城市街區地物的分類識別

謝祥仁

（福建省測繪院，福建福州350003）

城市街區地物的分類識別

謝祥仁

（福建省測繪院，福建福州350003）

“數字中國”、“數字城市”已經成為現代測繪的重點工作，LiDAR測量與數據處理就是其技術根本之一，為三維建模提供了便捷方式。三維建模的主要目標就是進行城市街區地物分類。根據 LiDAR點云的不同幾何特征討論了對不同地物進行分類的各種方法。

三維建模；地物的分類；LiDAR點云

隨著城市數字化、信息化的需求日益上升，車載激光掃描測量技術作為一種先進的測量手段，具有快速、不接觸、實時、動態、主動、高密度、高精度等特點，能快速地采集大面積高精度的三維空間數據，獲取建筑物、道路、植被等城市物體的表面信息，為有效解決傳統攝影測量用于三維建模時所遇到的一系列瓶頸問題帶來了新思路。在現代城市街道中，不同地物特征之間的區別比較復雜，若要進行城市街區地物的分類，首先就要根據街區地物的不同特征，建立一套完整合理的地物對象分類語法，并將這套語法轉換為計算機可以理解的特征約束[1]。本次研究將重點考慮將不同地物的特異性（尺寸、方向、位置、形態等）與不同分割點云塊的幾何特征（法向量、投影密度、投影面積、擬合殘差等）對應起來，利用點云數據的幾何特征來區分不同的原始地物，最終達到地物的分類識別。

1 城市街區地物的分類體系

根據典型的城市環境[2]，尤其是城市主干道及其兩側的街景，可將城市基本地物分類為道路、建筑物、植被以及其他零散地物。其中道路包含路面、交通隔離欄和以一定間隔均勻分布的路燈、交通指示牌等；建筑物可分為墻體部分和屋頂部分；植被可分為排列整齊的行道樹和花壇內的低矮灌木。依此可以構造城市地物的基本分類體系如圖1所示。

圖1 城市街區地物基本分類體系

觀察車載點云的掃描特點，綜合城市街區地物的特點，可提出階層式的分類策略。階層式分類策略是利用多種點云數據過濾方法對點云數據進行分層次的分類，首先逐層過濾掉非地面點，提取出地面，將激光點云分類為地面點、非地面點和噪聲點；然后再對非地面點進行進一步過濾和分類，提取出非地面點的各種地物信息，如建筑物、植被、特殊地物以及其他，植被可細化分類為行道樹和花壇，特殊地物可細化分類為交通隔離欄、交通指示牌、路燈等。階層式分類體系如圖2所示。

圖2 城市街區地物階層式分類體系

2 城市街區地物對象的模式化

將從不斷重復出現的事件中發現和抽象出的規律以及用于解決問題經驗的總結稱為模式。所謂的街區地物模式化即是分析不同的地物對象的空間分布特征和幾何構造特征，并構成支撐分類和識別的知識規則，從而形成城市地物分類的知識基礎[3]。空間分布特征是指地物對象在掃描街景場景中的位置以及對象間的相互關系。幾何構造特征則是指地物對象的形態關系，即對象的大小，形狀、平整度等[4]。

2.1 空間分布特征

分析車載激光掃描場景中幾項典型地物對象的空間分布特征：

1）地面：在場景中位置一般較低，高程相比其他地表地物低。道路旁邊為建筑或者植被，故一般貫穿整個掃描場景，處于中央，帶狀分布。

2）建筑物：掃描場景中往往有成排分布的連續建筑物，或者形狀構造不同的獨立建筑物，建筑物建于地面之上，道路兩側，高程最大。

3）行道樹：高程介于建筑物和地面之間，位于建筑物前，以一定間隔在道路兩側成排分布。

4）花壇：位于建筑物和道路之間。花壇中的低矮灌木高程較行道樹低，接近于地面。

5）交通指示牌：高度與樹木較為接近，位于建筑物前面，道路兩排。

2.2 幾何構造特征

分析車載激光掃描場景中幾項典型地物對象的幾何構造特征：

1）地面：起伏不大，高度變化平滑。距離掃描儀比其他物體如建筑物、樹木等更近，掃描密度大且點云分布均勻。

2）建筑物：建筑物墻體垂直于地面，墻面光滑，一般為整塊規則的矩形或曲面，點云分布均勻，建筑物轉角一般為直角。建筑物上的窗以一定間距嵌于墻體上，距離地面存在一定的距離，外形一般以矩形為主，點云分布不均勻。

3）行道樹：樹木的樹冠是傘形或錐形，樹葉密集但分布無規則，平面投影為圓形，由于自身結構的不規則性，掃描的激光點呈離散狀態分布，法向量方向各異。

4）花壇：花壇形狀多為長橢圓形，其中灌木掃描的激光點也呈離散狀態分布，法向量方向各異。

5）交通指示牌：牌桿為細長規則圓柱體，牌面為光滑矩形面，點云分布均勻。

2.3 特征模式描述

基于上述對城市街區地物對象的空間分布特征和幾何構造特征的總結，再進行合并和提取，可以使之成為城市地物構件識別和重建的知識庫，具體如表 1所示。

表1 地物對象的特征描述表

3 城市街區地物的知識規則

地物的分類可以通過不同對象在三維點云數據中不同的統計特征反映出來。因此在分類過程中要先定義一些反映知識的規則，然后再根據這些規則對分割后的點云進行識別。

基于之前對城市街區地物空間分布特征和幾何構造特征的描述和總結，可對不同地物的詳細情況進行統計和歸納，具體描述如表2所示。

表2 地物對象的規則描述表

4 階層式的分類策略

在建立了基于城市街區地物對象模式的點云分類規則后，可綜合運用這些規則建立一套階層式的分類策略，考慮某種地物與其他地物差異的主要特征，逐步對分割面進行歸納，實現地物的分類識別[5]。

