基于機載LiDAR數(shù)據(jù)的建筑物點云提取*

曹 鴻, 李永強, 牛路標, 毛 杰, 閆陽陽

(河南理工大學測繪與國土信息工程學院，河南 焦作 454000)

基于機載LiDAR數(shù)據(jù)的建筑物點云提取*

曹 鴻, 李永強, 牛路標, 毛 杰, 閆陽陽

(河南理工大學測繪與國土信息工程學院，河南 焦作 454000)

LiDAR技術(shù)是快速獲取地面及地物三維數(shù)據(jù)的新型測繪技術(shù)，也是近年來進行城市三維建模的一種重要手段，而對建筑物的提取是城市三維建模的重要步驟。為了從原始機載點云中有效地提取出城市建模所需要的建筑物點云，在常用機載LiDAR濾波與點云分類思想的基礎(chǔ)上，提出了結(jié)合面積與斜率兩特征參數(shù)的區(qū)域增長算法，實現(xiàn)了高大植被與建筑物點云的有效分離，完成了建筑物點云的提取。通過設(shè)定合理的面積閾值與斜率閾值，結(jié)合具體的數(shù)據(jù)通過該算法獲得了較好的提取效果，最后對提取方法及效果進行了客觀分析與評價。

機載LiDAR；濾波；建筑物提??；區(qū)域增長

機載激光雷達技術(shù)是以飛機為探測平臺的集激光掃描儀、全球定位系統(tǒng)(GPS)和慣性導航系統(tǒng)(INS)等技術(shù)于一體的主動獲取地面地物空間信息的新型測量技術(shù)，該技術(shù)能快速大量地獲取地形地物的空間三維信息?，F(xiàn)今的機載激光雷達系統(tǒng)還裝配了如CCD相機的成像裝置，這樣在數(shù)據(jù)中還包括掃面目標區(qū)域的光譜信息(如航空影像數(shù)據(jù))[1]。機載激光雷達技術(shù)的原理為：激光器向地面發(fā)射激光脈沖，通過測量脈沖的往返時間來計算出傳感器到地面或者目標物之間的距離，并獲取地表及地表建筑物等設(shè)施的點云數(shù)據(jù)，結(jié)合激光發(fā)射處到目標的距離和GPS、INS的數(shù)據(jù)記錄解算出被掃描目標的空間三維坐標。其具有工作效率高、獲取信息豐富、全天候的特點，是目前繼GPS技術(shù)之后測繪界的又一重大技術(shù)革命[2]。

機載激光雷達技術(shù)起初的目的僅僅是為了獲取地形復雜或者難以接近測量的地區(qū)的數(shù)字高程模型DEM及測圖成果。隨著信息社會的不斷發(fā)展，城市建設(shè)日新月異，“數(shù)字城市”概念的提出與建設(shè)應運而生，而其核心任務對城市建筑物的提取與三維重建一直是當今研究的一個熱點，LiDAR技術(shù)相比于傳統(tǒng)的測繪建模手段有著實時性強、數(shù)據(jù)量豐富、自動化程度高等明顯優(yōu)勢[3]。利用機載LiDAR數(shù)據(jù)進行建筑物的特征提取及三維重建逐漸成為一種重要的手段[4]。

1 機載LiDAR原始數(shù)據(jù)預處理

機載激光雷達系統(tǒng)得到的原始觀測數(shù)據(jù)主要包括原始激光點云數(shù)據(jù)(激光束的掃描角度、激光發(fā)射點到目標的距離、目標的回波次數(shù)、回波強度等)，慣導數(shù)據(jù)，GPS數(shù)據(jù)以及數(shù)碼影像數(shù)據(jù)[5]。在利用點云數(shù)據(jù)進行地物辨別與提取前需要對點云數(shù)據(jù)進行預處理，這包括對影像數(shù)據(jù)進行修正并完成對LiDAR系統(tǒng)設(shè)備與POS傳感器的姿態(tài)參數(shù)的測定與檢校[6]，剔除異常點，轉(zhuǎn)換坐標系以及匹配航帶等方面的工作。數(shù)據(jù)預處理的目的是獲得相應的空間坐標信息和姿態(tài)信息以完成LiDAR數(shù)據(jù)與影像數(shù)據(jù)的大地定向。

