一種從LIDAR點云數(shù)據(jù)中提取DTM的方法

一種從LIDAR點云數(shù)據(jù)中提取DTM的方法李瑞林;李濤【摘要】DTM的應用日益重要和廣泛，利用LIDAR點云數(shù)據(jù)提取DTM是一種簡單有效的方法。但由于地形的多樣性和地面上物體的復雜性，以及LIDAR原始點云數(shù)據(jù)的不連續(xù)性和不規(guī)律性，很難找出一種在各種地形都適用的DTM提取方法。提出一種從LIDAR數(shù)據(jù)中快速提取DTM的方法，分三個步驟：首先對原始LIDAR點云數(shù)據(jù)進行規(guī)則化處理，生成DSM；然后對DSM按單元進行一些操作，得到初始DTM；最后利用梯度閾值操作，進行DTM平滑。實驗結(jié)果表明，該方法簡單實用，適應性強.【期刊名稱】《鐵道勘察》【年(卷)，期】2007(033)005【總頁?】3頁(P53-54,57)【關鍵詞】LIDA;DTM;提取【作者】李瑞林;李濤【作者單位】中鐵工程設計咨詢集團有限公司，北京,100020;西南交通大學土木工程院，四川成都,610031【正文語種】中文【中圖分類】U21概述LIDAR是集激光掃描系統(tǒng)、全球定位系統(tǒng)(GPS)和慣性導航技術(shù)為一體的高新技術(shù),該系統(tǒng)可以快速獲取地球表面三維數(shù)據(jù)信息［1］,即由密集的點云所組成的原始數(shù)據(jù)。通過對LIDAR原始數(shù)據(jù)進行處理，就可以直接生成數(shù)字表面模型(DSM),然后對得到的DSM進行處理，對其中的建筑物、樹木等地面上物體進行過濾,就可以生成DTM。目前已經(jīng)有許多DTM的提取方法。文獻［2］對LIDAR點云數(shù)據(jù)進行規(guī)則格網(wǎng)化處理,用中值濾波去除粗差并平滑數(shù)據(jù)后，首先用Delaunay算法計算表面的TIN模型，對每個三角形的法向量和高差進行判斷，然后使用區(qū)域增長的辦法來獲取道路信息，最后選擇一些道路點作為種子點，通過改變每一個格網(wǎng)的高程得到DTM。該方法在區(qū)域生長時，道路很容易被噪聲干擾,種子點的自動選取也較困難。ChristopherA［3］則提取了另外一種方法，該方法首先在一個格網(wǎng)單元中尋找出最小值并形成一個模擬的表面，然后對模擬表面內(nèi)差處理得到地面值,對于平表面的橋梁和建筑物，要進行基于梯度特征的操作,最終得到DTM。該方法內(nèi)差計算是在模擬地表上進行，提取準確度較差。由于地形和地面上物體的復雜性，以及LIDAR原始點云數(shù)據(jù)的不連續(xù)性和不規(guī)律性,很難找出一種方法適用于所有的地形［4］。本文提出一種從原始LIDAR點云數(shù)據(jù)中快速提取DTM的方法，該方法先對原始LIDAR數(shù)據(jù)進行格網(wǎng)化處理，生成DSM,然后對DSM進行地表植被和建筑物去除的一系列操作，接著用梯度閾值等操作進行平滑，最終得到DTM。2原始LIDAR點云數(shù)據(jù)預處理LIDAR點云數(shù)據(jù)的分布特點，使直接進行處理非常困難，因此需要進行預處理。在數(shù)據(jù)處理與分析中，規(guī)則格網(wǎng)法通常使用線性代數(shù)的二維數(shù)字矩陣分析法作為數(shù)據(jù)分析的數(shù)學基礎，一個矩陣數(shù)據(jù)在計算機的數(shù)據(jù)管理中變成一個二維數(shù)組。每個格網(wǎng)單元或數(shù)組元素對應一個高程值。因此，規(guī)則格網(wǎng)法具有分析處理簡單、處理模式化強的特征。原始的LIDAR點云數(shù)據(jù)就是若干個地面或地物點的精確三維坐標信息。將原始LIDAR點表示為Ip,則lp定義為lp=(lpx,lpy,lpz)lpx,lpy,lpz分別表示每個原始LIDAR點lp的經(jīng)度、緯度和高程三維信息。經(jīng)過規(guī)則格網(wǎng)化預處理后,得到DSM,其數(shù)據(jù)表達形式可以表示為矩陣形式。設所有的原始LIDAR點云數(shù)據(jù)經(jīng)處理后的集合為LP,則：其中：m和n分別為矩陣的行和列而且mxn=N,N為LIDAR點總數(shù)。原始LIDAR點云數(shù)據(jù)預處理后生成的規(guī)則DSM如圖1所示。從圖中可以看出，選取的實驗區(qū)域地形復雜多變。圖1原始LIDAR點云數(shù)據(jù)生成規(guī)則DSM3DTM提取原始LIDAR數(shù)據(jù)經(jīng)過規(guī)則格網(wǎng)化處理后,生成規(guī)則DSM,隨后可以從中提取DTM。