基于3dhong變換的機(jī)載lidar分割點(diǎn)云建模與分析

基于3dhong變換的機(jī)載lidar分割點(diǎn)云建模與分析

1診斷與分類方法該算法的李dar測(cè)量技術(shù)具有可以自動(dòng)接收高精度空間三維信息的巨大利用，這在許多行業(yè)引起了很大的影響，如測(cè)量、林業(yè)和能源。盡管機(jī)載LiDAR測(cè)量技術(shù)在國(guó)外已經(jīng)相當(dāng)成熟，絕大部分屬于硬件和系統(tǒng)集成方面的許多關(guān)鍵問(wèn)題已經(jīng)得到解決，但相應(yīng)的機(jī)載LiDAR測(cè)量數(shù)據(jù)處理的算法仍然處于前期研究發(fā)展階段，還有諸多的問(wèn)題沒(méi)有得到解決經(jīng)典的機(jī)載LiDAR測(cè)量數(shù)據(jù)的濾波算法有不規(guī)則三角網(wǎng)漸進(jìn)加密經(jīng)典的機(jī)載LiDAR測(cè)量數(shù)據(jù)分類方法有以下幾種：Elberink和Mass近年來(lái)，機(jī)載LiDAR激光脈沖的多次回波信息日益受到相關(guān)研究人員的重視。隨著硬件技術(shù)的發(fā)展，機(jī)載激光掃描系統(tǒng)可記錄的多次回波次數(shù)越來(lái)越多，從最初的一次到首尾兩次，現(xiàn)在已經(jīng)可對(duì)回波波形跟蹤，從而恢復(fù)出整個(gè)剖面。目前，多數(shù)的用于地形測(cè)量的商業(yè)機(jī)載LiDAR系統(tǒng)一般可以最多紀(jì)錄5次回波本文在對(duì)機(jī)載LiDAR點(diǎn)云數(shù)據(jù)分割的基礎(chǔ)上，利用回波信息、面片尺寸、坡度、高程、高差和拓?fù)涞忍卣鬟M(jìn)行墻面點(diǎn)、地面點(diǎn)、樹(shù)木點(diǎn)和建筑物點(diǎn)的分類。其創(chuàng)新體現(xiàn)在將回波信息分析和點(diǎn)云分割結(jié)合起來(lái)，既減少參與濾波的非地面點(diǎn)的數(shù)量，又將回波信息作為一個(gè)重要分類特征，達(dá)到點(diǎn)云數(shù)據(jù)分類的目的。2基于lida的點(diǎn)云分類本文的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)分類方法是建立在點(diǎn)云數(shù)據(jù)的回波特性分析（如圖1所示，將在2.1部分進(jìn)行介紹）和點(diǎn)云分割（如圖2所示，將在2.2部分進(jìn)行介紹）基礎(chǔ)之上，它通過(guò)回波特性、尺寸、坡度、高程、高差、拓?fù)潢P(guān)系等特征進(jìn)行機(jī)載LiDAR點(diǎn)云的分類。2.1森林回波分布的分布目前，對(duì)于多脈沖式機(jī)載LiDAR系統(tǒng)而言，系統(tǒng)記錄的回波信息包括單次回波（singularreturn)研究發(fā)現(xiàn)，回波信息可以反映被測(cè)目標(biāo)的類型信息，繼而可以輔助激光點(diǎn)云數(shù)據(jù)的濾波和分類。具體而言，對(duì)于森林地區(qū)：?jiǎn)未位夭ò孛婕す饽_點(diǎn)和植被冠層的激光腳點(diǎn)；首次回波來(lái)自茂密且高大的植被冠層或靠近冠層的枝葉；中間次回波多為高大植被的枝葉或低矮植被；而末次回波多是植被中間層次的枝葉和地表反射得到的激光腳點(diǎn)，森林地區(qū)的回波分布分析結(jié)果見(jiàn)圖1a。對(duì)于城區(qū)：?jiǎn)未位夭〝?shù)據(jù)主要來(lái)源于地表、人工建筑物（包括立交橋和橫跨河流的橋梁）的頂面或墻面、少量植被點(diǎn)；首次回波來(lái)源于植被的冠層和人工建筑物（包括立交橋）的邊緣；中間次回波主要來(lái)源于植被的枝葉和建筑物的立面；而末次回波則主要來(lái)源于地表，也有部分是來(lái)源于復(fù)雜的建筑物屋頂和植被低矮層面的枝葉，城區(qū)的回波分布分析結(jié)果見(jiàn)圖1b。上述分析結(jié)果表明，無(wú)論對(duì)于森林地區(qū)還是城市區(qū)域，尾次回波和單次回波既可以來(lái)自地面、又可以來(lái)自非地面目標(biāo)；首次回波和中間次回波肯定來(lái)源于非地面目標(biāo)，如植被、建筑物邊緣等，如圖2e所示。