LiDAR數據濾波中基于切片的斷裂線優化方法

毛衛華，秦 爽，付挺芳，祝彥敏

(1. 浙江省測繪科學技術研究院，浙江 杭州 310012； 2. 武漢大學測繪遙感信息工程國家重點實驗室，湖北 武漢 430079； 3. 長興宏達測繪有限公司，浙江 長興 313100)

LiDAR數據濾波中基于切片的斷裂線優化方法

毛衛華1，秦 爽2，付挺芳3，祝彥敏1

(1. 浙江省測繪科學技術研究院，浙江 杭州 310012； 2. 武漢大學測繪遙感信息工程國家重點實驗室，湖北 武漢 430079； 3. 長興宏達測繪有限公司，浙江 長興 313100)

為了克服一般自動濾波算法對復雜地形的不適應性而產生大量誤分的現象，提出了基于切片數據的LiDAR數據線分類濾波算法。該算法利用人眼對地形判斷的先驗知識，并使用多層次自適應高度閾值的濾波方法得到初始濾波結果，再利用三維空間中的角度特性進行優化，從而對斷裂線地形能取得很好的濾波效果。最后采用VC++編程實現了本文提出的線分類算法，并經過試驗分析比較，證明了該算法的適用性，能夠適應高精度DEM的快速制作。

機載LiDAR；點云；DEM；濾波；線分類

Abstract： In order to overcome the large number of misclassification errors caused by the general automatic filtering algorithm for complex terrain, the paper proposes a line classification algorithm for LiDAR data based on slice data. The algorithm uses a priori knowledge of the terrain of human judgment and multi-level automatic filtering method and high threshold to obtain the initial filtering result. Then the angle characteristics of 3D space are used to optimize the result. Finally we can achieve a good filtering effect on the breakline terrain. In this paper we use the VC++ programming to realize the algorithm of line classification, and prove the applicability of the algorithm through experimental analysis and comparison, which can adapt to the rapid production of high precision DEM.

Keywords： airborne LiDAR；point cloud；DEM；filter; line classification

機載LiDAR數據廣泛應用于DEM制作，而制作DEM的核心步驟是點云的濾波[1-3]。常用的點云濾波算法主要有形態學的濾波方法[4,5]、自適應的濾波方法[6]、基于坡度變化的濾波方法[7]及多級多層次濾波方法[8]等。這些算法能夠在一定程度上對點云進行自動分類，但由于針對各種地形的濾波參數不同，需要精細設定，利用這些算法進行濾波時往往會產生誤分現象，從而影響濾波的精度。本文針對這一問題，提出了基于切片數據的線分類濾波算法，利用點云數據在線方向上的特點，使用自適應的高度閾值進行多層次濾波，并在該濾波結果上利用三維空間上的角度閾值優化濾波結果，使得濾波精度大大提高[8]。該方法特別適合于斷裂線地形的LiDAR數據的濾波。

1 算法原理

濾波算法所依據的地學原理主要是以下兩點：一是地形具有連續變化的特征，高程不會發生突變；二是非地面點會產生高程突變。以上兩點是進行濾波算法設計時考慮的兩個最重要的準則，而顧及實際地形出現的各種情況，依據這些準則設定各種濾波參數時，往往會導致點云誤分。分析這些算法，其產生誤分的重要因素就是缺乏對實際地形的先驗知識[9]。

本文提出的線分類濾波算法是利用地形的方向性，在該方向上使用自適應高度閾值進行點云的多層次濾波，使得濾波結果很好地符合地形，然后在該濾波結果的基礎上使用角度準則優化濾波。對原始LiDAR點云使用自動濾波算法后，使用本文算法對斷裂線地形進行線分類，能夠取得很好的濾波效果。

為了進一步說明算法原理，已有某斷裂線地形的LiDAR點云數據沿某一方向的切片，如圖1所示，分成以下步驟對點云進行濾波。

圖1 LiDAR點云數據沿某一方向的切片

1.1 使用自適應的高度閾值進行多層次濾波

將原始點云數據按一定的間隔劃分成多個小區域，如圖2所示。間隔大小設定與點云的密度有關，一般設定為點云平均距離的5～10倍，初始時在每個小區域選取最低點作為地面點，從而形成原始的地面點集[10]。然后依據以下準則，進行地面點判斷。

