機載LIDAR內(nèi)業(yè)數(shù)據(jù)處理技術(shù)

發(fā)布日期：2018-06-21 00:00 瀏覽量：8841

　　1 LIDAR數(shù)據(jù)處理概述

　　1.1 LIDAR數(shù)據(jù)的特點

　　從嚴(yán)格意義上講，航空激光雷達系統(tǒng)獲取的數(shù)據(jù)包括位置、方位/角度、距離、時間、強度等飛行過程中得到的各類信息。而實際應(yīng)用中，人們接觸和使用的是與具體時間及發(fā)射信號波長一一對應(yīng)的點坐標(biāo)及對應(yīng)的強度等。作為一種非成像技術(shù)，航空激光雷達數(shù)據(jù)在內(nèi)容、形式等方面具有很多自身的特點。

　　第一，從內(nèi)容上講，航空激光雷達數(shù)據(jù)是分布于對象表面的一系列三維點坐標(biāo)。值得注意的是，多次回波數(shù)據(jù)得到的點坐標(biāo)可能對應(yīng)著不同的表面，首、末次信號分別對應(yīng)樹冠和地面，這種特性在某些場合可以發(fā)揮重要作用。例如，在相鄰掃描帶上植被或其他具有不規(guī)則形狀的物體可能會具有不同的高度，若用它們進行匹配可能會產(chǎn)生粗差，使用末次回波信號就可以避免匹配過程中不可預(yù)測的粗差問題。與記錄反射/發(fā)射能量的強度數(shù)據(jù)相比，航空激光雷達數(shù)據(jù)在提取空間信息上更加便捷。

　　第二，激光雷達數(shù)據(jù)在形式上呈離散分布。這里“離散”是指數(shù)據(jù)點的位置、間隔等在三維空間中的不規(guī)則分布，即數(shù)據(jù)分布無規(guī)律性。

　　第三，數(shù)據(jù)形式的另一個特點是掃描帶中數(shù)據(jù)分布不均勻不同位置的點云密度不同，造成這種情況的主要原因是激光掃描儀所采用的掃描方式。激光掃描儀所采用的掃描方式有圓錐掃描，線掃描和光纖掃描。

　　不考慮地形起伏的影響，在圓錐掃描方式中，掃描帶兩側(cè)數(shù)據(jù)密度大，中間部分稀；線掃描方式的情況類似；在光纖掃描方式中，掃描線方向上的數(shù)據(jù)密度大于垂直掃描線方向上的。其他原因還包括飛行速度、掃描儀與地形/地物的相對位置/方向及航高等。例如，對建筑物的傾斜屋頂而言，朝向掃描儀方向的屋頂會比背向掃描儀方向的屋頂反射更多的信號，在數(shù)據(jù)密度較大時兩個屋頂平面上數(shù)據(jù)密度就會表現(xiàn)出差異。

　　第四，盡管目標(biāo)點的三維坐標(biāo)是航空激光雷達的主要數(shù)據(jù)形式，但其數(shù)據(jù)類型并不局限于此。強度信號是另一個有用的信息源，它反映了地表物體對激光信號的響應(yīng)。由于一些技術(shù)上的原因，還沒有得到多少實際應(yīng)用。目前有用強度信號作為樹種分類的依據(jù)事例。

　　1.2 LIDAR數(shù)據(jù)處理

　　LIDAR數(shù)據(jù)處理包括原始數(shù)據(jù)預(yù)處理和點云數(shù)據(jù)后處理兩個階段。原始數(shù)據(jù)預(yù)處理階段主要包括濾除雷達噪聲，對記錄的原始信號、時間參數(shù)、距離參數(shù)、GPS和INS數(shù)據(jù)進行歸化處理、坐標(biāo)變換，以得到地面目標(biāo)的三維（x，y，z）點云坐標(biāo)數(shù)據(jù)。坐標(biāo)的格式可以根據(jù)用戶的要求定義，即可以得到不同的數(shù)據(jù)格式文件。點云數(shù)據(jù)后處理就是對得到的地面目標(biāo)的三維點云坐標(biāo)數(shù)據(jù)進行分離處理。具體地說，由于激光雷達點云數(shù)據(jù)分布在不同的目標(biāo)上，后處理就是將落在地形表面上的點（即所謂的地面點）與那些非地形表面上的點進行有效而準(zhǔn)確的分離。只有高精度及準(zhǔn)確而可靠地分離不同信息后，才可能有效地將這些數(shù)據(jù)用于不同的目的，例如：得到DEM數(shù)據(jù)、測量樹的高度、獲取城市的三維模型等。對三維點云坐標(biāo)數(shù)據(jù)進行有效的后處理是激光遙感系統(tǒng)最主要的組成部分。

　　盡管LIDAR技術(shù)在獲取地面點三維坐標(biāo)方面具有效率高、全覆蓋、三維測量等優(yōu)良的技術(shù)特性，但是其數(shù)據(jù)量的龐大、復(fù)雜、無規(guī)律等特點始終困擾著后期的數(shù)據(jù)處理。