因此，首次回波和中間次回波可以不參與后續(xù)的濾波運(yùn)算，這既可以減少參與濾波的激光腳點(diǎn)數(shù)量，又會(huì)降低將非地面點(diǎn)誤分為地面點(diǎn)的概率。我們進(jìn)一步發(fā)現(xiàn)，如果對(duì)點(diǎn)云進(jìn)行平面分割，結(jié)合回波信息觀察分割獲取的面片，對(duì)于屬于樹(shù)木類別的面片，其包含的點(diǎn)數(shù)較少且首次回波和中間次回波的比例較大（至少50%），如圖2b和圖2c所示；對(duì)于屬于建筑物的面片，其包含的點(diǎn)數(shù)較多且單次回波和尾次回波的比例較大（至少90%）；對(duì)于屬于道路的面片，其包含的點(diǎn)數(shù)多且不包含任何的首次回波和中間次回波。因此，回波信息可以用于機(jī)載LiDAR點(diǎn)云數(shù)據(jù)的分類，將在2.3部分介紹。2.2點(diǎn)云數(shù)據(jù)平面分割的構(gòu)建與影像分割類似，點(diǎn)云數(shù)據(jù)分割可以看作是對(duì)點(diǎn)云數(shù)據(jù)的一個(gè)標(biāo)號(hào)過(guò)程（labeling），經(jīng)過(guò)標(biāo)號(hào)后，屬性（高程、坡度、色彩等特征）相同或者相近、且空間鄰近的點(diǎn)被劃分為一個(gè)面片，每一面片具有惟一的標(biāo)號(hào)（label），每一個(gè)激光腳點(diǎn)屬于、且惟一屬于某一標(biāo)號(hào)的面片。已經(jīng)有多種機(jī)載LiDAR點(diǎn)云數(shù)據(jù)的分割方法，如掃描線分割法其中，（X,Y,Z）為某一點(diǎn)的三維坐標(biāo)，α、β分別為該平面在x軸和y軸夾角，d為平面到坐標(biāo)原點(diǎn)的距離。則，點(diǎn)云數(shù)據(jù)中任意一個(gè)三維激光腳點(diǎn)可以定義一個(gè)用α、β、d三參數(shù)描述的曲面；另外，點(diǎn)云數(shù)據(jù)中共面的激光腳點(diǎn)變換后將具有相同的α、β、d的值，即：3維空間共面的點(diǎn)對(duì)應(yīng)于的α、β、d形成的Hough特征空間的同一點(diǎn)。3DHough變換后的特征空間如圖2g所示，它本質(zhì)上是多個(gè)2DHough變換的疊加，圖2g中可以清晰看到其中一個(gè)Hough變換的界面。本文，α、β、d、Δd的分辨率分別為3o、3o、0.2m。我們基于上述原理，設(shè)計(jì)了點(diǎn)云平面分割方法，其流程如下：1）數(shù)據(jù)組織：同時(shí)利用KD-樹(shù)2）確定初始種子點(diǎn)和初始平面：對(duì)于任意一點(diǎn)，利用KD-樹(shù)查找其最鄰近的k（本文取值為20）個(gè)點(diǎn)，將該點(diǎn)與其k個(gè)臨近點(diǎn)映射到α、β、d三參數(shù)形成的3DHough特征空間，檢測(cè)3DHough特征空間中是否存在一個(gè)強(qiáng)度足夠大的點(diǎn)。如果有滿足條件的點(diǎn)，則找出這k+1個(gè)點(diǎn)中共面的點(diǎn)作為初始種子點(diǎn)，并利用種子點(diǎn)通過(guò)最小二乘擬合確定一個(gè)更精確的平面，作為初始平面。如果沒(méi)有，則處理下一點(diǎn)，直到找到初始種子點(diǎn)。將種子點(diǎn)統(tǒng)一標(biāo)號(hào)。3）區(qū)域生長(zhǎng)：利用DTIN檢測(cè)每個(gè)種子點(diǎn)周邊的鄰近點(diǎn)，如果該點(diǎn)沒(méi)有被標(biāo)號(hào)、且點(diǎn)到初始平面的距離滿足一定的閾值Δd，則將該點(diǎn)標(biāo)號(hào)為種子點(diǎn)的標(biāo)號(hào)、加入種子點(diǎn)隊(duì)列、并更新平面的信息。不斷地增加種子點(diǎn)和更新平面，直到?jīng)]有新的種子點(diǎn)被加入。將標(biāo)號(hào)自增1，從步驟2）開(kāi)始檢測(cè)下一平面，直到處理完所有的點(diǎn)。