房俊智

（泰安市城市建設(shè)設(shè)計院）

1 引言

隨著人工智能技術(shù)的迅猛發(fā)展和大數(shù)據(jù)技術(shù)的廣泛應(yīng)用，點云數(shù)據(jù)獲取和應(yīng)用技術(shù)也越來越受到人們的重視和青睞。傾斜攝影測量技術(shù)的發(fā)展為點云數(shù)據(jù)的精確獲取合理分類提供了有效的技術(shù)支持，可以利用面向?qū)ο蟮膬A斜攝影測量點云分類方法，獲得高密度和高精度的三維點云，為建筑物的三維建模以及智慧城市的構(gòu)建提供充足的數(shù)據(jù)，因此，針對面向?qū)ο蟮膬A斜測量點云分類方法進(jìn)行分析研究是十分必要的。

2 面向?qū)ο蟮膬A斜攝影測量點云分類方法概述

當(dāng)前針對激光點云的分類方法包括圖割算法、隨機(jī)森林分類方法、面向?qū)ο蠓椒ǖ?。通過綜合規(guī)劃高度法向量的分量以及顏色、紋理、長度等特征，將點云分成草地、地面、樹木和建筑物等相關(guān)類別的方式為圖割算法。隨機(jī)森林分類方法基于光譜的特征以及幾何特性和強(qiáng)度特征，將點云分成樹木、建筑物、草地和地面。近年來提出的基于規(guī)則的層次羽翼面向?qū)ο蠓诸惙椒ňC合光譜集合拓?fù)涮卣?，可以將傾斜攝影測量點云分類成為屋頂、草地、樹木、立面和道路五類，該方法閾值較高。面向?qū)ο蟮膬A斜攝影測量點云分類方法在計算效率內(nèi)部誤差估計、變量重復(fù)性以及對噪聲和異常值魯棒性等方面具有顯著優(yōu)勢，可以通過目標(biāo)幾何和顏色特征將點云分成四類[1]。

3 面向?qū)ο蟮膬A斜攝影測量點云分類方法

3.1 面向?qū)ο蟮膬A斜攝影測量點云分類框架

面向?qū)ο蟮膬A斜攝影測量點云分類框架主要包括數(shù)據(jù)預(yù)處理、隨機(jī)森林初次分類以及分類結(jié)果優(yōu)化三部分內(nèi)容。首先，需要做好數(shù)據(jù)的預(yù)處理工作，傾斜攝影測量點云具有高密度和三維彩色的特征，需要在保留原始數(shù)據(jù)內(nèi)容和特征的前提下對點云進(jìn)行采樣，利用布料模擬濾波算法進(jìn)行點云數(shù)據(jù)的濾波，該算法模擬了簡單的布料覆蓋物理過程，可以通過激光點的距離閾值將點云分為非地面點和地面點。選擇大約10%左右的點云作為訓(xùn)練集，傾斜攝影測量點云有相對真實的紋理信息，需要從光譜特征和幾何特征方面進(jìn)行傾斜攝影測量點云的分類。通過幾何特征和光譜特征的融合，能夠進(jìn)一步提升分類效果和質(zhì)量，采取的分類特征包括顏色模型特征、植被指數(shù)特征、高層系列特征以及協(xié)方差系列特征。其次，隨機(jī)森林是傾斜攝影測量點云分類框架的重要組成部分，信息熵越大說明信息的不確定性越高，信息的價值含量也越大。通過引入信息熵進(jìn)行信息不確定性的評價標(biāo)準(zhǔn)并將之與隨機(jī)森林結(jié)合，提出一種改進(jìn)的監(jiān)督分類方法，可以對原始訓(xùn)練集進(jìn)行抽樣進(jìn)行初始迭代，剩余數(shù)據(jù)作為迭代過程中數(shù)據(jù)源的更新，首次迭代即可以獲得初次分類結(jié)果。然后計算所有點云的二次熵值，在剩余的訓(xùn)練集中選取熵值比較大的點作為下次迭代的數(shù)據(jù)，避免所選取的訓(xùn)練集的冗余[2]。

3.2 點云數(shù)據(jù)的劃分原理

對于傾斜攝影獲得的大量密集的帶有三維坐標(biāo)的點云數(shù)據(jù)，如果直接對其處理效率較低，所耗費的時間非常長，而且有的點云數(shù)據(jù)位于地面，有的位于地面的植被或者建筑物等物體上。所以，必須要先做好非地面點和地面點的分離工作，然后進(jìn)行點云數(shù)據(jù)的處理。點云濾波技術(shù)原理基于點云數(shù)據(jù)相鄰兩個點之間，沒有任何過渡進(jìn)行點云數(shù)據(jù)的過濾，能夠直觀反映出建筑物邊界以及局部輪廓高層的不連續(xù)性。形態(tài)學(xué)濾波算法是一種經(jīng)典常見的濾波算法，借助處理柵格圖像的方法進(jìn)行點云數(shù)據(jù)的處理，在局部范圍內(nèi)可以設(shè)定一定大小的濾波窗口，剔除高于地面的點，不斷調(diào)整窗口大小然后迭代，直到逼近地面，從而能夠保留出地面的點，將不符合分析要求的數(shù)據(jù)點過濾和剔除掉。數(shù)學(xué)形態(tài)學(xué)算法簡單明了，有豐富的理論知識作為基礎(chǔ)，操作簡單，處理速度較快。但在實際使用的過程中，往往需要對原始點云數(shù)據(jù)進(jìn)行重采樣和插值，會造成一些細(xì)節(jié)信息的丟失，影響數(shù)據(jù)精度和準(zhǔn)確性。其次，數(shù)學(xué)形態(tài)學(xué)的高差預(yù)置條件是固定不變的，不變的條件往往會造成濾波效果不佳，局限性較大。移動曲面擬合濾波算法直接在原有點云數(shù)據(jù)的基礎(chǔ)之上進(jìn)行數(shù)據(jù)處理，利用簡單的二次曲面擬合小的曲面部分，當(dāng)擬合到很小的程度可以將之看作一個平面。通過測量范圍內(nèi)各個點的順序進(jìn)行數(shù)據(jù)記錄，并將之作為初始的地面點進(jìn)行擬合，從而可以得到點云的分類數(shù)據(jù)[3]。