　　2 規(guī)則格網(wǎng)重采樣生成數(shù)字表面模型（DSM）

　　在建立了規(guī)則地址格網(wǎng)檢索算法的基礎(chǔ)上，本文利用逐點內(nèi)插法中的距離加權(quán)平均法來生成數(shù)字表面模型（DSM），具體步驟如下：

　?。?）確定內(nèi)插點所在的格網(wǎng)單元。

　　由測區(qū)內(nèi)所有激光采樣點X、Y坐標(biāo)的最大、最小值可以得到測區(qū)的范圍，再依據(jù)采樣間隔就可以計算出DSM格網(wǎng)的大小。設(shè)x方向采樣間隔為，方向采樣間隔為，測區(qū)起點坐標(biāo)，則格網(wǎng)坐標(biāo)對應(yīng)的激光內(nèi)插點坐標(biāo)為：

　　（2）規(guī)則地址格網(wǎng)檢索鄰域內(nèi)的點。

　　利用距離加權(quán)平均法進行內(nèi)插計算，需要選取與插值點距離最近的若干個點來參加計算。最簡單的方法就是計算內(nèi)插點與周圍采樣點的距離，然后從中選出與內(nèi)插點距離最近的若干點。這種方法計算量大，影響到插值速度。為解決這一問題，可選用一定的鄰域搜索區(qū)域，根據(jù)距離加權(quán)平均法內(nèi)插數(shù)學(xué)模型對采樣點數(shù)量的要求，不斷調(diào)整搜索范圍，直到滿足要求為止，不應(yīng)該少于4個點。

　　在建立了規(guī)則地址格網(wǎng)的基礎(chǔ)上，就可以利用矩形檢索函數(shù)搜索鄰域正方形區(qū)域內(nèi)的采樣點，設(shè)所建立的規(guī)則地址格網(wǎng)的起點坐標(biāo)為，搜索半徑為，則矩形檢索函數(shù)的參數(shù)設(shè)置為：

　　設(shè)置了函數(shù)參數(shù)，就可以利用矩形檢索函數(shù)來搜索內(nèi)插點正方形鄰域內(nèi)的采樣點，若搜索的采樣點數(shù)量不滿足要求，則擴大搜索半徑，直到滿足要求為止。

　?。?）權(quán)值的計算。

　　由于地形的自相關(guān)性，較近的采樣點對內(nèi)插點的影響要大一些，因此常常用內(nèi)插點和采樣點之間的距離來刻畫采樣點對內(nèi)插點的貢獻程度，即距離越近，權(quán)值越大，反之越小。設(shè)當(dāng)前內(nèi)插點為，采樣點為，為內(nèi)插點與采樣點之間的距離，定義采樣點的權(quán)為：

　　稱為反距離權(quán)。式中指數(shù)，而且實驗證明，當(dāng)時，導(dǎo)致曲面在數(shù)據(jù)點附近相對比較平直，而在兩個數(shù)據(jù)點之間一個很小的區(qū)域內(nèi)有很大的梯度，當(dāng)時，導(dǎo)致曲面相對平緩，沒有起伏，當(dāng)時，不但容易計算，也比較符合實際地形變化規(guī)律，因此，實際應(yīng)用中常常取。

　　3 灰度量化生成DSM深度影像

　　為了直觀地表示出LIDAR數(shù)據(jù)的內(nèi)容信息，將由離散LIDAR點云數(shù)據(jù)規(guī)則格網(wǎng)重采樣生成的數(shù)字表面模型（DSM）按照高程進行灰度量化，得到同灰度圖像一樣的DSM深度影像。這就為后續(xù)的基于數(shù)字圖像處理技術(shù)的DSM深度影像處理做好了準(zhǔn)備。具體做法是：搜索DSM中所有的LIDAR數(shù)據(jù)點，得到高程最大值和最小值，對高程進行量化，得到每一點的像素灰度值；同時將DSM三維點坐標(biāo)中的X、Y坐標(biāo)轉(zhuǎn)化為DSM深度影像的二維橫、縱坐標(biāo)、，一個坐標(biāo)點對應(yīng)一個像素點，就生成了同DSM格網(wǎng)大小相同的DSM深度影像。

　　其中：

　　為灰度值，為DSM中LIDAR點的高程值。獲得了同灰度圖像一樣的DSM深度影像后，一般可以從視覺上直接判斷出地形的高低、形狀等，一般也可以判斷出建筑物、道路、水塘、溝渠、河流、橋等地物要素。與灰度圖像相比，由航空LIDAR點云數(shù)據(jù)生成的城市地區(qū)DSM深度影像有其獨特的特點。表現(xiàn)在：

　?。?）影像的灰度值和DSM中LIDAR數(shù)據(jù)的高程值成線性關(guān)系，高程值越高對應(yīng)的像素灰度值就越高，反之，則越低。

　?。?）在平坦城區(qū)，影像上地面部分的灰度值變化不大，且像素的灰度值低于建筑物部分。

　　（3）由于LIDAR光束在較高建筑物邊緣常和墻面相切，導(dǎo)致建筑物邊緣數(shù)據(jù)不準(zhǔn)確，因此在灰度影像上建筑物邊緣常呈鋸齒狀。

　　DSM深度影像其獨特的特點為引入數(shù)字圖像處理的方法提取建筑物奠定了基礎(chǔ)。

猜你喜歡：