4）處理未被標(biāo)號(hào)的點(diǎn)：對(duì)未被標(biāo)號(hào)的點(diǎn)，檢測(cè)其是否屬于鄰近的平面。如果屬于，則將該點(diǎn)標(biāo)號(hào)為該平面上點(diǎn)的標(biāo)號(hào)，否則，對(duì)該點(diǎn)賦予一個(gè)新標(biāo)號(hào)，且將標(biāo)號(hào)自增1。上述平面分割過(guò)程，可以將點(diǎn)云數(shù)據(jù)聚類為一個(gè)一個(gè)的平面，如圖2b和圖2c所示。但在上述分割過(guò)程中，如果初始平面確定后，在區(qū)域生長(zhǎng)過(guò)程中，更新平面信息時(shí)僅僅使用剛剛被加入種子點(diǎn)隊(duì)列的n（本文取值20）個(gè)種子點(diǎn)、而非使用所有的種子點(diǎn)，則上述分割過(guò)程可以將點(diǎn)云數(shù)據(jù)聚類為一個(gè)一個(gè)光滑的曲面、而非平面，這稱為點(diǎn)云數(shù)據(jù)的光滑分割，如圖2f所示。經(jīng)過(guò)觀察和對(duì)比分析，我們發(fā)現(xiàn)：通過(guò)點(diǎn)云數(shù)據(jù)平面分割，屬于同一平面的鄰近激光腳點(diǎn)會(huì)被聚類到同一面片，如圖2c所示，同一屋脊面上的點(diǎn)一般會(huì)被賦予同一標(biāo)號(hào)、不同屋脊面上的點(diǎn)一般會(huì)被賦予不同的標(biāo)號(hào)；而通過(guò)點(diǎn)云數(shù)據(jù)光滑分割，連續(xù)的鄰近激光腳點(diǎn)會(huì)被聚類到同一面片，如圖2f所示，對(duì)于同一建筑物上的激光腳點(diǎn)一般會(huì)被賦予同一標(biāo)號(hào)。平面分割和光滑分割在機(jī)載LiDAR點(diǎn)云數(shù)據(jù)分類中具有不同的用處：平面分割用于確定面片的目標(biāo)類別；光滑分割用于濾波，既確定地面點(diǎn)和非地面點(diǎn)，詳見(jiàn)第2.3部分。2.3點(diǎn)云數(shù)據(jù)的平面分割基于上述方法，本文提出的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)分類技術(shù)流程包括：1）粗差點(diǎn)剔除原始的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)中，一般都包含粗差點(diǎn)。本文使用高程直方圖分析和臨近點(diǎn)高差分析結(jié)合的方法進(jìn)行剔除粗差點(diǎn)。2）回波分析對(duì)粗差剔除后的機(jī)載LiDAR進(jìn)行回波分析，分為兩個(gè)子集點(diǎn)，即，尾次回波和單次回波子集、首次回波和中間次回波子集。只利用第一個(gè)子集參與下一步的運(yùn)算。3）濾波：利用高程、高差、拓?fù)潢P(guān)系等特征進(jìn)行地面點(diǎn)和非地面點(diǎn)的判別(1)分塊：將原始的點(diǎn)云數(shù)據(jù)劃分為不同的正方形塊，塊的大小要大于區(qū)域內(nèi)最大建筑物的尺寸，并且相鄰的塊之間有30%的重疊區(qū)域，如圖3所示，本文塊的大小取區(qū)域內(nèi)建筑物最大尺寸的兩倍；(2)平面分割：對(duì)每一塊點(diǎn)云數(shù)據(jù)進(jìn)行基于3DHough變換的平面分割，分割流程如第2.2部分所示；(3)剔除小的面片：將每一塊中尺寸較小的面片標(biāo)記為非地面點(diǎn)，并剔除；(4)識(shí)別并剔除墻面：統(tǒng)計(jì)每一個(gè)面片的坡度信息，如果面片的坡度在85至95之間，則將該面片標(biāo)記為墻面類，并予以剔除；(5)平滑分割：將每一塊剩余的激光點(diǎn)進(jìn)行平滑分割，流程如第2.2部分所示；(6)確定地面面片和非地面面片：首先對(duì)未被判別的面片建立面片之間的拓?fù)潢P(guān)系（注意：面片的鄰近表現(xiàn)為面片的邊緣點(diǎn)鄰近），然后利用下述規(guī)則判別：最低點(diǎn)所在的面片為地面面片（僅在第一次循環(huán)中使用該規(guī)則）———