李武奇　袁　磊

(1.湖北文理學(xué)院數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院　襄陽(yáng)　441053)(2.中國(guó)地質(zhì)大學(xué)(武漢)計(jì)算機(jī)學(xué)院　武漢　430074)

?

基于機(jī)載LiDAR點(diǎn)云的道路點(diǎn)濾波提取方法研究*

李武奇1,2袁磊1

(1.湖北文理學(xué)院數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院襄陽(yáng)441053)(2.中國(guó)地質(zhì)大學(xué)(武漢)計(jì)算機(jī)學(xué)院武漢430074)

摘要提取出道路地面點(diǎn)對(duì)于從機(jī)載LiDAR數(shù)據(jù)中提取地物有重要意義,論文提出了一種濾波方法提取道路地面點(diǎn)。首先,通過(guò)LiDAR數(shù)據(jù)中的道路特征的高程值進(jìn)行區(qū)域分割,保存粗略數(shù)據(jù);然后再根據(jù)LiDAR數(shù)據(jù)中的反射強(qiáng)度進(jìn)行第二次濾波,超出反射強(qiáng)度某閾值的點(diǎn)劃分為非地面點(diǎn),剔除此部分點(diǎn);第三次對(duì)已提取出的點(diǎn)進(jìn)行分析,根據(jù)道路點(diǎn)密集的特征剔除周圍反射強(qiáng)度符合閾值但形狀稀疏的孤立點(diǎn)。實(shí)驗(yàn)結(jié)果表明該算法對(duì)地面點(diǎn)的提取效果較好,具有一定的實(shí)用性。

關(guān)鍵詞LiDAR數(shù)據(jù); 濾波; 高程值; 反射強(qiáng)度; 剔除

Class NumberP23

1　引言

激光LiDAR點(diǎn)云數(shù)據(jù)的濾波過(guò)程主要是基于若干相關(guān)信息構(gòu)建判別規(guī)則(也稱作假設(shè)條件),然后根據(jù)這些判斷規(guī)則,從LiDAR點(diǎn)云數(shù)據(jù)中判斷出地物點(diǎn)、非地物點(diǎn),并將非地物點(diǎn)濾除,獲得地面點(diǎn)[1]。目前,從原始數(shù)據(jù)當(dāng)中提取出地面點(diǎn)的算法已經(jīng)很多,其中一些算法在ISPRS的報(bào)告中也進(jìn)行了描述和比較。在2000年Vossleman提出的連續(xù)地面中基于坡度的算法[2],該算法基本思想是:地面引起的坡度變化小于地物的坡度變化;對(duì)于一個(gè)LiDAR數(shù)據(jù)地面點(diǎn)來(lái)說(shuō),它和地物點(diǎn)之間形成的坡度大于其與周圍地面點(diǎn)形成的坡度值;殷國(guó)偉等在2010年在Vossleman的基礎(chǔ)上提出改進(jìn),首先根據(jù)激光的回波次數(shù)和反射強(qiáng)度信息進(jìn)行濾波,經(jīng)過(guò)初步濾波之后根據(jù)角度限制法則和窗口移動(dòng)法進(jìn)行地面點(diǎn)提取工作,并使用不同地形特征的數(shù)據(jù)進(jìn)行了試驗(yàn)[3]。2009年,PoonamS.Tiwari[4]等結(jié)合了IKONOS遙感數(shù)據(jù)和三維激光LiDAR數(shù)據(jù)實(shí)現(xiàn)道路的自動(dòng)化提取。2009年,張皓[5]等提出了虛擬格網(wǎng)的概念,將虛擬格網(wǎng)與坡度濾波算法結(jié)合,進(jìn)行激光LiDAR數(shù)據(jù)的濾波,該方法避免了點(diǎn)云數(shù)據(jù)內(nèi)插或平滑過(guò)程中造成信息的損失。同年,蘇偉[6]等對(duì)移動(dòng)窗口濾波法進(jìn)行改進(jìn),提出了一種基于多級(jí)移動(dòng)曲面的擬合濾波法。另外還有漸進(jìn)三角網(wǎng)濾波法,例如Axelsson提出的基于漸進(jìn)三角網(wǎng)(TIN)的加密濾波算法[7]。此后,2009年,李夲[8]等將漸進(jìn)三角網(wǎng)法與區(qū)域增長(zhǎng)法融合,提高了濾波精度;何正斌提出了一種對(duì)非地面點(diǎn)剔除算法[9],該算法將點(diǎn)云數(shù)據(jù)中的地面數(shù)據(jù)和非地面數(shù)據(jù)分離。2010年,黃燕[10]等對(duì)TIN網(wǎng)的種子點(diǎn)選擇進(jìn)行了改進(jìn),提出一種最小殘差法和移動(dòng)窗口法相結(jié)合的選點(diǎn)方式。2011年,曾靜靜[11]等提出了一種基于LiDAR回波信息提取道路的方法。針對(duì)以上算法的局限性和適用范圍限制,本文提出一種結(jié)合點(diǎn)云高程強(qiáng)度濾波的提取方法來(lái)提取路面點(diǎn),最后根據(jù)道路的特征進(jìn)行分析剔除部分噪點(diǎn),可以達(dá)到良好的效果。

