基于機載LiDAR數據的城市建筑物高度分級方法研究

引文格式： 黃明，張錦，曾波. 基于機載LiDAR數據的城市建筑物高度分級方法研究[J].測繪通報，2015(4)：82-85.DOI:10.13474/j.cnki.11-2246.2015.0117

基于機載LiDAR數據的城市建筑物高度分級方法研究

黃明1，張錦1，曾波2

(1. 太原理工大學測繪科學與技術系,山西 太原030024； 2. 山西省測繪工程院，山西 太原030024)

The Classification of Building Height in a City Based on Airborne LiDAR Data

HUANG Ming，ZHANG Jin，ZENG Bo

摘要：傳統的基于不規則的三角網和形態學點云濾波處理方法提取的DEM，由于在濾波過程中沒有顧及不同區域地形起伏度差異，使得濾波過程中產生大量粗差，導致DEM 與實際地形偏差太大。準確提取建筑物輪廓和高程的前提是要提取高精度的DEM，因此必須在DSM轉化為DEM的過程中改進DEM提取方法。本文針對地形起伏度不大的城市區域，采取格網值替換、設置高程和面積閾值進行過濾處理的方法提取建筑物輪廓及高程值，驗證表明該提取方法的精度優于傳統濾波方法。

關鍵詞：DEM;DSM;高程閾值;面積閾值

中圖分類號：P237

收稿日期：2014-01-01

基金項目：國家863計劃(2013AA122301)；山西省測繪地理信息科技項目(2013-K5)

作者簡介：黃明(1986—)，男，碩士生，研究方向為地圖制圖學與地理信息工程。E-mail：843498957@qq.com

一、引言

機載LiDAR設備是一種集激光測距技術、INS技術、GPS技術為一體的新型傳感器設備,它具有高效的獲取三維信息的能力，與傳統的攝影測量相比較，具有生產周期較短，對數字城市能夠較快地進行測繪等優點[1]。建筑物的提取是LiDAR數據特征提取的一項重要研究內容，要提取建筑物，首先就應提取DEM。目前對DEM提取的方法主要有形態學濾波處理法，也就是對點云數據通過開算子處理方法將數據先腐蝕后膨脹，最后得到地面點[2]，從而生成DEM。 還有一些研究是基于不規則的三角網進行濾波[3]，也就是對原始 LiDAR 數據通過反復建立三角網模型的方式分離出地面點，再通過中值濾波去除粗差后得到DEM。但以上方法都可能會在濾波過程中產生大量粗差，造成濾波后提取的DEM不夠準確，從而導致最后經過處理提取的建筑物輪廓及高程值誤差太大。因此，本文針對地形起伏度不大的城市區域，采取格網值替換、設置高程和面積閾值進行過濾處理的方法提取出建筑物輪廓及高程值，使得做出的建筑物高度分級圖精度有了顯著的提高。

二、建筑物輪廓及高程提取方法

對于建筑物輪廓及高程的提取，針對不同的區域情況應分別分析，區域情況分為以下幾種：①地形起伏度較大且存在面積較大建筑物；②地形起伏度較大且不存在面積較大建筑物；③地形起伏度較小且存在面積較大建筑物；④地形起伏度較小且不存在面積較大建筑物。對于城市區域而言，大部分都屬于最后一種情況。要制作出城市區域的建筑物高度分級圖，就需要提取出城市區域的建筑物柵格格網數據，通過此數據可以生產出較為直觀的建筑物高度分級圖。其具體實施方法就是將LiDAR點云數據首先轉為柵格形式的DSM,再將DSM通過軟件轉化處理得到DEM,最后將DSM與DEM作差得到的規則化DSM通過高程閾值與面積閾值的過濾處理就得到了建筑物柵格格網數據。其整體實施過程如圖1所示。

圖1　建筑物柵格數據輪廓及高程提取方法流程

三、試驗研究與分析

1. 試驗區LiDAR點云數據的預處理

要提取格網形式的建筑物數據，首先就應將試驗區的LiDAR點云數據轉為格網形式的DSM，該數據格網單元大小與LiDAR數據的平均密度呈一定的線性關系[4]，其灰度值大小反映的就是高程值的大小[5]。

