基于影像濾除地面激光雷達數據中綠色植被點云的方法研究

汪沛 宋海峰 趙迎輝 趙睿

摘要 基于地面激光雷達掃描時配置的高分辨率相機所獲取的影像數據，變換影像數據的顏色空間之后分別在色相通道和飽和度通道中根據閾值檢測出綠色植被的分布區域，通過融合兩個通道的閾值檢測結果提高檢測準確度，通過對檢測區域進行腐蝕和膨脹運算消除檢測區域中的數據噪點，最終通過二維檢測區域和三維點云數據的配準實現濾除綠色植被所對應的點云數據。利用地面激光雷達實際測量的點云數據和影像數據開展試驗，獲得了較好的試驗結果，表明方法有效可行。

關鍵詞 地面激光雷達；點云；綠色植被；濾除

中圖分類號 S126；TN958.98 文獻標識碼 A 文章編號 0517-6611（2014）16-05309-04

地面激光雷達具有使用方便、測量速度快、采集數據量大的特點，在近距離測量時可以達到非常高的精度，能夠獲取包含有掃描目標精細三維結構信息的點云數據。經過多年的發展，地面激光雷達技術日臻成熟，在許多領域都得到了廣泛的應用，如地質學與地質分析[1-2]、城市規劃[3]、林業與植被分析[4-5]等。由于地面激光雷達獲取的信息中包含有精確細致的目標結構信息，常被用來重建目標結構進行規劃設計[3]，或者分析目標的結構特點及變化[1-2]。地面激光雷達設備在采集目標數據時經常和高分辨率相機結合使用，以便能夠在掃描目標形體結構的同時獲取目標的紋理信息，實現對點云的著色。除此之外，地面激光雷達數據也可以和目標的其他光譜數據源進行融合開展相關研究工作[5]。地面激光雷達所獲取的掃描點數據的疏密程度受到掃描時地面激光雷達和目標的位置關系和目標自身形體結構等因素的影響。

在野外掃描過程中，遇到掃描目標被樹木遮擋或者被植被覆蓋時，單次掃描經常無法避免綠植對目標數據采集的影響；在條件允許的情況下，可以通過在多個位置對目標進行多角度掃描，并對多次掃描結果進行拼接來獲取目標較為完整的掃描結果。但不管是單次掃描，還是多次掃描，目標附近的綠色植物不但給目標點云數據的完整獲取造成影響，還由于其自身被地面激光雷達掃描形成點云數據從而給目標數據的后續處理帶來干擾。在大范圍、近距離、高分辨率的模式下，地面激光雷達獲取的點云數據量非常大，因此從掃描獲取的點云數據中濾除綠色植被可以大大減少后期的數據處理工作量，提高點云數據的處理效率。

為了能夠減少采集獲得的點云數據中綠色植被的影響，筆者提出一種基于高分辨率影像數據的方法濾除點云數據中的綠植數據。高分辨率影像數據由地面激光雷達工作時配置的相機同步采集獲得，在后期處理時可以通過將影像數據與點云數據配準，使得點云數據具有顏色信息，從而能夠描述目標的紋理特征。首先對點云數據和影像數據的特點進行分析；之后提出方法將影像數據進行顏色空間變換，即從普通的RGB影像轉換為HLS影像；然后根據色調和飽和度對影像中的綠色植被覆蓋區域進行提取，并對提取區域進行二值圖像的腐蝕運算和膨脹運算以消除噪點，然后依據提取結果對配準后的點云數據進行濾除處理；最后，采用地面激光雷達實測數據驗證了方法的可行性和有效性，并給出相應的結論。

1 數據特點

1.1 點云數據特點 地面激光雷達設備通過向目標發射激光束測量回波時間，并參照掃描空間幾何關系進行解算，可以獲取激光束在目標上每個掃描點的位置信息，即點云數據。根據地面激光雷達在掃描時的設置，如垂直掃描步進角度、水平掃描步進角度、掃描距離等參數的大小，以及掃描目標的形體結構，可以獲得稀疏變化有規律的目標的點云數據[6]。點云的疏密程度可以通過調節地面激光雷達掃描時的參數來進行控制，從而獲得點間距高達厘米級甚至毫米級的高精度點云數據。地面激光雷達掃描直接獲取的點云數據中包含目標上許多點的三維空間信息，因此能夠描繪目標的三維結構。