面積最大的面片為地面面片———面片的高度（屬于該面片的點(diǎn)的高程值平均值）低于地面面片的為地面面片———面片的高度高于鄰近的所有面片的為非地面面片———對(duì)于其他類型的面片，包括：與鄰近面片的高程相似的面片、低于鄰近面片和其他無(wú)明顯特征的面片，不進(jìn)行類別的界定，一次判別完畢后，將被分類的面片從待處理的面片中排除，合并與鄰近面片的高程相似的面片，從(6)開(kāi)始繼續(xù)進(jìn)行下一輪的判別，直到所有的面片都被歸類為地面類和非地面類；(7)多塊分類信息的融合：逐一取出相鄰的兩個(gè)塊，檢查重疊區(qū)內(nèi)點(diǎn)的分類情況是否一致：如果在相應(yīng)的兩塊內(nèi)的分類一致，則不進(jìn)行處理，如果在相應(yīng)的兩塊內(nèi)的分類不一致，則將該點(diǎn)賦值為未分類的點(diǎn)。對(duì)于未分類的點(diǎn)，重新進(jìn)行光滑分割，然后根據(jù)步驟(6)內(nèi)的規(guī)則，結(jié)合已有類別信息的面片，進(jìn)行重新的類別判斷。經(jīng)過(guò)上述處理，參與濾波的點(diǎn)被分類為地面點(diǎn)和非地面點(diǎn)。4）重新組合數(shù)據(jù)將步驟2）獲取的首次回波和中間次回波子集點(diǎn)和步驟3）獲取的非地面點(diǎn)和進(jìn)行合并。對(duì)合并的點(diǎn)，再次進(jìn)行平面分割。5）進(jìn)行樹(shù)木點(diǎn)和建筑物點(diǎn)的識(shí)別根據(jù)分割面片的尺寸、包含的多回波點(diǎn)的比例大小進(jìn)行分類，對(duì)于屬于樹(shù)木類別的面片，其包含的點(diǎn)數(shù)較少且首次回波和中間次回波的比例較大（至少50%）；對(duì)于屬于建筑物的面片，其包含的點(diǎn)數(shù)較多且單次回波和尾次回波的比例較大（至少90%）。經(jīng)過(guò)上述處理，粗差剔除后的機(jī)載LiDAR點(diǎn)云被分為下述類別：墻面點(diǎn)、地面點(diǎn)、建筑物點(diǎn)、樹(shù)木點(diǎn)，如圖2h所示。上述流程如圖4所示。3實(shí)驗(yàn)結(jié)果與分析作者采用C++語(yǔ)言和OpenGL庫(kù)，在VS2008集成開(kāi)發(fā)環(huán)境中開(kāi)發(fā)了一個(gè)點(diǎn)云數(shù)據(jù)處理原型系統(tǒng)，實(shí)現(xiàn)了上述基于回波分析和點(diǎn)云分割的點(diǎn)云數(shù)據(jù)分類功能。為了驗(yàn)證上述提出的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)分類方法的可行性和精度，本文采用了已經(jīng)剔除了粗差的兩個(gè)場(chǎng)景的點(diǎn)云數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)。第一景點(diǎn)云數(shù)據(jù)，如圖2a所示，位于荷蘭某城市市區(qū)，地面十分平坦，面積為60m×60m，區(qū)域內(nèi)的建筑物比較密集，有一顆參天大樹(shù)，點(diǎn)云密度約50點(diǎn)/m第二景點(diǎn)云數(shù)據(jù)，如圖5a所示，位于南寧市市區(qū)，區(qū)域內(nèi)的建筑物形狀各異，地面有輕微的起伏，且在右上角有人工的土丘隆起，面積為700m×300m，點(diǎn)云密度約1點(diǎn)/m3.1云數(shù)據(jù)中微起落架的土丘分類通過(guò)觀察兩景點(diǎn)云數(shù)據(jù)的分類結(jié)果，我們發(fā)現(xiàn)本文提出的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)分類效果很好，能夠正確的區(qū)分點(diǎn)云數(shù)據(jù)中大部分的墻面點(diǎn)、地面點(diǎn)、建筑物點(diǎn)和樹(shù)木點(diǎn)，第二景點(diǎn)云數(shù)據(jù)中微微隆起的土丘也被正確的分類為地面點(diǎn)。