影像匹配點云與機載激光點云的比較

馮 帥

（1.高要市國土資源局，廣東 高要 526100）

數字攝影測量技術是目前生產DEM的最主要手段之一[1]。許多學者對數字攝影測量中通過影像匹配自動獲取數字表面模型DSM進行研究，其中雙視立體影像匹配發展到多視影像同時匹配，影像相關匹配發展到高精度最小二乘匹配、特征匹配以及整體匹配等[2]。Baltsavias等提出一種從SPOT影像自動提取DTM的方法[3]，能夠提供密集、準確、可靠的影像匹配結果；Gabet等提出利用高冗余度的影像匹配方法自動生成城市地區DSM的思想[4]；江萬壽將基于雙視視差格網的核線影像整體松弛匹配推廣到基于高差平滑約束的多視影像整體松弛法匹配，并提出一種基于物方面元的單點多片最小二乘匹配算法，將整體概率松弛匹配算法應用于多視線段的優化，在建筑物幾何模型估計中起到了較好的效果[5]。隨著大量新傳感器和平臺的出現,新的 DEM獲取技術不斷涌現，如機載激光雷達技術（LiDAR）、干涉雷達技術（InSAR）等等。DEM生產中最重要的環節是影像匹配點云的處理。本文比較了利用數字攝影測量技術和機載激光雷達技術進行影像匹配點云處理的特點，并得出一些有益的結論。

1 影像匹配點云的特點

利用影像匹配來生成數字表面模型DSM是數字攝影測量的重要任務之一。隨著影像匹配算法的不斷發展，由影像匹配獲取的影像匹配點云的精度越來越高，數據量也越來越大。

影像匹配點云主要有以下幾個特點：

1）影像匹配點云數據在空間的分布形態表現為一系列離散分布的三維數據點云。由于影像匹配點云的數據主要是通過影像匹配來獲取同名點，匹配所得同名點的位置是離散的，因此獲取的影像匹配點云中的數據分布也是離散的。不過，由于匹配點的唯一性，在一個坐標上只可能存在一個同名點。這種離散的點云分布形態對于通過影像匹配點云數據形成表面紋理有很大幫助[6]。

2）影像匹配點云數據含有豐富的紋理信息和語義信息。在影像匹配過程中，應用的匹配策略多為基于特征的匹配。基于特征的匹配方法生成的影像匹配點云數據中，包含了大量的線特征信息與邊緣信息，如建筑物邊緣、道路、斷裂線等，這是其他點云獲取技術難以實現的。除此之外，影像匹配本身就是基于影像數據的匹配，其本身擁有目標的光譜信息，便于后續的點云處理。

3）影像匹配點云數據分布不均勻。由于影像匹配點云數據的獲取是基于影像匹配的，而影像匹配過程中的特征提取多是基于影像上的紋理，不能根據地形、地物的變化自由決定點云的密度，造成在影像匹配結果較好的區域，影像匹配點云數據較密集；而在影像匹配結果較差或存在陰影、遮蔽、遮擋的地區，影像匹配點云數據較為稀疏甚至存在數據空洞。

4）由于無法穿透樹冠、房屋等遮蓋，影像匹配點云有時無法獲取精確的DEM，而只能獲取DSM，再通過其他技術手段獲取相應DEM。

2 機載LiDAR數據的主要特點

機載激光雷達系統按照時間序列采集和存儲激光腳點，其在空間的分布表現為不規則的離散數據點云。機載激光雷達數據的采集具有一定的盲目性，因此激光腳點的位置也是隨機的。在數據釆集過程中，可能會出現丟失一些地形特征點和地物特征點的情況，給數據的濾波和分類帶來困難。

