机载多回波LiDAR数据的分析与应用

2016-09-16 06:06杨兴跃杨怀义张纪成
城市勘测 2016年4期
关键词:高程滤波激光

杨兴跃,杨怀义,张纪成

机载多回波LiDAR数据的分析与应用

杨兴跃1,2*,杨怀义3,张纪成1

(1.南阳市城乡规划测绘院,河南南阳 473000; 2.桂林理工大学测绘地理信息学院,广西桂林 541004;3.中国建筑材料工业地质勘查中心山西总队,山西太原 030000)

通过分析机载多回波LiDAR数据,对每类回波的特性进行了探讨和研究,并对各个回波信息所表示的地物信息做了详尽的阐述。根据不同回波数据记录的地物不同的原理,提出了针对LiDAR数据自身的分类方案,将数据分为首次回波、中间回波和尾次回波三种类型,最终利用多回波特性减少参与滤波的激光脚点数量。通过实验证明,作者提出的滤波方案,可以预先剔除掉大部分的植被激光脚点和部分的建筑物激光脚点,这既减少了参与滤波的数据量,又可以改善滤波算法对建筑物和植被的滤除效果,大大提高了数据处理的效率和质量。

LiDAR;多回波数据;分类;滤波

1 引 言

随着机载LiDAR硬件水平的提高,以机载LiDAR数据为基础,生成理想的DSM(数字表面模型)已不是难题,而生成DEM绝大部分算法都是基于激光数据点的高程突变信息进行的,几乎每种方法都有其自身的缺陷,有待于进一步改进[1]。机载LiDAR测量技术现今已很成熟,但处理机载LiDAR点云数据的算法还在发展阶段。机载LiDAR数据的滤波和分类是其中关键的问题之一。比较典型的LiDAR滤波算法主要包括由Krausetal.提出的迭代线性最小二乘内插法;Kilianetal.提出的数学形态学方法、Petzoldet al.提出的移动窗口法、Vosselman提出的基于地形坡度变化的滤波法以及张小红移动曲面拟合滤波法等[2~12]。这些算法基本都遵循以下流程,首先在一个局部点云中选定一个高程最低的点作为地面点,然后根据最低点确定一部分地面点,最后设定根据一定判别原则(如坡度、角度等阈值),来判断数据点的从属,以达到滤波分类的效果。判别原则选取的不同产生了不同的算法,这些算法基本上都需要人的参与来调整参数。

近年来,机载激光扫描系统记录的回波次数越来越多,很多学者尝试利用点云数据多回波信息来进行激光点云数据的滤波和分类。张小红利用机载LiDAR首尾回波高程之差对激光脚点分类[13];许晓东和唐菲菲利用激光点回波的特性减少参与滤波的脚点数量。上述方法仅利用首尾两次回波的点云数据,对于目前获取的多次(大于两次)回波的点云数据并不适用。

本文首先分析了激光雷达多回波信息的特性,对每次回波特性做了详尽的分析。然后,利用多回波信息剔除大部分植被脚点以及人工地物点。大量减少了参与滤波的激光脚点,提高了滤波效率和效果。

2 多回波信息分析

机载LiDAR系统所记录的回波信息包括单次回波(singular return)和多次回波(multiple returns)。当激光脉冲碰触到目标物的表面时,有一部分能量反射回来并被系统接收并记录,剩余的能量继续传播,当碰到另一目标物时仍然会发生反射,当能量全部消耗完时,系统可记录多个反射信号,多个反射信号即多次回波信息。现有的机载LiDAR系统都具备记录2次~5次多回波信息的能力,接收到的第一个回波信号被称为首次回波(first pulse);接收到的最后一个回波信号被称为尾次回波(last pulse);除首次和尾次回波外的中间的回波信号被顺序编号,称为中间次回波[14]。

根据激光的传播特性,通过对机载LiDAR数据的分析,可以得知系统记录单次回波数据主要来源于地表、建筑物(包括立交桥和横跨河流的桥梁)的顶面或墙面、少量植被点;多回波数据的首次回波数据来源于植被的冠层和建筑物(包括立交桥)的边缘;中间次回波数据主要是植被的枝叶;而末次回波则主要来源于地表,也有部分是来源于复杂的建筑物屋顶和植被低矮层面的枝叶[15]。

3 应用多回波信息的滤波方法

机载LiDAR数据滤波是将激光点中剔除地物数据的过程(张小红,2007),而进一步区分植被数据和人工地物点的过程称之为激光点云数据分类。激光点云数据的滤波和分类占到了数据后处理流程60%~80%的时间[16]。因此,如何减少参与滤波的数据以及选择合适的滤波算法一直以来是LiDAR点云数据处理的重要研究方向。根据对激光雷达多回波数据的分析,中间次回波没有必要参加滤波的运算,本文对多回波激光雷达数据进行重新分类和编辑。

