基于機載LiDAR點云的道路點濾波提取方法研究*

李武奇　袁　磊

(1.湖北文理學院數學與計算機科學學院　襄陽　441053)(2.中國地質大學(武漢)計算機學院　武漢　430074)

?

基于機載LiDAR點云的道路點濾波提取方法研究*

李武奇1,2袁磊1

(1.湖北文理學院數學與計算機科學學院襄陽441053)(2.中國地質大學(武漢)計算機學院武漢430074)

摘要提取出道路地面點對于從機載LiDAR數據中提取地物有重要意義,論文提出了一種濾波方法提取道路地面點。首先,通過LiDAR數據中的道路特征的高程值進行區域分割,保存粗略數據;然后再根據LiDAR數據中的反射強度進行第二次濾波,超出反射強度某閾值的點劃分為非地面點,剔除此部分點;第三次對已提取出的點進行分析,根據道路點密集的特征剔除周圍反射強度符合閾值但形狀稀疏的孤立點。實驗結果表明該算法對地面點的提取效果較好,具有一定的實用性。

關鍵詞LiDAR數據; 濾波; 高程值; 反射強度; 剔除

Class NumberP23

1　引言

激光LiDAR點云數據的濾波過程主要是基于若干相關信息構建判別規則(也稱作假設條件),然后根據這些判斷規則,從LiDAR點云數據中判斷出地物點、非地物點,并將非地物點濾除,獲得地面點[1]。目前,從原始數據當中提取出地面點的算法已經很多,其中一些算法在ISPRS的報告中也進行了描述和比較。在2000年Vossleman提出的連續地面中基于坡度的算法[2],該算法基本思想是:地面引起的坡度變化小于地物的坡度變化;對于一個LiDAR數據地面點來說,它和地物點之間形成的坡度大于其與周圍地面點形成的坡度值;殷國偉等在2010年在Vossleman的基礎上提出改進,首先根據激光的回波次數和反射強度信息進行濾波,經過初步濾波之后根據角度限制法則和窗口移動法進行地面點提取工作,并使用不同地形特征的數據進行了試驗[3]。2009年,PoonamS.Tiwari[4]等結合了IKONOS遙感數據和三維激光LiDAR數據實現道路的自動化提取。2009年,張皓[5]等提出了虛擬格網的概念,將虛擬格網與坡度濾波算法結合,進行激光LiDAR數據的濾波,該方法避免了點云數據內插或平滑過程中造成信息的損失。同年,蘇偉[6]等對移動窗口濾波法進行改進,提出了一種基于多級移動曲面的擬合濾波法。另外還有漸進三角網濾波法,例如Axelsson提出的基于漸進三角網(TIN)的加密濾波算法[7]。此后,2009年,李夲[8]等將漸進三角網法與區域增長法融合,提高了濾波精度;何正斌提出了一種對非地面點剔除算法[9],該算法將點云數據中的地面數據和非地面數據分離。2010年,黃燕[10]等對TIN網的種子點選擇進行了改進,提出一種最小殘差法和移動窗口法相結合的選點方式。2011年,曾靜靜[11]等提出了一種基于LiDAR回波信息提取道路的方法。針對以上算法的局限性和適用范圍限制,本文提出一種結合點云高程強度濾波的提取方法來提取路面點,最后根據道路的特征進行分析剔除部分噪點,可以達到良好的效果。

2　濾波算法描述

2.1數據可視化

LiDAR數據原始格式為.las格式,但本文實驗數據把格式轉換為.txt格式,其中字段共由以下七個字段構成,其分別代表意義如表1所示。

表1　LiDAR數據字段示例

本文LiDAR數據可視化主要有以下幾個步驟:

1) 讀取遍歷LiDAR數據得到各字段最大值最小值Xmax、Xmin、Ymax、Ymin、Zmax、Zmin、Imax、Imin、Rmax、Rmin、Gmax、Gmin、Bmax、Bmin。

2) 將空間坐標數據歸一化,首先按照式(1)將X、Y、Z歸一到-1～1(OpenGL繪圖坐標范圍)之間,其中XN為原始數據,Xn為處理后的數據:

