激光點云在園林城市綠地建庫中的應(yīng)用研究

吳國華

(福州市勘測院，福建 福州 350108)

1 引 言

福州市具有十分豐富的地理自然資源和歷史人文資源，早在2003年就被評為國家園林城市。隨著福州市城市建成區(qū)的不斷擴展以及城區(qū)綠化改造提升、河岸串珠公園等園林綠化項目的建設(shè)，于2016年提出創(chuàng)建國家“生態(tài)園林城市”的目標(biāo)。申報國家生態(tài)園林城市需依據(jù)《國家生態(tài)園林城市標(biāo)準(zhǔn)》中各項指標(biāo)標(biāo)準(zhǔn)，并及時掌握福州市園林綠化現(xiàn)狀及歷年指標(biāo)變化情況，以及時進行調(diào)整優(yōu)化[1]。為能及時實現(xiàn)福州市城市園林綠地數(shù)據(jù)采集與更新，福州市園林中心啟動建設(shè)福州規(guī)劃區(qū)城市綠地數(shù)據(jù)庫，并設(shè)立快速提取建庫及年度更新的目標(biāo)。

2 總體思路

根據(jù)已建設(shè)的 1∶500地形圖庫、激光點云數(shù)據(jù)庫(點云區(qū)域密度為16點/m2)、高分辨率正射影像數(shù)據(jù)，制定綠地面和綠化覆蓋面快速提取構(gòu)建的作業(yè)流程。其中綠地面構(gòu)建的作業(yè)方式相對傳統(tǒng)，可以從地形圖中直接提取構(gòu)建。綠化覆蓋面構(gòu)建通過激光點云提取篩選樹木點，然后根據(jù)樹木點構(gòu)建三角網(wǎng)形成首尾閉合多段線，再利用閉合段線構(gòu)建融合生成綠化覆蓋面，并對綠化覆蓋面進行修復(fù)與效果評價。具體流程圖如圖1所示。

3 綠地構(gòu)建

城市綠地數(shù)據(jù)庫最主要的建設(shè)內(nèi)容是綠地面和綠化覆蓋面兩部分內(nèi)容，其分別對應(yīng)生態(tài)園林城市的建成區(qū)綠地率、建成區(qū)人均公共綠地、建成區(qū)綠化覆蓋率等不同統(tǒng)計指標(biāo)。其中綠地面積一般理解為綠化占地面積，是指綠地邊界圍合之內(nèi)所有的公共綠地、道路綠地等硬質(zhì)景觀[2]，以及生產(chǎn)綠地、風(fēng)景林地等邊界內(nèi)由于郁閉度原因造成的裸露的土壤都?xì)w為綠地面積[3]；綠化覆蓋面積是相對于綠化占地面積而言，其不僅包含綠地占地面積還包括高于地面的冠幅垂直投影面，具體是指城市中喬木、灌木、草坪等所有植被的垂直投影面積，包括屋頂綠化植物的垂直投影面積以及零星樹木的垂直投影面積，喬木樹冠下的灌木和草本植物以及灌木樹冠下的草本植物垂直投影面積均不能重復(fù)計算[4]。二者主要區(qū)別是在喬木、灌木等高大綠植的冠幅投影面積一般大于其綠地占地面積，而相對于草坪等低矮近地綠植來說綠地面和綠化覆蓋面則是相同的。

圖1 綠地面及綠化覆蓋面構(gòu)建作業(yè)流程圖

3.1 綠地面構(gòu)建

綠地面構(gòu)建方式采用傳統(tǒng)的電子地圖綠地面構(gòu)建方式。首先通過分層提取城市 1∶500地形圖庫中的植被相關(guān)數(shù)據(jù)圖層，對灌木林、疏林、苗圃、竹林、草地、人工綠地、農(nóng)用地、林用地等面狀綠地可直接作為綠地面。然后對提取的植被點、線數(shù)據(jù)進行拓?fù)錁?gòu)面，即可快速完成綠地面的構(gòu)建。

3.2 綠化覆蓋面構(gòu)建

綠化覆蓋面構(gòu)建流程是以福州市機載激光點云數(shù)據(jù)(16點/m2)為源數(shù)據(jù)，首先提取點云高于地面一定數(shù)值(此處取高于地面 1.2 m以上)的點云數(shù)據(jù)，其次通過疊加建筑物、構(gòu)筑物等矢量面數(shù)據(jù)剔除建筑物、構(gòu)筑物點云數(shù)據(jù)，再根據(jù)德洛內(nèi)三角網(wǎng)空外接圓特性對篩選樹木點集構(gòu)建三角網(wǎng)，最后根據(jù)構(gòu)建的德洛內(nèi)三角網(wǎng)拓?fù)錁?gòu)建多邊形面要素并對多邊形面要素進行相鄰面融合，從而完成綠化冠幅覆蓋面的快速構(gòu)建。

