機載激光雷達數據濾波和人工編輯

王麗英

（遼寧工程技術大學 測繪與地理科學學院，遼寧 阜新 123000）

高精度的數字地面模型（DTM）是獲取基礎地理信息數據、進行建筑物重建、道路提取、植被分析的重要數據源，但高精度的DTM生成一直是一項十分復雜和耗時的工作，機載LiDAR系統的主要任務之一就是解決如何得到高質量的DTM的問題。在機載LiDAR點云數據的處理中，研究人員已經開發了大量的濾波算法，但是在處理復雜場景點云數據時這些算法存在一定的困難，導致人工濾波需要占據整個數據處理時間的60%～80%［1］。

機載LiDAR系統獲取的原始點云包含粗差、地面點、地物點［2］。從激光腳點數據中提取出數字地面高程模型（DTM/DEM），也就是從激光點云中分離出地形表面的激光腳點數據子集，就是所謂的激光雷達數據的濾波。其基本原理是，通常認為鄰近激光腳點間的高程突變（即局部不連續），不是由于地形自然的陡然起伏所造成的，而更可能是由于高于地表的地物突然出現形成的［3］。圍繞這一濾波的基本原理，國內外的眾多學者開展了深入的研究，提出了多種濾波的算法：基于坡度的濾波算法［4－6］、基于表面的濾波算法［7－10］、基于分割的濾波算法［11］。

本文針對機載LiDAR數據濾波和濾波后人工編輯展開研究。首先利用商業軟件完成機載Li－DAR數據濾波，由于任何一種濾波算法，都有一定的局限性，從實際應用的角度來說，人工編輯仍然起著重要的作用，因此，研究重點圍繞濾波后的人工編輯展開，旨在探求工程應用中高效、快速、準確的DTM獲取途徑，為工程實踐提供技術支持。

1 數據濾波和人工編輯

1.1 數據濾波

本文實驗中選用TerraSolid軟件進行數據濾波，其是由Axelsson［10］提出的一種基于不規則三角網（TIN）的濾波算法，濾波原理是：首先選取測區內一些低點作為種子點構建初始不規則三角網。然后，依據一定的準則判別各點，如果待定點到最近三角面片的距離以及待定點與最近三角形頂點的連線與該三角面片的夾角均小于所設定的閾值，將該待定點加密到初始三角網中。通過三角形迭代加密進行，直到沒有新的點加入三角網時運算結束。這種方法的關鍵是閾值的選取，使用不同的閾值會產生不同的濾波結果。

1.2 濾波后人工編輯

目前，機載LiDAR點云數據濾波算法還存在一些難點（見圖1）：①陡坡上的地物的剔除。由于地形的起伏，從高程值上很難區分地表和地物。②地形不連續情況的地物剔除。如陡坎、斷層等，在一些依靠地物與地表高程的不連續性來進行濾波的方法中，地面點被當作地物點剔除掉，造成地形的損失。③復雜地物的剔除。如大型建筑物，如果其大小超過了濾波時使用的窗口的大小則不會被剔除，可能繼續被保留或部分保留在場景內；一些小型地物，如低矮的墻體、具有不規則屋頂的建筑物等也是濾波的難點。④橫跨河流或公路的人工橋的剔除。由于橋梁依附于地面，給濾波造成一定的難度。

圖1 濾波算法難點

由于地形的復雜性，沒有任何一種濾波算法能夠應用于所有的地形，現有的濾波算法還存在一些問題，都有一定的局限性。從實際應用的角度來說，人工編輯仍然起著重要的作用。對于上述地形，應融合影像數據、地面已知GIS數據，采用三維立體圖、暈渲圖等人工交互編輯手段，充分利用各自的優勢，取得滿意的效果。

2 基于TerraSolid的數據濾波及人工編輯

2.1 實驗數據

本文所用實驗數據由Terrasolid公司2010年1月在北京舉辦技術培訓會第一單元所用的培訓數據（Niagara），原數據共5條航帶，實驗選用其中8條航帶，點云個數約為14 000 000，平均點密度為350 000點/km2，航向點間距0.47m，旁向點間距0.71m。