3.1激光脚点分类

本文对激光点云数据进行分类,首先将激光脚点划分为为单次回波数据集和多次回波数据集;然后,把多次回波数据集分为首次回波数据、中间回波数据和末次回波数据三种类型,把单次回波数据归为末次回波数据;最后将其归类,把单次回波数据和多回波数据中的末次回波归为尾次回波。分类方式如图1所示。在此分类的基础上,分别提取出研究样地所涉及的各类型数据子点集加以分析利用。

图1 激光点云分类流程图

本文将多次回波数据中的末次回波脚点和单次回波数据归为尾次回波,这部分点包含所有的地面脚点、建筑物脚点以及少部分植被脚点,大部分的树木的脚点被剔除。利用尾次回波数据进行滤波处理,剔除建筑物和其余植被脚点,即可得到地面的脚点点集。

在林地覆盖面积较大地区,多回波数据量相当之大,用此方法可以极大地减少参加滤波的数据量,很大程度上提高了LiDAR数据分类的速度。

3.2滤波算法设计

(1)现有滤波算法

随着国内外研究者的不断深入研究,点云数据滤波算法已有了很大的发展,经过国内外学者长时间的研究与应用,一些高效、适用性较广的算法被提出来。

目前,大部分的点云数据滤波方法都是利用激光脚点空间三维信息来进行设计的,而且这些滤波算法大都具备两个前提条件:①在某一小区域范围内地物点高程均大于地面点高程;②由地形起伏引起的坡度的变化必须在规定范围之内,即地形较为平缓。国内外研究者提出的点云数据滤波算法十分众多,本章作者对滤波效果较好、适用范围较大的几种滤波算法,对其原理和特点做了深入对比,如表1所示。

典型滤波算法总结表 表1

经过分析对比,作者选取算法设计简单,效率高的基于坡度的滤波算法作为实验算法。

(2)基于地形坡度的滤波算法

基于地形坡度的滤波算法是由Vosselman在2000年提出的[16]。该算法的主要思想是:当两个相邻激光脚点间存在一定的高差时,地形剧烈起伏变化所造成这种现象的可能性较小,这种情况更应该是两点中一个是地面点,而另外一个是地物点。简言之,相邻激光脚点的高差如果大于一定的阈值,如果两点间距离越小,高程大的点更可能是地物点。我们假设两点间高差的阈值为两点间距离的函数△hmax(d),作为滤波的核函数。当地形坡度小于30%,在观测值没有误差的情况下核函数为△hmax(d)=0.3d。然后实际上数据都会不可避免地存在误差,所以还要为其增加一个置信区间,假定允许5%的具有其标准差σ的点被拒绝,滤波函数可表示为:

其中为两激光脚点间的距离,其表达式为:

(3)算法流程

①按照点云的分类方法对点云数据进行分类、筛选,剔除无用的数据。

②对尾次回波点云数据排序,建立k-d树;搜索整个点云数据中的高程最低点,作为初始点,建立该数据点的邻近邻域。

③在选定好邻域内,计算每一个点与初始点的高差△hi和距离d,当△hmax(d)>0.3d则认为该点是非地面点,将其放入非地面点集中;而将高程最低点视为地面点,放入地面点集中。

④重复步骤②、步骤③,直到所有的数据点全部分类完毕,如图2所示。

图2 算法流程图

4 实验与结果分析

4.1实验数据

该数据是由美国地质调查局提供,位于福蒙特州,面积为 1.6 km×0.56 km。该区域内,大部分被林覆盖,地形有一定起伏。点云数据密度为 0.944点/m2。高程最低点为:130.32 m,高程最高点为258.21 m,如图3、图4所示。

图3 实验区遥感影像

图4 实验区点云数据按回波次数显示

4.2实验流程

图5 试验流程图

实验步骤:

首先按照图1的流程对激光点云数据进行归类,将单次回波和多次回波归为尾次回波,多次回波的首次回波为首次回波,其余为中间次回波。

在本文中,试验数据最大回波次数为4次,分类后各个类型的数据如表2所示:

分类结果 表2

从图表2中可以看出,在进行分类后,可参加后续滤波工作的数据有425 348个,是原始数据的三分之二左右,因此可以提高滤波的计算速度。

对尾次回波脚点进行滤波运算,采用提出的滤波算法对数据进行处理,所得到的结果如图6、图7所示:

建立DEM。利用ArcGIS软件对分类后的点集分别建立DEM。

图6 林地点集的范围

图7 地面点集

精度评定,通过将分类结果与航空正射影像叠加比较,可以看出大部分的非地面点都得到了正确的分类,尤其是建筑物点,但是也存在一些误分的情况,下图中红色代表建筑物点,绿色代表植被点,白色代表其他非地面点,如图8、图9所示。

图8 非地面点与航空影像叠加显示

图9 非地面点分类结果

5 结 论

由于激光扫描系统记录的回波次数越来越多,数据量随之越来越大,这对机载激光雷达数据滤波的时效性和可靠性造成一定的影响。本文提出了一种基于机载雷达点云数据回波次数的数据分类方法,预先剔除对滤波过程无效的数据,这样在很大程度上提高了点云滤波的速度。实验证明,通过对点云数据进行分类处理,可以大量减少参加滤波的数据数量,而且在一定程度上提高了滤波的质量,并且能提高建立DEM的质量。这对机载多回波激光雷达数据的数据处理有一定的意义。

[1]张小红.利用机载LiDAR双次回波高程之差分类激光脚点[J].测绘科学,2006,31(4):48~50.

