本文內容來源於《測繪通報》2021年第10期，審圖號：GS（2021）6414號
LiDAR測量點雲融合影像的分塊濾波方法
毛冬海1,2, 李守軍1,2,3, 王鋒4, 戴華毅1, 陽凡林1,5
1. 山東科技大學測繪與空間信息學院, 山東 青島 266590;
2. 自然資源部海底科學重點實驗室, 浙江 杭州 310012;
3. 自然資源部第二海洋研究所, 浙江 杭州 310012;
4. 浙江省工程物探勘察設計院有限公司, 浙江 杭州 310005;
5. 自然資源部海洋測繪重點實驗室, 山東 青島 266590
基金項目：國家重點研發計劃專項（2016YFC1401210）；國家自然科學基金（41576099）；全球變化與海氣相互作用專項二期（20094G）；浙江省沿海灘涂（潮間帶）資源監測與評價項目（SJ21003）；中央級公益性科研院所基本科研業務費專項（JG2110）
關鍵詞：數據融合, LiDAR點雲, 分塊濾波, 多元特徵, 數字高程模型
引文格式：毛冬海, 李守軍, 王鋒, 等. LiDAR測量點雲融合影像的分塊濾波方法[J]. 測繪通報, 2021(10): 67-72,131.doi: 10.13474/j.cnki.11-2246.2021.307.
摘要
摘要： 針對現有LiDAR地面點濾波算法對複雜地形地物適應性不強的問題，本文提出了一種融合點雲與地面影像分塊濾波的方法。首先，將地面影像與點雲匹配，使點雲從影像中獲取更多的光譜紋理信息。然後，分析地物光譜、林地相對密度、點雲高程特徵、地面DSM模型及其坡度，並基於決策級融合將原始點雲切割成若干獨立的區塊。最後，根據每塊區域不同的多元細節特徵，對IPTD濾波算法進行改進並利用搜索法優化參數，得到最優且穩健的結果。利用濾波後的總地面點通過插值算法得到的DEM模型和相關試驗驗證了本文算法的優越性。
正文
近年來，雷射探測和測距(light detection and ranging, LiDAR)技術取得了飛速的發展和廣泛的應用
在部分地麵條件下，這些算法的濾波效果較好，但是在較複雜地形下其結果往往欠佳
1 數據源與預處理
本文的雷射點雲與地面影像數據來自ISPRS官網發布的參考數據集中的samp51測試樣本。該參考數據集經過了ISPRS官方的半自動濾波和手動編輯編譯，是一個較權威的點雲數據集，已有諸多學者利用該數據集進行了研究
圖1 samp51樣本點雲散點
圖2 samp51樣本點雲對應地面灰度影像
圖1以近似的地面橫切面顯示，飄在上方的稀疏點云為地物上的雷射點。samp51覆蓋地區的坡度較大，其中X軸中部區域的坡度最大，平均約為30°。整個區域沿X軸、Y軸長度分別約為230、430 m, 共包含17 845個雷射點雲數據。結合圖2可知，該區域的地物較為複雜，包含耕地、居民地、林地及水體，地形根據坡度可分為平地、緩坡及陡坡。其中，密集林地處在坡度最大的區域，這使得該區域地面點濾波問題變得更加棘手。
對於LiDAR點雲生成DEM而言，預處理主要是對點雲進行去噪，剔除高位、低位異常的點雲數據
2 研究方法
2.1 試驗流程
融合點雲與影像信息分塊濾波生成DEM的流程如圖3所示。
圖3 融合點雲和影像信息分塊濾波生成DEM流程
圖3中，步驟主要包括3大部分。第一，雖然該地面影像不具備地理坐標，但其具有豐富的紋理和上下文關係等信息；而點雲數據雖然具備真實地理位置屬性，但其缺乏地物真實紋理光譜和相關關係且是離散數據。因此，利用同名特徵點通過線性變換將地面影像與去噪後點雲數據進行匹配，融合兩者的多元信息，達到優勢互補的目的。第二，在分析匹配後多元特徵信息的基礎上，基於決策級融合將點雲數據進行最優切割分塊。結合濾波算法的原理和適用性研究，對改進的漸進三角網加密(improved progressive TIN densification, IPTD)濾波算法
2.2 數據融合匹配方法
融合影像光譜和三維幾何特徵的點雲數據是信息提取的熱點數據源之一
圖4 基於圖像特徵的匹配點(☆代表對應匹配點位)