1.2 影像數據特點 除了單純地對目標進行建模和形體結構上的分析，許多領域還需要同時了解目標的顏色信息以便對目標能夠進行更為全面的分析。與高分辨率數碼相機一同使用，地面激光雷達可以獲取目標的影像數據，從而為后期的目標模型提供豐富的影像信息。

當地面激光雷達可以在工作時通過在水平向旋轉實現較大的水平視場角。而高分辨率數碼相機需要通過拍攝多張目標影像才能拼接成與點云數據匹配的影像數據。許多地面激光雷達廠家提供專用軟件可以完成影像數據與點云數據的配準，從而實現對點云的著色。雖然影像數據易于受到拍攝環境和相機設置的影響，但仍可以提供大量的掃描目標的紋理信息。

2 方法

2.1 方法概述 該研究的方法基于地面激光雷達在掃描時同步獲取的影像數據進行分析，通過顏色空間轉換方法將影像空間轉換為HLS空間。在HLS空間中的H通道和S通道分別提取綠植區域，將兩個通道得到的提取結果進行融合后再進行二值圖像的腐蝕運算和膨脹運算，得到最終的綠色植被提取區域。通過已經標示綠色植被區域的影像和掃描點云配準生成帶紋理的點云數據，然后濾除點云數據中的綠色植被點云。方法流程圖如圖1所示。

2.2 影像數據顏色空間轉換 因為植被顏色基本為綠色，所以希望通過對識別綠色信息找到植被所對應的點云數據并進行濾除。地面激光雷達掃描時配備的高分辨率相機一般拍攝的圖像數據格式是JPG格式的RGB圖像。RGB顏色空間是目前應用非常廣泛的顏色系統之一。在RGB顏色空間中，每個像素點的顏色信息都有紅色、綠色和藍色3個分

圖1 方法流程量。RGB顏色空間可以用圖2（a）所示的彩色立方體表示，每個像素的顏色由其在3個顏色分量的取值大小決定。

但是直接從RGB的3個分量通道中判斷綠色不是很容易，因此考慮將RGB顏色空間轉換到HLS顏色空間。HLS顏色空間中，H代表色相（Hue），L代表亮度（Lightness），S代表飽和度（Saturation）。HLS顏色空間可以用圖2（b）所示的圓柱體表示。顯然在HLS顏色空間中，亮度反映了顏色的明

在上述公式中，假設RGB的3個通道取值都是從0到1之間的實數，而max為其中最大值者，min為其中最小值者。而H是從0到360°的色相角，而S和L取值都位于0到1的區間。

2.3 綠色植被區域提取 在同一地區同一時間段內獲取的掃描數據中，綠色植被的顏色差異較小，因此可以通過交互的方式選定H通道和S通道中的顏色閾值區間。通過在H通道和S通道中的閾值處理，可以分別獲得影像中綠色植被覆蓋的主體區域。對于兩個通道中分別獲得的結果進行區域融合，可以獲得較為可靠的綠色植被覆蓋區域。由于影像的質量受到外界環境的影響，因此可能存在顏色上的偏差，從而導致區域提取時在非綠色植被區域出現噪點和在綠色植被區域出現孔洞。

對于非綠色植被區域出現的噪點，可以采用二值圖像的腐蝕運算進行消除。假設初步提取的區域為A，腐蝕運算所采用的結構元素為B，則可以將A被B腐蝕記為AΘB，并定義如下[8]：

對于綠色植被區域出現的孔洞，可以采用二值圖像的膨脹運算進行填補。假設初步提取的區域為A，膨脹運算所采用的結構元素為B，則可以將A被B腐蝕記為AB，并定義如下[8]：

經過上述的區域融合、二值圖像的腐蝕和膨脹，大大減少了提取區域中孔洞和噪點，最終提取出綠色植被區域的主體。

2.4 過濾點云數據 根據提取的綠色植被區域，可以將原始二維影像中的綠色植被區域改用特定的顏色信息標識（如影像中未曾出現的顏色）。通過地面激光雷達的自帶軟件，修改后的影像數據可與掃描點云數據配準生成帶紋理的點云數據。因此，可以根據所標識的顏色信息對點云數據檢索，檢索到標識信息就將該點數據作為綠色植被點云數據刪除，從而實現對綠色植被點云數據的剔除。

