基于機載Li DAR技術的植被密集區域DEM生成方法研究

曹 兵,喬亞奇,姬家澤

(天津華北地質勘查局核工業二四七大隊,天津 301800)

0 引言

DEM(數字高程模型)為主要反映地形起伏變化的數字化模型,能為地理信息系統(GIS)、土地利用規劃、水文學、生態環境監測等領域的研究提供有力支持。傳統的DEM測繪方法包括傾斜攝影測量法、GPS-RTK測量法、遙感影像法等,但都存在植被遮擋及重疊問題,在植被密集區域應用中受到限制。近年來,激光雷達(LiDAR)技術迅速發展,其在地形測量、三維建模、環境檢測等方面得到了廣泛應用。在植被密集區域的DEM測繪中,機載LiDAR具有高能量、狹窄光束角度、多次反射及高分辨率測量等特點,能夠穿透植被到達地面,獲取植被層及地面的點云數據,有效解決植被遮擋及重疊問題,對于精度要求較高的植被高程信息提取具有明顯優勢[1]。機載LiDAR是一種使用激光技術進行遠距離測量的遙感工具,通過發射脈沖光束并測量其返回時間來獲取地面或物體的三維坐標。機載LiDAR系統通過內置的激光器發射短脈沖激光束,與地面或物體發生相互作用,一部分激光束在與地面或物體相互作用后以反射形式返回。其使用高精度的計時器來測量從激光器發射脈沖到接收到反射信號的時間間隔,計算出光的旅程距離。結合機載LiDAR系統的位置及姿態信息,可以計算地面或物體精確的三維坐標。機載LiDAR測量原理如圖1所示[2]:

圖1 機載LiDAR測量原理

由該系統獲取的數據稱為三維點云,包含地物對象的高程信息,具有豐富的目標多次回波信號與強度信息、地物類別信息及與每一點高程信息對應的位置信息等。

1 DEM生成方法

1.1 整體技術路線設計

針對植被密集區域開展無人機搭載激光雷達模塊進行航測,采集到目標區域的激光雷達點云數據通過坐標轉換、濾波、分類等處理,得到目標區域的地面點云,評估通過激光雷達數據處理得到的高程數據精度。精度符合要求時建立測區數字高程模型,整體技術路線如圖2所示[3]。

圖2 整體技術路線設計

1.2 外業LiDAR點云數據采集

采用飛馬D2000無人機作為無人機平臺,搭載D-LIDAR2000激光雷達模塊。主要技術參數如表1所示[4]。

表1 D-LIDAR2000激光雷達的主要參數

外業航飛數據采集中,對測區范圍內進行航空雷達數據采集,獲取雷達數據、POS數據等各類航測的原始數據。按照航帶設計參數飛行,按照設計參數采集數據(雷達、導航),如果數據存在漏洞及質量問題,組織進行補攝或重攝。為提升補攝單條航線的穩定性及質量,補攝或重攝時需將重疊度不足或漏片的航線上下各延長一條航線。外業數據采集完成后進行數據檢查,包括航帶覆蓋、數據遺漏、地面數據檢查等,進行數據備份。

1.3 點云數據預處理

外業LiDAR點云數據采集完成后需進行數據預處理,應用飛馬智激光軟件,在新建項目中輸入工程名稱、工程路徑、激光系統,點擊云解算,選擇合適的視場角度,點擊開始按鈕,開始點云解算,進行特征提取,按照默認參數點擊開始,再點擊航帶平差,點擊計算刪除較大且無連續性偏差值的點。進行坐標轉換及測區坐標轉換參數配置,對完成坐標系統轉換點云的精度進行檢查。導出數據,設置輸出路徑[5]。

1.4 點云分類

點云分類分為點云自動分類及點云手動分類兩種。自動分類是應用算法及模型對點云數據進行分類及分割,以識別不同的物體或場景。手動分類是以人工干預的方式對點云數據進行分類,在自動分類基礎上進行精確分類。進行自動分類前,將明顯低于地面的點、高于地表目標的點及運動地物點作為噪聲點剔除[1,6]。

1.4.1 自動分類

自動分類應用飛馬智激光軟件,打開無人機管家中的智點云模塊,添加激光原始數據(標準格式點云),完成新建項目,在完成點云數據去噪后對點云進行自動分類。依據植被密集區域地物特征進行地面點、植被點及建筑物點分類,如地面點提取,需設置如高度閾值、坡度閾值等;建筑物提取需設置建筑物的高度閾值、體積閾值等;植被分類需設置NDVI閾值、高度閾值等;目標檢測需設置車輛的高度、體積閾值等。本項目地面點自動分類前后效果對比如圖3所示。

圖3 地面點分類前后效果

植被點云分類的參數設置可根據一般植被默認參數設置,低植被0.5～1 m、中植被1～3 m、高植被3 m以上。

建筑物點分類的參數設置可默認設置,自動分類算法主要通過分析點云數據的形狀、幾何特征、拓撲結構等信息集成相關算法,對建筑物點云數據進行分類。

1.4.2 人工分類

點云人工交互編輯分類使用TerraSolid軟件,經過人工判斷地形、地物,將粗處理時歸錯層的點進行人工歸層。

植被點云人工分類。植被密集覆蓋區域(如點云判斷,平均樹高大于10 m;影像輔助判斷,樹木連續覆蓋面積大于100 m2)較少激光點穿透到地面,分類發現與其他區域地面點高程相近的激光點歸入地面層,否則歸入非地面點層。若無較低激光點,點云剖面比較平滑,此時需與其他區域比較,用影像輔助進行正確判斷。進行拉剖面重新歸類,高層較低的貼近地表的為地面點,呈團狀的為非地面點(植被點云)。

建筑物點云人工分類。結合粗略正射影像,一些建筑物頂面的點云沒有或部分歸入非地面點層時,需通過剖面將建筑物頂面的點云歸入非地面點層,建筑物頂面以上的附屬設施歸為非地面點層。錯歸為Ground層的建筑物表面點、地面上的雜物點,需歸入非地面點層,如建筑物墻角或墻面點、圍墻上的點(含墻面)、露天設備、煤堆上的點(被吸收、比較少)及草堆、箱子、垃圾等臨時性堆積物上的點,如圖5所示,靠近地表位置的為地面點,呈規則形態的為非地面點(建筑點云)。

圖5 建筑物模型及點云剖面效果

2 DEM成果輸出

點云自動及人工分類完成后需進行數據檢核,選擇檢核點路徑,設置數據起始行與X/Y/Z列數,導入檢核點檢核,如果精度滿足規范要求則點擊“成果輸出-DEM”,設置輸出DEM的類型、分辨率,選擇構建DEM的點云類別,利用地面點構建并輸出DEM,輸出的DEM格式為.TIF。輸出的DEM成果如圖6所示。

圖6 測區DEM成果

研究結果可促進機載LiDAR技術的智能化及高效化發展,更好地服務于地質地形研究。