基于不同地形LiDAR點云數(shù)據(jù)的最優(yōu)壓縮方法

王海君，許捍衛(wèi)，金文韜

（1.河海大學 地球科學與工程學院，江蘇 南京 211100）

基于不同地形LiDAR點云數(shù)據(jù)的最優(yōu)壓縮方法

王海君1，許捍衛(wèi)1，金文韜1

（1.河海大學 地球科學與工程學院，江蘇 南京 211100）

針對不同地形求解LiDAR點云數(shù)據(jù)在各種插值算法下不同比例尺允許的標準差內(nèi)的最佳壓縮率，以便提高數(shù)據(jù)處理的速率，為方便LiDAR數(shù)據(jù)的處理提供一種簡便快捷的壓縮方法。介紹了基于ArcGIS軟件本源的最佳壓縮方法、基于Python的點的坡度差的壓縮方法和基于Python的坡度法向壓縮方法。

最佳壓縮率；地形插值；標準差；坡度差；坡度法向量

本文介紹了基于IDW、NaturalNeighbor、Kriging、Spline地形插值算法下，不同比例尺的LiDAR點云數(shù)據(jù)的最佳壓縮方法[7]。主要運用的是ArcGIS本身的運算方法，同時還介紹基于Python的數(shù)據(jù)點處坡度差的壓縮算法和基于Python的坡度法向壓縮算法。本次實驗的技術路線如圖1所示。

圖1 技術路線圖

1 數(shù)據(jù)預處理

由于獲取的LiDAR數(shù)據(jù)是LAS格式，因此需要進行數(shù)據(jù)轉(zhuǎn)換，可運用自定義數(shù)據(jù)轉(zhuǎn)換工具將LAS格式數(shù)據(jù)轉(zhuǎn)換成為shp矢量點數(shù)據(jù)[9]。

激光掃描儀的工作原理是激光碰到阻礙物時就會返回波，獲取的地物高程并不是該地的實際高程，而是該處實際高程與地面植被高之和，直接使用會出現(xiàn)誤差，因此需要對數(shù)據(jù)進行濾波處理[2]，減少用此數(shù)據(jù)構(gòu)建DEM時對精度產(chǎn)生的影響。

將濾波完成后的shp點數(shù)據(jù)進行地形分類。此處采用的是按照坡度大小的方式進行分類，通過數(shù)據(jù)點構(gòu)建TIN，提取三角面的坡度。根據(jù)基于坡度的地形分類標準，地形可分為平地地形、丘陵地形、山地地形、高山地形4大類，每類地形的坡度是不同的，按照坡度進行地形分類的標準如表1所示。

表1 不同地形坡度比較

按照上表將LiDAR點云數(shù)據(jù)進行分類，分類后的數(shù)據(jù)分別導出保存，以便后續(xù)操作處理。

2 數(shù)據(jù)壓縮及插值分析

根據(jù)插值情況的優(yōu)劣可采用中誤差（RMES）或者標準差（STD）來進行檢驗[5]，本文采用標準差（STD）來進行檢驗，具體標準如表2、3所示。

表2 不同比例尺的格網(wǎng)尺寸值

表3 不同比例尺不同地形的高程標準差

2.1 檢查點獲取

對不同比率的壓縮數(shù)據(jù)插值時，需要對插值結(jié)果進行檢驗，因此需要提前選取檢查點。檢查點的選取應具有代表性且分布均勻。為了滿足這一要求，可以采用標準格網(wǎng)法采點[1]，即按照數(shù)據(jù)的范圍劃分網(wǎng)格，從每個網(wǎng)格中選取最靠近網(wǎng)格中心點的數(shù)據(jù)點作為檢查點。該方法在保證均勻分布的同時也選擇了各種代表類型的點。檢查點的選取時還要考慮數(shù)量問題，數(shù)據(jù)點選取太少會出現(xiàn)很大的偶然性，選取太多又會降低存儲和操作效率。檢查點的選取還要考慮源數(shù)據(jù)的數(shù)量以及該范圍內(nèi)的地形狀況，比如相同數(shù)據(jù)量的平地和丘陵在選取檢查點時個數(shù)就會不同，明顯丘陵地形的檢查點數(shù)量要大于平地地形的檢查點數(shù)量。