3.3 面向傾斜攝影建筑三維建模

傾斜攝影模型可以使得規(guī)劃人員在空間上直接的實施分析以及判斷，借助上述提到的一些處理工具，可以實現(xiàn)建筑物測量、規(guī)劃地塊三維立體建模以及現(xiàn)場建筑物保留與分析等，這些在之前傳統(tǒng)的規(guī)劃手段當(dāng)中，是不可能做到的。利用傾斜攝影模型的設(shè)置，可以在模型上直接性的獲取各種各樣的數(shù)據(jù)，對其實施針對性的操作以及處理之后，可以使得規(guī)劃人員的工作效率得到大大的提高。規(guī)劃人員還可以和目標(biāo)相結(jié)合，在模型的基礎(chǔ)上完成方案的判斷，看其以及需求之間是否相一致。社會經(jīng)濟(jì)以及科學(xué)技術(shù)一直在持續(xù)的發(fā)展，當(dāng)前，在農(nóng)村不動產(chǎn)測繪當(dāng)中，傾斜攝影測量技術(shù)的運用變得非常的廣泛，在傾斜攝影測量技術(shù)的使用基礎(chǔ)上，可以完成地表狀況的全方位拍攝，進(jìn)而體現(xiàn)出其真實性，并且可以保障數(shù)據(jù)在獲取的過程當(dāng)中具備多元性。當(dāng)前在農(nóng)村地區(qū)的一些不動產(chǎn)測繪工作中，使用傾斜攝影測量技術(shù)可以使得不動產(chǎn)測繪工作的水平以及質(zhì)量得到大大的提高，這樣非常利于數(shù)據(jù)獲取的準(zhǔn)確性，還可以進(jìn)一步設(shè)置傾斜攝影測量技術(shù)的三維立體模型，這樣就會使得被測對象的信息變得更加的形象化以及具體化。

3.4 數(shù)據(jù)準(zhǔn)備

為了對本文方法進(jìn)行驗證，使用如圖1所示的2組數(shù)據(jù)實施實驗。該點云(如圖1a以及圖1d所示)均使用SWDC-5影像進(jìn)行生成，密度大致為20～30 pt/m2。圖1b以及圖1e分別屬于彩色點云對應(yīng)的具體原始影像，圖1c以及圖1f分別把點云在原始影像上進(jìn)行投影，進(jìn)而可以形成疊加的效果，從圖1c以及圖1f可以發(fā)現(xiàn)點云并沒有對原始影像進(jìn)行完全的覆蓋，因此把影像進(jìn)行分割，進(jìn)而成為一定的超像素時，那么實際需要分類的對象數(shù)量和該數(shù)值相比較就會小。本文的具體參考數(shù)據(jù)需要使用人工在原始影像上完成標(biāo)注，實施精度評定時，可以把分類之后的點云在原始影像上進(jìn)行投影，與參考數(shù)據(jù)實施對比之后，計算精度。

3.5 誤差分析

分類誤差主要包含：①參考數(shù)據(jù)當(dāng)中，可以把地面上的物體標(biāo)注為地面（比如：汽車），如圖2所示，因此會出現(xiàn)一些錯分的對象，如圖2a，汽車的車頂屬于綠色，那么會被分類為植被；②由于樣本選擇的不適當(dāng)以及陰影的存在會使得一些區(qū)域被錯誤的分類為植被，如圖2b所示。

圖1 SWDC-5影像生成的點云圖

圖2 錯分的對象圖

4 結(jié)語

綜上所述，加強(qiáng)面向?qū)ο蟮膬A斜攝影測量點云分類方法的探究對于三維數(shù)據(jù)的有效處理和科學(xué)應(yīng)用有著至關(guān)重要的作用，結(jié)合傾斜攝影測量技術(shù)的特征以及點云數(shù)據(jù)濾波技術(shù)的發(fā)展現(xiàn)狀，基于對象開展傾斜攝影測量點云分類方法，能夠進(jìn)一步優(yōu)化現(xiàn)有點云分類方法存在的問題和不足，提高點云數(shù)據(jù)分類的準(zhǔn)確性和科學(xué)性，加快點云劃分的速度，從而可以促進(jìn)點云數(shù)據(jù)的合理科學(xué)應(yīng)用。