多次試驗表明，該方法能夠達到點雲與影像之間配準的效果，且易於操作、可重複性強，在一定程度上達到了點雲和影像的融合。融合之後的點雲數據可以繼承影像豐富的特徵信息，為濾波算法的改進和參數優化起到重要的輔助決策作用。
2.3 融合多元特徵區域分塊
為了從原始點雲和影像中獲取更多的輔助濾波和區域劃分的特徵，對地面影像灰度進行了頻譜分析。分析發現林地像元灰度偏小偏黑，其他地物像元灰度偏大偏白，但是地物的黑色陰影會影響林地的判斷，需要進一步作剔除處理。影像灰度的頻譜分析結果和林地相對密度分別如圖5、圖6所示。
由圖5可知，地面影像的灰度主要在某些灰度值上大量分布，此處以頻數大於10 000的灰度值代表整體的灰度特徵，以雙峰之間的波谷極低值69對圖像進行閾值分割。對分割後的圖像進行部分陰影的剔除，並依據單位像元內識別出的林地像元比率繪製區域範圍內林地的相對密度圖。
研究林地的相對密度和分布主要考慮密集林地在濾波過程中的複雜性，特別是密集林地與陡坡同時存在的情況。由圖6可知，高密度的林地主要分布在區域的中部條帶上，方向呈左下至右上，按其可分度增加將其劃分為單獨區塊的權重。區域左右兩側分布著相對稀疏的林地，區域右上和右下部分地面相對平整，基本屬於無林區。為了將區域左右兩側部分進一步細分成特徵相對均一的區塊，筆者進一步研究分析了基於原始點雲構建的三角網DSM模型及其坡度，成果如圖7、圖8所示。
圖5 地面影像灰度值分布直方圖
圖6 samp51區域林地相對密度分布
對圖7、圖8的三角網DSM模型和坡度進行研究，使地表地物的高程起伏特徵和坡度特徵融合到區域分塊算法中。由圖7 DSM模型可以清晰地分析出區域左側地面較平緩、高程相近。左上部DSM模型較凌亂，原因是該處為水體，存在點雲空洞且水體兩側分布密集林地，該處在後續將被特殊處理。區域中部分布密集林地的部位高程變化最大；右上部DSM無較大異常突變，高程均勻遞增；右中部為居民地區，地面較平緩；右下部地面高程基本一致，DSM模型無異常形狀凸起。圖8的坡度圖將DSM的坡度變化進行了更加定量的刻畫，結合地面影像可知，坡度大於42°的像元主要集中在林地和建築物房檐處，與圖6林地相對密度分布較一致。由圖8可知，除林地和建築物外，裸地坡度普遍不大，基本低於23°。結合以上分析結果，以及DSM、坡度圖細節特徵，同時考慮建築物尺寸的多樣性和特殊性等，對居民地、陡坡林地、緩坡稀樹地等賦予較大的獨立分割權重，確保每塊區域內部地理性質具有較高的一致性和均衡性。
圖7 區域三角網DSM模型
圖8 基於DSM的區域坡度
基於知識輔助的決策方法適用於多源融合數據的處理，其難點在於知識或規則的獲取
圖9 區域最優分塊結果
將圖9與圖6—圖8比較分析可知，該分塊結果將不同的地形和複雜地物進行了較好的區分(如區塊1、3代表緩坡稀樹區域，區塊2代表居民地區域，區塊4代表陡坡林地區域，區塊5代表平地稀樹區域),且分割邊界均為直線。其中區塊5中的交叉影線為基於融合特徵識別出的河流區域，本文將其歸併入區塊5,避免分割結果過於細碎。統計了各個區塊的點密度、平均高程及標準差，分析各個區塊點雲和影像的多元特徵，在一定程度上可以對濾波算法的參數進行線性預測。
2.4 IPTD濾波算法改進和參數優化
LiDAR點雲地面點濾波算法是區分地面點與非地面點的核心。現有的濾波算法較多，主要是基於形態學、坡度閾值和插值的濾波算法。文獻
綜合以上因素，採用一種利用本文分割分塊方法改進的IPTD算法進行濾波。首先按照該方法對點雲進行分塊，柵格化點雲並用形態學算法獲得大量的潛在地面種子點，使用KD-tree算法得到的鄰域點構建擬合平面，依據平均距離閾值對潛在種子點進行篩選，得到大量精確的地面種子點。然後利用地面種子點採用先向下疊代加密後向上加密的策略進行濾波，並通過設置緩衝區減小邊緣效應。
在參數優化上，以充分考慮各個分塊各自局部的融合特徵為原則，採用格網搜索法的策略進行處理。格網搜索法是一種利用給定參數範圍與間隔的窮舉操作及對比進行參數優化的方法。雖然其智能性不如遺傳算法、粒子群算法等參數優化方法，但其在模型複雜度上更加簡單，而且結果的可靠性普遍更高