2.2 濾波實驗

2.2.1 軟件調用及系統設置

TerraSolid軟件是基于MicroStation平臺的，需要在MicroStation軟件中調入MDL應用程序后才能使用。在MDL應用程序中加載TScan、TPhoto模塊。

利用定義分類工具、根據數據后處理的需求設定不同的圖層（對應不同類別點云），并設置該層描述語、編號、顏色等信息。

利用TScan設置工具預先設置測區投影信息，從而完成數據設置。

2.2.2 處理噪聲點

1）提取噪聲點。主要是提取空中的像云和鳥等噪聲點，這些點明顯高于周圍點的平均高程，但是其中很有可能把空中的電力線、通信線等也提取出來，所以，提取噪聲點后要檢查分類是否準確。其原理是若中心點高于周圍點的平均高程限差，則該點確定為噪聲點，如圖2所示。

2）提取低點。提取因為多路徑反射而產生的比實際點位低的錯誤點，其原理是給定一個點作為中心點，指定范圍的點與其進行高程比較，若明顯低于指定范圍內的點，那么這個點被確定為低點，如圖2所示。

2.2.3 濾波獲取地面點

利用分類地面點工具對點云進行濾波，原理如1.1節，其設置見圖3左圖。

其中，Max building size參數需通過量取點云數據中的最大建筑物邊長獲取。

Terrain angle參數是地面地形最陡峭的斜坡坡度的允許范圍。Iteration angle參數是一個點和三角形的最近頂點的連線與這個三角形所構成平面的最大夾角值，通常在4°和10°，其值越小，代表地形起伏的變化越小。在平坦地區使用小值（接近4°），在山地使用較大值（接近10°）。通常情況下，Iteration angle參數使用較小的值比使用太大的值好，因為添加點到地表類比刪除點容易的多。Iteration distance參數確保當三角形很大時，重復向上構建三角形沒有大的跳躍，這有助于把低矮建筑物排除在模型之外。在重復構建三角形過程中，點與三角形最大距離，通常取值范圍0.5～1.5m。

Reduce iteration angle when選項：當所加的點構成的三角形的每一條邊比“Edge angle when Stop triangulation when length”短時，阻止向三角形內部加點。有助于減少添加不必要的點而不使地表模型點密度變大，進而增加內存的需求量。如果選中，當每條邊長度都小于“Edge length”就退出處理這個三角形。這樣有助于減少添加不必要的點而不使地表模型點密度變大，進而增加內存的需求量。

濾波結果如圖3右圖，其中黃色的為地面點云。

2.3 人工編輯

2.3.1 暈渲編輯

暈渲編輯是人工編輯消除粗差點的一種方式，其原理是根據最低高程和最高高程之間的高差制作分層設色圖，顏色突變的地方即可能是高程突兀的地方，便于肉眼觀測以進行編輯?？衫肨Mod－eler模塊的display shaded surface制作暈渲圖。如圖4所示，對于存在問題點云可利用classify using brush，將這些數據從地面點移動到其它相應類別中（此處為低地點類）。

圖4 暈渲編輯示意圖

2.3.2 輔助影像進行點云編輯

輔助彩色RGB影像進行LiDAR數據的點云編輯也是一種有效的編輯方式。彩色影像具有豐富的光譜和紋理信息，由于LiDAR系統集成的數碼相機可用于獲取影像，因此，可以從中很容易判讀出地物的種類，其適用于排查建筑物頂部的粗差點及水域中的點云。

利用TPtoto軟件的Manage Raster References工具，加載與點云數據對應的影像數據，并在兩個窗口中同步顯示，當鼠標光標在點云窗口任一地方移動時，位于影像窗口的光標也隨之在對應的同一位置移動。如圖5所示，可很容易判斷出建筑物頂部的4個非地面點。

