為了創(chuàng)建地面模型和建筑物模型而進(jìn)行的LIDAR數(shù)據(jù)的預(yù)處理包含了粗差剔除，數(shù)據(jù)的分類和分割。粗差實際上指的就是一些錯誤的數(shù)據(jù)點，在數(shù)據(jù)獲取時由于不可預(yù)知的原因而造成，應(yīng)用之前應(yīng)當(dāng)先將這些壞點去掉。機載激光掃描測高激光腳點的分布并不規(guī)則，在三維空間的分布形態(tài)呈現(xiàn)隨機離散的數(shù)據(jù)點“點云”（Point cloud）。在這些點中，有些點位于真實地形表面有些點位于人工建筑物（房屋、煙囪、塔、輸電線等）或自然植被（樹、灌木、草）。從激光腳點數(shù)據(jù)點云中提取數(shù)字地形高程模型（DTM、DEM）需要將其中的地物數(shù)據(jù)點去掉，這就是所謂的激光測高數(shù)據(jù)的濾波。這里借用了數(shù)字信號處理中濾波的概念，即把地形表面當(dāng)作信號，而將地物（建筑物、樹木等）當(dāng)作噪聲，濾波算法就是從DSM得到DTM的過程。研究如何從數(shù)據(jù)點云中分離出地形表面激光腳點數(shù)據(jù)子集以及區(qū)分不同地物（包括房屋、道路、植被等）激光腳點數(shù)據(jù)子集，就是所謂的數(shù)據(jù)過濾和分類。

　　1、LIDAR數(shù)據(jù)濾波的原理

　　濾波的基本原理是基于鄰近激光腳點間的高程突變（局部不連續(xù)），一般不是由地形的陡然起伏所引起，更為可能的是較高點位于某些地物。即使高程突變是由地形變化所引起的，就一個區(qū)域來講，其表現(xiàn)形態(tài)也不會相同，陡坎只引起某個方向的高程突變，而房屋所引起的高程突變在四個方向都會形成階躍邊界。在同一區(qū)域，一定范圍大小內(nèi)地形表面激光腳點的高程和鄰近地物（房屋，樹木，電線桿等）激光腳點高程變化顯著，在房屋邊界處更為明顯。局部高程不連續(xù)的外圍輪廓就反映了房屋的形狀。當(dāng)激光掃描到枝葉繁茂的參天大樹時，激光腳點間的高程也會出現(xiàn)局部不連續(xù)的情況，但其表現(xiàn)形態(tài)卻與前者有顯著差異。

　　兩臨近點間的距離越近，兩點高差越大，較高點位于地形表面的可能性就越小，因此，判斷某點是否位于地形表面時，要顧及該點到參考地形表面點的距離，隨著兩點間距離的增加，判斷的閾值（threshold）也應(yīng)放寬，主要是為了同時考慮地形起伏產(chǎn)生的高程變化。兩地面點間的距離越遠(yuǎn)，自然高差（地形變化形成的高差）就會越大。

　　2、現(xiàn)有的濾波方法

　　大部分激光掃描點濾波算法的思想基于如下假設(shè)：臨近激光腳點間的局部不連續(xù)（高程突變）一般不是由地形的起伏所造成，而是突變點位于非地面之上。高程突變的表現(xiàn)形態(tài)也不相同，例如陡坎只引起某個方向的高程突變，而房屋所引起的高程突變在四個方向都會形成階躍邊界。當(dāng)激光束投射到植被上時，激光點間的高程也會出現(xiàn)局部不連續(xù)的情況，但其表現(xiàn)形態(tài)與前者有顯著的差異。兩鄰近點間距離越近，兩點高差越大，較高點位于地形表面的可能性就越小。因此，判斷某點是否位于地形表面時，要顧及該點到參考地形表面點的距離，隨著兩點間距離的增加，判斷的閾值也應(yīng)放寬。考慮到地形起伏產(chǎn)生的高程變化，兩地面點之間的距離越遠(yuǎn)，可能出現(xiàn)的高差會越大。目前用于機載LIDAR數(shù)據(jù)濾波的方法概括來講大致可以分為形態(tài)學(xué)濾波法，移動窗口法，線性預(yù)測法，基于地形坡度濾波，移動曲面擬合濾波方法，三角網(wǎng)迭代法，基于數(shù)據(jù)分割等幾種方法。

　　3、基于移動曲面擬合濾波算法的濾波實驗

　　本文采用移動曲面擬合濾波算法進(jìn)行多次實驗，包括平坦地形、水域、城區(qū)、山區(qū)等。實驗區(qū)選擇我國湖北省武漢市地區(qū)，該區(qū)域地物比較豐富，有開闊地、道路、居民住宅、大型建筑物、樹、森林和河流等。地形坡度在城市地區(qū)較平緩，部分地區(qū)為山區(qū)或小土墩。LIDAR數(shù)據(jù)由Leica公司的ALS50Ⅱ型航空激光雷達(dá)系統(tǒng)裝載在運-5型飛機上獲得，相對航高1400m，激光間距大約為2m。