2.5 精度評價方法
精度評價包括兩方面內容，即對濾波誤差這一中間成果的評價和對成果DEM高程誤差的定量計算。濾波誤差的評價採用常見的點雲濾波誤差計算交叉表進行，計算方法見表1
表1 濾波誤差計算交叉
表1包含了第Ⅰ類誤差(棄真誤差)、第Ⅱ類誤差(取偽誤差)和總誤差(可行性)3個指標。計算這3個指標主要在於正確判斷濾波後的結果中存在的真實結果和虛假結果的數量。本文以samp51原始點雲中官方給定的真實地面點屬性標籤為參考數據，對本文方法濾波後的點雲進行了點對點的比較，判斷其是否為真實結果，並按照表中方法進行濾波誤差的計算。
對高程精度的評價一般採用高程平均絕對誤差和均方根誤差表達
式中，MAE、RMSE分別為平均絕對誤差、均方根誤差；n為檢查點個數；Δi為第i個檢查點成果DEM高程和內插高程的偏差值。
3 結果分析與精度驗證
利用濾波後的總地面點構建TIN模型，基於TIN模型利用自然鄰域插值法生成samp51區域的柵格DEM,如圖10所示。
圖10 samp51區域柵格DEM(1 m解析度)
其中，交叉影線代表識別解譯出的河流流域部分。由於水體本身存在點雲空洞，且水體兩側分布密集林地，若將兩側遠距離的地面點直接相連構成三角網，將不可避免地導致與真實狀態偏差過大，影響整體效果。本文將其特殊處理為高程空值區域，並以交叉影線標示出其範圍。由圖10可知，DEM整體西北低且平緩，中部高程增高幅度較大，東南高且相對平緩，整體變化趨勢與圖7 DSM一致。DEM高程顏色變化較為平滑自然，沒有異常的顏色突變，說明不存在較大的地形起伏突變，這符合真實地面的自然形態變化。與基準DEM相比，本文的成果DEM與其相似度很高，無法通過視覺分析找出兩者的差異。通過定性分析，本文方法生成的DEM成果精度較高。
利用改進的IPTD算法進行分塊濾波生成DEM,與基於二次曲面、坡度閾值、TIN濾波算法對整體區域濾波並生成的DEM進行對比，各個算法的濾波誤差和DEM高程誤差如圖11、表2所示。
圖11 4種濾波算法濾波誤差比較
表2 4種算法生成的DEM高程誤差比較導出到EXCEL
由圖11可知，本文算法的濾波誤差在4種算法中最低，第Ⅰ類、Ⅱ類、總誤差和平均誤差分別為2.38%、4.44%、2.82%和3.21%,均處在較低的水平，其中平均誤差為前三者的平均數，反映算法的調和濾波誤差。分析表2可知，由本文分塊濾波算法生成的DEM成果精度最高，高程平均絕對誤差和均方根誤差分別為0.100、0.157 m, 大大優化了DEM的生成效果。以上定性和定量分析表明，本文提出的算法不僅可以較好地降低濾波誤差，還可以大幅優化DEM的生成質量。
4 結 語
針對基於LiDAR點雲濾波生成DEM過程中，常規濾波算法對複雜地形濾波誤差大、生成DEM成果質量不佳的問題，本文提出了一種融合點雲與影像信息分塊濾波並生成DEM的算法。首先，基於圖像特徵點利用線性變換將點雲與地面影像進行配准融合，充分分析、挖掘點雲高程特徵、光譜紋理、DSM趨勢及坡度、密集林地分布狀態等信息；然後，融合多元特徵並對整體區域進行決策級最優分割，基於局部區域的多元細節特徵對IPTD濾波算法作用範圍進行改進並利用搜索法優化參數，得到最優且穩健的濾波結果；最後，基於濾波後總地面點採用自然鄰域插值法得到DEM成果。試驗結果表明：與基於二次曲面、坡度閾值、TIN濾波算法整體處理得到的濾波結果和DEM成果相比，本文算法可以顯著地降低濾波誤差，並大大提高DEM的生成效果。
作者簡介
作者簡介：毛冬海(1996-),男,碩士生,研究方向為無人機航空攝影測量與數據處理方法。E-mail:mdhwd1996@163.com
通信作者：李守軍。E-mail:0911guang@163.com
初審：楊瑞芳
覆審：宋啟凡
終審：金 君
往期推薦
資訊
○ 中國科學院空天信息創新研究院城市環境遙感團隊崗位聘用職工招聘
○ 中國工程院院士郭仁忠：城市如何數位化？既要有好「路」還要有好「車」
○ 中國科學家首獲地球觀測組織卓越個人獎
