航攝內業處理中DSM獲取實驗研究

王濤

摘 要：該文基于筆者多年從事航空攝影數據處理的相關工作經驗，以基于LIDAR數據的數字高程模型獲取為研究對象，論文首先對現有各種濾波算法進行了綜合評價，指出了現有方法的不足，在此基礎上結合該文數據特點和應用選擇了移動曲面擬合算法進行了濾波實驗，在分析了各種插值算法的基礎上，采用了不規則三角網創建地表模型，取得一定的濾波效果。全文是筆者長期工作實踐基礎上的理論升華，相信對從事相關工作的同行能有所裨益。

關鍵詞：LIDAR 濾波 移動曲面 實驗

中圖分類號：P23 文獻標識碼：A 文章編號：1672-3791（2014）11（a）-0038-02

為了創建地面模型和建筑物模型而進行的LIDAR數據的預處理包含了粗差剔除，數據的分類和分割。粗差實際上指的就是一些錯誤的數據點，在數據獲取時由于不可預知的原因而造成，應用之前應當先將這些壞點去掉。機載激光掃描測高激光腳點的分布并不規則，在三維空間的分布形態呈現隨機離散的數據點“點云”（Point cloud）。在這些點中，有些點位于真實地形表面有些點位于人工建筑物（房屋、煙囪、塔、輸電線等）或自然植被（樹、灌木、草）。從激光腳點數據點云中提取數字地形高程模型（DTM，DEM）需要將其中的地物數據點去掉，這就是所謂的激光測高數據的濾波。這里借用了數字信號處理中濾波的概念，即把地形表面當作信號，而將地物（建筑物、樹木等）當作噪聲，濾波算法就是從DSM得到DTM的過程。

數據濾波和分類主要取決于所用的掃描技術、測區的地形復雜程度和數據點的密度。地形平坦，地物覆蓋稀疏，對濾波算法性能要求不高，數據點的空間分布不要求很密。如果測區地形復雜，地物覆蓋密集，就要求濾波算法能根據具體的地形條件自適應的調整，對數據點的空間分布也又一定的要求，保證一定的數據密度。

機載激光雷達的數據采集具有一定的盲目性，這就給數據的濾波和分類帶來一定的困難。特別是對度復雜地形條件測區的數據進行濾波和分類尤其困難，地形的陡然起伏形成地形表面不連續同由地物引起的表面模型的不連續很難區分。為此必須設計一個算法對數據進行智能化的濾波和分類處理，這個算法應滿足如下要求：（1）進行濾波時盡可能保留重要的地形特征信息。譬如山谷，溝坎等；（2）盡量減少濾波誤差。

1 LIDAR數據濾波的原理

濾波的基本原理是基于鄰近激光腳點間的高程突變（局部不連續），一般不是由地形的陡然起伏所引起，更為可能的是較高點位于某些地物。即使高程突變是由地形變化所引起的，就一個區域來講，其表現形態也不會相同，陡坎只引起某個方向的高程突變，而房屋所引起的高程突變在四個方向都會形成階躍邊界。在同一區域，一定范圍大小內地形表面激光腳點的高程和鄰近地物（房屋，樹木，電線桿等）激光腳點高程變化顯著，在房屋邊界處更為明顯。局部高程不連續的外圍輪廓就反映了房屋的形狀。當激光掃描到枝葉繁茂的參天大樹時，激光腳點間的高程也會出現局部不連續的情況，但其表現形態卻與前者有顯著差異。

兩臨近點間的距離越近，兩點高差越大，較高點位于地形表面的可能性就越小，因此，判斷某點是否位于地形表面時，要顧及該點到參考地形表面點的距離，隨著兩點間距離的增加，判斷的閾值（threshold）也應放寬，主要是為了同時考慮地形起伏產生的高程變化。兩地面點間的距離越遠，自然高差（地形變化形成的高差）就會越大。

2 移動曲面擬合濾波算法

該算法的基本思想是基于如下假設：可以假設地形表面是一個復雜的空間曲面，任何一個復雜的空間曲面在其局部面元可以利用一個簡單的二次曲面去擬合，當局部面元小到一定程度，甚至可以將該局部面元近似表達成一個平面。基于上述假設，首先將離散點數據進行二維排序，然后在區域內找彼此相互靠近的最低的三個點作為初始地面點，既初始擬合面。然后將臨近的備選點的平面坐標帶入平面方程，既可計算出備選點的擬合高程值，擬合高程值同該點的觀測高程之差如果超過給定的閥值，就認為該激光點不在地面上而被過濾，否則就接受該點為地面點。當擬合點數為6時，保持點數不變，新增一個地面點，就丟掉一個最老點，這樣直到結束。該方法的優點是對原始數據不需要重采樣，也不需要預先剔除粗差，保證了原始數據精度不被破壞。另外一個優點是該算法運算速度較快，但是該算法要求地面連續，激光點必須保持一定的密度，并且閥值的選取必須反復進行，直至找到最佳的值。