2.2 數(shù)據(jù)壓縮

2.2.1 基于ArcGIS本源的壓縮算法

數(shù)據(jù)的壓縮就是按照需求按比例提取數(shù)據(jù)點，實現(xiàn)提高操作效率的效果。基于ArcGIS本源的數(shù)據(jù)壓縮方法的具體做法是：①從源數(shù)據(jù)中剔除檢查點，對于插值的檢核就是求檢查點位置的實際高程與插值后得到的高程的標準差（STD），因此必須事先將檢查點處的數(shù)據(jù)點剔除，以減少真實點數(shù)據(jù)的影響[7]。可以采用ArcGIS中select by location工具一次性選取檢查點并將其刪除。特殊地形要保證特征點的存在，如山地的山脊線、山谷線上的點。②構(gòu)建TIN，將剔除檢查點之后的數(shù)據(jù)構(gòu)建TIN。③按比例壓縮TIN，采用Decimate TIN Node 對構(gòu)成TIN的結(jié)點進行壓縮，在設置最大的結(jié)點數(shù)和容差值時，可根據(jù)實際的需求設置參數(shù)。④提取TIN Node，提取壓縮后TIN的結(jié)點，提取后的結(jié)點數(shù)量大多數(shù)情況下與設置的最大結(jié)點數(shù)量之間存在數(shù)量差，實際提取的節(jié)點數(shù)量小于設置的最大結(jié)點數(shù)，這些數(shù)據(jù)將作為插值的數(shù)據(jù)源。

2.2.2 基于Python的坡度差以及法向壓縮算法

1）數(shù)據(jù)壓縮還可以根據(jù)該點處構(gòu)成TIN三角面的坡度差進行壓縮[6]，具體做法是：①從源數(shù)據(jù)中剔除檢查點；②構(gòu)建TIN，提取TIN node和TIN triangle；③將node和triangle的Tab表建立special join鏈接，獲得一個點和面的關系表；④求取與點相關聯(lián)的面的坡度最大值與最小值之差，運用自定義Python程序獲取與點相關的面的坡度最大值與最小值，并計算二者的坡度差，將其自動添加到node數(shù)據(jù)Tab表中；⑤將node數(shù)據(jù)Tab表中的數(shù)據(jù)按其坡度差從大到小進行排序，排序后的數(shù)據(jù)按比例進行數(shù)據(jù)壓縮提取。

基于坡度差的數(shù)據(jù)壓縮方法存在一定弊端，即當數(shù)據(jù)地形起伏變化快時，選取的點不具有代表性，而且數(shù)據(jù)的均勻性也不能很好地得到保障，但是當?shù)匦巫兓r，該方法比基于ArcGIS軟件的壓縮方法更為有效。

2）數(shù)據(jù)壓縮還可以根據(jù)該點處構(gòu)成的TIN三角面的法向進行壓縮，具體做法跟基于坡度差的算法相似，不同點在于基于坡度法向的壓縮時根據(jù)數(shù)據(jù)點處各坡面坡度法向的差進行排序后，按照比例選取壓縮后的點。

2.3 數(shù)據(jù)點插值

數(shù)據(jù)插值主要根據(jù)插值方法以及比例尺進行插值變量的設置，主要的做法如下：

1）選擇插值方法。選擇合適壓縮比例的點，在不知道地形情況下可以從50%壓縮比例開始，按照選擇的比例尺設置參數(shù)。不同比例尺的插值做法是相同的，不同點是Output cell size的設置，這個主要根據(jù)不同比例尺的格網(wǎng)尺寸值設置。

2）基于檢查點位置高程值的提取。數(shù)據(jù)插值完成后需要提取檢查點位置處的插值高程，運用ArcGIS的Extract Multi Values to Points工具提取插值高程，這樣在檢查點的Tab表中就會出現(xiàn)每個檢查點的插值高程。

3）標準差計算（STD）[4]。在檢查表中添加new field，運用Field Caculator計算實際高程與插值后所得高程之差，再通過Summary Statistics功能計算二者的標準差（STD）。

4）將所得的標準差與該比例尺下此地形允許的標準差最大值進行對比。若允許值比該值大則選用壓縮力度更大的壓縮點進行插值比較，反之則選用壓縮力度小一點的壓縮點進行差值。如此循環(huán)直到找到最佳壓縮率。

5）換用不同的比例尺或地形重復上述步驟，這樣就會得到不同地形不同比例尺不同插值方法下的最佳壓縮率。

3 數(shù)據(jù)檢核成果及分析

經(jīng)過上述插值分析，本次實驗以丘陵和平地為例分別根據(jù)IDW、NaturalNeighbor、Kriging、Spline算法對數(shù)據(jù)進行最佳壓縮率求解，基于ArcGIS軟件的壓縮得到的結(jié)果見表4、5。

根據(jù)以上插值結(jié)果可以看出不同的地形壓縮率會出現(xiàn)很大的差距，平地在各種比例尺、各種插值方法下的最佳壓縮率均遠小于丘陵地形。主要原因是平地地形的高程變化小，所以在插值點較少的情況下就可以實現(xiàn)對平地較為精確的插值；而丘陵地形的高程會出現(xiàn)不同程度上的起伏變化，使用少量的點插值會出現(xiàn)標準差（STD）較大的現(xiàn)象。