○ 關於誠邀參加中國測繪科學研究院2021年測繪科技成果推介會的函
○ 北京市測繪設計研究院2022年應屆畢業生公開招聘
○ PPT | 李春來 ：基於高光譜紅外成像的氣體探測方法、現狀與展望
○ 中國測繪 | 籌建北京冬奧賽道的測繪⼈
會議
○ 第一屆中國生態系統遙感學術研討會（三號通知）
○ 《測繪學報》2021年編委會會議在青島召開
○ 會議通知 | 2021中國地理信息科學理論與方法學術年會通知（第二號）
○ 關於第八屆「測繪科學前沿技術論壇」再次延期召開的通知
《測繪學報》
○《測繪學報》2021年第10期目錄
○ 測繪學報 | 鄧開元：多光譜光學遙感影像水體提取模型
○ 測繪學報 | 左溪冰 : 高光譜影像小樣本分類的圖卷積網絡方法
○ 測繪學報 | 成飛飛 : 結合自適應PCNN的非下採樣剪切波遙感影像融合
《測繪通報》
○ 室內高精度三維測圖新技術
○ 面向上海城市數位化轉型的新型測繪
○ 圖像全站儀及圖像測量發展與展望
○《測繪通報》2021年第10期目錄
《北京測繪》
○《北京測繪》2021年第9期摘要推薦
○《北京測繪》2021年第8期摘要推薦（下）
○《北京測繪》2021年第8期摘要推薦（上）
○《北京測繪》2021年第7期摘要推薦（下）
《測繪科學技術學報》
○ 《測繪科學技術學報》2021年第1期重點論文推薦
○ 摘要 |《測繪科學技術學報》2021年第3期摘要推薦
○ 摘要 |《測繪科學技術學報》2021年第2期摘要推薦
○ 摘要 |《測繪科學技術學報》2021年第4期摘要推薦
○ 摘要 |《測繪科學技術學報》2021年第5期摘要推薦
《地球信息科學學報》
○ 《地球信息科學學報》2021年第10期佳文推介
○ 《地球信息科學學報》2021年第9期佳文推介
○ 《地球信息科學學報》2021年第8期佳文推介
○ 專刊徵稿：社會感知與地理大數據挖掘（徵稿中）
《測繪工程》
○ 摘要 |《測繪工程》2021年第5期摘要推薦
○ 摘要 |《測繪工程》2021年第4期摘要推薦
○ 摘要 |《測繪工程》2021年第3期摘要推薦
○ 測繪教學 | 後疫情時代「線上+線下」混合教學模式創新——以測繪類課程視角
《中國空間科學技術》
○ 摘要 |《中國空間科學技術》2021年第4期摘要推薦
○ 摘要 |《中國空間科學技術》2021年第3期摘要推薦
○ 多傳感器組合導航系統的改進多尺度濾波算法
○ 火衛二地形地貌探測綜述
《衛星應用》
○ 摘要 |《衛星應用》2021年第9期摘要推薦
○ 摘要 |《衛星應用》2021年第8期摘要推薦
○ 摘要 |《衛星應用》2021年第7期摘要推薦
○ 綜述 | 北斗系統應用趨勢分析
《Journal of Geodesy and Geoinformation Science》
○ 專刊徵稿 | Call for Papers：空間人文與社會地理計算 (SHGSS)
○ Special Issue on New LiDAR Technologies and Techniques
○ 《測繪學報（英文版）》（JGGS）LiDAR專刊發布
○ 論文推薦（四）| Speical Issue on New LiDAR Technologies and Techniques
○ 論文推薦（五）| Speical Issue on New LiDAR Technologies and Techniques
《Satellite Navigation》
○ [綜述]| 高揚教授：GNSS智慧型手機定位：進展、挑戰、機遇和未來展望| SANA佳文速遞
○ 熊超教授：地磁暴期間夜間低緯電離層和赤道等離子體不規則體| SANA佳文速遞
○ 徐元博士：面向有色測量噪聲下UWB/INS組合行人導航的分布式卡爾曼濾波| SANA佳文速遞
○ 楊飛博士：GNSS天頂對流層精化模型的構建與分析| SANA佳文速遞
○ 牛小驥教授：用半解析法分析GNSS/INS在鐵路軌道測量中的相對精度| SANA佳文速遞
《自然資源遙感》
○ 《自然資源遙感》入駐「智繪科服」融媒體平台！