基于點云均勻度的植被點剔除方法

陳　朋，李 亮，胡大賀

(1.中國礦業大學環境與測繪學院，江蘇 徐州 221116；2.蘇州市測繪院有限責任公司，江蘇 蘇州 215007)

基于點云均勻度的植被點剔除方法

陳朋1，李 亮1，胡大賀2

(1.中國礦業大學環境與測繪學院，江蘇 徐州 221116；2.蘇州市測繪院有限責任公司，江蘇 蘇州 215007)

摘要：針對植被點影響三維激光掃描儀獲取開采沉陷盆地精度的問題，提出一種基于點云均勻度的樹木點剔除方法。首先構建以點k-鄰域的最大坐標差為邊長的虛擬立方體，以及包圍該點集的最小長方體，通過最小長方體與虛擬立方體的體積比來判別植被點。研究結果表明，該方法可較好的識別樹木和低矮的雜草等植被點，可以提高開采沉陷盆地的精度。

關鍵詞：三維激光掃描；沉陷盆地；均勻度；虛擬立方體；植被點

地面三維激光掃描能快速、方便、高精度地獲取各種大型、復雜、不規則的靜態物體三維表面模型，模型數據是由離散點所組成。所獲得的數據可以用成圖、建模和分析等工作[1]。郭文兵等[2]、陳冉麗等[3]研究了利用三維激光掃描儀獲取沉陷盆地的方法和步驟。在獲取沉陷盆地數據時，由于三維激光掃描采所獲得的數據包括地面點、植被和噪聲點等信息，需要將植被點等剔除才能獲取較高精度的沉陷盆地數據。

在植被剔除方面，嚴劍鋒等[4]提出基于最小二乘擬合的三維激光掃描點云濾波方法，首先進行二次曲面擬合，去除誤差較大的點，然后選取較為準確的多面函數擬合點，進行二次濾波，該方法可較好的去除植被點云，可用于生成準確的DEM；龔亮等[5]基于多尺度虛擬網格與坡度閾值對點云濾波，該方法可以有效的剔除植被等非地面點。這些方法利用一個大尺度的移動窗口，通過一定數量的地面點擬合一個粗略的地形模型，然后將高差超過閾值的點濾掉，其可剔除大部分植被，但對于一些低矮密集的植被點，由于地面點很少，難以擬合出地面模型，故這部分植被點很難剔除。針對此問題，通過對激光點云空間分布的分析發現，局部空間內，地面點主要集中在平面附近，均勻度較低，而樹木點則充滿該空間或分布在該空間的較大范圍內，均勻度較高。因此，本文提出一種基于點云均勻度的植被點剔除方法，利用點云在局部空間內分布的特點來判別樹木及低矮密集的植被點，并將剔除植被的點云用于沉陷盆地的生成，說明本文算法可生成較高精度的沉陷盆地。

1算法描述

本文引入有限點集分布均勻性的度量思想來評價點云在局部空間內分布的均勻程度。

1.1有限點均勻性度量方法

為y1，y2，…，yn中落入P的點數，則，見式(1)。

(1)

稱為點集y1，y2，…，yn在Cm中的偏差。

用偏差來度量均勻性時，一般認為偏差越小則點集均勻性越好。當y1，y2，…，yn恰好全部落入子立方體P內，即np=n時，若P的體積V(P)的值較大，則D(y1，y2，…，yn)較小，均勻性更好；反之，均勻性差。

1.2算法原理

基于對有限點集分布均勻性的度量思想，對于本文中局部空間內點云的均勻度的度量：首先搜索點A的k-鄰域，然后以A為中心，k-鄰域點集K的最大坐標差為邊長構建虛擬立方體C3，由于點的密度不同，不同點的k-鄰域所構成的虛擬立方體大小也不同，且必然存在一個最小長方體恰好包圍點集K，如圖1所示。長方體的邊可不與坐標軸平行。根據偏差的定義，當最小長方體恰好包括點集內所有點時，即np=n，記虛擬立方體的體積為Vcube，長方體的體積為VK，則虛擬立方體內點集K的均勻度表示見式(2)。