(1)

3) 將RGB數據歸一化,同樣按照式(2)將R、G、B歸一到0～255(標準RGB)之間,RN為原始數據,Rn為處理后的數據:

(2)

4) 利用OpenGL繪圖顯示LiDAR數據。

2.2濾波提取算法

濾波算法第一步通過LiDAR數據中的高程值進行初步篩選;然后再根據LiDAR數據中的反射強度進行第二次濾波篩選出反射強度符合閾值的點劃分地面點;第三次對已提取出的點進行距離分析,剔除孤立點。算法主要流程圖如圖1所示。

圖1　算法主要流程圖

1) 通過直觀觀察出粗略的路面極低點和路面極高點的高程值,分別記為LimitZmin(zmi)和LimitZmax(zma),將此范圍之外高程值的點認為是非地面點,剔除;否則認為是地面點。Points為原始數據,PointOne(po)為提取后的點,濾波分類公式為

(3)

2) 計算出PointOne中所有點的反射強度最小值和最大值,分別記為LimitImin(imi)和LimitImax(ima)。將某強度閾值范圍之外的的點認為是非地面點,剔除;否則認為是地面點,PointTwo(pt)為提取后的點,其中a,b為強度系數,實驗室取值分別為0.5,0.8。濾波分類公式為

(4)

圖2　提取后的PointTwo點示例

3)通過前面兩次濾波提取出的點已經絕大部分屬于地面點,但仍然存在一些噪點影響結果,主要是一些高程和強度都符合閾值的孤立點,如圖2所示。

根據道路密集的特性,可以做一些分析。首先計算出pt中相鄰最近點的平均距離記為AvgDis,然后遍歷pt中的點計算與它最近點的距離。當它小于2*AvgDis,算入一個集合K1,以此類推有K1,K2,…,Kn共n個組合,其中點最多的集合為地面點。

3　實驗與分析

將原始機載LiDAR數據顯示,如圖3所示,圖中有道路、路燈、路旁邊的山坡以及山上樹木等。

圖3　原始LiDAR數據顯示圖

經過第一次濾波式(4)取高程后如圖4所示,顯示為PointOne中的數據,從圖中4可以看出通過高程篩選之后基本得到了與路面高程閾值之間的點。

圖4　提取高程后顯示圖

經過第二次濾波提取強度后如圖5所示,顯示為PointTwo中的數據,從圖中5可以看到與道路點反射強度閾值不符合的點基本被剔除,出道路兩邊的石壁、樹木等。

圖5　提取強度后顯示圖

圖6　剔除噪點之后道路點顯示圖

對剩下的道路點進行分析,如圖6所示,道路周圍有強度和高程符合道路點閾值的點,但這些點形狀稀疏,是孤立的點,而道路點密集,即保留集合點中數量最多的集合,即為地面點。

4　結語

本文首先介紹了機載LiDAR數據格式和對數據預處理的過程和方法,在傳統的點云濾波算法上結合道路點密集的特征對道路點進行提取。提取道路點的過程中,首先根據LiDAR數據的高程和反射強度分別進行兩次過濾,這也是傳統濾波方法具有的,進而結合道路點云平整、密集的特點對濾波之后的點進行聚類分析,剔除噪點,保留最大類,刪除其它小類。該方法與傳統的激光點云濾波算法相比最顯著的特點是與被提取物特征相結合,提高了它的通用性,可以適應不同的道路數據。提取出道路點之后,就可以計算道路平面方程和提取道路中線、邊線等其他地物。

參 考 文 獻

[1] 劉凱斯.機載激光LiDAR點云數據濾波和分類算法研究[D].北京:首都示范大學,2014:3-29.

LIU Kaisi. Airborne laser LiDAR point cloud data filtering and classification algorithm[D]. Beijing: Capital Normal University,2014:3-29.

[2] George Vossleman. Slope based filtering of laser altimetry data[J]. International Archives of Photo- grammetry and Remote Sensing,2000,33(3):935-942.

[3] 殷國偉,張漢德,范學瑋.機載三維激光成像系統點云數據濾波與地面點提取算法研究[D].青島:中國海洋大學,2010:7-16.