對原始機載LiDAR數(shù)據(jù)進行數(shù)據(jù)預處理，主要包括剔除異常點、轉(zhuǎn)換坐標系、匹配航帶等三個方面的工作：

(1)剔除異常激光點云。在航測飛機飛行過程中，由于系統(tǒng)電路、鏡面反射等系統(tǒng)自身的影響與外界條件中高空遮擋物的影響，LiDAR原始點云往往存在異常點，該步驟主要是去除高于飛行高度和低于地面高度的異常點。

(2)轉(zhuǎn)換坐標系。采集的LiDAR點云數(shù)據(jù)與航片的外方位元素所在的坐標系統(tǒng)均為WGS84坐標系，在測區(qū)范圍內(nèi)，通過比較城市局部坐標系與WGS84坐標系中的控制點，采用布爾薩七參數(shù)模型實現(xiàn)平面坐標系的轉(zhuǎn)換，再結(jié)合城市的高精度水準數(shù)據(jù)，完成由WGS84坐標向該城市地方高程坐標系的轉(zhuǎn)換。

(3)匹配航帶。要完成機載LiDAR數(shù)據(jù)的完全采集，由于飛行角度與掃描角度等問題，飛行航線需要保持大約30%的重疊度，這樣就造成航帶與LiDAR點云之間不能很好的匹配，需要通過現(xiàn)有的點云處理軟件對兩者之間進行配準操作。

2 常用的機載點云濾波原理

機載LiDAR數(shù)據(jù)經(jīng)過數(shù)據(jù)預處理后得到的是大量離散的激光點云，這其中包括地面點、建筑物點、植被點、水域點以及噪聲點等，這些點云處在同一個數(shù)據(jù)層中，濾波即從原始點云中去除建筑物、植被等地物激光腳點，分離出地形表面的激光點[7]。這也是獲取建筑物點云的必要步驟。

機載LiDAR點云數(shù)據(jù)的濾波方法按其原理大致可分兩類：第一類是基于高程突變的原理；第二類是基于激光點的回波強度信息的濾波方法。其中基于高程突變的原理是應用較為廣泛的濾波原理，其思想是：一般的地形變化是連續(xù)且緩慢平滑的，所以兩點之間的距離越近它們之間的高差越小，如果在某局部區(qū)域出現(xiàn)高程突變的點，則一般認為該處發(fā)生了地物類型的變化，如存在樹木或建筑物等地物。該原理認為高程較高的點為地物點，高程較低的點則為地面點。第二類濾波原理與航空影像的分類原理相似[8]：因不同類型地物具有不同的反射系數(shù)，所以各類型地物表面的激光點對應相應的激光強度信息，將激光強度轉(zhuǎn)化為灰度圖像，則不同地物類型對應不同的灰度值，這樣通過分析測區(qū)灰度值的分布來確定出地面點的灰度值范圍，從而將地面點從原始點云數(shù)據(jù)中分離出來。

常用的濾波方法是基于不規(guī)則三角網(wǎng)(TIN)來實現(xiàn)的[9]，該濾波方法的基本思想是：首先選擇出一些低點，并認為它們是地面點的初始點，將這些初始點構(gòu)建成初始的不規(guī)則三角網(wǎng)，結(jié)合所采集地區(qū)的具體情況設(shè)置距離與角度閾值，然后對其余的點進行判斷，如果某點到初始三角面的距離與角度值都小于設(shè)定的閾值，則將其劃分為地面點，同時將該點加入到三角網(wǎng)中，然后對其余點繼續(xù)判斷，如此迭代下去，反復加入新的激光點以此向上擴建模型，每個加入的點會使模型更加貼近地表。直至非地面點集合中不存在滿足距離與角度閾值的點為止。兩個參數(shù)閾值的定義如圖1所示。

圖1 不規(guī)則三角網(wǎng)中地面點的判斷

兩個參數(shù)在該算法中被稱為“反復參數(shù)”。角度閾值是一個點和三角形的最近頂點的連線與這個三角形平面所構(gòu)成的最大夾角值，該值越小說明該區(qū)域在豎直面上的起伏變化越小。距離閾值是指一個點到三角形中最近的那條邊的距離的最大值，該參數(shù)能確保當三角形很大時，重復向上構(gòu)建三角形沒有大的跳躍，這有助于把低矮建筑物排除在模型之外。