　　3.1 實驗數(shù)據(jù)

　　為了便于直觀的顯示濾波效果，搜集了該地區(qū)的航空影像作為參考。實驗區(qū)主要以工礦廠房為主，包含了4條互相交叉的高級公路和一小部分住宅。在實驗區(qū)的西北方，有2個小型的人工湖泊，在西南方和東北方各有一座小山。原始點云數(shù)據(jù)。

　　3.2 濾波實驗結(jié)果

　　首先將獲取的原始點云數(shù)據(jù)*.LAS格式使用LIDAR VIEWER軟件轉(zhuǎn)換為TXT文本格式，將轉(zhuǎn)出的TXT文件使用移動曲面擬合算法濾波處理。獲得新的TXT文本。本文采取直接將TXT文本數(shù)據(jù)轉(zhuǎn)化為SHP，即可生成三維效果圖。

　　3.3 實驗分析

　　移動曲面擬合濾波算法能夠很好的過濾掉地面上的建筑物，原來在實驗區(qū)內(nèi)部的建筑物點已經(jīng)全部濾掉，原建筑物部分的地面表現(xiàn)為空白，從點云分布圖可以看出是因為該區(qū)域點已經(jīng)被濾掉的緣故。除建筑物外，移動曲面濾波算法還過濾掉了地面的以及道路兩旁的樹木，公路現(xiàn)已經(jīng)表現(xiàn)為條帶的面狀物；西邊的2個小型人工湖泊和河流表現(xiàn)為洼地，西南部的和東北部的山地效果較為明顯，可以明顯的看到地勢的起伏。東部的大片建筑物和樹木已經(jīng)完全過濾，可以看到路基兩側(cè)較過濾之前平滑，和濾波閾值的選取有直接關(guān)系。閾值的大小，需要根據(jù)不同地區(qū)多次實驗，方可找到合適的閾值。

　　3.4 綜合評價

　　移動曲面擬合法濾波，算法簡單明了。運算速度快，自適應(yīng)性強，濾波性能基本上不受地形條件和地物數(shù)量的限制。但算法要求保證一定的數(shù)據(jù)密度，以保證趨勢面更新較快，更新的過程實際上就是濾波趨勢面自適應(yīng)地形起伏的過程。當(dāng)然算法還要保持局部第行數(shù)據(jù)的離散分布，避免數(shù)據(jù)點的畸形分布（比如數(shù)據(jù)幾乎共線）。對于當(dāng)前的機載激光掃描系統(tǒng)來說，數(shù)據(jù)采集密度已經(jīng)不存在問題，絕大多數(shù)系統(tǒng)提供的數(shù)據(jù)密度都能保證在1points/m2以上。

　　移動曲面擬合算法實現(xiàn)過程中的另一關(guān)鍵之處是閾值的選取，這里的曲面擬合算法實質(zhì)是基于一種外推的算法，在數(shù)學(xué)上外推的精度要遠(yuǎn)遠(yuǎn)低于內(nèi)插的精度，所以閾值的設(shè)置不宜過大，這樣會積累外推的誤差，導(dǎo)致曲面無法移動。解決的辦法是可以進(jìn)行多次濾波。

　　4、數(shù)字高程模型的創(chuàng)建

　　DEM是對一個地區(qū)的地表高程變化的表示，可以采用多種方式表達(dá)。地形表面的特征決定了地形表面表達(dá)的難度，因而在影響最終DEM表面的各種因素中扮演了重要的角色。隨著計算機應(yīng)用技術(shù)和GIS技術(shù)的發(fā)展，人們通常采用數(shù)字地面模型主要有三種基本形式：規(guī)則格網(wǎng)、不規(guī)則三角網(wǎng)和數(shù)字等高線。濾波后的點云數(shù)據(jù)可以認(rèn)定為一個地面特征點的集合，本文采取了不規(guī)則三角網(wǎng)的表示方法來表示DEM數(shù)據(jù)。將濾波后的點云先生成三角網(wǎng)進(jìn)而生成高程模型（DEM）。

　　雖然DEM的空間分辨率的最終影響因素是生成DEM的LIDAR數(shù)據(jù)中激光腳點的密度；但是若已經(jīng)存在的DEM的分辨率不能滿足應(yīng)用要求，則可通過重采樣來補充采樣點數(shù)量和密度上的不足，以達(dá)到提高空間分辨率的目的。

猜你喜歡：

機載激光雷達(dá)（LiDAR）點云數(shù)據(jù)結(jié)構(gòu)特點及處理流程

LIDAR技術(shù)的介紹及特點

版權(quán)聲明：文章來源于網(wǎng)絡(luò)，登載此文出于傳遞更多信息之目的，版權(quán)歸原作者及刊載媒體所有，如本文中圖片或文字侵犯您的權(quán)益，請聯(lián)系我們。