基于機載LiDAR數據的建筑物信息識別研究

摘 要：機載LiDAR技術可以快速獲取地面和地物表面點的三維坐標，近年來在數字城市建設中已得到廣泛應用，從機載LiDAR數據中獲取建筑物信息是城市三維建模的重要內容。本文探討基于LiDAR點云數據分類的建筑物信息提取方法，并使用TerraScan軟件實現了點云數據的分類，成功提取建筑物信息，獲得了較好的效果。

關鍵詞：機載LiDAR 建筑物信息識別 點云數據 TerraScan軟件

機載LiDAR是近年來廣泛使用的新型測量技術，它可以得到地面和地物表面點的三維坐標，進而獲取測區的數字高程模型（DEM）和數字表面模型（DSM）。機載LiDAR技術具有工作效率高、獲取信息豐富、全天候等特點，因此該技術日益成為城市建筑物三維信息獲取的重要工具。本文主要探討基于LiDAR點云數據分類的建筑物提取方法。

一、機載LiDAR系統組成

機載LiDAR系統包括：（1）動態差分GPS（DGPS），用于確定傳感器中心的空間位置；（2）高精度姿態測量裝置（IMU），用于測量掃描裝置主光軸的空間姿態參數；（3）激光掃描儀，是LiDAR的核心部件，一般由激光發射器、接收器、時間間隔測量裝置、傳動裝置、計算機和軟件組成；（4）成像裝置，用于獲取對應地面的彩色數碼影像。

二、機載LiDAR數據預處理

原始LiDAR點云數據包含大量的噪聲和冗余信息，在進行建筑物提取之前，需要對其進行預處理。點云數據預處理主要包括誤差校正、數據拼接、去除航帶重疊以及區域分割等。

三、基于LiDAR 數據的建筑物提取方法

LiDAR數據的建筑物提取方法有兩種。一種是先進行濾波處理，分離出地面點和非地面點；然后再從非地面點中提取建筑物點。一種是直接利用分類的方法將建筑物點提取出來。

1.基于高程閥值分割自動提取建筑物。基于高程閥值分割自動提取建筑物的流程為：（1）濾波處理：對點云數據進行線性濾波獲取DEM和DSM。（2）提取建筑物數據：首先，設定高程閥值進行處理，判斷出建筑物初始區域；其次，對獲得的區域做增強處理，去除區域中的植被等噪聲，獲得準確的區域；最后對DSM進行處理，得到屋頂平面數據及區域范圍。（3）建立建筑物模型：合并共面區域，計算不共面區域的交界線，建立初步模型；估算模型參數，分析模型偏差并改進。

2.基于Hough變換來提取建筑物。利用Hough變換來提取建筑物的流程為：首先，按高程范圍分割DSM，高程大于指定閥值的區域為候選區；其次，去掉鋸齒狀的邊緣，結合已有的GIS數據，判斷得到準候選區域；再次，對建筑物區進行邊緣提取，利用Hough變換提取結果中的直線，在相交處分開直線形成直線段，刪除超出候選區的直線段；最后，對直線段進行分析獲得建筑物多邊形，完成提取。

四、實例

實驗數據為某市某地區2009年采集的單航帶數據，該地區地勢平坦，地物不多，主要有樹木、建筑物等。數據處理使用TerraScan軟件，TerraScan是芬蘭TerraSolid公司開發的專門處理LiDAR點云數據的軟件，它適宜對上百萬個點的點云數據集的分類工作。建筑物信息提取的流程如下：

1.設置好坐標系統等相關參數，并導入點云數據。

2.分離低點，尋找出高程明顯低于周圍點的錯誤點。將需要判斷的點設為目標中心點，比較該點與其周圍一定范圍內其它點的高程。若該點比周圍點低，則為低點。當低點的密度高、多個錯誤點聚集在一起時，單個低點的分類方法無效。這時，就需要采用對低點組進行分類的方法尋找低點，判斷過程與單個低點的分類相類似。

（3）分離孤立點。設定某一點為目標點，以目標點為中心點，設定搜索半徑，形成一個3D搜索空間。若該空間內包含的點數小于設定的最少點數閾值，則該目標點為孤立點。

（4）分離空中點。設置需要判定的點為目標點，以目標點為中心，設定一個搜索距離得到一個包含目標點的3D空間，該空間內的點為目標點的鄰近點。計算出鄰近點高程的中值和標準偏差。若目標點高程大于高程中值，且兩者的差值達到標準偏差的設定倍數時，則該目標點為空中點。

（5）提取地面點集。通過不斷地建立地表TIN模型來分類地面點。初始點選擇地面一些高程較低的點。先選擇最大建筑物的尺寸參數。例如，若某建筑物的最大尺寸是60m，那么在60m×60m的區域內最少有一個地面點存在，則其中的最低點就是地面點。通過這種方式確定初始地面點，用已選好的最低點作為初始地面點建立TIN模型。在該模型中，大部分的點都是在地面以下的，只有其中較高的一些點可能能接觸到地面。然后通過不停地加入新點來抬高擴建地面模型，每加入一個新點都使得模型更接近地表一些，最終得到一個近似地面模型，獲得地面點集。

（6）提取植被信息。根據點在地面模型以上的高度值分類植被點。根據高程值將植被點分為三類：低矮植被、中等高度植被和高植被。假設低于0.5m的點為低矮植被。首先在地面點建立臨時的TIN模型，然后將其他的點與該TIN模型的高程值比較，如果低于0.5m，就將這個點歸入低矮植被分類中。同理，可以區分出中等高度植被和高植被。

（7）提取建筑物信息。在完成地面點的分類和低矮植被點的分類后，可認為所有高出地面兩米的點都是建筑物上的點，從而提取出建筑物信息點。

五、結語

本文主要探討基于LiDAR點云數據分類的建筑物信息提取方法，并使用TerraScan軟件實現了點云數據的分類，提取出建筑物信息。但是由于建筑物形狀不規律、面積和高度相差較大，同時易受地形、建筑物形狀等因素的影響，本文的提取方法在大范圍內一次性、自動提取所有建筑物還存在一定難度，高精度、高密度、大數據量的點云數據組織與處理技術還有待進一步深入研究。

參考文獻：

[1]盧小平，龐星晨，武永斌等.機載LiDAR 基礎測繪關鍵技術及應用[J].測繪通報，2014（9）：26-30.

[2]曹鴻，李永強，牛路標等.基于機載LiDAR 數據的建筑物點云提取[J].河南城建學院學報，2014，23（1）：59-62.

[3]馮琰，郭容寰，程遠達.基于機載LiDAR技術快速建立3維城市模型研究[J].測繪與空間地理信息，2008，31（4）：8-10.

[4]王植，李清泉.一種基于機載LiDAR和離散曲率的建筑物三維重建方法[J].地理與地理信息科學，2009，25（1）：44-48.

作者簡介：唐均（1981-），男，漢族，四川蓬溪人，講師、注冊測繪師，主要從事工程測量、攝影測量與遙感技術應用方面的教學與研究工作。