利用机载LIDAR点云数据制作高精度DEM及DSM的方法*

张伟伟，高长成

(浙江省测绘大队，浙江 杭州 310030)

利用机载LIDAR点云数据制作高精度DEM及DSM的方法*

张伟伟，高长成

(浙江省测绘大队，浙江 杭州 310030)

通过对1∶2 000高精度DEM及DSM制作的项目实践，总结了利用LIDAR点云数据制作高精度DEM及DSM的方法，其制作的关键就是点云的滤波分类，并对点云的两种分类即自动滤波分类和人工精细分类进行详细阐述。

LIDAR点云；高精度DEM及DSM；滤波分类

Abstract：Through the project practice of making 1∶2000 high precision DEM and DSM，this paper summarized the method of producing high-precision DEM and DSM with LIDAR point cloud data.The key to it production is the classification of points cloud.The aim is to elaborate on the two kinds of filter classification of points cloud in detail，which are including both of automatic filter classification and manual fine classification.

Keywords：LIDAR point cloud；high precision DEM and DSM；filter classification

0 引言

LIDAR(激光雷达)即Light Detection And Ranging，按平台的不同可分为星载、机载和地面3类。其中，机载激光雷达是一种安装在飞机上的机载激光探测和测距系统，它集成激光测距技术、计算机技术、惯性测量单元(IMU)/DGPS差分定位技术于一体，该技术在三维空间信息的实时获取方面产生了重大突破，为获取高时空分辨率地球空间信息提供了一种全新的技术手段。它具有自动化程度高、受天气影响小、数据生产周期短、精度高等特点[1]。本文主要通过自动分类及人工精细化分类对预处理后处于同一数据层的海量点云进行滤波分类，其原理是按照不同地表物体的反射特性、形状特征等将地面点与地物点分别放置在相应的数据层中，从而最终生成高精度的DEM[2]及DSM[3]产品。

1 摄区概况

摄区位于台州市东南沿海平原地区，部分丘陵与中低山地带，包括椒江、黄岩、路桥3个区，西邻仙居县，南接温岭市、乐清市、永嘉县。摄区西高东低，最高点高程为640 m，位于摄区西部；东部为大范围平原，平均高程在5 m左右；整个摄区属于丘陵地带。

2 数据来源

于2014年12月下旬—2015年2月上旬对测区进行航摄飞行，采用Leica ALS70-HP机载激光扫描系统执行测区航摄任务。飞行高度1 100 m，最终获取的点云密度均在5-10点/m2间，LIDAR数据旁向重叠27%～62%，点云覆盖情况完整。

3 基于TerraScan软件的自动滤波

利用TerraScan软件进行自动滤波，所用的滤波方法是Axelsson 提出的不规则三角网渐进滤波法[4]。自动滤波前先要结合测区已有的参考数据，如影像、地形图等并通过抽稀读取点云、建模型、观察数据的方法来获取整个项目区域范围内的地形、地貌以及点密度等情况。选取平地、城市、山地、复杂地形4类具有代表性的数据作为样区对滤波参数进行反复调试，最终按照归层——除燥——提取地面点——提取地物点的步骤来确定滤波结果较好的参数用于整个测区。

3.1 四种不同地形的特点

4种地形包括平地、城市、山地和复杂地区。各种地形具体特征如下：

1)平地。地形特点：地面平坦、水田较多，建筑物分散。

2)城市。地形特点：城市建成区，房屋密集，多为高层建筑，建筑物屋顶形状多样。

3)山地。地形特点：树木密集、地势较陡，有零星建筑物。

4)复杂地区。地形特点：城区与山区交接处，地形有起伏，地物种类丰富。

4种地形的DOM，如图1所示。

图1 4种地形的DOMFig.1 Four kinds of terrain DOM

3.2 反复调试后的滤波参数设置

经过反复调试得到的滤波参数，如表1所示。

表1 TerraScan自动滤波分类参数设置

3.3 自动滤波结果

按照上述4种地形，将测区分为4块，建立相应的4个工程，打开工程管理窗口，选择已建好的工程，点击Tools→Run macro，对4个工程分别按照已经调试好的宏参数运行，即可完成自动滤波，结果如图2所示。

图2 4种地形的自动滤波结果Fig.2 Automatic filtering results for four kinds of terrain

4 基于LiDAR DP软件的人工交互分类

通过TerraScan软件对点云自动滤波后，会发现许多特殊复杂的地形细节部分存在错分及漏分情况，达不到高精度DEM及DSM生产的精度要求，此时就需要结合参考影像进行人工分类。本文选用西安煤航研发的LiDAR DP软件实现人工精细化分类，在LiDAR DP中参考DOM利用剖面分析判断点云分类的正确与否，并且用画刷、线上分类、线下分类、多边形分类等分类工具对漏分、错分的点云进行精细化的分类。保证点云分类的精度，最终得到一个精确的地面模型及地表模型。对于特殊地形如水域、高差较大的区域需添加断裂线来处理。LiDAR DP软件操作界面简单，其热键的设置功能，提高了工作效率；简单易操作的分类工具，在作业过程中加快了速度。

