崔珍珍， 孟 蕾， 周碧蓮

(廣東省國土資源技術中心，廣東 廣州 510075)

1 引言

粵西地區(qū)人口密度稀疏，山脈、水庫、水田豐富，存在大片樹林等多層次且高密度植被覆蓋區(qū)域，給現(xiàn)有的地形測繪方法帶來嚴峻挑戰(zhàn)。采用GPS等常規(guī)地面測量方法，存在難以到達、施測困難、電子信號屏蔽等問題。近幾年，隨著機載激光雷達硬件系統(tǒng)的快速發(fā)展，其產(chǎn)生的點云數(shù)據(jù)也變得更加精確且數(shù)據(jù)海量，成為生產(chǎn)DEM很好的數(shù)據(jù)源。LIDAR系統(tǒng)采集的三維點云數(shù)據(jù)中存在大量的非地面反射點，因此無法直接獲取測區(qū)高精度數(shù)字高程模型，所以需要通過濾波解決這個問題。根據(jù)濾波的發(fā)展方向，主流濾波算法分為三類：一是基于三維空間信息的方法，如自適應三角網(wǎng)法(ATIN)、多尺度曲率法(MCC)、數(shù)學漸進形態(tài)法(PM)、坡度分析法等；二是基于回波強度的分類方法；三是基于點云與影像融合的方法。在機載激光雷達點云數(shù)據(jù)的處理研究中，研究人員已經(jīng)開發(fā)了許多濾波算法，但是在對場景比較復雜的點云數(shù)據(jù)處理時，這些濾波算法依然存在一些不足，這時需要人工干預進行手動濾波。在進行實際生產(chǎn)時，需要根據(jù)測區(qū)實際情況，找到一種效果較好的濾波方法。本文在對多測區(qū)山地地形地貌進行分析測試的基礎上，提出一種多組合重迭代地面點云濾波算法，即融合形態(tài)學與自適應三角網(wǎng)濾波并結合山脈山谷山脊進行分塊快速擬合濾波方法。

2 點云數(shù)據(jù)處理流程

DEM生產(chǎn)制作方法依賴于采用的數(shù)據(jù)源，以機載LIDAR點云數(shù)據(jù)為例，生產(chǎn)流程見圖1。

圖1 點云生產(chǎn)DEM流程圖

3 試驗結果分析

3.1 實驗數(shù)據(jù)

采取的數(shù)據(jù)為粵西地區(qū)38帶從化市某地區(qū)數(shù)據(jù)，測試數(shù)據(jù)面積為450 m×390 m，單次回波703 184次，多次回波首次395 354次，多次回波末次395 221次。測區(qū)最小Z值220.750 m，最大為343.530 m。參考影像為國家第三次土地調(diào)查獲取的分辨率為1 m的高光譜遙感影像。影像顯示此測區(qū)由高密度林木遮擋，且山勢陡、山溝密度較大(見圖2)。

圖2 部分測區(qū)遙感影像示意圖

3.2 濾波方法

(1)漸進三角網(wǎng)濾波方法。國內(nèi)常用MicroStation平臺上開發(fā)的Terrasolid軟件進行濾波，其算法為Axelsson于2000年提出的一種基于不規(guī)則三角網(wǎng)(TIN)的漸進加密，該方法先通過格網(wǎng)方式將測區(qū)的點云分塊，然后選取每個格網(wǎng)中的最低點作為初始種子點，組成一個大的稀疏的TIN，再按照一定的距離和角度閾值判斷其他的點，逐步加密得到一個最終的三角網(wǎng)模型。這種算法的適用性取決于參數(shù)的設置是否符合地形特點，而合適的參數(shù)配置耗時較多，此算法對曲面不連續(xù)性的檢測較敏感，適用于城市區(qū)域的濾波。而對于本測區(qū)高密度山脈和高覆蓋度植被山體場景，在實際作業(yè)中往往需要花費大量時間進行參數(shù)調(diào)試。

