機載LiDAR點云數據處理方法探討

□ 張 娟 謝麗娟

（山西亞太數字遙感新技術有限公司，山西 太原 030006）

0.引言

隨著激光雷達技術的發展，其應用領域也不斷擴展，尤其在航空攝影測量領域，機載LiDAR測量技術逐步發展成為快速獲取空間數據的主要方式之一。機載LiDAR測量系統通過掃描獲取具有一定分辨率的地表三維形態的、離散的、密集的空間點，利用點云圖來表達系統對目標物體表面的采樣結果。

機載LiDAR測量技術的優點是快速獲得高密度、高精度的三維數字地面信息。由于點云數據本身不具有它所表達的物體的屬性信息，因此，要獲取所表達的物體的屬性，則須對點云數據進行分類處理，按照不同地表物體的反射特性、形狀特征等，將表達不同類地物的點云進行區分。經過分類，將建筑物、植被等非地表數據放在其他層里面，純地表數據就被分離出來。經過分類的純激光地表數據是具有三維坐標值的離散點，構TIN后即可以按規定格網生成DEM。

本文主要詳細探討機載LiDAR點云數據的處理及檢查方法，并對特殊情況下點云數據處理方法進行了方法性說明。

1.機載LiDAR點云數據處理方法

1.1 數據準備

機載LiDAR點云數據處理中數據準備主要包括以下數據內容：

點云數據；航跡文件（GPS時間、位置信息（X，Y，Z）與姿態信息（H，R，P）相對應的列表文件）等參考文件；地面檢查點，即用于精度檢查的野外實測數據；坐標轉換參數（成果坐標系統與點云坐標系統之間的轉換參數）；其他有關數據，如與數據處理、成果檢驗相關的數據等。

1.2 工程管理

機載LiDAR測量技術獲取的點云數據海量密集，信息豐富，數據量大，針對這一數據特性，結合實際項目需求，在點云數據處理前，首先要對點云數據進行分塊，數據塊的大小根據數據處理的軟、硬件性能綜合考慮，每一個分塊為軟件處理的一個單元（如圖1所示）。

經過分塊后的點云數據進行有序編號，便于后期的數據處理和工程管理。

圖1 工程管理分塊圖

1.3 點類定義

點云數據本身是離散的，沒有屬性類別的。需要根據實際需求，對點云類別進行定義，分別定義地面點、非地面點和專題點數據，其中專題點又細分為水系及設施、居民地及設施、交通及設施、管線及設施、植被和其他。實際工程項目中，可以根據項目需求進行點類定義，確定關注的點類，并進行分層設色。（如圖2所示）點類定義圖。

1.4 點云分類

機載LiDAR點云數據分類，一般是先使用點云數據處理軟件進行自動濾波，可以分離出大部分的地面數據和非地面數據，但是如果需要得到精確的地面數據和專題地表數據，就需要人工干預進行分類。在兩種情況下，需要人工干預，一是地面點云數據不完整，二是非地面數據有殘留。人工干預的主要方法見1.5人工編輯。

點云分類主要是將點云數據按照點類定義分別歸類到各自所在的層。首先移除噪聲點，也就是將明顯低于地面的點或點群（低點）和明顯高于地表的點或點群（空中點），以及移動地物點進行移除。然后是地面點云數據分類，利用軟件設置的算法，對點云數據進行自動地面點分類。其次根據點的高度以及點云分布的形狀、密度、坡度等特征，對非地面點云進行分類，分離出需要的專題點信息。最后是人機交互式進行點云類別編輯修改，直至合理地將各個層次的點云進行分類。（如圖3所示）點云分類示意圖，其中橘黃色為地面，紅色為建筑物，綠色為植被，藍色為配電線。

點云一般采取運用宏命令的方法進行，根據測區地形，地表覆蓋情況設置統一的分類參數，分別對噪點、地面點、建筑物、植被、道路等進行宏命令批處理的方法進行分類。

圖2 點類定義圖

1.5 人工編輯

在點云分類過程中，人工編輯占很大的工作比例，人工編輯分類主要包括：對高程突變的區域，調整參數或算法，重新進行小面積的自動分類；對分類錯誤的點重新進行分類；對項目要求的專題點，結合自動分類和人工編輯的方法進行精細分類。

圖3 點云分類示意圖

人工編輯分類通常是在自動分類后的激光點云數據的基礎上進行，參考渲染的地面模型和表面模型，以及對應的影像數據，利用軟件設置的手動編輯器，通過更改刷取激光數據的光標尺寸大小來確定每次刷取的激光數據點數，也可以設定所刷取的激光數據的范圍，還可以設置光標線上或線下的點，對激光點云數據進行人工編輯分類。目前用于點云數據處理的軟件中基本都設置有手動編輯器，方便多種形式，各種類型的人工編輯處理。