4.1 找回缺失地面点

一种方法是显示非地面点，用可能有地面点的所有层创建TIN模型、渲染，关闭地面点层的显示，显示其他可能有地面点的所有层点，逐屏浏览分析，将落在地面上的点分类回地面。另一种方法是创建地面点的TIN、渲染，显示地面点，逐屏浏览分析，对大片无地面点处做剖面分析，如果缺失地面点，则通过分类工具将其分类回地面。图3(a)为道路的地面点缺失的情况，图3(b)为道路地面点找回后的情况，图3(c)为山顶地面点缺失的情况，图3(d)为山顶地面点找回后的情况。

图3 缺失地面点的处理Fig.3 Processing of missing ground points

4.2 对错分的地物点进行细分

地物点错分的情况主要针对是建筑物与植被，如城市密集区中间的低矮房屋被错分为植被点、人字形房屋的屋脊错分为植被点、高度与形状和建筑物相似的植被点被误分为建筑物点、建筑物边缘点被误分为植被点、围墙上的点被错分为建筑物点；建筑物自动分类以后，需要结合DOM影像对房屋进行对比检查。

对错分地物点的处理，如图4所示。

图4 错分地物点的处理Fig.4 Processing of misclassification ground points

4.3 添加断裂线的特殊情况处理

4.3.1 水系水域的处理方法

LIDAR点云扫射地面时由于水面不会回波，也就没有点云数据，但是实际上在点云处理中水面上有点；另外，由于水系两岸的地面点的高程不一致，在建模过程中使水产生倾斜，故须人为处理将水面置平来统一高程去除水面上的点(即添加断裂线)。水系水域的处理，如图5所示。

4.3.2 高差较大区域的处理方法

位于山脚下且被树木遮挡的建筑物是此类代表区域(如图6(a))，其房屋地基与屋后的斜坡或陡坎高差较大，导致房屋周围没有明确分界线的地面点，如果按照实际点云生成DEM后，房屋地基面会出现一个斜面(如图6(b))，不符合房屋的实际情况。需添加断裂线将地基置平，断裂线的高程是参考房屋周边的地面点的高程(如图6(c))。

4.4 最终点云分类成果

最终的点云分类成果地面点、植被点、建筑物点都在设计的层中，如图7所示。

5 DEM、DSM产品的生成及精度分析

在点云分类完成后，在LiDAR DP软件中进行三角网内插，生成DEM及DSM产品(见图8)。其中，DEM产品是采用地面点，加入特征线辅助数据以及分幅图框批量进行三角网内插，设置相应的格网间距进行产品输出；DSM产品是将地面点、建筑物点、植被点加入特征线辅助数据以及分幅图框批量进行三角网内插，设置相应的格网间距进行产品输出。

利用该测区1∶500数字地形图进行套合检查，在覆盖范围内每2～3 km2内选取1个平面位置点进行位置量测对比。共选取150个平面位置点，经检查平面位置中误差为±0.58 m。

采用外业检查的方式，实测209个地面检查点，均分布在平坦路面上。共选取204个高程检查点，经检查高程中误差为±0.09 m。从检查结果来看，平面及高程精度均满足成果要求。

6 结论

点云分类结果决定了DEM及DSM成果的质量，其结果的好坏直接影响后续的人工分类的难度和效率以及DEM、DSM等产品的精度。而地形特征决定了分类的难易程度，地形越复杂、地物信息越丰富，分类难度越大；反之，地形越简单，地物信息越少，其分类难度就越小。所以在进行测区自动滤波时一定要先

图5 水系水域的处理Fig.5 Processing of river waters

图6 山脚下建筑物的处理Fig.6 Processing of buildings at the foot of mountain

图7 点云分类成果Fig.7 Classification results of point cloud

图8 DEM及DSM成果Fig.8 Results of DEM and DSM

分析测区地形，按照地形特征对滤波参数进行反复调试，选取适合的参数，最大可能地减少后期人工分类的工作量；同时，在人工分类的过程中，也要融合影像数据或多光谱数据等参考数据源，才能快速准确的进行点云分类工作。

[1] 张小红.机载激光雷达测量技术理论与方法[M].武汉：武汉大学出版社，2007.

[2] 李志林，朱庆.数字高程模型[M].武汉：武汉大学出版社，2003.

[3] Okagawa M.Algorithm of MutiplFiltr to Extract DSM from LIDAR data[C] //Proc.of ESRI User Confersnce.USA：[s.n]，2001.

[4] AxelssonP.DEM Generation from Laser Scanner Data Using AdaptiveTIN Models[J].International Archives of Photogrammetry and Remote Sensing，2000，33(B4)：110-117.

MethodofMakingHighPrecisionDEMandDSM
UsingAirborneLIDARPointCloudData

ZHANG Wei-wei，GAO Chang-cheng

(ZhejiangBrigadeofSurveyingandMapping，HangzhouZhejiang310030，China)

2017-03-11

P 237

B

1007-9394(2017)03-0035-03

张伟伟(1987～)，女，河南鲁山人，学士，工程师，现主要从事航测遥感应用方面的工作。