(2)

式中，若VK/Vcube較大，則D(K)較小，點集空間分布均勻度較高；若VK/Vcube較小，則D(K)較大，點集空間分布均勻度較低。

如圖2、圖3所示，在虛擬立方體內，地面點主要集中在平面附近，VK/Vcube較小，偏差大，點集均勻度較低；而植被點則分布在該空間的較大范圍內，VK/Vcube較大，偏差小，點集均勻度較高。因此，根據這一點云分布的特點，可以判別植被點，將長方體與虛擬立方體的體積比VK/Vcube作為判別指標，與設定的閾值λ進行比較以確定點A的屬性。①若VK/Vcube>λ，點A為植被點；②若VK/Vcube<λ，點A非植被點；對所有點云進行判斷，從而完成植被點云的判別。

圖1　虛擬立方體

圖2　地面點

圖3　植被點

2實例與分析

三維激光掃描儀獲取沉陷盆地的原理是利用采煤前后兩次采集的點云數據構建沉陷區DEM模型，通過兩次DEM模型相減即可獲得該區域的沉陷盆地。由于植被點的存在，無法得到準確的DEM，因此，在構建DEM之前需要將植被點剔除。

本文采用Trimble GX200三維激光掃描儀對某礦區沉陷盆地進行2次掃描，由于該區域地下正在進行開采，地表沉陷劇烈，因此兩次掃描間隔25天左右。雖然沉陷盆地范圍較大，但為了獲得準確的下沉信息，采用較高的采用密度，采樣間隔為50mm，最終得到兩期沉陷盆地點云數據，如圖4所示。

圖4沉陷盆地點云數據

2.1植被剔除

其中圖4(a)中橢圓所圈部分，1處有大量行樹，2處有低矮的樹木和密集雜草等植被，其他區域的植被點則較分散。由于該區域雜草比較低矮，如果鄰域點選取過多，則不易識別，因此k取100。通過對植被樣本點的實驗，閾值λ設置為0.35時植被的濾波效果較好。

圖5點云示意圖

如圖5(b)、圖5(d)所示，經過濾波處理后，絕大多數的密集雜草及樹木點已經被剔除，只剩余少部分樹干點和噪點，本文算法無法有效識別這些點。通過分析發現，這些點是由少量噪聲點及局部區域接近平面的樹干點組成，這些點可采用基于地形坡度閾值的方法剔除[5]。為了驗證本文算法的優越性，將本文算法的提取效果與基于地形坡度閾值的濾波方法進行對比，圖5(e)為基于地形坡度的植被點云濾波結果，由于該方法需以地面點為基礎進行濾波，因此在該植被密集且地面點很少的區域，植被剔除效果較差。

2.2沉陷盆地的生成

獲取下沉盆地之前，要以地下開采前后采集的掃描點云數據建立高精度的地表格網模型。如圖6所示，根據原始掃描點云數據得到該沉陷區的DEM，由于樹木及密集植被的影響，圖6(a)中1處和2處出現高程突變，生成的DEM效果很差，與實際不符，運用本文算法將樹木點及密集雜草等植被點剔除，圖6(b)為剔除植被點后生成的DEM，與圖6(a)相比，1處和2處的植被點已被剔除，該DEM較好的表達了實際地形趨勢。

建立地表格網模型后，需進行高程內插，從而獲取2期沉陷盆地內相同平面位置的高程，并求取下沉值，最終得到掃描區域沉陷盆地的DEM。如圖7所示，下沉盆地DEM呈現由內向外的同心圓結構，與實際的地下采煤引起的下沉盆地形態相吻合。但是由于部分樹木點沒有剔除干凈，這部分點云計算出的下沉值會出現較大誤差，如圖7中小矩形框內的斑點。