2　濾波算法描述

2.1數(shù)據(jù)可視化

LiDAR數(shù)據(jù)原始格式為.las格式,但本文實(shí)驗(yàn)數(shù)據(jù)把格式轉(zhuǎn)換為.txt格式,其中字段共由以下七個(gè)字段構(gòu)成,其分別代表意義如表1所示。

表1　LiDAR數(shù)據(jù)字段示例

本文LiDAR數(shù)據(jù)可視化主要有以下幾個(gè)步驟:

1) 讀取遍歷LiDAR數(shù)據(jù)得到各字段最大值最小值Xmax、Xmin、Ymax、Ymin、Zmax、Zmin、Imax、Imin、Rmax、Rmin、Gmax、Gmin、Bmax、Bmin。

2) 將空間坐標(biāo)數(shù)據(jù)歸一化,首先按照式(1)將X、Y、Z歸一到-1～1(OpenGL繪圖坐標(biāo)范圍)之間,其中XN為原始數(shù)據(jù),Xn為處理后的數(shù)據(jù):

(1)

3) 將RGB數(shù)據(jù)歸一化,同樣按照式(2)將R、G、B歸一到0～255(標(biāo)準(zhǔn)RGB)之間,RN為原始數(shù)據(jù),Rn為處理后的數(shù)據(jù):

(2)

4) 利用OpenGL繪圖顯示LiDAR數(shù)據(jù)。

2.2濾波提取算法

濾波算法第一步通過(guò)LiDAR數(shù)據(jù)中的高程值進(jìn)行初步篩選;然后再根據(jù)LiDAR數(shù)據(jù)中的反射強(qiáng)度進(jìn)行第二次濾波篩選出反射強(qiáng)度符合閾值的點(diǎn)劃分地面點(diǎn);第三次對(duì)已提取出的點(diǎn)進(jìn)行距離分析,剔除孤立點(diǎn)。算法主要流程圖如圖1所示。

圖1　算法主要流程圖

1) 通過(guò)直觀觀察出粗略的路面極低點(diǎn)和路面極高點(diǎn)的高程值,分別記為L(zhǎng)imitZmin(zmi)和LimitZmax(zma),將此范圍之外高程值的點(diǎn)認(rèn)為是非地面點(diǎn),剔除;否則認(rèn)為是地面點(diǎn)。Points為原始數(shù)據(jù),PointOne(po)為提取后的點(diǎn),濾波分類公式為

(3)

2) 計(jì)算出PointOne中所有點(diǎn)的反射強(qiáng)度最小值和最大值,分別記為L(zhǎng)imitImin(imi)和LimitImax(ima)。將某強(qiáng)度閾值范圍之外的的點(diǎn)認(rèn)為是非地面點(diǎn),剔除;否則認(rèn)為是地面點(diǎn),PointTwo(pt)為提取后的點(diǎn),其中a,b為強(qiáng)度系數(shù),實(shí)驗(yàn)室取值分別為0.5,0.8。濾波分類公式為

(4)

圖2　提取后的PointTwo點(diǎn)示例

3)通過(guò)前面兩次濾波提取出的點(diǎn)已經(jīng)絕大部分屬于地面點(diǎn),但仍然存在一些噪點(diǎn)影響結(jié)果,主要是一些高程和強(qiáng)度都符合閾值的孤立點(diǎn),如圖2所示。