2. 格網數據DSM轉化為DEM的方法

選取的試驗區地勢較為平坦，且試驗區內所有建筑物的面積都沒有超過900m2。因此，可以用ArcGIS將格網形式的DSM數據轉化為格網形式的DEM數據。其具體實施方法與原理是:首先將通過點云數據處理生成的柵格格網形式的DSM數據通過焦點統計的方法將柵格格網數據的每一個高程值都分別被其本身900m2范圍內的最低高程值所替代，將轉化后的柵格格網數據命名為“最小值柵格”。

接著，通過計算“DSM柵格格網數據”與“最小值柵格”的差值，得到試驗區“高差閾值柵格數據”。由于試驗區的建筑物及樹木的最低高程都有2m，因此，利用重分類的方法以2為閾值對“高差閾值柵格數據”進行二值化處理得到掩膜數據MASK(0.1)和MASK(1,0)。其中，MASK(0,1)表示大于或等于閾值2的柵格數值歸為0，小于閾值2的柵格數值歸為1；MASK(1,0)表示大于或等于閾值2的柵格數值歸為1，小于閾值2的柵格數值歸為0。對于“高差閾值柵格數據”格網值小于2的區域，在實地中就沒有房屋及樹木等非地面物體，因此，可以近似地認為這些區域的DSM就是DEM。而“高差閾值柵格數據”格網值大于2的區域，在實地中都存在房屋建筑及樹木、電桿等非地面物體，因此，這些區域每個點的地面高程值可以近似地被其周圍900m2范圍內的最低高程值所替代。基于以上原理，通過柵格計算器計算就可以得到試驗區的DEM數據，具體計算公式為：DEM數據= MASK(0,1)×DSM數據+MASK(1,0)×最小值柵格。

3. 規則化DSM提取建筑物的方法

(1) 高程閾值提取建筑物

將試驗區的DSM數據與DEM數據相減就得到了僅剩下樹木、電桿及建筑物的規則化DSM。此時，需要將建筑物與其他物體(包括樹木、電桿等)進行分離提取。應用最廣泛的方法就是設定高程閾值與面積閾值來進行分離提取。

對于高程及面積閾值的設定，通過調查可得知在試驗區內建筑物與其他物體的差異在于，建筑物的高程都在3m以上，面積都在90m2以上。通過這樣的閾值設定，提取的建筑物精度能達到一個相對合理的水平。對于高程閾值的設定提取建筑物的方法較為簡單，通過屬性選擇，將柵格格網高程數值大于3的數據提取出來就得到了經過高程閾值處理過的規則化DSM。

(2) 面積閾值提取建筑物

要通過面積閾值提取建筑物柵格數據的輪廓,就必須保證同一個建筑物之間的格網數據之間具備連通性。所謂連通性，就是指在某個區域中柵格數值相同的點呈現相鄰關系(如圖2所示)，而生成的規則化DSM格網數據的高程值即使在同一個建筑物之間也不可能一樣，從而不具備連通性。因此就不能直接將規則化DSM通過設定面積閾值來提取建筑物輪廓，需要將DSM格網數據轉化為深度影像DSM來提取設置了面積閾值的建筑物輪廓。

圖2　同為數值A的格網數據之間具有連通性

其轉化原理是DSM的高程數值與深度影像DSM灰度值具有一定的線性關系，利用下式將高程數值轉化為256色的深度影像[6]

(1)

式中，Pixel(i)為深度影像DSM的灰度值；z(i)為DSM格網的高程值；maxz、minz分別為DSM格網數據的最大、最小高程值。利用柵格計算器中的轉換計算得到了與DSM格網大小相同的DSM深度影像(如圖3所示)。該DSM深度影像中，建筑物目標的灰度值與地面的灰度值表現出了明顯的差異。

圖3　試驗區DSM深度影像

此時，需要通過閾值分割的方法將地物區域與地面區域分離開，使得不同的地物之間能夠相互獨立。對于DSM深度影像的分割，閾值的選擇最為關鍵。采用“波峰閾值選擇法”來確定深度影像的分割閾值目前來說是一種比較有效的閾值選擇法，其具體實施過程是：對試驗區DSM深度影像進行灰度統計構成直方圖，橫坐標為灰度值，縱坐標為具有該灰度值的像素個數。通過對直方圖波形的分析，獲取兩個最高波峰，然后在這兩個波峰之間對縱坐標由高到低排序找到縱坐標值最小的波谷。但在該試驗區的深度影像直方圖中，兩個波峰靠得特別近，兩個波峰之間的部分在現實中均為地面部分，按照這種方法所求得的分割閾值明顯不對。因此需要在這兩個波峰范圍外找出第3個最高的波峰，并用這個波峰來代替這兩個波峰中縱坐標值較低的波峰，將選中的第3個最高波峰與縱坐標值最大的那個波峰之間再次從高到低對縱坐標大小進行排序找到縱坐標值最小的一個波谷，該波谷點的橫坐標值即為最佳分割閾值。如圖4所示，試驗區深度影像的最佳分割閾值是57.2794。