表4 丘陵地形不同比例尺不同插值方法的最佳壓縮率

表5 平地地形不同比例尺不同插值方法的最佳壓縮率

從丘陵地形的最佳壓縮率來看，相同插值算法下在不同比例尺的最優(yōu)壓縮率是有差異的。一般而言，比例尺越大，數(shù)據(jù)的可壓縮性越小，比例尺越小，數(shù)據(jù)的可壓縮性越大。就插值算法而言，NaturalNeighbor算法比較適合丘陵地帶的插值。IDW插值方法的壓縮率較差，因此IDW方法不適合丘陵地帶的插值。

從平地地形的最佳壓縮率來看，在各種比例尺和不同的插值方法下最佳壓縮率是相同的，主要的原因是當TIN結(jié)點壓縮達到一定的值之后，就會出現(xiàn)極限結(jié)點數(shù)，即最佳壓縮率。由于平地地形高程變化不大，插值點可以在較少的情況下進行，所以會出現(xiàn)最佳壓縮率相同的情況。但從表5中可以看出大多情況下在相同壓縮率下比例尺大的標準差相對較小，相同的比例尺下Kriging插值標準差較小，而Spline插值標準差最大，但是都遠遠小于平地在各比例尺下的最大允許標準差值。

基于坡度差的壓縮算法在平地地形的最佳壓縮率可以達到0.01%，其效果要優(yōu)于基于ArcGIS軟件本源的壓縮方法，但丘陵地形的壓縮率IDW插值方法最佳壓縮率要在70%左右，其他插值方法的最佳壓縮率接近50%，因此在對平坦地形進行壓縮時采用基于坡度差的壓縮方法效果較為顯著，地形起伏較大時采用ArcGIS軟件本源算法效果較好。

4 結(jié) 語

基于對ArcGIS地形插值的最優(yōu)壓縮方法在不同地形的最佳壓縮率有很大差距，平坦地形的最佳壓縮率明顯優(yōu)于高程差距較大的丘陵地形；除平地地形外，一般情況下相同地形、同種插值方法下不同比例尺的最佳壓縮率是不同的，平地地形在最佳壓縮率相同時，不同比例尺的標準差（STD）也不同[3]；基于ArcGIS本源的壓縮方法下數(shù)據(jù)點的壓縮會達到極限值，之后數(shù)據(jù)進行更大程度的壓縮時，結(jié)點的值將不再減少即壓縮率不再變化，因此，要根據(jù)不同的地形特征選擇最為合適的壓縮方法。

[1] 劉磊,張建霞,鄭作亞. LiDAR點云數(shù)據(jù)的柵格化重心壓縮方法[J].測繪科學,2011,1(1): 90-91

[2] 周梅,鄧云凱,張志敏,等.合成孔徑雷達數(shù)據(jù)壓縮算法性能分析[J].現(xiàn)代雷達,2009,11(3):44-48

[3] 劉峰,譚暢.機載LiDAR生成DEM的一些關鍵問題評述[J].中國農(nóng)學通報,2013,29(1):202-206

[4] 郭寶峰,楊樹元.基于樣條插值預測的小波圖像壓縮方法[J].微計算機應用,2000,7(2):194-198

[5] 張宏,溫永寧,劉愛利,等.地里信息系統(tǒng)算法基礎[M].北京:科學出版社,2006

[6] 劉學軍,王葉飛,曹志東,等.基于DEM的坡度坡向誤差空間分布特征研究[J].測繪通報,2005,12(1):11-13

[7] 楊玲,劉春,吳杭彬,等.顧及矢量特征的機載LiDAR點云數(shù)據(jù)壓縮方法[J].地理與地理信息科學,2009,25(4):25-27

[8] 王晞.DEM內(nèi)插算法與精度評定研究[J].現(xiàn)代測繪,2013,9(3): 21-23

[9] 張明希,許捍衛(wèi),于艷超,等.基于Python的多波束測深數(shù)據(jù)壓縮研究[J].地理空間信息,2014,4(1):117-119

P231

B

1672-4623（2016）10-0019-03

10.3969/j.issn.1672-4623.2016.10.005

王海君，碩士研究生，主要研究方向為地理信息系統(tǒng)開發(fā)與應用。

2015-07-28。

項目來源：國家自然科學基金資助項目（41101374 、41101374）；水利部公益性行業(yè)科研專項經(jīng)費資助項目（201201025、201201025）。