3.2.1 一定高度地物點提取

LiDAR系統(tǒng)直接獲取的是地球表面的三維坐標(biāo)，因此可以用LiDAR點云數(shù)據(jù)直接生成數(shù)字表面模型DSM。這樣生成的DSM中包含大量的建筑物點、構(gòu)筑物點、樹木點以及其他非地面點。要想分離提取樹木點，首先需要生成數(shù)字地形模型DTM，采用Vosselman提出的以形態(tài)學(xué)理論為基礎(chǔ)的坡度濾波算法，通過濾波處理，濾掉非地面點，最后使用逐點內(nèi)插法生成DTM然后通過高程閾值對地面點與地物點進行區(qū)分，可采用原始的DSM減去DTM的方式得到規(guī)則化的DSM(nDSM)[5]。最后根據(jù)建筑物、構(gòu)筑物與樹木都具有一定高程的特性，再利用nDSM的值對LiDAR數(shù)據(jù)進行高程閾值分割提取出地物點。

此處相對高程的地物點云數(shù)據(jù)提取，采用FME Workbench作為具體提取操作軟件，可使用Point Cloud Property Extractor、Point Cloud Coercer、Point Raster Value Extractor、Expression Evaluator、Point Cloud Combiner等轉(zhuǎn)換器組合把點云生成的nDSM與DTM進行高程計算生成相對高程的點云。具體FME Workbench轉(zhuǎn)換器的組合示意圖如圖2所示。

圖2 利用FME提取相對高程點云的轉(zhuǎn)換組合示意圖

然后再利用Point Cloud Property Extractor、Point Cloud Spltter等轉(zhuǎn)換器提取一定高度的地物點點云。按福州市喬灌木實際冠幅高度情況，對高于地面 1.2 m以上的地物點進行提取。具體FME Workbench轉(zhuǎn)換器的組合示意圖如圖3所示，以福州市高新區(qū)一景激光點云(約 9.6 km2)提取的地物點效果部分截圖如圖4所示和局部放大圖如圖5所示。

圖3 提取一定高度的地物點FME轉(zhuǎn)換器示意圖

圖4 提取的地物點一景截屏效果圖 圖5 提取的地物點局部放大效果圖

3.2.2 樹木點篩選提取

通過3.2.1方式提取的地物點云，主要包含建筑物、構(gòu)筑物點云和樹木點云，而綠化覆蓋面構(gòu)建僅需要對樹木點數(shù)據(jù)，因此需要剔除掉建筑物和構(gòu)筑物點云數(shù)據(jù)的干擾。樹木點的篩選提取操作可利用FME Workbench的cliper轉(zhuǎn)換器，用提取出的地物點與建筑物、構(gòu)筑物矢量面數(shù)據(jù)進行疊加篩除建筑物點云數(shù)據(jù)，即得到樹木點數(shù)據(jù)。如圖6是地物點與建筑物、構(gòu)筑物面疊加局部放大圖，圖7是通過篩除建筑物點、構(gòu)筑物點的方式提取的樹木點效果局部放大圖。

圖6 地物點與建筑物、構(gòu)筑物面疊加局部放大圖

圖7 提取的樹木點效果局部放大圖

3.2.3 構(gòu)建Delaunay三角網(wǎng)

德洛內(nèi)(Delaunay)三角網(wǎng)是一系列相連的但不重疊的三角形的集合[6]。Delaunay三角網(wǎng)的優(yōu)點是結(jié)構(gòu)良好，數(shù)據(jù)結(jié)構(gòu)簡單，數(shù)據(jù)冗余度小，存儲效率高，與不規(guī)則的地面特征和諧一致，可以表示線性特征和疊加任意形狀的區(qū)域邊界，可適應(yīng)各種分布密度的數(shù)據(jù)等[7]。正是本身的這些優(yōu)點，常被應(yīng)用于GIS中的網(wǎng)絡(luò)分析中，成為描述地表形態(tài)的一種公認(rèn)方法，是地表(地貌和地物)數(shù)字化表現(xiàn)的重要手段和常用分析工具[8]。

根據(jù)Delaunay三角網(wǎng)空外接圓特性，以待構(gòu)建樹木點集作為Delaunay三角網(wǎng)構(gòu)建中各個三角形的頂點來構(gòu)建Delaunay三角網(wǎng)。在構(gòu)建Delaunay三角網(wǎng)的過程中，構(gòu)建三角網(wǎng)外接圓半徑參數(shù)值的設(shè)置決定了三角網(wǎng)的構(gòu)網(wǎng)精度，需要參照預(yù)處理過程中樹木點的點間距進行測試設(shè)置。設(shè)置的初始值一般與待處理樹木點集的點間距相近時構(gòu)建的效果最佳。其原理是通過Delaunay三角網(wǎng)內(nèi)的各個Delaunay三角形的外接圓半徑r進行計算，對外接圓半徑r值大于設(shè)定初始值alpha的Delaunay三角形進行舍棄，并對組合的網(wǎng)格以單一的三角形為最小單元打散，從而以樹木點集構(gòu)建成覆蓋植被冠幅區(qū)域范圍的Delaunay三角網(wǎng)。