DTM的提取分兩部分完成，首先是去除樹木，然后是去除建筑物，最終在通過梯度閾值等操作后得到DTM。3.1初始DTM提取在規(guī)則DSM中，非地面物體如樹木、建筑物等通常都高于與之相鄰的地面。樹木高度不一，面積較小，而建筑物在一個很小的范圍內(nèi)高差不大，且面積較大。因此LIDAR數(shù)據(jù)DTM的生成首先就是根據(jù)這些特征去除掉這些非地面物體點，取而代之的是與之臨近的地面點。具體的做法如下：從第一個點開始,間隔為2進行行、列循環(huán)，選擇與之相鄰的4個點為一個單元，統(tǒng)計每個單元內(nèi)4個點中的最大值、最小值和平均值(如圖2所示)。圖2非地面物體點的去除對每個單元內(nèi)的最大值和最小值進行相減，如果兩者差值大于給定的閾值，則將最大值對應的LIDAR點高程值改變?yōu)樽钚≈怠Ｈ缓髮υ搯卧獌?nèi)剩余兩個點進行判斷，如果兩點中任意一點高程值和最大值接近，則將該點的高程也改變?yōu)樽钚≈?。逐行、列進行循環(huán)，以某個單元為中心，若該單元的最大值與其上下左右4個方向中任意一個單元的最大值差值大于閾值，且兩者的最小值接近,則將該單元內(nèi)4個點的高程值都改變?yōu)樵搯卧獌?nèi)的最小值；若該單元最大值與其周圍4方向上任意一個單元的最大值差值和最小值差值都超過閾值,則將該單元內(nèi)4個點的高程全部改變?yōu)閷较騿卧钠骄?。逐行、列進行循環(huán)（如圖3）,以每個點為中心（0位置），若中心點高程值均大于周圍8方向（1~8方向）點高程值，則將該點的高程值改變?yōu)橹車?點的平均值；若中心點高程大于其周圍8方向中任一點（如0-2方向）且差值超過閾值，而與之相反方向上（0-6方向）兩者高程差值較小，則將該點的高程改變?yōu)樵摲较螯c的高程（即將0點高程改變?yōu)?點高程）。圖38方向示意通過以上4步,可以去除掉地面上的絕大部分物體，得到初始DTM。圖1所示的DSM經(jīng)過上述步驟處理后,得到的初始DTM（如圖4）。圖4初始DTM3.2初始DTM平滑提取出來的初始DTM,已經(jīng)去除了絕大部分非地面物體，但是在一些區(qū)域中如建筑物和地面臨界處,高程變化比較劇烈,還必須對得到的初始DTM進行光滑處理。光滑處理的步驟如下：梯度閾值分割。由梯度的定義可知，在高程變化劇烈的地區(qū)，梯度值也相對較大，因此對每個點求梯度，若梯度值大于閾值，表示該點和周圍的點高程有劇烈變化，則將該點的高程改變?yōu)閰⒓釉擖c閾值運算時其他所有點的平均值。逐行、列進行循環(huán)（如圖2所示）,將0點的高程改變?yōu)橹車?個點的平均值。經(jīng)過上述步驟的處理，初始DTM中高程變化劇烈的區(qū)域可以有效地得到平滑，最終得到DTM(如圖5所示)?？梢钥闯?此時的DTM已經(jīng)去除了所有的非地面物體，且高程變化比較平滑。圖5DTM提取結(jié)果4結(jié)論本文提出的從LIDAR數(shù)據(jù)中快速提取DTM的方法基本不受地形起伏的影響，無須人工干預選擇種子點，適用性強啟動化程度高，可以快速、準確地提取DTM。試驗結(jié)果表明該方法是有效和可行的。參考文獻李英成，等.快速獲取地面三維數(shù)據(jù)的LIDAR技術(shù)系統(tǒng)[J].測繪科學,2002,27(4):35-38NizarABOAKEL,AutomaticDTMExtractionfromDenseRawLIDARDatainUrbanAreas,TS26BestPracticeinFacilityManagementChristopherA.Weed,MelbaM.Crawford.ClassificationofLIDARDataUsingaLowerEnvelopeFollowerandGradientbased-Operator.0-7803-7536-X,IEEE,2002VosselmanG.SlopeBasedFilteringofLaserAltimetryData[A].InternationalArchivesofthePhotogrammetry,RemoteSensingandSpatialInformationSciences.2000,33(3):935-942G.Priestnall,J.Jaafar.ExtractionurbanfeaturesfromLIDARdigitalsurfacemodels[J],Computers,EnvironmentandUrbanSystems,24(2