4.1 主特征歸納

為提高識別效率，在分析各種地物點云塊特征規則的基礎上，可總結每類地物與其他地物存在的最大表現差異特征，即提取 1～2種主特征和輔特征，用于建立階層式的分類策略。對幾種典型地物的主特征歸納如下（見表3）：

1）地面：平坦，地勢最低，高程最小，而其他地物則或多或少存在高差。地面分類中起關鍵作用的識別特征是點云的高程。

2）建筑物：立面光滑，平均擬合殘差小，法向量方向水平，XOY平面投影密度大。建筑物分類中起關鍵作用的識別特征是法向量、殘差以及XOY平面投影密度。

3）行道樹：行道樹與建筑物相比高程較低，分割面塊法向量方向各異，擬合殘差大。行道樹分類中起關鍵作用的識別特征是法向量、殘差和高程。

4）花壇：花壇植被的分割面塊法向量方向離散，與交通隔離欄接近，但其擬合殘差大，花壇分類中起關鍵作用的特征是法向量、殘差、高程和空間位置。

5）交通指示牌：法向量方向水平，高程與行道樹較為接近。交通指示牌分類中起關鍵作用的特征是法向量、高程和空間位置。

表3 地物主特征歸納表

4.2 階層式分類算法設計

綜合利用4.1節中歸納的對各類地物進行分類識別時起關鍵作用的主特征，可建立階層式分類模式。設計的算法流程如圖3所示。

由此階層式的分類策略可將屬于地面、建筑物、交通指示牌、行道樹和花壇的點云塊分別歸納分類出來，基本實現地物的識別。

圖3 階層式分類算法流程圖

5 總結與展望

1）分割算法自適應化。文中所采用的點云分割算法是面向光滑約束的算法，通過調整角度閾值和殘差閾值控制分割效果。后續研究中考慮分割算法的自適應化，可根據數據整體的分布情況自動設定合理的鄰域搜索范圍，根據點的密集和松散情況自動設定合理的角度閾值和殘差閾值。

2）分類方法的完善與改進。文中總結了提出了階層式的分類策略，利用各類地物的主特征逐步進行分類。為優化分類算法，后續研究中可考慮利用多個特征參數，設定不同的權值參與分類。對于分類時特征參數閾值的設定也可以通過手工分類的方式先進行統計，作為其他場景分類識別的先驗知識，提高準確率和效率。對于某些暫時未考慮完全的點云特征以及在本文提出的分類策略中沒有用到的特征，可在以后研究中進行深入的探討。此處還能引入“宏”的概念，將一系列預定義的規則定義為一個宏處理，下次遇到相似的分類場景時可直接調用宏來處理數據。

3）城市建模以及三維可視化。將地物進行分類，重建地物特征，是進行城市三維建模的關鍵技術和重要步驟，對實現城市數字化、虛擬現實等應用具有現實意義。在進行點云分類的基礎上，重建街區地物模型，重建紋理是未來研究的熱點和難點。

4）應用研究。目前車載激光掃描數據主要應用在工程勘測和城市三維建模中，隨著車載激光點云數據的分類算法的不斷完善，將開展更加廣泛和深入的應用研究，如資源調查、城市規劃、景觀建模、道路變形監測、工程設計與國防等。

[1] 鄧非，張祖勛，張劍清.利用激光掃描和數碼相機進行古建筑三維重建研究[J].測繪科學,2007，32(2)：29-30

[2] 朱慶,龔俊.三維城市模型的多細節層次描述方法[J].武漢大學學報：信息科學版，2005(11)：965-969

[3] 龐前聰，詹慶明.激光遙感技術——古建筑與歷史街區保護的新契機[J].中外建筑，2008，82(2)：121-124

[4] 路興昌，張艷紅.基于三維激光掃描的空間地物建模[J].吉林大學學報：地球科學版,2008，38(1)：167-171

[5] 曾齊紅.機載激光雷達點云數據處理與建筑物三維重建[D].上海：上海大學，2009

[6] 王健，靳奉祥，呂海彥，等.基于車載激光測距的建筑物立面信息提取[J].山東科技大學學報：自然科學版,2004，23(4)：8-11

[7] 黃磊.基于激光掃描數據的建筑物立面信息提取[D].山東:山東科技大學,2007

Terrain Classification of Urban Neighborhoods

by XIE Xiangren

Digital China,Digital City has become the focus of modern surveying.LiDAR and its data processing is one of the most fundamental technologies,and provides a convenient way for the 3D modeling. The main goal of 3D modeling is the terrain classification of urban neighborhoods.This article discussed the various classification methods of different objects according to LiDAR points cloud of geometric characteristics.

3D modeling，classification of surface features，LiDAR point

2012-07-30

P23

B

1672-4623(2012)06-0109-03

謝祥仁，質量檢驗員，研究方向為航空攝影數字化測圖。