3 建筑物點云提取

3.1 基于高程閾值的地物點點云分類

LiDAR原始數(shù)據(jù)經(jīng)過濾波處理后分離出了地物點點云，這其中包括植被、建筑物、人工設(shè)施以及車輛等，在未分類的地表點中以分好的地面點云為界按照高程進行分類，設(shè)置合理的高程閾值分離出低矮植被以及人工設(shè)施，通常將高程閾值設(shè)置為2 m，通過比較點云的高程信息，將地物點點云按高程分為兩大類，這樣就得到了由高大植被、建筑物頂面及電桿等高程值大于2 m的混合點云。對于低于2 m的地物點云，通過設(shè)置合理的高度閾值并結(jié)合航空正射影像分別將其分類為低矮植被類、中度植被類以及人工設(shè)施等類別，并將其分類到相應的預先設(shè)置好的數(shù)據(jù)層中。一般將距離地面0～0.2 m的點云劃分為低矮植被，距離地面0.2～2 m的點云劃分為中等植被。

3.2 結(jié)合斜率與面積兩特征參數(shù)的區(qū)域增長算法

在分離得到的混合點云中，建筑物周圍既存在有高大樹木等自然地物又有電桿路燈等高大的人工設(shè)施。它們只是在高程上具有相同的特征，此時通過高程閾值的分割方法很難將建筑物點云分割出來，但是建筑物頂面與樹木電桿等地物在其它特征上還有著明顯的區(qū)別：建筑物頂面相對而言形狀特征較規(guī)則且面積較大，而高大植被與路燈電桿等設(shè)施卻沒有規(guī)則的外形，并且面積較小。對于平頂建筑物而言，這就導致了建筑物頂部的局部區(qū)域切平面的斜率接近為零，即使是復雜建筑物的屋頂該斜率值也遠小于離散植被局部區(qū)域切平面的斜率值。因此結(jié)合斜率閾值與面積閾值這兩個特征參數(shù)，提出了基于區(qū)域增長的算法。只有匯聚面積大于面積閾值，并且離散程度小于相應的斜率閾值的地物才被判斷為建筑物，而不滿足條件的則為高大植被或者電桿等人工設(shè)施。

其中，以待處理點云的8鄰域作為局部區(qū)域，利用最小二乘法擬合出該局部區(qū)域的曲面方程，而在空間上，擬合曲面在某點云處的切平面斜率可用擬合曲面在該點云處的梯度公式來計算。

二次曲面的表達式為：

f(x,y)=ax2+by2+cxy+dx+ey+f

梯度公式為：

由此得到了衡量點云離散程度的斜率值，通過設(shè)置該參數(shù)的合理閾值，結(jié)合適當?shù)拿娣e閾值可以將建筑物點云數(shù)據(jù)從混合點云中分離出來。該算法的大致步驟如下：

(1)選擇待處理點云左下方的點為種子點，在參數(shù)空間中建立一個3行3列的數(shù)組C，初始化該數(shù)組值為0，與面積閾值對應的數(shù)組統(tǒng)計閾值為N；

(2)依據(jù)最小二乘法的原理擬合出與數(shù)組C對應的局部區(qū)域的曲面方程；

(3)在擬合的二次曲面內(nèi)，依次搜索并計算種子點及其周圍的8鄰域點云處的梯度值，并將各梯度值與斜率閾值進行比較；

(4)若某梯度值大于或等于斜率閾值則將該處點云所在數(shù)組C中對應的位置數(shù)值賦值為0，若小于斜率閾值將其對應于C中位置的數(shù)值賦值為1，比較完成以后，令sumC為數(shù)組C中的數(shù)值和，該值代表種子點所在局部區(qū)域的面積統(tǒng)計值，若sumC大于N，則該種子點為建筑物點，反之則其不是建筑物點；

(5)以從左到右、從下到上的順序搜索下一個待處理點，重復步驟(1)、(2)、(3)、(4)，直到所有點被判斷完畢。

4 試驗分析

結(jié)合具體的機載LiDAR數(shù)據(jù)，通過以上改進的提取算法，本文成功地分離出城市建模所需要的建筑物頂面點云(如圖2所示)。面積閾值和斜率閾值這兩個特征參數(shù)分別反映了地物點云的疏密和離散程度,通過結(jié)合兩特征參數(shù)對現(xiàn)有的區(qū)域增長算法進行了改進，實際處理時,結(jié)合實際地形地物情況進行設(shè)置：斜率閾值為2.0，面積閾值為10(m2)。