圖4　試驗區深度影像直方圖

經過閾值分割后的DSM深度影像，只剩下建筑物、電桿和樹木的輪廓，要提取出建筑物，還需要設定面積閾值作進一步處理。由于此時處于同一建筑物的格網數據是相互連通的，因此通過區域合并的方法，就可以將處于同一建筑物的格網數據合并在一起，再通過面積閾值的過濾處理方法就將面積小于90m2的樹木及電桿過濾處理掉了。通過此次面積閾值的過濾處理，得到的建筑物輪廓圖如圖5所示。

(3) 綜合處理制作建筑物高程分級圖

通過上述兩步的圖像處理，分別得到了經過高程閾值處理提取的規則化DSM和經過面積閾值處理提取的建筑物輪廓圖。將兩幅圖通過相交疊置處理，就得到了結合高程和面積兩種閾值同時過濾處理所提取的建筑物高程柵格格網圖。依照國家規定的高程分級標準，得到試驗區的建筑物高度分級圖(如圖6所示)。

圖5　面積閾值過濾處理提取的建筑物輪廓

圖6　建筑物高度分級圖

對于制作出的試驗區建筑物高度分級圖，很多建筑物的邊緣都呈曲線狀，而實際的建筑物輪廓一般都呈規則的矩形或多邊形，且房屋邊界兩輪廓邊的夾角一般都是直角[7]，其主要原因就是原始點云數據的密度分布不是特別均勻。因此，需要對建筑物邊界進行規則化擬合處理，從而得到更加標準的建筑物高度分級圖(如圖7所示)。

圖7　經過規則化擬合處理的建筑物高度分級圖

四、試驗提取結果的評價

對于制作出的建筑物高程分級圖，為了驗證建筑物高程值及輪廓的準確性，需要利用激光測距儀到實地去進行量測，通過外業實地調查的結果見表1和表2。

表1　建筑物高程值調查結果表

表2　建筑物輪廓調查結果表

注：建筑物邊界輪廓合格數量指高程圖中建筑物輪廓與實際建筑物輪廓重合率達85%以上的建筑物數量。

從表1和表2可以看出，建筑物高程值的提取全部正確，輪廓的提取大部分較為準確，在原始點云數據密度不是特別高的情況下，該方法提取的建筑物輪廓及高程值已經達到了非常理想的效果。與傳統的濾波方法制作的建筑物高度分級圖相比，無論是建筑物輪廓的準確率還是建筑物高程值的正確率都要高出很多。

五、結束語

本文專門針對地形起伏度較小的城市區域，將LiDAR數據轉為柵格格網數據，通過格網數值替換和閾值設定的過濾處理，提取出了建筑物柵格格網的輪廓和高程值。外業的實際調查結果不僅表明該方法在提取建筑物精度方面優于傳統濾波方法，而且為LiDAR數據特征提取的研究提供了新思路。

參考文獻：

[1]李英成，文沃根，王偉.快速獲取地面三維數據的LIDAR技術系統[J].測繪科學, 2002, 27(4):35-38.

[2]張小紅,劉經南.機載激光掃描測高數據濾波[J].測繪科學, 2004, 29(6):50-53.

[3]MAASHG,VOSSELMANG.TwoAlgorithmsforExtractingBuildingModelsfromRawLaserAltimetryData[J].ISPRSJournalofPhotonrammetry&RemoteSensing, 1999, 54(23):245-261.

[4]劉經南, 張小紅, 李征航.影響機載激光掃描測高精度的系統誤差分析[J].武漢大學學報：信息科學版，2002, 27(2):111-117.

[5]王東亮, 萬幼川，徐景中，等.基于DEM的機載LIDAR航線設計技術研究[EB/OL].[2013-09-20].http:∥www.paper.edu.cn.

[6]張小紅，劉經南，李征航.機載激光掃描測高數據濾波和分類研究[J].武漢大學學報：信息科學版, 2002, 27(S0):181-183.