機載LiDAR數據的主要特點如下：

1）機載LiDAR數據的空間分布表現為離散的三維數據點云，其具體分布取決于地表形態及數據采集方式[7]。

2）機載LiDAR激光腳點的密度分布不均勻，其密度分布由激光測距儀的掃描方式決定。激光雷達在掃描時，由于搭載LiDAR的平臺的飛行速度、高度不同，有關掃描電機的運轉速度、加速度不同，以及受地形起伏變化影響，導致不同位置的激光腳點密度存在一定差異[8]。

3）機載LiDAR是一個集成了多個傳感器的集成系統，在對地掃描時除了能夠直接獲取目標的三維坐標信息外，還能同時獲取回波強度、回波次數等多種信息。

4）機載LiDAR是通過接收目標反射回來的激光脈沖來獲取目標信息，回波的強度與目標的材質有關。有的目標對激光脈沖的吸收較大，則可能出現回波點缺失的情況，比較典型的如水域等。

3 機載激光點云與影像匹配點云比較

由圖1可以發現，雖然影像匹配點云數據和LiDAR點云數據在空間上都呈離散分布，但相對而言LiDAR點云更加規則。這是因為它們的點云獲取方式不同造成的。獲取LiDAR點云時，激光器連續發射激光脈沖，在推掃過程中結合激光器的位置和激光束發射的方向，根據矢量解算原理不斷計算推掃線上的點的三維坐標，因而獲取的點云分布比較規則。而影像匹配點云中的點根據兩幅或多幅影像上的同名點來確定它的三維坐標，根據匹配策略的不同，能夠匹配的同名點的位置并不規則，因而影像匹配點云數據的分布形式相比LiDAR要不規則一些。

圖1 LiDAR點云（左）與影像匹配點云（右）對比

1）LiDAR點云數據與影像匹配點云數據在特征線、邊緣、紋理上的表現能力有很大的不同。影像匹配點云數據所包含的特征信息和邊緣信息十分豐富，這是由影像匹配的特性所決定的。在影像匹配策略中，往往使用特征匹配，而特征匹配中的線特征匹配可以很好地提取影像中的線特征和邊緣等[9]。

2）影像匹配點云數據與LiDAR點云數據中數據空洞的情況不相同。在影像匹配點云中，存在很多數據空洞區域，而LiDAR點云數據中則相對較少。產生這種情況的原因是點云數據的獲取方式和條件不同所致。在影像匹配點云數據獲取的過程中，遮擋和紋理匱乏會導致影像匹配十分困難，以致出現數據空洞。LiDAR接收到地物反射回來的激光脈沖即可獲取目標信息，只有在目標對激光脈沖吸收較大、缺失回波時才會產生數據空洞。

3）影像匹配點云數據中只有點的三維信息，并不包含其他信息。而機載LiDAR除直接獲取目標的三維坐標信息外，還能同時獲取回波強度、回波次數等多種信息，這些信息在林業、電力等行業有著重要的應用價值。

[1]張熠斌.機載LiDAR點云數據處理理論及技術研究[D].西安：長安大學,2010

[2]許彪.基于航空影像的真正射影像制作關鍵技術研究[D].武漢：武漢大學,2012

[3]Baltsavias E,Stallmann D.Advancement in Matching of SPOT Images by Integration of Sensor Geometry and Treatment of Radiometric Differences[J].IAPRS,1992, 29(B4):916-924

[4]Gabet L,Giraudon G,Renouard L.Automatic Generation of High Resolution Urban Zone Digital Elevation Models[J].International Journal of Photogrammetry and Remote Sensing,1997,52(1):33-47

[5]江萬壽.航空影像多視匹配與規則建筑物自動提取方法研究[D].武漢:武漢大學,2004

[6]靳克強.機載激光雷達數據濾波生成DEM技術研究[D].鄭州：信息工程大學,2011

[7]李犇.點云數據濾波處理及特征提取研究[D].北京：首都師范大學,2012

[8]張小紅.機載激光雷達測量技術理論與方法[M].武漢:武漢大學出版社,2007

[9]管海燕.LiDAR與影像結合的地物分類及房屋重建研究[D].武漢: 武漢大學,2009