(1)由圖2的對比可以看出，根據(jù)本文的提取算法可以過濾掉絕大部分的樹木及高大人工設(shè)施點云，這說明在按高程分類后的地物點點云中，基于離散程度與面積這兩個明顯特征將建筑物頂面點云從混合點云中提取出來是完全有效的、可行的。

(2)由圖2a與圖3影像圖片的對比可以看出，該方法在濾除植被的同時有可能將建筑物的不規(guī)則邊緣點及躍遷性大的點云錯誤地濾除，這是由于由這些點所擬合曲面的切平面斜率太大導致的。

圖2 提取前后的對比效果

圖3 相應地區(qū)的航空影像

圖4 提取前后的剖面圖對比效果

(3)由圖4的剖面對比圖可以看出，有極少的噪聲點沒有被濾除，這是由于該局部區(qū)域的植被較密集且排列規(guī)則造成的，可以結(jié)合相應的影像圖片進行點云去噪處理以獲得更好的效果。

5 結(jié)論

本文通過闡述常用的機載LiDAR濾波與分類原理，提出了結(jié)合斜率閾值與面積閾值這兩個特征參數(shù)的區(qū)域增長算法，并結(jié)合具體機載LiDAR數(shù)據(jù)運用該算法有效地提取出了建筑物頂面點云。試驗表明，本文算法能濾除絕大部分的植被及高大人工設(shè)施點云，能滿足建筑物點云提取的要求。此外，在處理含有不規(guī)則邊緣點及躍遷點的建筑物點云時，會存在局部細節(jié)丟失的現(xiàn)象，因此該算法還有待于進一步改進，可以結(jié)合航空影像來彌補建筑物局部細節(jié)丟失的問題，進而為數(shù)字城市的三維建模工作服務。

[1] 竇愛霞，馬宗晉，黃文麗，等. 基于機載LIDAR和多光譜圖像的建筑物震害自動識別方法[J].遙感信息，2013，28(4):103-109.

[2] 戴永江.激光雷達原理[M]．北京：國防工業(yè)出版社，2002．

[3] 李樹楷，薛永祺．高效三維遙感集成技術(shù)系統(tǒng)[M]．北京：科學出版社，2000．

[4] 吳俁.三維旋轉(zhuǎn)激光掃描系統(tǒng)的設(shè)計與實現(xiàn)[D].北京:首都師范大學，2009.

[5] 賴旭東．機載激光雷達基礎(chǔ)原理與應用[M]．北京：電子工業(yè)出版社，2010．

[6] 劉俊衛(wèi)，王樹文. 基于機載 LIDAR 的 POS 檢校與激光數(shù)據(jù)精度控制分析[J].測繪通報，2013(8):40-44

[7] 張小紅．機載激光掃描測高數(shù)據(jù)濾波及地物提取[D]．武漢：武漢大學，2002.

[8] 吳秀蕓.基于高分辨率遙感影像的建筑物提取及輪廓矢量化研究[D].南京：南京大學，2011.

[9] 隋立春，張熠斌，張碩，等. 基于漸進三角網(wǎng)的機載LIDAR 點云數(shù)據(jù)濾波[J].武漢大學學報，2011,36(10):1160-1163.

Extraction of buildings based on airborne LiDAR point clouds

CAO Hong, LI Yong-qiang, NIU Lu-biao, MAO Jie, YAN Yang-yang

(SchoolofSurveyingandLandInformationEngineering，HenanPolytechnicUniversity，Jiaozuo454000，China)

LiDAR technology is a new mapping technology that has a fast access to the three-dimensional data of ground and surface features, it is also an important means to obtain 3D City Model In recent years, the extraction of the building is an important step in the 3D City Model Building. In order to effectively extract buildings point clouds which are necessary for the City Modeling Building from the original point cloud of airborne Lidar data, by introducing the common airborne LiDAR filtering and classification concept, This article puts forward a region growing algorithm of combining area and slope parameters to separate the buildings from the trees and complete the task of building extraction. Through setting reasonable thresholds of area and slope, this article obtains a better extraction effect, and makes an objective assessment for the method and the effect.

Airborne Lidar；Filtering；Building Extraction；Regional growth

國家自然科學基金資助項目(41001304)；國家十二五科技支撐項目(2012BAH34B00)；河南理工大學博士基金資助項目(B2009-33)。

2013-11-14

曹 鴻(1987-)，男，河南杞縣人，河南理工大學測繪與國土信息工程學院碩士研究生。

1674-7046(2014)01-0059-04

P23

A