根據(jù)道路密集的特性,可以做一些分析。首先計(jì)算出pt中相鄰最近點(diǎn)的平均距離記為AvgDis,然后遍歷pt中的點(diǎn)計(jì)算與它最近點(diǎn)的距離。當(dāng)它小于2*AvgDis,算入一個(gè)集合K1,以此類推有K1,K2,…,Kn共n個(gè)組合,其中點(diǎn)最多的集合為地面點(diǎn)。

3　實(shí)驗(yàn)與分析

將原始機(jī)載LiDAR數(shù)據(jù)顯示,如圖3所示,圖中有道路、路燈、路旁邊的山坡以及山上樹(shù)木等。

圖3　原始LiDAR數(shù)據(jù)顯示圖

經(jīng)過(guò)第一次濾波式(4)取高程后如圖4所示,顯示為PointOne中的數(shù)據(jù),從圖中4可以看出通過(guò)高程篩選之后基本得到了與路面高程閾值之間的點(diǎn)。

圖4　提取高程后顯示圖

經(jīng)過(guò)第二次濾波提取強(qiáng)度后如圖5所示,顯示為PointTwo中的數(shù)據(jù),從圖中5可以看到與道路點(diǎn)反射強(qiáng)度閾值不符合的點(diǎn)基本被剔除,出道路兩邊的石壁、樹(shù)木等。

圖5　提取強(qiáng)度后顯示圖

圖6　剔除噪點(diǎn)之后道路點(diǎn)顯示圖

對(duì)剩下的道路點(diǎn)進(jìn)行分析,如圖6所示,道路周圍有強(qiáng)度和高程符合道路點(diǎn)閾值的點(diǎn),但這些點(diǎn)形狀稀疏,是孤立的點(diǎn),而道路點(diǎn)密集,即保留集合點(diǎn)中數(shù)量最多的集合,即為地面點(diǎn)。

4　結(jié)語(yǔ)

本文首先介紹了機(jī)載LiDAR數(shù)據(jù)格式和對(duì)數(shù)據(jù)預(yù)處理的過(guò)程和方法,在傳統(tǒng)的點(diǎn)云濾波算法上結(jié)合道路點(diǎn)密集的特征對(duì)道路點(diǎn)進(jìn)行提取。提取道路點(diǎn)的過(guò)程中,首先根據(jù)LiDAR數(shù)據(jù)的高程和反射強(qiáng)度分別進(jìn)行兩次過(guò)濾,這也是傳統(tǒng)濾波方法具有的,進(jìn)而結(jié)合道路點(diǎn)云平整、密集的特點(diǎn)對(duì)濾波之后的點(diǎn)進(jìn)行聚類分析,剔除噪點(diǎn),保留最大類,刪除其它小類。該方法與傳統(tǒng)的激光點(diǎn)云濾波算法相比最顯著的特點(diǎn)是與被提取物特征相結(jié)合,提高了它的通用性,可以適應(yīng)不同的道路數(shù)據(jù)。提取出道路點(diǎn)之后,就可以計(jì)算道路平面方程和提取道路中線、邊線等其他地物。

參 考 文 獻(xiàn)

[1] 劉凱斯.機(jī)載激光LiDAR點(diǎn)云數(shù)據(jù)濾波和分類算法研究[D].北京:首都示范大學(xué),2014:3-29.

LIU Kaisi. Airborne laser LiDAR point cloud data filtering and classification algorithm[D]. Beijing: Capital Normal University,2014:3-29.

[2] George Vossleman. Slope based filtering of laser altimetry data[J]. International Archives of Photo- grammetry and Remote Sensing,2000,33(3):935-942.

[3] 殷國(guó)偉,張漢德,范學(xué)瑋.機(jī)載三維激光成像系統(tǒng)點(diǎn)云數(shù)據(jù)濾波與地面點(diǎn)提取算法研究[D].青島:中國(guó)海洋大學(xué),2010:7-16.

YIN Guowei, ZHANG Hande, FAN Xuewei. Airborne 3D laser imaging system point cloud data filtering and ground point extraction algorithm[D]. Qingdao: Ocean University of China,2010:7-16.

[4] Poonam S. Tiwari, H. Pande, et al. Automatic urban road extraction using airborne laser scanning/altimetry and high resolution satellite data[J]. Journal of the Indian Society of Remote Sensing,2009,37(2):223-231.

