機(jī)載LiDAR點云數(shù)據(jù)處理方法探討

□ 張 娟 謝麗娟

（山西亞太數(shù)字遙感新技術(shù)有限公司，山西 太原 030006）

0.引言

隨著激光雷達(dá)技術(shù)的發(fā)展，其應(yīng)用領(lǐng)域也不斷擴(kuò)展，尤其在航空攝影測量領(lǐng)域，機(jī)載LiDAR測量技術(shù)逐步發(fā)展成為快速獲取空間數(shù)據(jù)的主要方式之一。機(jī)載LiDAR測量系統(tǒng)通過掃描獲取具有一定分辨率的地表三維形態(tài)的、離散的、密集的空間點，利用點云圖來表達(dá)系統(tǒng)對目標(biāo)物體表面的采樣結(jié)果。

機(jī)載LiDAR測量技術(shù)的優(yōu)點是快速獲得高密度、高精度的三維數(shù)字地面信息。由于點云數(shù)據(jù)本身不具有它所表達(dá)的物體的屬性信息，因此，要獲取所表達(dá)的物體的屬性，則須對點云數(shù)據(jù)進(jìn)行分類處理，按照不同地表物體的反射特性、形狀特征等，將表達(dá)不同類地物的點云進(jìn)行區(qū)分。經(jīng)過分類，將建筑物、植被等非地表數(shù)據(jù)放在其他層里面，純地表數(shù)據(jù)就被分離出來。經(jīng)過分類的純激光地表數(shù)據(jù)是具有三維坐標(biāo)值的離散點，構(gòu)TIN后即可以按規(guī)定格網(wǎng)生成DEM。

本文主要詳細(xì)探討機(jī)載LiDAR點云數(shù)據(jù)的處理及檢查方法，并對特殊情況下點云數(shù)據(jù)處理方法進(jìn)行了方法性說明。

1.機(jī)載LiDAR點云數(shù)據(jù)處理方法

1.1 數(shù)據(jù)準(zhǔn)備

機(jī)載LiDAR點云數(shù)據(jù)處理中數(shù)據(jù)準(zhǔn)備主要包括以下數(shù)據(jù)內(nèi)容：

點云數(shù)據(jù)；航跡文件（GPS時間、位置信息（X，Y，Z）與姿態(tài)信息（H，R，P）相對應(yīng)的列表文件）等參考文件；地面檢查點，即用于精度檢查的野外實測數(shù)據(jù)；坐標(biāo)轉(zhuǎn)換參數(shù)（成果坐標(biāo)系統(tǒng)與點云坐標(biāo)系統(tǒng)之間的轉(zhuǎn)換參數(shù)）；其他有關(guān)數(shù)據(jù)，如與數(shù)據(jù)處理、成果檢驗相關(guān)的數(shù)據(jù)等。

1.2 工程管理

機(jī)載LiDAR測量技術(shù)獲取的點云數(shù)據(jù)海量密集，信息豐富，數(shù)據(jù)量大，針對這一數(shù)據(jù)特性，結(jié)合實際項目需求，在點云數(shù)據(jù)處理前，首先要對點云數(shù)據(jù)進(jìn)行分塊，數(shù)據(jù)塊的大小根據(jù)數(shù)據(jù)處理的軟、硬件性能綜合考慮，每一個分塊為軟件處理的一個單元（如圖1所示）。

經(jīng)過分塊后的點云數(shù)據(jù)進(jìn)行有序編號，便于后期的數(shù)據(jù)處理和工程管理。

圖1 工程管理分塊圖

1.3 點類定義

點云數(shù)據(jù)本身是離散的，沒有屬性類別的。需要根據(jù)實際需求，對點云類別進(jìn)行定義，分別定義地面點、非地面點和專題點數(shù)據(jù)，其中專題點又細(xì)分為水系及設(shè)施、居民地及設(shè)施、交通及設(shè)施、管線及設(shè)施、植被和其他。實際工程項目中，可以根據(jù)項目需求進(jìn)行點類定義，確定關(guān)注的點類，并進(jìn)行分層設(shè)色。（如圖2所示）點類定義圖。

1.4 點云分類

機(jī)載LiDAR點云數(shù)據(jù)分類，一般是先使用點云數(shù)據(jù)處理軟件進(jìn)行自動濾波，可以分離出大部分的地面數(shù)據(jù)和非地面數(shù)據(jù)，但是如果需要得到精確的地面數(shù)據(jù)和專題地表數(shù)據(jù)，就需要人工干預(yù)進(jìn)行分類。在兩種情況下，需要人工干預(yù)，一是地面點云數(shù)據(jù)不完整，二是非地面數(shù)據(jù)有殘留。人工干預(yù)的主要方法見1.5人工編輯。

