融合地表覆盖分类数据的LIDAR点云详细分类

张　蕾万芳琦

（1.江西省测绘成果质量监督检验测试中心　江西南昌　330209；2.江西省地理国情监测遥感院　江西南昌　330209）

融合地表覆盖分类数据的LIDAR点云详细分类

张蕾1万芳琦2

（1.江西省测绘成果质量监督检验测试中心江西南昌330209；2.江西省地理国情监测遥感院江西南昌330209）

摘要：LiDAR点云数据包含有丰富的建筑物信息和植被信息，这些信息在各个领域均发挥着重要的作用，目前对LiDAR数据的详细分类的主要办法是借助与DOM数据进行人工判读，根据影像纹理绘制地类界线完成详细分类工作。研究一种基于LCA数据对LIDAR点云详细分类的方法，通过对实验数据的可行性分析，为LIDAR点云的详细分类提供一条新思路。

关键词：LiDAR；点云；详细分类；地表覆盖分类数据

1　引言

利用各种滤波算法可将机载LiDAR点云数据分为地面点集和非地面点集。地面点集中包含有地形数据点、道路数据点、水系及设施数据点等，可以构TIN生成DEM数据，进一步详细分类还可以获取道路信息、水系设施信息等；非地面点集主要包含有建筑物数据点和植被数据点，可进一步分类得到建筑物信息和植被信息。

非地面点云数据中包含有丰富的建筑物信息和植被信息，它们在数字城市建设中发挥着重要的作用。尤其是建筑物信息，建筑物提取与三维重建已经成为计算机视觉、摄影测量、数字城市建设等多个学科和领域的研究重点，也是这些领域的研究热点与难点。

但LIDAR数据实现自动化精确化的地物详细分类与识别具有很大难度。LIDAR数据精度高，但缺乏必要的特征信息，无法根据其属性直接判读地物类型。现阶段对LIDAR数据的详细分类的主要办法是借助与DOM数据进行人工判读，根据影像纹理绘制地类界线完成详细分类工作。

第一次地理国情普查成果地表覆盖分类数据（LCA）包含了大量的地表信息，具有无缝、全覆盖、精度高等特点，这些信息用于辅助LIDAR数据详细分类是一个很好的选择。

本文研究一种基于LCA数据对LIDAR点云详细分类的方法，并通过实验数据进行可行性分析，为LIDAR点云的详细分类提供一条新思路。

2　分类流程

2.1数据预处理

LAS1.0版LIDAR标准格式是由美国摄影测量与遥感（ASPRS）协会2003年开始发布的，LAS1.0定义了LAS格式的基本框架，包括公共文件头区，变长记录区和点集记录三部分。经过改进，目前有4种版本，分别是LAS1.0，1.1，1.2与2.0。本文在ArcGIS平台下采用最基础的LAS1.0数据进行详细分类实验。

在ArcGIS中，LIDAR数据是通过LAS数据集进行管理的，LAS数据集提供了一种快速访问大量的激光雷达和表面数据而无需进行数据转换和导入的方法。LAS数据集允许我们以原生格式方便快捷地检查LAS文件，并在 LAS文件中提供了激光雷达数据的详细统计数据和区域coverage。但在ArcGIS平台下无法对LAS数据进行属性编辑，为了能够使用ArcGIS强大的空间分析功能进行自动详细分类，需要将LAS数据转换成SHP文件。

利用ArcToolbox工具进行LAS数据转换，3D AnalystTools-Conversion-FromFile-LASto Multipiont工具，将LAS数据转换成多点shp文件，在这里需要注意InputClassCodes（optional）的选取值，输入合理的数值，将地面点集和非地面点集输出至不同的SHP文件。

然后将多点文件转换成单点文件，便于空间分析 。利 用 ADataManagementTools-Features-MultipartToSinglepart工具，将点云转换成单点shp文件（图1）。

