广东省地图院 广东广州 510000
摘要：机载LiDAR是获取地表DEM的重要技术之一。机载激光测距技术可高效、快速获取高空间分辨率的地表三维信息，广泛应用于地形测绘、城市建模等多个领域。原始机载LiDAR点云的数据结构是离散、不规则的，包括地面点和非地面点。高精度分离地面点与非地面点的过程即滤波处理，是制作DEM的关键技术。现有的机载LiDAR点云数据滤波方法，主要分为：坡度滤波法、移动窗口法、数学形态学法、渐进三角网（Triangulated Ir-regular Network,TIN）滤波法及其他滤波方法。本文针对机载LiDAR点云数据在自动化滤波过程中因建筑、植被底点剔除不完全导致DEM成果粗糙、等高线不平滑等问题，提出了一种精细化滤波方法。先对LiDAR点云数据进行滤波处理生成参照DEM，再利用同区域的正射影像辅助判别，选取需要滤波区域点云进行局部纠正；分别选取平坦区域和山地区域进行实验，并对精度验证和等高线成果进行了对比。实验结果表明，经过精细化滤波后的DEM和等高线成果在保证精度指标的前提下，成果质量明显提高。
关键词：机载LiDAR点云；数据精细化；滤波方法
引言
激光雷达数据滤波是获取高精度数字高程模型的重要手段和前提条件。为了实现对激光雷达数据的准确滤波，在分析部分经典算法特点的基础上，提出一种机载LiDAR点云数据的精细化滤波算法。
1点云处理流程
机载LiDAR获取的点云数据只有通过后续处理才能转化成产品。数据处理流程包括航带拼接、点云分幅、点云滤波、精细化滤波、DEM和等高线生成等，如图1所示。
图1 机载LiDAR数据处理流程图
1）航带拼接：大范围测区需要多条航带才能覆盖整个区域，多航带数据需要进行拼接处理，并去除重叠区域的冗余数据。
2）点云分幅：在实际数据处理中，由于点云数据量较大，受计算机内存、处理软件的限制，需要对原始数据进行分块，同时分配作业任务，提高工作效率。
3）点云滤波：将点云数据应用于DEM和等高线的生产中时，需要从点云数据中提取出地面点，滤除建筑、植被等非地面。
4）精细化滤波：针对滤波过程中因建筑、植被底点剔除不完全所造成的DEM、等高线成果质量不高等问题，对点云数据进行二次滤波，包含局部纠正和全局平滑两个步骤。
5）DEM和等高线生成：使用精细化滤波后的点云数据重新内插生成DEM和等高线产品。
图2 机载LiDAR数据滤波结果
1.1点云滤波
机载LiDAR点云数据滤波即从点云数据中提取地面点。本文使用了渐进加密三角网点云滤波法，以局部区域内最低点作为种子点建立初始的三角网，再依据点到三角形的距离和3个顶点的高度夹角来判断是否为地面点，滤除非地面点。滤波结果如图2所示，大部分房屋、植被等非地面点已被剔除。
1.2DEM的生成
完成对点云数据的滤波后即可插值生成DEM，实现的途径有很多，其中先构造TIN，再由TIN插值生成格网DEM能获取更高的精度。本文首先采用了逐点插入法对点云数据进行三角剖分，生成TIN；然后搜索格网点所在的三角形，由三角形的3个顶点高程内插计算得到格网点高程。由于滤波过程中建筑、植被等非地物底点剔除不完全，内插生成的DEM成果在房屋和植被密集的区域比较粗糙。
2点云精细化滤波
针对滤波过程中因建筑、植被底点剔除不完全所造成的DEM、等高线成果质量不高的问题，本文提出了一种点云精细化滤波方法，包括局部纠正和全局平滑两个部分。
局部纠正主要用于植被和房屋密集区域。这类区域由于遮挡严重，扫描获取的真实地面点较少，在进行渐进加密三角网滤波时，由于初始三角形较大导致大量非地面点无法滤除。对于这种情况，首先将点云滤波生成的DEM作为参照，人工选取问题较大区域，并通过正射影像确认该区域问题是否是因滤波不完全造成的。