點云分類主要是將點云數(shù)據(jù)按照點類定義分別歸類到各自所在的層。首先移除噪聲點，也就是將明顯低于地面的點或點群（低點）和明顯高于地表的點或點群（空中點），以及移動地物點進(jìn)行移除。然后是地面點云數(shù)據(jù)分類，利用軟件設(shè)置的算法，對點云數(shù)據(jù)進(jìn)行自動地面點分類。其次根據(jù)點的高度以及點云分布的形狀、密度、坡度等特征，對非地面點云進(jìn)行分類，分離出需要的專題點信息。最后是人機(jī)交互式進(jìn)行點云類別編輯修改，直至合理地將各個層次的點云進(jìn)行分類。（如圖3所示）點云分類示意圖，其中橘黃色為地面，紅色為建筑物，綠色為植被，藍(lán)色為配電線。

點云一般采取運用宏命令的方法進(jìn)行，根據(jù)測區(qū)地形，地表覆蓋情況設(shè)置統(tǒng)一的分類參數(shù)，分別對噪點、地面點、建筑物、植被、道路等進(jìn)行宏命令批處理的方法進(jìn)行分類。

圖2 點類定義圖

1.5 人工編輯

在點云分類過程中，人工編輯占很大的工作比例，人工編輯分類主要包括：對高程突變的區(qū)域，調(diào)整參數(shù)或算法，重新進(jìn)行小面積的自動分類；對分類錯誤的點重新進(jìn)行分類；對項目要求的專題點，結(jié)合自動分類和人工編輯的方法進(jìn)行精細(xì)分類。

圖3 點云分類示意圖

人工編輯分類通常是在自動分類后的激光點云數(shù)據(jù)的基礎(chǔ)上進(jìn)行，參考渲染的地面模型和表面模型，以及對應(yīng)的影像數(shù)據(jù)，利用軟件設(shè)置的手動編輯器，通過更改刷取激光數(shù)據(jù)的光標(biāo)尺寸大小來確定每次刷取的激光數(shù)據(jù)點數(shù)，也可以設(shè)定所刷取的激光數(shù)據(jù)的范圍，還可以設(shè)置光標(biāo)線上或線下的點，對激光點云數(shù)據(jù)進(jìn)行人工編輯分類。目前用于點云數(shù)據(jù)處理的軟件中基本都設(shè)置有手動編輯器，方便多種形式，各種類型的人工編輯處理。

人工編輯分類過程中除了使用手動編輯器分類外，還可以結(jié)合使用局部濾波算法，對特殊地形，或地形突變區(qū)域進(jìn)行半自動分類，減少手動分類的工作量。

通過手動編輯器和濾波算法的合理交互式使用，優(yōu)質(zhì)高效地完成點云數(shù)據(jù)分類工作，得到精確的地面點云數(shù)據(jù)和專題點云數(shù)據(jù)。（如圖4所示），左圖為自動分類后的地面模型，右圖為經(jīng)過人工編輯后的地面模型，人工編輯改善了地面的激光點云，使地面模型更加精確。

圖4（1） 自動分類后非地面數(shù)據(jù)有殘留（圖左）和人工編輯（圖右）對比圖

圖4（2） 自動分類后地面點云數(shù)據(jù)不完整（圖左）和人工編輯（圖右）對比圖

1.6 點云檢查

點云檢查主要是針對經(jīng)過分類后的點云數(shù)據(jù)，對數(shù)據(jù)進(jìn)行整體質(zhì)量檢查，才能進(jìn)一步導(dǎo)出提交成果。

1.6.1 檢查內(nèi)容

點云檢查的主要內(nèi)容包括：點云分類是否正確；地面點云表面模型是否連續(xù)、光滑；地面點的剖面圖形態(tài)是否合理；非地面點云精細(xì)分類按項目要求，不容許錯分、漏分；將分類結(jié)果與影像套合，查看點云與影像范圍是否一致。