具體操作工具可利用FME平臺的Point Cloud Property Extractor、Point Cloud Coercer(Individual Point)、Hullaccumulator、Triangulator、Deaggregator等轉(zhuǎn)換器，對樹木點集通過形成封閉凸殼，將封閉殼體范圍內(nèi)的幾何對象分解成三角形單元網(wǎng)格，從而構(gòu)建成覆蓋樹木點集區(qū)域范圍的Delaunay三角網(wǎng)。如圖8是樹木點云構(gòu)建三角網(wǎng)在FME Workbench平臺的轉(zhuǎn)換器組合示意圖。

圖8 綠化覆蓋點云構(gòu)建三角網(wǎng)的轉(zhuǎn)換器組合示意圖

圖9 設(shè)置不同的alpha初始值時三角網(wǎng)構(gòu)建效果局部示意圖

如圖9是分別設(shè)置外接圓alpha初始值為 0.20 m、0.40 m、 0.80 m時構(gòu)建的Delaunay三角網(wǎng)效果局部示意圖，從構(gòu)圖效果不難看出alpha初始值為 0.40 m左右時構(gòu)圖效果較好，alpha初始值過小則難以構(gòu)成完整圖形，alpha初始值過大則會出現(xiàn)相鄰三角網(wǎng)粘連的情況。

3.2.4 創(chuàng)建拓?fù)涠噙呅蚊嬉?/p>

構(gòu)建的Delaunay三角網(wǎng)中的每一個三角形都可以認(rèn)為是首尾相連的Polyline(線)，從而經(jīng)過拓?fù)涮幚砜梢詷?gòu)建成一系列無縫拼接的Polygon(三角形區(qū)域)[9]。在構(gòu)建的一系列無縫拼接的Delaunay三角面網(wǎng)中，相鄰接的兩個三角形面都有一個公共邊界線，通過刪除相鄰接三角形公共邊界線來融合兩個三角形面要素，從而創(chuàng)建一個更大的合并四邊形面區(qū)域[10]。利用同樣的方式對相鄰接的兩個四邊形面進行融合成更大的多邊形面區(qū)域，直至所有相鄰接的Delaunay三角形面融合成一個完整的區(qū)域。

此處應(yīng)用FME Workbench平臺中的Line OnLine Overlayer、AreaBuilder等轉(zhuǎn)換器，對構(gòu)建的三角網(wǎng)多段線進行拓?fù)涮幚硪垣@取一系列拓?fù)潢P(guān)系上連接的閉合多段線，然后對首尾閉合的多段線創(chuàng)建拓?fù)湔_的多邊形面要素，從而生成一系列無縫拼接的不規(guī)則三角面網(wǎng)。再利用Dissolver轉(zhuǎn)換器，通過刪除相鄰接多邊形公共邊界來融合面要素的功能，從而創(chuàng)建更大的合并區(qū)域。對由Delaunay三角網(wǎng)拓?fù)錁?gòu)建的一系列無縫鄰接的不規(guī)則三角面網(wǎng)進行相鄰面融合合并，最終將Delaunay三角形要素面融合成綠化覆蓋面。具體拓?fù)錁?gòu)建三角面網(wǎng)及鄰接三角面網(wǎng)融合處理的流程圖如圖10所示，以福州市高新區(qū)一景激光點云(約 9.6 km2)融合生成的綠化覆蓋構(gòu)面截屏效果圖如圖11所示，其局部放大效果如圖12所示。

圖10 三角網(wǎng)拓?fù)錁?gòu)面及面區(qū)域融生成綠化覆蓋面流程圖

圖11 點云融合生成的綠化覆蓋面截屏效果圖

圖12 融合生成的綠化覆蓋面局部放大效果圖

3.2.5 綠化覆蓋面毛刺修復(fù)

激光點云采集及提取篩選中產(chǎn)生的個別噪點，會在構(gòu)建綠化覆蓋面邊緣生成尖銳的毛刺，具體如圖13所示。這種毛刺的生成影響綠化覆蓋面的構(gòu)面精度和圖面美觀，需要對毛刺進行消除修復(fù)平滑以提升構(gòu)面效果。此處具體可以采用FME Workbench平臺中的Geometry Coercer、Spike Remover等轉(zhuǎn)換器，通過設(shè)置一定角度和長度值來消除毛刺以修復(fù)平滑構(gòu)建的綠化覆蓋面。