[2]Poonam S.Tiwari,H.Pande et al.Automatic urban road extraction using airborne laser scanning/altimetry and high resolution satellite data[J].Journal of the Indian Society of RemoteSensing,2009,37(2):223~231.

[3]黄先锋,李卉,王潇等.机载LiDAR数据滤波方法评述[J].测绘学报,2009,38(5):466~469.

[4]张皓,贾新梅,张永生等.基于虚拟格网与改进坡度滤波算法的机载LiDAR数据滤波[J].测绘科学技术学报,2009,26(3):224~228.

[5]张小红,刘经南.机载激光扫描测高数据滤波[J].测绘科学,2004,29(6):50~53.

[6]梁欣廉,张继贤,李海涛.激光雷达数据特点[J].遥感信息,2005(3):70~75.

[7]庞勇,赵峰,李增元等.机载激光雷达平均树高提取研究[J].遥感学报,2008,12(1):152~158.

[8]万幼川,徐景中,赖旭东等.基于多分辨率方向预测的LiDAR点云滤波方法[J].武汉大学学报·信息科学版,2007,32(11):167~170.

[9]陈磊,赵书河.一种改进的基于平面拟合的机载LiDAR点云滤波方法[J].遥感技术与应用,2011,26(1):117~122.

[10]任自珍,岑敏仪,张同刚等.基于等高线形状分析的Li-DAR建筑物提取[J].西南交通大学学报,2009,44(1):83~88.

[11]崔建军,隋立春,徐花芝等.基于边缘检测算法的LiDAR数据建筑物提取[J].测绘科学技术学报,2008,25(2):98~100.

[12]张齐勇,岑敏仪,周国清等.城区LiDAR点云数据的树木提取[J].测绘学报,2010,38(4):330~335.

[13]杨晓云.基于双次回波的LiDAR点云数据滤波方法[J].广西工学院学报,2010(3):86~88.

[14]林国祥,张继贤,贾毅.机载LiDAR数据的多回波信息分析及滤波方案[J].测绘科学,2013(5):28~30.

[15]尹艳豹,唐守正等.多回波机载LiDAR数据提取林地DEM的判别分析方法[J].林业科学,2011(12):106~ 113.

[16]Vosselman G.Slope based filtering of laser altimetry data [J].International Archives of Phologrammelty,2000,33:935~942.

Analysis and Application of Multiple Echoes Laser Scanner Data

Yang Xingyue1,2,Yang Huaiyi3,Zhang Jicheng1
(1.Nanyang Urban and Rural Institute of Planning and Mappin,Nanyang 473000,China;2.Guilin University of Technology,Guilin 541001,China;3.Shanxi Team of China's Building Materials Industry Geological Prospecting Center,Taiyuan 030000,China)

This paper makes an analysis of airborne LiDAR data which has multiple echoes.The characteristics of each echo is discussed and studied,and then it expounds the information that each echo represented.According to the principle that different object is recorded by different echo,the writer put forward a program to classify the LiDAR data,the data is divided into the first echoes,middle and tail-echo.Further more,the number of the points which takes part in the process of filtering can be reduced.The experiment explains that it can eliminate most of the vegetation points.Therefore the algorithm can reduce the number of the points which takes part in the process of filtering,and improves the effect of filtering algorithm for eliminating the buildings and vegetation.The result indicates that the data processing become more efficiently.

LiDAR;multiple echoes;classification;filtering

1672-8262(2016)04-68-05

P237

A

2016—02—01

杨兴跃(1990—),男,硕士研究生,助理工程师,主要从事3S技术与应用工作。

广西空间信息与测绘重点实验室资助课题(桂科能130511407)

猜你喜欢
高程滤波激光
Er:YAG激光联合Nd:YAG激光在口腔临床医学中的应用
一种高速激光落料线
8848.86m珠峰新高程
激光诞生60周年
请给激光点个赞
GPS高程拟合算法比较与分析
基于自适应Kalman滤波的改进PSO算法
RTS平滑滤波在事后姿态确定中的应用
基于线性正则变换的 LMS 自适应滤波
SDCORS高程代替等级水准测量的研究