但也有錯(cuò)誤的分類點(diǎn)，建筑物點(diǎn)被誤分為樹(shù)木點(diǎn)的現(xiàn)象比較嚴(yán)重，比如：第一景點(diǎn)云數(shù)據(jù)中，某建筑物上隆起的微小結(jié)構(gòu)被誤分為樹(shù)木點(diǎn)（如圖6a所示）、某些電力線也被誤分為樹(shù)木點(diǎn)；第二景點(diǎn)云數(shù)據(jù)中，某建筑物上隆起的微小結(jié)構(gòu)被誤分為樹(shù)木點(diǎn)的情況?？傮w而言，分類的效果達(dá)到了預(yù)期的目標(biāo)。3.2云數(shù)據(jù)分類效果為了定量評(píng)價(jià)算法的性能，使用目視解譯的方式制作了上述兩個(gè)場(chǎng)景點(diǎn)云數(shù)據(jù)的參考分類結(jié)果，分類時(shí)將電力線劃分為建筑物的類別。上述兩個(gè)場(chǎng)景點(diǎn)云數(shù)據(jù)分類效果的混淆矩陣見(jiàn)表1。通過(guò)表1可知，兩個(gè)場(chǎng)景的點(diǎn)云總體分類精度達(dá)到93%以上、Kappa系數(shù)高于0.89。另外，無(wú)論是生產(chǎn)者精度還是用戶精度，地面和建筑物的精度高于92%；相比之下，墻體和樹(shù)木的精度較低，較多的墻體點(diǎn)被誤分為地面點(diǎn)和建筑物點(diǎn)、較多的其他類型的點(diǎn)被誤分為樹(shù)木點(diǎn)。但綜合而言，分類達(dá)到了較高的精度。3.3點(diǎn)云數(shù)據(jù)分割的特征本文提出的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)分類方法具有很高的分類精度，其主要原因有以下兩點(diǎn)：1）它充分利用了機(jī)載LiDAR點(diǎn)云數(shù)據(jù)的回波信息。不同地物類型的回波具有不同的特征：地面只會(huì)產(chǎn)生單次回波和尾次回波，不會(huì)產(chǎn)生首次回波和中間次回波；除建筑物邊緣和頂層隆起的微小結(jié)構(gòu)會(huì)產(chǎn)生部分首次回波和中間次回波，大部分建筑物屋頂產(chǎn)生單次回波；樹(shù)木會(huì)產(chǎn)生多種類型的回波，但大部分回波屬于首次回波和中間次回波。本文選擇回波特性作為地物類型判定的關(guān)鍵特征，這保證了分類的科學(xué)性。2）點(diǎn)云數(shù)據(jù)分割為點(diǎn)云分類提供了更豐富的特征。點(diǎn)云分割后，容易派生面片和面片之間的拓?fù)潢P(guān)系、高低關(guān)系，這可以用于作為分類的判別特征；另外，屬于墻面的面片具有很大的坡度，屬于建筑物和地面的面片面積較大，屬于樹(shù)木的面片面積較小，而且面片內(nèi)各種回波類型的點(diǎn)的比例也可以作為判別特征?？梢?jiàn)，點(diǎn)云數(shù)據(jù)分割可以為點(diǎn)云數(shù)據(jù)分類提供更多的特征，人們可以利用更多的知識(shí)去進(jìn)行點(diǎn)云數(shù)據(jù)分類。但是，本文使用上述分類特征，也存在一定的不足之處。比如，對(duì)于面積較小的建筑物頂層隆起的微小結(jié)構(gòu)，它也會(huì)產(chǎn)生首次回波和中間次回波，這會(huì)將他們誤分為樹(shù)木；部分懸浮于空中的線狀地物，他們的尺寸較小而且也會(huì)產(chǎn)生多次回波，容易將他們誤分為樹(shù)木點(diǎn)；對(duì)于部分距離地面較近的墻面點(diǎn)，容易將他們?cè)诜指顣r(shí)聚類到地面面片、而被誤分為地面點(diǎn)。另外，本文分類時(shí)，考慮的場(chǎng)景的復(fù)雜度不是很高，僅僅包含較少的類別。而對(duì)于包含車輛、交通標(biāo)識(shí)、立交橋、水體、等地物類型、且地形復(fù)雜的場(chǎng)景，本文的分類體系和分類方法并不適合，需要進(jìn)一步改進(jìn)。4實(shí)驗(yàn)結(jié)論與分析本文根據(jù)機(jī)載LiDAR點(diǎn)云數(shù)據(jù)的回波特性，結(jié)合基于3DHough變換的點(diǎn)云數(shù)據(jù)分割，提出了一種綜合利用回波特征、坡度、尺寸、高程、高差、拓?fù)涞忍卣鲗?duì)城區(qū)的機(jī)載LiDA