(2)基于形態(tài)學濾波方法。這種濾波方法首先通過分析窗口內(nèi)水平分布的記錄點，將其設為初始地面，設置一個閾值，并將所有與該地面在某一距離范圍內(nèi)的點都作為地面點，然后采用自回歸過程檢驗運算結果，這種方法很容易擴展成二維離散數(shù)據(jù)。

(3)本文采用的優(yōu)化濾波方法。本文使用TerraSolid濾波軟件，地形形態(tài)學法與漸進三角網(wǎng)法相結合的局部濾波算法模塊工具進行數(shù)據(jù)快速精分，對山谷、山脊、建筑區(qū)分類別進行數(shù)據(jù)重濾波操作，實現(xiàn)山體結構快速TIN重建。結合作圖經(jīng)驗，總結出一套適用于粵西高密度山脈復雜場景的處理流程，見圖3。

圖3 本文濾波方法生產(chǎn)DEM流程圖

本文采用融合形態(tài)學自適應分塊擬合的方法進行數(shù)據(jù)粗濾波，再結合地形特點開發(fā)出針對山谷和山脊兩種地形的局部地形恢復工具。山谷和山脊一般呈現(xiàn)倒銳角三角形和正銳角三角形特征，首先將山谷山脊的區(qū)域標記出來，在選定山谷山脊地形范圍內(nèi)可以快速找到局部最低點，設為臨時地面點，再與已定坡面點構造出銳角三角形，再在圈定距離與坡度范圍內(nèi)采用隨機適應匹配原則，匹配出鄰域地面點，逐步匹配直到區(qū)域內(nèi)所有點都被搜尋到。

3.3 數(shù)據(jù)驗證

(1)濾波三角網(wǎng)效果對比。取粵西某部分數(shù)據(jù)，采用三種不同算法進行濾波，構造Delaunay三角網(wǎng)，三者濾波后地形渲染效果對比如圖4。

圖4 三者濾波后地形渲染效果對比圖

從上圖中可以明顯看出，基于形態(tài)學的濾波方法比單獨使用自適應三角網(wǎng)法得到的山地地形好，具體表現(xiàn)為：在可以保持山形情況下，去除了較多噪點云集。多組合重迭代的濾波方法對于自然地形的恢復效果最佳，且濾波得到的地面點云密度也明顯比前兩個算法要大。

(2)DEM成果精度分析評價。DEM的高程誤差來源于三個方面：點云數(shù)據(jù)本身的高程(大地高)誤差；高程系統(tǒng)轉換的誤差，即似大地水準面精化誤差；插值對DEM高程精度的影響。點云高程誤差主要通過外業(yè)打點來計算獲取。將擬合后的DEM與RTK外業(yè)實地采集點高程數(shù)據(jù)進行精度檢測，分別計算三種數(shù)據(jù)的高差中誤差。經(jīng)計算，三種濾波方法得到的DEM與RTK采集點比較得到的Z值均方根誤差見表1。

表1 三種濾波方法得到的DEM與RTK精度比較

4 結論

(1)提出了融合形態(tài)學自適應分塊擬合迭代濾波算法，成功解決了粵西部分山區(qū)高密度植被與山脈密集場景地形中植被點云智能化剝離難題，為高精度內(nèi)業(yè)生產(chǎn)提供良好的濾波基礎數(shù)據(jù)，減少內(nèi)業(yè)作業(yè)時間，從而減少因作業(yè)員專業(yè)素質(zhì)導致的錯分漏分。

(2)不同算法最佳適用的地形不同，研究顯示，針對不同地形特點，采用針對性的濾波算法，可以有效分離出地面和非地面點。

(3)低空機載LIDAR技術應用于粵西植被高覆蓋、高遮擋、高密度山區(qū)地形測繪，具有高精度、高效率、高自動化等顯著優(yōu)勢，革新現(xiàn)有的測繪手段。