2.2点云数据与LCA数据对照分类

已经完成地面点集与非地面点集分类的LIDAR数据进行详细分类，需分别从地面点集和非地面点集中分离出更丰富的信息，此过程需要借助外部数据进行人工判读或自动分类；LCA记录了地表覆盖分类数据，表现形式为无缝拼接的面，属性字段CC记录了各要素的分类信息。我们只需找到详细分类信息与地表覆盖分类信息之间合理的对照关系，即可完成LIDAR数据自动详细分类。

在完成地面点集与非地面点集分类的基础上，进一步分离地面点、非地面点到合适的图层，详细分类包括默认类、地面类、居民地建筑物、电力线通信线及其附属、桥梁类、水体、植被类等。具体分类信息如表1所示：

经过对地理国情普查内容与指标的分析，我们将详细分类信息与地表覆盖分类信息进行了表格对照，具体内容如表2所示：

注：LCA数据中，地表覆盖分类大多分至二三级类，对于LIDAR点云详细分类来说，过于复杂，我们还需要对LCA数据进行合理的分类合并。

2.3融合地表分类数据（LCA）进行LIDAR点云详细分类

数据关系确定之后，我们即可利用ArcGIS的空间分析功能进行点云的自动详细分类工作。利用SpatialJoin工具，将LCA数据的CC属性赋与点云数据，如图2所示，是将分离出的非地面点数据进行空间连接，我们只需要LCA层的CC属性，所以FieldMapofJoinFeatures只需要选择 CC，Match Option选择WITHIN，这样我们就把包含点云的LCA面的CC属性，赋给了点云数据。

最后，我们利用点云数据与LCA数据对照分类，计算分类字段值。

3　实验与分析

3.1实验结果

本文使用实验数据为鄱阳湖区域2米间距Lidar点云数据，该区域包含了各种地形地物特征，如植被、道路、大小形状各异的建筑物等。

本文以非地面点集详细分类为例，介绍本次实验结果。

非地面点集中，落在房屋建筑区及个别构筑物上的点，应分类至“居民地及设施”，代码“02”，落在耕地、园地、林地、草地区域的点，应分类至“植被”，代码为“6”，其他非地面点归“其他”，代码为“07”，分类字段只需要通过VBScript逻辑计算，获取点云的分类代码数据：

Dimclassification

IfLeft（［CC］，2）="05"orLeft（［CC］，3）=" 075"Then

classification="2"

elseifLeft（［CC］，2）="01"orLeft（［CC］，2）="02"orLeft（［CC］，2）="03"Then

classification="6"

else

classification="7"

endif

分类显示效果如图3所示，红色点为居民地及设施，绿色点为植被，蓝色点为其他。

3.2实验结果分析

点云地面点集与非地面点集的分类精度，点云密度和LCA层采集精度的关系，LCA层采集时采用的影像精度和质量，LCA数据采集时人工消除投影差的准确程度，这些因素很大程度上影响这种方法的分类精度，往往会导致个别LCA界线附近的点存在分类错误。

实验区域LCA的采集精度为0.5米，而点云的密度约2米，采集精度优于点云密度，从实验结果来看，这种情况下进行的自动分类精度较为理想。

4　结束语

LiDAR点云进行详细分类是数据后续应用的基础，本文在点云滤波分类基础上，研究点云的进一步分类，提供一种地表覆盖分类数据辅助下的自动详细分类方法，将点云自动分为地面点、居民地及设施、交通及设施、管线及设施、水系及设施、植被和其他七大类。通过实验结果及分析，效果较为理想。本文方法的缺陷在于点云数据量巨大，采用此种空间分析的方法进行自动分类速度较慢，对硬件要求偏高，对于这一缺陷，还有待进一步研究。

参考文献：

［1］尚大帅.机载LiDAR点云数据滤波与分类技术研究［D］.郑州：解放军信息工程大学，2012.

［2］刘春，姚银银，吴杭彬.机载激光扫描（LIDAR）标准数据格式（LAS）的分析与数据提取［J］.遥感信息，2009（4）.

［3］龚亮，李正国，包全福.融合航空影像的LiDAR地物点云分类［J］.测绘工程，2012，21（4）.