×50 m的区域内最少有一个地面点存在，认为其中的最低点就是地面点。

图8 提取地面点集操作界面

首先用已经选择好的最低点作为初始地面点建立不规则TIN网模型。然后通过迭代计算、不停地加入新激光点来拟合初始的地面模型。通过不断地选择一些可以接受的新点到地面模型中的重复参数来更新地面模型使得模型更接近地表一些，最终得到一个近似地面模型。

(7)提取Model key points

Model key points是提取DEM所用的点，为后面提取DEM方便，在分离Model key points的同时，要将点输出，选择 macro step－action－output points，设置选择保存Model key points的文件路径，并设置好提取建立DEM关键点的参数，对其进行提取输出。

图9 Model key points的提取与文件输出

提取Model key points是在已经获取了地面点集的基础上进行的，根据精度要求建立地面TIN网。地面TIN网模型精度受到参数Above Model和Below Model影响。前者是确定激光高程超过模型的高度阈值，后者是确定激光高程能低于模型的高度阈值。建立初始的地面TIN网后，通过不断迭代寻找Model key points直至满足要求为止。最后根据分类数据获得的结果进行滤波处理，过滤掉数据点集中的非地面点，由地面点集中提取出来的Model Key Points进行数据建模，生成数字高程模型，即DEM。

图10 TerraScan分类滤波后模型

3 结论

地面三维激光扫描测量技术以其高效率、高采样率、高精度、高密度、非接触性、主动性、实时性等优点，在测绘科学与技术等领域有广泛的应用前景。随着技术的不断成熟和发展，测量获取的点云数据量会越来越庞大，因此点云数据的处理技术越来越受到人们的关注，本文以徕卡地面三维激光扫描系统获取的点云数据为对象，对点云数据的处理做了一些研究，得到了一系列结果，总结如下。

对于点云数据的滤波处理，本文利用cyclone软件结合TerraScan两种软件，对获取的点云数据进行分类滤波处理。TerraScan中提供的分类方法都是基于面的分类理论，即假设分类过程目标点的计算值与周边一定范围内的点都有关系。这种假设比较适合实际点的分布情况，因为空间点不是独立存在的，与周边点相互关联，从而揭示了空间点间结构上的联系，因此也取得了比较好的分类效果。

［1］高志国．地面三维激光扫描数据处理及建模研究［D］．西安:长安大学，2010．

［2］ 戴静兰．海量点云预处理算法研究［D］．杭州:浙江大学，2006．

［3］汤国安，留学军，闾国年．数字高程模型及地学分析的原理与方法［M］．北京:科学出版社，2006．

［4］郑德华．点云数据直接缩减方法及缩减效果研究［J］．测绘工程，2006(4):27～30．

［5］郑德华，雷伟刚．地面三维激光影像扫描测量技术［J］．铁路航测，2003(2)．

［6］ 袁夏．三维激光扫描点云数据处理及应用技术［D］．南京:南京理工大学，2006．

［7］蔡润彬．地面激光扫描数据后处理若干关键技术研究［D］．上海:同济大学，2008．

［8］ 黄晶晶．数字高程模型TIN和等高线建模［D］．长沙:中南大学，2007．

［9］张毅．地面三维激光扫描点云数据处理方法研究［D］．武汉:武汉大学，2008．

［10］郑康平．基于云点数据的曲面重构关键技术的研究［D］．西安:西安交通大学，2002．

［11］ 杨晓云，唐咸远，梁鑫．基于等高线生成DEM的内插算法及其精度分析［J］．测绘工程，2006(4):37～39．