[5] 張皓.機(jī)載LiDAR數(shù)據(jù)濾波及建筑物提取技術(shù)研究[D].鄭州:信息工程大學(xué),2009:2-18.

ZHANG Hao. Airborne LiDAR data filtering and building extraction[D]. Zhengzhou: The PLA Information Engineering University,2009:2-18.

[6] 蘇偉,孫中平,趙冬玲.多級(jí)移動(dòng)曲面擬合LiDAR濾波算法[J].遙感學(xué)報(bào),2009,13(5):833-839.

SU Wei, SUN Zhongping, ZHAO Dongling. LiDAR filtering algorithm for multi-level mobile surface fitting[J]. Journal of Remote Sensing,2009,13(5):833-839.

[7] 賴旭東.機(jī)載激光雷達(dá)基礎(chǔ)原理與應(yīng)用[M].北京:電子工業(yè)出版社,2010:3-180.

LAI Xudong. Basic principle and application of airborne LiDAR[M]. Beijing: Publishing House of Electronics Industry,2010:3-180.

[8] 李卒,李德仁,黃先鋒.一種漸進(jìn)加密三角LiDAR點(diǎn)云濾波的改進(jìn)算法[J].測(cè)繪科學(xué),2010,35(4):91-93.

LI Zu, LI Deren, HUANG Xianfeng. An improved algorithm for LiDAR Point Cloud Filtering in progressive encryption[J]. Science of Surveying and Mapping,2010,35(4):91-93.

[9] 何正斌,田永瑞.機(jī)載三維激光掃描點(diǎn)云非地面點(diǎn)剔除算法[J].地球動(dòng)力學(xué),2009,29(4):98-101.

HE Zhengbin, TIAN Yongrui. Non ground point removal algorithm for airborne 3D laser scanning point cloud[J]. Journal of Geodesy and Geodynamics,2009,29(4):98-101.

[10] 黃燕,劉君城.一種改進(jìn)的LiDAR數(shù)據(jù)過(guò)濾方法[J].測(cè)繪科學(xué),2009,34(3):39-41.

HUANG Yan, LIU Juncheng. An improved LiDAR data filtering method[J]. Science of Surveying and Mapping,2009,34(3):39-41.

[11] 曾靜靜,盧秀山,王健,等.基于LiDAR回波信息的道路提取[J].測(cè)繪科學(xué),2011,36(2):142-143.

ZENG Jingjing, LU Xiushan, WANG Jian, et al. Road Extraction Based on LiDAR echo information[J]. Science of Surveying and Mapping,2011,36(2):142-143.

收稿日期:2015年10月10日,修回日期:2015年11月24日

基金項(xiàng)目:國(guó)家自然科學(xué)基金項(xiàng)目:路網(wǎng)流量狀態(tài)識(shí)別與均衡研究(編號(hào):61272296)資助。

作者簡(jiǎn)介:李武奇,男,碩士研究生,研究方向:智能計(jì)算、遙感測(cè)繪。袁磊,男,博士研究生,教授,碩士生導(dǎo)師,研究方向:數(shù)據(jù)庫(kù)技術(shù)與信息系統(tǒng)、多媒體技術(shù)應(yīng)用與開(kāi)發(fā)。

中圖分類號(hào)P23

DOI:10.3969/j.issn.1672-9722.2016.04.025

Filtering and Extracting Road Points Based on Airborne LiDAR Data

LI Wuqi1,2YUAN Lei1

(1. Institute of Mathematics and Computing, Hubei University of Arts and Science, Xiangyang441053)(2. School of Computer Science, China University of Geosciences, Wuhan430074)

AbstractIt is important to extract the road points from the Airborne LiDAR data for feature extraction, a filtering method is presented to extract the road points. First of all, through the elevation of LiDAR data in the feature of road value for the filter, the filtered rough data is saved and then the second filter is carried out according to the LiDAR data in the reflection intensity, beyond the reflection intensity of some threshold points are divided into non road points, excluding the part. The extracted points are analyzed at third time, according to the feature of road value, the points with sparse shape should be filtered but their intensity are congruous. Experiment shows it has good effect on the extraction of road points and it is practical.

Key WordsLiDAR data, filtering, elevation, intensity, excluding