基于UASMaster的影像匹配點云分類的應用分析

李伯進

(北京麥格天渱科技發展有限公司，北京 100043)

天寶測繪解決方案專欄

基于UASMaster的影像匹配點云分類的應用分析

李伯進

(北京麥格天渱科技發展有限公司，北京 100043)

根據近年來對無人機航測的實踐應用經驗及其發展趨勢，結合河南理工大學項目對基于影像匹配融合獲取的點云進行點云分類，得出利用UASMaster結合分層分類思想對無人機獲取的點云進行分類處理的方案是可行的。

點云分類；影像匹配；航測；UASMaster

近年來，基于攝影測量的無人機產業迅猛發展，空中攝影測量技術在諸如地形測繪、國土整治、航空地質、農業、林業、水利、環境保護、能源交通和城市規劃等方面應用廣泛。就數據成果應用端來說，還主要停留在對正射影像和DEM的使用上。而在對點云數據的使用方面還不夠廣泛，其中大的障礙在于點云數據的后處理，即如何獲取精確的分類點云數據。目前來說，對于點云分類有以下幾種主流方法：基于聚類分割的濾波算法、基于內插的濾波算法、基于坡度的濾波算法、基于數學形態學濾波算法等。本文將使用UASMaster內置的基于坡度與數學形態學濾波算法結合分層分類的思想進行點云分類。

1 點云分類方法

基于分層分類的思想對影像匹配獲取的點云進行分類。根據測區主要地物類型進行逐層逐步分類，把不同地物放置在不同圖層里面。首先將特征明顯易識別的地物類提取并單獨分離出來建立一個圖層；然后繼續分類剩余的部分，調用相應的算法再針對性地提取另一種地物類并放置到一個新圖層中；最終，逐層實現所有地物的分類。

2 應用實例

2.1 研究區概況

本文采用河南理工大學項目數據作為分析研究對象。測區類型為城區平原，由黃河沖積而成。該區域位于中原腹地，高差小于3 m；測區內分布有建筑、植被等。

2.2 實 例

2.2.1 作業流程

本項目采用TBC軟件進行基線差分解算，由差分后的高精度GNSS數據和姿態數據共同組成高精度的POS數據。利用該POS數據使用Inpho UASMaster 8.1.2版本軟件進行空三等后期解算，之后進行基于DSM方式的點云生成，最后利用生成的點云進行點云分類。首先提取地面點并為其建立單獨的圖層；然后提取植被并為其建立圖層用來單獨存放；最后將建筑物提取出來實現全部主要地物類型分類。如圖1所示。

圖1 基于DSM的點云

2.2.2 分類結果

首先，利用UASMaster粗篩選工具進行噪點提取并剔除，如圖2所示。

圖2 剔除的噪點

利用UASMaster的地形提取工具進行地面點與非地面點的分離，并提取地面點，如圖3所示。

圖3

進行植被與建筑的粗分離，分別建立植被層和建筑層，粗分離結果如圖4所示。

圖4

利用UASMaster建筑提取算法，對混合部分植被的建筑層進行建筑的精提取，并分別建立建筑層和部分植被層，如圖5和圖6所示。

圖5

圖6

最終分類結果如圖7所示，白色為地面地形，黑色為建筑，灰色為植被。

圖7

2.2.3 分類結果分析

分類結果見表1。從表1可以看出，地面地形數據的全自動提取結果可以達到應用級別；對于建筑房屋的提取在多次迭代提取后，所有沒有植被遮蓋與直接連接處，結果也很精確，僅遺留了部分屋檐外墻飛點，而這些飛點是傳統航測得到的點云數據中不可避免存在的情況。

對于植被的提取結果來說，總體分類比較準確，與地面點分離很準，誤差部分在于緊挨房屋部分，將部分房屋外墻飛點劃歸到了植被層，另外地面車輛也被分到植被層。總體來說，整個分類結果還是相當精確的。

表1

3 結 語

通過本文所進行的應用分析研究可知，在平原地區基于影像匹配融合獲取的點云數據可用作點云分類處理的源數據，并且其在UASMaster軟件中的分類結果也可以滿足大多數應用的要求；該分類結果可以用于純地形模型的生成、三維建模，以及植被覆蓋等統計規劃方面。