圖2 分割后的LiDAR點云數據沿某一方向的切片

如圖3所示，對于待加入點P，在當前地面點集中找到在線方向上與P距離最近的兩點P1、P2，設P1與P2的距離為S(P1,P2)，并確定一個自適應的函數T(S)作為高度閾值。P點處的預測高程由P1、P2線性插值確定，P1點在該二維平面上的坐標為(X1,Z1)，P2點的坐標為(X2,Z2)，P點的坐標為(X,Z)，則P點的預測高程Zc為

(1)

則Δh=Z-Zc,為點P與預測高程的差值，如果滿足Δh

為了能夠對地形有較好的自適應性，閾值T(s)有如下特性：①距離越小，則設定的高程閾值也越小；②地形越復雜，則設定的閾值越大。

多層次逐步細化的方法：每一次遍歷所有的區間，在每一個區間若發現一個可加入的點，則將該點加入到地面點集中，并直接開始下一個區間的判斷。按照這樣的原則，每一次遍歷可以保證加入的地面點能夠均勻分布，從而使得地面點的判斷變成一個逐漸加密的過程，保證算法的穩定性和效率。

圖3 點P與地面點之間的位置關系

1.2 利用三維空間角度閾值優化濾波結果

可以利用三維空間角度的特點對使用自適應的高度閾值濾波后的結果進行優化。一般地形都具有連續性，特別是在微觀上表現得更為明顯，復雜地形如陡坎、斷裂線等在坡度變化處依然具有這樣的特性。地形連續性的一個很好的數學表達模型就是起伏的角度，如果設定一個合理的角度閾值，使用某種判斷方法可以將誤分為地面點的非地面點濾除出去[11-12]。判斷原則如下：

如圖4所示，P1、P2和P3為經過多層次自適應高度閾值濾波后的地面點中線方向上相鄰的3點。對于點P2，與左右相鄰兩點構成的夾角為θ，給定一個角度閾值θt，如果θ<θt，則判定P2點為非地面點。

圖4 P2點與地面點之間的位置關系

θt的取值與地形起伏有關，地形越平坦，θt越大；地形越起伏，θt越小。但一般情況下θt值應不小于90°。考慮到本文線分類時將點從三維空間投影到二維空間對角度的影響，這里的角度依據原始的三維空間中的點坐標進行計算。

2 試驗與分析

筆者利用VC++實現了本文所提出的濾波算法，并選取實際某地區的機載LiDAR點云數據進行了測試。測試數據涵蓋了梯田、房屋、灌木、大型植被、道路、池塘等典型非城市地區的地物類型。

沿斷裂線方向選取點云數據后，算法步驟如圖5所示。

圖5 線分類算法流程

本次選取了某地區LiDAR數據自動濾波后的一塊斷裂線地形，使用自動濾波算法后的分類效果如圖6所示。圖7為該地形數據在切片方向上的投影圖，其中黑色點是經過線分類算法濾波后的地面點，灰色點為非地面點。分析第一處用最大的橢圓標記的區域，其點云分布非常零散，很可能是陡坡上的樹木草叢等造成的，本文濾波算法很好地區分了這些點。對于第二處用較小的橢圓標記的區域，這里有兩個數據點被分成了非地面點，但根據實際判斷，其也可能屬于地面點，說明這類情況下線分類準則不太明顯。最后一處用最小的橢圓標記的點，其中有一個點被分類成了非地面點，該點與鄰近兩點的高度閾值滿足，但角度準則可以判斷出該點是一個非地面點。整體來看，線分類算法對斷裂線地形有很好的分類效果。

圖6 自動濾波算法后的分類的效果圖

圖7 切片方向上的投影

一般的自動濾波算法在沒有地形先驗知識的判斷下，對于像陡坎這種地形，很容易產生誤分現象，使得陡坎地形被“切割”，將本來屬于陡坎地形的地面點誤分為非地面點。利用線分類算法，沿著陡坎的方向設定線型方向，進行線分類濾波，可以極為準確地區分出地面點和非地面點。圖8、圖9為試驗結果。