圖13 綠化覆蓋面邊緣毛刺示意圖

3.2.6 綠化覆蓋面效果評價

對激光點云提取樹木點進行拓?fù)錁?gòu)建的綠化覆蓋面的構(gòu)面效果驗核評價，其評價原理是綠化覆蓋面與同時期正射影像進行疊加分析其數(shù)據(jù)拓?fù)潢P(guān)系一致性情況。具體評價因素包括如下三點：

(1)綠化覆蓋面與正射影像中樹木冠幅垂直投影一致性評價

對采用激光點云提取樹木點進行拓?fù)錁?gòu)建的綠化覆蓋面與同時期正射影像數(shù)據(jù)進行疊加比對分析，分別對獨立灌喬木構(gòu)面、成片灌喬木構(gòu)面、空曠區(qū)域灌喬木構(gòu)面、鄰近建筑物灌喬木構(gòu)面、灌喬木構(gòu)面范圍與正射影像中樹木冠幅垂直投影一致情況、相臨近灌喬木之間粘連構(gòu)面等情況進行綜合比對驗核評價[11]。發(fā)現(xiàn)自動生成的綠化覆蓋面與同時期正射影像的綠植垂直投影套合基本一致，能夠比較準(zhǔn)確地勾勒出各種情況的綠植垂直投影范圍面。具體疊加效果如圖14所示，局部放大圖如圖15所示。

圖14 激光點云構(gòu)建綠化覆蓋面效果圖

圖15 構(gòu)建綠化覆蓋面疊加正射影像局部放大圖

(2)激光點云中噪點誤構(gòu)面情況評價

隨機選取福州市高新區(qū)9.6 km2范圍的激光點云數(shù)據(jù)進行自動拓?fù)錁?gòu)建綠化覆蓋面，然后對構(gòu)建的綠化覆蓋面進行人工比對篩查統(tǒng)計共計構(gòu)建綠化覆蓋面 51 139個，總計綠化覆蓋面積 4 166 037.35 m2，篩選出噪點誤構(gòu)面 17 361個，累計面積 15 497.65 m2，總的噪點誤構(gòu)面面積占自動構(gòu)建綠化覆蓋面面積的0.372%。經(jīng)過分析激光點云中干擾噪點誤構(gòu)面多為交通桿點、汽車、樹木與建筑邊緣銜接處等噪點，絕大部分噪點誤構(gòu)面面積小于 0.50 m2，可以通過面積過濾篩除掉，其他通過人工比對檢查可剔除。

(3)激光點云構(gòu)建與傳統(tǒng)人工繪制綠化覆蓋面效率對比評價

綠化覆蓋面?zhèn)鹘y(tǒng)生產(chǎn)作業(yè)方式是以高分辨率正射影像為底圖，進行人工判讀繪制綠化覆蓋面。主要存在植被冠幅邊緣判讀精度不高、生產(chǎn)作業(yè)效率相對較低等問題。尤其是生產(chǎn)作業(yè)效率問題，一般人均日作業(yè)面積僅 2 km2～3 km2，致使城市綠化建庫生產(chǎn)更新工期相對較長。而采用激光點云提取樹木點進行拓?fù)錁?gòu)建綠化覆蓋面的方法，相比傳統(tǒng)生產(chǎn)作業(yè)方式則可以很好地解決以上問題，尤其是在生產(chǎn)效率上有指數(shù)級的提升。

綜上分析，采用激光點云提取樹木點進行拓?fù)錁?gòu)建綠化覆蓋面的方法，構(gòu)建的植被覆蓋面位置精度更優(yōu)且作業(yè)效率有了極大的提升，能夠更好、更快地滿足國家園林城市綠化數(shù)據(jù)采集建庫的應(yīng)用要求。

4 結(jié) 論

相比以往傳統(tǒng)人工影像判讀繪制綠化覆蓋面的作業(yè)方式，采用激光點云提取樹木點拓?fù)錁?gòu)建綠化覆蓋面的方法，大幅提升了城市園林綠地采集建庫的效率和作業(yè)精度。通過對福州市規(guī)劃區(qū)共 677 km2范圍的城市園林綠地采集建庫實踐，激光點云自動構(gòu)建城市綠地方法的應(yīng)用實現(xiàn)了城市綠化數(shù)據(jù)的快速采集建庫及年度更新的目標(biāo)。為福州市園林中心及時掌握規(guī)劃區(qū)園林綠化數(shù)據(jù)現(xiàn)狀和歷年城市園林綠化指標(biāo)的變化提供了有效的數(shù)據(jù)支撐。