YIN Guowei, ZHANG Hande, FAN Xuewei. Airborne 3D laser imaging system point cloud data filtering and ground point extraction algorithm[D]. Qingdao: Ocean University of China,2010:7-16.

[4] Poonam S. Tiwari, H. Pande, et al. Automatic urban road extraction using airborne laser scanning/altimetry and high resolution satellite data[J]. Journal of the Indian Society of Remote Sensing,2009,37(2):223-231.

[5] 張皓.機載LiDAR數據濾波及建筑物提取技術研究[D].鄭州:信息工程大學,2009:2-18.

ZHANG Hao. Airborne LiDAR data filtering and building extraction[D]. Zhengzhou: The PLA Information Engineering University,2009:2-18.

[6] 蘇偉,孫中平,趙冬玲.多級移動曲面擬合LiDAR濾波算法[J].遙感學報,2009,13(5):833-839.

SU Wei, SUN Zhongping, ZHAO Dongling. LiDAR filtering algorithm for multi-level mobile surface fitting[J]. Journal of Remote Sensing,2009,13(5):833-839.

[7] 賴旭東.機載激光雷達基礎原理與應用[M].北京:電子工業出版社,2010:3-180.

LAI Xudong. Basic principle and application of airborne LiDAR[M]. Beijing: Publishing House of Electronics Industry,2010:3-180.

[8] 李卒,李德仁,黃先鋒.一種漸進加密三角LiDAR點云濾波的改進算法[J].測繪科學,2010,35(4):91-93.

LI Zu, LI Deren, HUANG Xianfeng. An improved algorithm for LiDAR Point Cloud Filtering in progressive encryption[J]. Science of Surveying and Mapping,2010,35(4):91-93.

[9] 何正斌,田永瑞.機載三維激光掃描點云非地面點剔除算法[J].地球動力學,2009,29(4):98-101.

HE Zhengbin, TIAN Yongrui. Non ground point removal algorithm for airborne 3D laser scanning point cloud[J]. Journal of Geodesy and Geodynamics,2009,29(4):98-101.

[10] 黃燕,劉君城.一種改進的LiDAR數據過濾方法[J].測繪科學,2009,34(3):39-41.

HUANG Yan, LIU Juncheng. An improved LiDAR data filtering method[J]. Science of Surveying and Mapping,2009,34(3):39-41.

[11] 曾靜靜,盧秀山,王健,等.基于LiDAR回波信息的道路提取[J].測繪科學,2011,36(2):142-143.

ZENG Jingjing, LU Xiushan, WANG Jian, et al. Road Extraction Based on LiDAR echo information[J]. Science of Surveying and Mapping,2011,36(2):142-143.

收稿日期:2015年10月10日,修回日期:2015年11月24日

基金項目:國家自然科學基金項目:路網流量狀態識別與均衡研究(編號:61272296)資助。

作者簡介:李武奇,男,碩士研究生,研究方向:智能計算、遙感測繪。袁磊,男,博士研究生,教授,碩士生導師,研究方向:數據庫技術與信息系統、多媒體技術應用與開發。

中圖分類號P23

DOI:10.3969/j.issn.1672-9722.2016.04.025

Filtering and Extracting Road Points Based on Airborne LiDAR Data

LI Wuqi1,2YUAN Lei1

(1. Institute of Mathematics and Computing, Hubei University of Arts and Science, Xiangyang441053)(2. School of Computer Science, China University of Geosciences, Wuhan430074)

AbstractIt is important to extract the road points from the Airborne LiDAR data for feature extraction, a filtering method is presented to extract the road points. First of all, through the elevation of LiDAR data in the feature of road value for the filter, the filtered rough data is saved and then the second filter is carried out according to the LiDAR data in the reflection intensity, beyond the reflection intensity of some threshold points are divided into non road points, excluding the part. The extracted points are analyzed at third time, according to the feature of road value, the points with sparse shape should be filtered but their intensity are congruous. Experiment shows it has good effect on the extraction of road points and it is practical.

Key WordsLiDAR data, filtering, elevation, intensity, excluding