区域选择完毕后，将所选区域划分为规则格网，格网边长为L（可根据实际需求设置，默认为20m）。每个格网内取最低点作为初始地面点，并内插得到格网点高程。对于每个激光点P，由式（1）计算得到该点投影到格网点的高程。
式中，X、Y为点P的水平坐标；Z00、Z10、Z01、Z11为4个格网点高程。
计算得到投影高程后，再根据式（2）对点P的高程进行纠正。
式中，Zr为点P纠正后高程；Zp为点P投影到格网曲面上的高程；λ为平滑因子。
全局平滑是在不影响点云精度的情况下，根据邻域点的高程对当前点高程进行微调，以达到全局平滑的效果。本文采用加权拉普拉斯（Laplacian）算法对点云数据进行平滑处理。Laplacian是常用的一种平滑方法，其基本原理是搜索点云数据中的每个坐标点最近的k个领域点，并利用这些领域点进行Laplacian平滑算子操作，具体公式为：
式中，L(zi)为加权平均高程；zi为当前点高程；ω为权重；zj为邻域点高程。
3实验与结果分析
本文采用VC++语言开发了机载LiDAR点云数据处理系统，实现了机载LiDAR点云数据滤波、构网、DEM生成和等高线提取等功能；并使用山西某区域机载LiDAR扫描数据作为实验数据进行了实验分析。实验数据面积为1km2，使用渐进加密三角网点云滤波法生成TIN；并内插得到格网分辨率为2m的DEM作为参照；再分别进行局部纠正和全局平滑实验。
3.1实验一
实验一选取一片庄稼地点云数据进行局部纠正，庄稼地地势一般较平坦，没有明显突出的点。这类地形中的植被点很难自动滤除，使用多边形选择工具选取庄稼地区域，并进行局部纠正操作优化非地面点高程值，实验结果如图3所示，大量植被点已被纠正到地面区域。
图3田块处理前后对比
3.2实验二
全局平滑主要是针对地形起伏较大的区域，山地处理要求坡度过渡平滑自然，保留山脊线、山谷线等特征线，去除造成坡度过渡不平滑的点以及明显突变点，实验二选取了一块山地区域进行了全局平滑处理，实验结果如图4所示。
图4 山地全局平滑前后对比
通过对比全局平滑处理前和处理后DEM成果提取的等高线可以看出，处理后的等高线成果更加平滑、美观，同时也符合实际地形图的要求，如图5所示。
图5滤波前后等高线对比图（红色为滤波前、蓝色为滤波后）
结语
相比于传统的大范围DEM数据获取方法，机载LiDAR在数据获取效率和高程平面精度上都有着无可比拟的优势，如何提高LiDAR数据处理效率和数据成果质量是目前LiDAR技术应用需要解决的问题。为了满足行业中对高质量DEM成果的需求，本文提出了一种精细化滤波方法。在机载LiDAR数据初次滤波的基础上，进行了局部纠正和全局平滑处理，提高了滤波后的点云数据质量，并进行了实验对比。实验结果表明，通过精细化滤波处理的机载LiDAR数据生产得到的DEM和等高线成果质量明显提高。
参考文献
[1]冯梅,钟斌.基于LiDAR点云自动生成等高线的方法研究[J].测绘与空间地理信息,2012(6):87-90,93.
[2]程纲,李志文,吴朝辉,等.机载LiDAR技术快速生成高精度DEM[J].地理空间信息,2013,11(6):44-46.
[3]于彩霞,董箭,李改肖,等.基于LiDAR点云的高精度DEM构建方法[J].地理空间信息,2015,13(3):22-24.
[4]陈弘奕,胡晓斌.海量点云数据等高线生成算法研究[J].测绘通报,2013(10):83-86.
论文作者:郭漫玲
论文发表刊物:《基层建设》2018年第27期
论文发表时间:2018/10/17
标签：等高线论文; 数据论文; 高程论文; 平滑论文; 面点论文; 区域论文; 植被论文; 《基层建设》2018年第27期论文;