1.6.2 檢查方法

對分類結(jié)果進(jìn)行檢查。通過將點云按類別顯示、按高程顯示等方法，目視檢查分類后的點云數(shù)據(jù)；對有疑問處結(jié)合斷面圖進(jìn)行查詢、分析。地面點檢查一般采用建立地面模型渲染圖的方法進(jìn)行檢查。對模型上不連續(xù)、不光滑處，繪制斷面圖進(jìn)行查看。并結(jié)合對應(yīng)影像，輔助檢查分類的可靠性。針對分類中發(fā)現(xiàn)的點云異常，進(jìn)行及時處理，修正。

1.6.3 具體步驟

將分類后的激光點云與正射影像圖進(jìn)行疊加，根據(jù)影像圖地物的屬性、位置、形狀和大小來判斷點云分類是否正確（如圖5所示）。

圖5 影像（圖右）匹配激光點云（圖左）進(jìn)行點云分類檢查

用地面點創(chuàng)建可編輯地面模型，按模型地表形態(tài)檢查判斷地面點分類是否正確。在發(fā)現(xiàn)分類有誤或有疑問的地方，參考表面模型或剖面圖進(jìn)行判斷并修改（如圖6所示）。

圖6 表面模型（圖左）匹配地面模型（圖右）進(jìn)行點云分類檢查

1.7 成果導(dǎo)出

目前機(jī)載LiDAR點云數(shù)據(jù)格式一般為*las、*bin、*txt、*fbi等格式。點云數(shù)據(jù)分類完成后，通過點云處理軟件設(shè)置相應(yīng)的參數(shù)，結(jié)合項目需求，導(dǎo)出滿足要求的點云數(shù)據(jù)成果。

2.特殊情況處理

在機(jī)載LiDAR點云數(shù)據(jù)處理中，會遇到一些難以分類或點云數(shù)據(jù)描述困難的地形，通過長期的工程實踐，總結(jié)出一些特殊情況下的點云數(shù)據(jù)處理方法。

對于河流、湖泊等面積較大的水體區(qū)域，通常情況下，水域會吸收發(fā)射出去的激光束，從而導(dǎo)致水體區(qū)域無數(shù)據(jù)，點云數(shù)據(jù)缺失。實際處理中，一般采集水涯線作為特征線代替激光點云數(shù)據(jù)，當(dāng)在點云數(shù)據(jù)中無法獲取水涯線高程時，一般進(jìn)行野外實地補測高程信息，再補充完成點云數(shù)據(jù)信息，從而確保地面模型的準(zhǔn)確性。

對于分類后地面出現(xiàn)零散、小面積無數(shù)據(jù)區(qū)域時，一般根據(jù)數(shù)據(jù)實際情況設(shè)置較大的構(gòu)網(wǎng)距離，保證插值結(jié)果反映完整地形，不得出現(xiàn)插值漏洞。

對不滿足要求的區(qū)域，如山體、陡坎或地物遮蔽嚴(yán)重等特殊地形，由于地面數(shù)據(jù)缺失，插值后損失地形細(xì)節(jié)，嚴(yán)重影響數(shù)字高程模型精度的。可以使用軟件進(jìn)行參數(shù)設(shè)置，參考對應(yīng)區(qū)域的影像數(shù)據(jù)，可基于立體像對進(jìn)行補測特征點、特征線等高程信息，或者進(jìn)行外業(yè)實測，補測高程信息，保證地形細(xì)節(jié)完整。

3.結(jié)束語

目前機(jī)載LiDAR測量技術(shù)已廣泛應(yīng)用于各個工程領(lǐng)域，包括公路測設(shè)，數(shù)字城市基礎(chǔ)數(shù)據(jù)采集，水利工程勘察，電力選線巡線等。隨著機(jī)載LiDAR設(shè)備的日益更新，獲取的點云數(shù)據(jù)信息也更加密集豐富，所以生成的DEM、DTM和DSM都能非常細(xì)膩地表現(xiàn)地形細(xì)節(jié)，這些都是傳統(tǒng)的航測技術(shù)無法實現(xiàn)的。相應(yīng)的點云數(shù)據(jù)處理方法也日趨完善，數(shù)據(jù)處理軟件越來越多，總體算法更加成熟，但是目前還是難以找到一套可以適應(yīng)各種復(fù)雜地形的自動算法或半自動算法，數(shù)據(jù)處理中還需要大量的人工手工編輯，所以還需要在實踐中不斷積累提高，進(jìn)一步改進(jìn)點云數(shù)據(jù)處理方法，提高機(jī)載LiDAR點云數(shù)據(jù)的分類質(zhì)量，制作高精度數(shù)字測繪產(chǎn)品。