3 基于移動曲面擬合濾波算法的濾波實驗

本文采用移動曲面擬合濾波算法進行多次實驗，包括平坦地形、水域、城區、山區等。實驗區選擇我國湖北省武漢市地區，該區域地物比較豐富，有開闊地、道路、居民住宅、大型建筑物、樹、森林和河流等。地形坡度在城市地區較平緩，部分地區為山區或小土墩。LIDAR數據由Leica公司的ALS50Ⅱ型航空激光雷達系統裝載在運-5型飛機上獲得，相對航高1400 m，激光間距大約為2 m。

3.1 實驗數據

為了便于直觀的顯示濾波效果，搜集了該地區的航空影像作為參考，如圖3。實驗區主要以工礦廠房為主，包含了4條互相交叉的高級公路和一小部分住宅。在實驗區的西北方，有2個小型的人工湖泊，在西南方和東北方各有一座小山。

3.2 濾波實驗結果

首先將獲取的原始點云數據*.LAS格式使用LIDAR VIEWER軟件轉換為TXT文本格式，將轉出的TXT文件使用移動曲面擬合算法濾波處理。獲得新的TXT文本。該文采取直接將TXT文本數據轉化為SHP，即可生成3維效果圖。

3.3 實驗分析

從以上效果可以看出，移動曲面擬合濾波算法能夠很好的過濾掉地面上的建筑物，原來在實驗區內部的建筑物點已經全部濾掉，原建筑物部分的地面表現為空白，從點云分布圖可以看出是因為該區域點已經被濾掉的緣故。除建筑物外，移動曲面濾波算法還過濾掉了地面的以及道路兩旁的樹木，公路現已經表現為條帶的面狀物；西邊的2個小型人工湖泊和河流表現為洼地，西南部的和東北部的山地效果較為明顯，可以明顯的看到地勢的起伏。東部的大片建筑物和樹木已經完全過濾，可以看到路基兩側較過濾之前平滑，和濾波閾值的選取有直接關系。閾值的大小，需要根據不同地區多次實驗，方可找到合適的閾值。endprint

3.4 綜合評價

移動曲面擬合法濾波，算法簡單明了。運算速度快，自適應性強，濾波性能基本上不受地形條件和地物數量的限制。但算法要求保證一定的數據密度，以保證趨勢面更新較快，更新的過程實際上就是濾波趨勢面自適應地形起伏的過程。當然算法還要保持局部第行數據的離散分布，避免數據點的畸形分布（比如數據幾乎共線）。對于當前的機載激光掃描系統來說，數據采集密度已經不存在問題，絕大多數系統提供的數據密度都能保證在1points/m2以上。

移動曲面擬合算法實現過程中的另一關鍵之處是閾值的選取，這里的曲面擬合算法實質是基于一種外推的算法，在數學上外推的精度要遠遠低于內插的精度，所以閾值的設置不宜過大，這樣會積累外推的誤差，導致曲面無法移動。解決的辦法是可以進行多次濾波。

4 數字高程模型的創建

DEM是對一個地區的地表高程變化的表示，可以采用多種方式表達。地形表面的特征決定了地形表面表達的難度，因而在影響最終DEM表面的各種因素中扮演了重要的角色。隨著計算機應用技術和GIS技術的發展，人們通常采用數字地面模型主要有三種基本形式：規則格網、不規則三角網和數字等高線。

4.1 規則格網模型

規則格網通常是正方形、矩形或三角形，它將區域分割為規則的格網單元，每個對應于一個高程值。在計算機實現中可用一個二維數組或數學上的一個二維矩陣表示，每個格網單元或數組的一個元素對應一個高程值；規則格網很容易地用計算機進行處理，特別是柵格數據結構的地理信息系統。

4.2 不規則三角網（TIN）模型

若將按地形特征采集的點按一定規則連接成覆蓋整個區域且互不重疊的許多三角形，構成一個不規則三角網TIN表示的DEM，通常稱為三角網DEM或TIN。區域中任意點落在三角面的頂點、邊上或三角形內。如果點不在頂點上，該點的高程值可通過線性內插方法得到（在邊上用邊的兩個頂點的高程，在三角形內則用三個頂點的高程）。所以TIN是一種三維空間的分段線性模型，在整個區域內連續但不可微。

濾波后的點云數據可以認定為一個地面特征點的集合，該文采取了不規則三角網的表示方法來表示DEM數據。將濾波后的點云先生成三角網進而生成高程模型（DEM）。利用TIN來驗證試驗結果將更加直觀，如圖2。

雖然DEM的空間分辨率的最終影響因素是生成DEM的LIDAR數據中激光腳點的密度；但是若已經存在的DEM的分辨率不能滿足應用要求，則可通過重采樣來補充采樣點數量和密度上的不足，以達到提高空間分辨率的目的。本文并未進行內插處理，因為激光腳點的密度已經足夠。將濾波后生成的TIN柵格化，即可得到數字高程模型，如圖3。

參考文獻

[1] 張瑞菊，王晏民，李德仁.快速處理大數據量三維激光掃描數據的技術研究[J].測繪科學，2006（5）：93-94，68.

[2] 李濤，岑敏儀.結合影像的LIDAR數據三維建筑物提取[J].測繪科學，2007（5）：75-76，203.endprint