圖8 自動濾波后的地形

圖9 線分類后的濾波效果

3 結 語

本文針對一般自動濾波算法無法適應復雜地形的不足，提出了利用人眼對地形判斷的先驗知識的線分類算法。該算法利用地形的方向作為一個重要參數，極大地提高了自動濾波算法中高度、角度判斷的準確度，從而使得LiDAR點云濾波的精度大大提高。該算法針對復雜地形能取得很好的濾波效果，且數據處理有較高的自動化程度和效率，可以適用于各種機載LiDAR數據制作DEM的應用。

本文提出的線分類濾波算法主要是在自動濾波后使用，是一種輔助的濾波算法。今后可以研究將線分類的思想應用到自動濾波中，實現更加快速高效的點云濾波。另外，線分類濾波算法在對一些如建筑物溝壑等地形進行濾波時需要精細設定一些參數，以后的工作將圍繞線分類方法如何更加具有自適應性這一方面，使得算法能夠盡量少需要人工參與，從而實現自動濾波。

[1] 李鵬程,王慧,劉志青,等.一種從機載LiDAR點云數據獲取DEM的方法[J].測繪通報, 2012(5):59-62.

[2] 呂獻林. 多源數據輔助機載LiDAR數據生成DEM方法研究[D].武漢：中國地質大學, 2009.

[3] 黃先鋒,李卉,王瀟,等.機載LiDAR數據濾波方法評述[J].測繪學報，2009,38(5)：466-469.

[4] IAN J, HAALA N, ENGLICH M. Capture and Evaluation of Airborne Laser Scanner Data[J]. International Archives of Photogrammetry and Remote Sensing,1996,31(B3):383-388．

[5] ZHANG K, CHEN S C, WHITMAN D, et al. A Progressive Morphological Filter for Removing Nonground Measurements from Airborne LiDAR Data[J]. IEEE Transactions on Geoscience & Remote Sensing,2003, 41(4):872-882.

[6] 王果,蔣瑞波,李永強.一種基于多尺度網格的自適應LiDAR點云濾波方法[J].工程勘察, 2016，44(9):55-58.

[7] VOSSELMAN G． Slope Based Filtering of Laser Altimetry Data[J]. International Archives of Photogrammetry and Remote Sensing, 2000, 33( B3) : 935-942．

[8] 邢旭東. 一種基于高程跳變的機載LiDAR數據多層次濾波方法研究[D]. 成都：西南交通大學, 2014.

[9] 隋立春,張熠斌,柳艷,等.基于改進的數學形態學算法的LiDAR點云數據濾波[J].測繪學報,2010, 39(4):390-396.

[10] 張齊勇. 基于區域增長的LiDAR點云數據DEM提取[J]. 鐵道勘察, 2015(2):14-17.

[11] 羅伊萍,姜挺,龔志輝,等.基于自適應和多尺度數學形態學的點云數據濾波方法[J].測繪科學技術學報, 2009, 26(6):426-429.

[12] 胡舉,楊遼,沈金祥,等. 一種基于分割的機載LiDAR點云數據濾波[J].武漢大學學報(信息科學版),2012, 37(3):318-321.

OptimizationMethodBasedontheSlicedBreaklineinFilteringofLiDARData

MAO Weihua1，QIN Shuang2，FU Tingfang3，ZHU Yanmin1

(1. Zhejiang Academy of Surveying and Mapping, Hangzhou 310012, China; 2. State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China; 3. Changxing Hongda Surveying and Mapping Co.Ltd., Changxing 313100, China)

P237

A

0494-0911(2017)09-0075-03

2016-12-16

國家科技支撐計劃課題(2014BAK07B04)；國家自然科學基金(41571437)；浙江省科技計劃(2015C33)；測繪地理信息公益性科研專項(201512024)

毛衛華(1975—)，男，碩士，教授級高級工程師，主要研究方向為地理信息系統、遙感。E-mail: maoweihua@vip.qq.com

毛衛華，秦爽，付挺芳,等.LiDAR數據濾波中基于切片的斷裂線優化方法[J].測繪通報，2017(9)：75-77.

10.13474/j.cnki.11-2246.2017.0291.