3 試驗分析

3.1 試驗數據 采用地面激光雷達野外掃描實測數據進行分析。由高分辨率相機拍攝的掃描區域對應的二維圖像數據顯示如圖3（a）所示，帶紋理的點云數據顯示如圖3（b）所示。從圖3（a）可以看出，巖石附近生長的綠色植被遮擋了一部分巖石，對處理巖石的點云數據和對掃描數據進一步加工和分析造成了影響。

3.2 綠色植被區域提取結果 采用該研究所提出的方法對數據進行處理和分析。首先將影像數據由RGB顏色空間轉換為HLS顏色空間。其次在H和S兩個分量通道中進行閾值限定。根據分析，選用H通道的閾值在以綠色相角120°為中心的[85，155]范圍內，而S通道的閾值限定在[0.35，1]。不難注意到，在H通道和S通道中所識別的綠色植被區域中，在影像下部的平坦部分有大量的噪點，但這部分從影像可以知道是沒有綠色植被存在的。所以在對兩個通道識別結果融合的基礎上，可以通過形態學的開運算和閉運算處理濾除大量的噪點，從而得到最終的圖4（c）所示綠色植被區域識別結果。經過處理的最終的的綠色植被區域識別模板已經基本包含了綠色植被的主要區域，并且在平坦地區濾除了大量噪點的影響。

3.3 綠色植被點云濾除結果 根據所識別出來的綠色植被對應區域，將該區域在影像中用黃色突出顯示出來，如圖5（a）所示。同時，將突出顯示后的影像和點云數據進行配準，并將帶顏色信息的點云數據顯示在圖5（b）中。顯然，該研究提出的方法所提取的區域基本已經包含了綠色植被所對應的區域。但需要強調的是，由于掃描時地面激光雷達存在的穿透特性以及高分辨率數據相機在遠處的曝光特性，會造成一些位于遠處邊界的綠色植被所對應的點云數據的顏色信息為白色，如圖3（b）所示。因此，在最后濾除綠色植被信息的時候，可以通過同時濾除黃色和白色的方法來達到最終的濾波效果，如圖5（c）所示。

4 結論

基于地面激光雷達掃描工作時獲取的影像數據進行分析和處理，最終實現點云數據中綠色植被點云數據的濾除。該研究提出的方法首先將影像數據從RGB顏色空間變換到HLS顏色空間，然后根據影像中各點的色調和飽和度信息提取影像中綠色植被分布的區域，再將提取出綠色植被區域的二維影像和三維點云數據匹配，同時濾除綠色植被對應的點云數據。該研究提出的方法采用地面激光雷達數據進行了試驗，方法切實可行，獲得了較好的試驗結果。但是，由于二維影像數據和三維點云數據匹配的過程中會存在插值運算，會造成后期的綠色植被點云濾除不夠徹底的問題，這一問題會在后續試驗中繼續開展研究工作。

參考文獻

[1] BCUKLEY S J，HOWELL J A，ENGE H D，et al.Terrestrial laser scanning in geology：Data acquisition，processing and accuracy considerations[J].Journal of the Geological Society，2008，165：625-638.

[2] ABELLN A，VILAPLANA J M，MARTNEZ J.Application of a long-range terrestrial laser scanner to a detailed rockfall study at Vall de N′ uria（Eastern Pyrenees，Spain）[J].Eng Geol，2006，88（3/4）：136-148.

[3] DOLD C，BRENNER C.Registration of terrestrial laser scanning data using planar patches and image data[J].International Archives of Photogrammetry，Remote Sensing and Spatial Information Sciences，2006，36（5）：78-83.

[4] LOVELL J L，JUPP D L B，NEWNHAM G J，et al.Measuring tree stem diameters using intensity profiles from ground-based scanning lidar from a fixed viewpoint[J].ISPRS Journal of Photogrammetry and Remote Sensing，2011，66（1）：46-55.

[5] BORK E W，SU J G.Integrating LIDAR data and multispectral imagery for enhanced classification of rangeland vegetation：A meta analysis[J].Remote Sens Environ，2007，111（1）：11-24.

[6] 汪沛.地面激光雷達掃描垂直立面的強度數據模擬[J].激光與光電子學進展，2012（8）：70-75.

[7] HSL and HSV[EB/OL].http：//en.wikipedia.org/wiki/HLS_color_space.

[8] RAFAEL C，GONZALEZ R C，WOODS R E.數字圖像處理（MATLAB版）[M].阮秋琦，等，譯.2版.北京：電子工業出版社，2008：255-259.