圖6點云生成DEM

圖7地表下沉盆地

3結論

三維激光掃描儀獲得沉陷區下沉盆地的點云，需進行濾波剔除地面植被，有些區域植被點密集或者由于遮擋，地面點極少，無法擬合出地形表面，這部分植被點很難剔除。本文提出基于點云均勻度的植被剔除方法，得出以下兩點結論。

1)利用點云在局部空間內分布的均勻度來判別樹木及低矮密集的植被點，濾波效果較好，可生成較為準確的DEM，為獲取高精度的下沉盆地提供了條件。

2)但該算法對細小的樹干等噪聲點無法識別，需借助其它方法進行剔除，且在局部有高程突變的區域會把地面點誤識別為植被點。

參考文獻

[1]李亮，吳侃，劉虎，等．地面三維激光掃描地形測量數據粗差剔除算法及實現[J]．測繪科學，2010，35(3)：187-189．

[2]郭文兵，白二虎，陳俊杰．三維激光掃描監測開采沉陷的精度分析[J]．煤炭科學技術，2014，42(11)：85-89．

[3]陳冉麗，吳侃．三維激光掃描用于獲取開采沉陷盆地研究[J]．測繪工程，2012，21(3)：187-189．67-70．

[4]嚴劍鋒，鄧喀中，邢正全．基于最小二乘擬合的三維激光掃描點云濾波[J]．測繪通報，2013(5)：43-46．

[5]龔亮，張永生，李正國，等．基于多尺度虛擬網格與坡度閾值的機載LiDAR點云濾波方法[J]．測繪科學，2012，37(1)：101-103．

[6]劉穎，張正，馬恩林．關于有限集點分布均勻性的度量方法[J]．首都師范大學學報：自然科學版，1997，18(3)：10-14．

[7]余樂文，張達，張元生．地下采空區探測技術研究[J]．中國礦業，2015，24(1)：336-338．

[8]梁玉斌．面向建筑測繪的地面激光掃描模式識別方法研究[D]．武漢：武漢大學，2013．

[9]胡大賀，吳侃，陳冉麗．三維激光掃描用于開采沉陷監測研究[J]．煤礦開采，2013，18(1)：20-22．

[10]陳曉青，任鳳玉，張國建．礦山地表三維模型實時重建方法的研究[J]．中國礦業，2011，20(1)：104-106．

[11]胡永杰，程朋根，陳曉勇，等．機載激光雷達點云濾波算法分析與比較[J]．測繪科學技術學報，2015，32(1)：72-76．

The elimination of vegetation based on the uniformity of point cloud

CHEN Peng，LI Liang，HU Da-he

(1.School of Environment Science and Spatial Informatics，China University of Mining and Technology，Xuzhou 221116，China；2.Suzhou Surveying & Mapping Institute Co.，Ltd.，Suzhou 215007，China)

Abstract:Aimed at the problem of the influence on requiring mining subsidence basin precision with 3-D laser scanner conducted by vegetation point.A method of elimination of vegetation is proposed on the basis of uniformity of point cloud.Firstly，a virtual cube taking the maximum coordinate difference of the k-neighborhood of point as the length and a minimum cuboid containing the points in the virtual cube were constructed.Through comparing the volume ratio of minimum cuboid and virtual cube，we can identify vegetation point.As the result showing，this method can improve the mining subsidence basin precision better by eliminating trees and low weeds point.

Key words：3-D laser scanning；subsidence basin；uniformity；virtual cube；vegetation point

收稿日期：2015-11-07

基金項目：國家自然科學基金項目資助(編號：51504239)；江蘇高校優勢學科建設工程項目資助(編號：SZBF2011-6-B35)

作者簡介：陳朋(1991-)，男，安徽淮北人，碩士研究生，主要從事大地測量與三維激光掃描數據處理方面的研究。E-mail：chenp0816@126.com。

中圖分類號：P225.2

文獻標識碼：A

文章編號：1004-4051(2016)05-0138-03