圖5 建筑物輔助影像編輯

對于水域中的點錯誤的歸類到地面點處理方式也較簡單：基于影像判斷水域的范圍，并用多邊形圈定其范圍，然后把多邊形中所有的點都歸類到水域類中（見圖6）。

圖6 水域輔助影像編輯

2.3.3 結合影像、暈渲圖的人工編輯

此種編輯方式綜合了以上兩種方法，可更有效、直觀、準確地進行粗差點剔除。如圖7所示，左上角為暈渲圖、右上角為影像圖、坐下角為剖面圖，可很容易判斷出點云中的濾波錯誤。

圖7 結合影像、暈渲圖的人工編輯

利用以上3種方法，逐一對有問題點云進行人工編輯。因為軟件的智能性還不夠，人工編輯很大程度上依賴于操作人員的經驗與技術水平，工作效率也比較低。因此，對數據濾波算法的研究還應當提高算法適應性和減少濾波誤差。

3 結束語

盡管LiDAR測量技術在國外已相當成熟，絕大部分屬于硬件和系統集成方面的許多關鍵問題已得到解決，然而LiDAR測量數據處理的算法仍然處于前期研究發展階段，還有許多問題沒得到解決。其中最關鍵的問題是如何消除系統誤差對三維激光腳點坐標的影響以及LiDAR數據的濾波和分類。資料表明，在許多情況下，如果不融合其它數據源（如影像數據、多光譜數據等），而單獨利用LiDAR測量數據進行地物的分類和識別等自動化、智能化的處理具有很大難度。

由于單純的激光點數據缺乏光譜數據，具有一定的盲目性，加之自然界復雜的地形決定了不可能

有一個濾波算法適應所有的地形。在地形狀況較好的地區，例如地形連續、坡度變化較緩的區域，在使用自動濾波算法剔除大部分非地面點之后，最后仍然殘留極少部分未被濾掉的點，這部分點要通過人工編輯的方式剔除。本文研究自動濾波實現及融合其它數據源（如影像數據、暈渲數據等）的濾波后人工編輯。旨在探求工程應用中高效、快速、準確的DTM獲取途徑，為工程實踐提供技術支持。

［1］Sithole G，Vosselman G.Experimental comparison of filtering algorithms for bare－earth extraction from airborne laser scanning point clouds［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2004，59（1－2）：85－101.

［2］王明華，張小紅，曾濤，等.機載LiDAR數據濾波預處理方法研究［J］.武漢大學學報：信息科學版，2010，35（2）：224－227.

［3］魏蔚.針對LIDAR點云中的地面點與非地面點的分離［J］.西安工程大學學報，2010，24（3）：310－314.

［4］Vosselman G.Slope based filtering of laser altimetry data［J］.International Archives of Photogrammetry and Remote Sensing，Amsterdam.2000，33（B3）：935－942.

［5］楊洋，張永生，鄒曉亮，等.一種改進的基于坡度變化機載激光雷達點云濾波方法［J］.測繪科學，2008，25（3）：12－13.

［6］梁欣廉，張繼賢，李海濤.一種應用于城市區域的自適應形態學濾波方法［J］.遙感學報，2007，11（2）：276－281.

［7］Axelsson P.DEM Generation from Laser Scanner Data Using Adaptive TIN Models［J］.International Archives of Photogrammetry and Remote Sensing.2000，33（B4）：110－117.

［8］Kraus K，Pfeifer N.Advanced DTM generation from LIDAR data［J］.International Archives of Photogrammetry and Remote Sensing，2001，XXXIV（3/W4）：23－30.

［9］劉經南，許曉東，張小紅，等.機載激光掃描測高數據分層迭代選權濾波方法及其質量評價［J］.武漢大學學報：信息科學版，2008，33（6）：551－555.

［10］王刃，徐青，朱新慧，等.用分層穩健線性估計法從機載LIDAR數據中獲取DEM［J］.測繪科學技術學報，2008，25（3）：188－191.

［11］成曉倩，馬洪超，趙洪強，等.一種基于區域增長的機載LIDAR濾波［J］.測繪科學，2010，35（1）：61－63.