人工編輯分類過程中除了使用手動編輯器分類外，還可以結合使用局部濾波算法，對特殊地形，或地形突變區域進行半自動分類，減少手動分類的工作量。

通過手動編輯器和濾波算法的合理交互式使用，優質高效地完成點云數據分類工作，得到精確的地面點云數據和專題點云數據。（如圖4所示），左圖為自動分類后的地面模型，右圖為經過人工編輯后的地面模型，人工編輯改善了地面的激光點云，使地面模型更加精確。

圖4（1） 自動分類后非地面數據有殘留（圖左）和人工編輯（圖右）對比圖

圖4（2） 自動分類后地面點云數據不完整（圖左）和人工編輯（圖右）對比圖

1.6 點云檢查

點云檢查主要是針對經過分類后的點云數據，對數據進行整體質量檢查，才能進一步導出提交成果。

1.6.1 檢查內容

點云檢查的主要內容包括：點云分類是否正確；地面點云表面模型是否連續、光滑；地面點的剖面圖形態是否合理；非地面點云精細分類按項目要求，不容許錯分、漏分；將分類結果與影像套合，查看點云與影像范圍是否一致。

1.6.2 檢查方法

對分類結果進行檢查。通過將點云按類別顯示、按高程顯示等方法，目視檢查分類后的點云數據；對有疑問處結合斷面圖進行查詢、分析。地面點檢查一般采用建立地面模型渲染圖的方法進行檢查。對模型上不連續、不光滑處，繪制斷面圖進行查看。并結合對應影像，輔助檢查分類的可靠性。針對分類中發現的點云異常，進行及時處理，修正。

1.6.3 具體步驟

將分類后的激光點云與正射影像圖進行疊加，根據影像圖地物的屬性、位置、形狀和大小來判斷點云分類是否正確（如圖5所示）。

圖5 影像（圖右）匹配激光點云（圖左）進行點云分類檢查

用地面點創建可編輯地面模型，按模型地表形態檢查判斷地面點分類是否正確。在發現分類有誤或有疑問的地方，參考表面模型或剖面圖進行判斷并修改（如圖6所示）。

圖6 表面模型（圖左）匹配地面模型（圖右）進行點云分類檢查

1.7 成果導出

目前機載LiDAR點云數據格式一般為*las、*bin、*txt、*fbi等格式。點云數據分類完成后，通過點云處理軟件設置相應的參數，結合項目需求，導出滿足要求的點云數據成果。

2.特殊情況處理

在機載LiDAR點云數據處理中，會遇到一些難以分類或點云數據描述困難的地形，通過長期的工程實踐，總結出一些特殊情況下的點云數據處理方法。

對于河流、湖泊等面積較大的水體區域，通常情況下，水域會吸收發射出去的激光束，從而導致水體區域無數據，點云數據缺失。實際處理中，一般采集水涯線作為特征線代替激光點云數據，當在點云數據中無法獲取水涯線高程時，一般進行野外實地補測高程信息，再補充完成點云數據信息，從而確保地面模型的準確性。

對于分類后地面出現零散、小面積無數據區域時，一般根據數據實際情況設置較大的構網距離，保證插值結果反映完整地形，不得出現插值漏洞。

對不滿足要求的區域，如山體、陡坎或地物遮蔽嚴重等特殊地形，由于地面數據缺失，插值后損失地形細節，嚴重影響數字高程模型精度的。可以使用軟件進行參數設置，參考對應區域的影像數據，可基于立體像對進行補測特征點、特征線等高程信息，或者進行外業實測，補測高程信息，保證地形細節完整。

3.結束語

目前機載LiDAR測量技術已廣泛應用于各個工程領域，包括公路測設，數字城市基礎數據采集，水利工程勘察，電力選線巡線等。隨著機載LiDAR設備的日益更新，獲取的點云數據信息也更加密集豐富，所以生成的DEM、DTM和DSM都能非常細膩地表現地形細節，這些都是傳統的航測技術無法實現的。相應的點云數據處理方法也日趨完善，數據處理軟件越來越多，總體算法更加成熟，但是目前還是難以找到一套可以適應各種復雜地形的自動算法或半自動算法，數據處理中還需要大量的人工手工編輯，所以還需要在實踐中不斷積累提高，進一步改進點云數據處理方法，提高機載LiDAR點云數據的分類質量，制作高精度數字測繪產品。