本站小編為你精心準備了機載多回波數據的應用參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《城市勘測雜志》2016年第4期

摘要:

通過分析機載多回波LiDAR數據，對每類回波的特性進行了探討和研究，并對各個回波信息所表示的地物信息做了詳盡的闡述。根據不同回波數據記錄的地物不同的原理，提出了針對LiDAR數據自身的分類方案，將數據分為首次回波、中間回波和尾次回波三種類型，最終利用多回波特性減少參與濾波的激光腳點數量。通過實驗證明，作者提出的濾波方案，可以預先剔除掉大部分的植被激光腳點和部分的建筑物激光腳點，這既減少了參與濾波的數據量，又可以改善濾波算法對建筑物和植被的濾除效果，大大提高了數據處理的效率和質量。

關鍵詞:

LiDAR;多回波數據;分類;濾波

1引言

隨著機載LiDAR硬件水平的提高，以機載LiDAR數據為基礎，生成理想的DSM(數字表面模型)已不是難題，而生成DEM絕大部分算法都是基于激光數據點的高程突變信息進行的，幾乎每種方法都有其自身的缺陷，有待于進一步改進［1］。機載LiDAR測量技術現今已很成熟，但處理機載LiDAR點云數據的算法還在發展階段。機載LiDAR數據的濾波和分類是其中關鍵的問題之一。比較典型的LiDAR濾波算法主要包括由Krausetal．提出的迭代線性最小二乘內插法;Kil-ianetal．提出的數學形態學方法、Petzoldetal．提出的移動窗口法、Vosselman提出的基于地形坡度變化的濾波法以及張小紅移動曲面擬合濾波法等［2～12］。這些算法基本都遵循以下流程，首先在一個局部點云中選定一個高程最低的點作為地面點，然后根據最低點確定一部分地面點，最后設定根據一定判別原則(如坡度、角度等閾值)，來判斷數據點的從屬，以達到濾波分類的效果。判別原則選取的不同產生了不同的算法，這些算法基本上都需要人的參與來調整參數。近年來，機載激光掃描系統記錄的回波次數越來越多，很多學者嘗試利用點云數據多回波信息來進行激光點云數據的濾波和分類。張小紅利用機載LiDAR首尾回波高程之差對激光腳點分類［13］;許曉東和唐菲菲利用激光點回波的特性減少參與濾波的腳點數量。上述方法僅利用首尾兩次回波的點云數據，對于目前獲取的多次(大于兩次)回波的點云數據并不適用。本文首先分析了激光雷達多回波信息的特性，對每次回波特性做了詳盡的分析。然后，利用多回波信息剔除大部分植被腳點以及人工地物點。大量減少了參與濾波的激光腳點，提高了濾波效率和效果。

2多回波信息分析

機載LiDAR系統所記錄的回波信息包括單次回波和多次回波。當激光脈沖碰觸到目標物的表面時，有一部分能量反射回來并被系統接收并記錄，剩余的能量繼續傳播，當碰到另一目標物時仍然會發生反射，當能量全部消耗完時，系統可記錄多個反射信號，多個反射信號即多次回波信息。現有的機載LiDAR系統都具備記錄2次～5次多回波信息的能力，接收到的第一個回波信號被稱為首次回波(firstpulse);接收到的最后一個回波信號被稱為尾次回波;除首次和尾次回波外的中間的回波信號被順序編號，稱為中間次回波［14］。根據激光的傳播特性，通過對機載LiDAR數據的分析，可以得知系統記錄單次回波數據主要來源于地表、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;多回波數據的首次回波數據來源于植被的冠層和建筑物(包括立交橋)的邊緣;中間次回波數據主要是植被的枝葉;而末次回波則主要來源于地表，也有部分是來源于復雜的建筑物屋頂和植被低矮層面的枝葉［15］。

3應用多回波信息的濾波方法

機載LiDAR數據濾波是將激光點中剔除地物數據的過程(張小紅，2007)，而進一步區分植被數據和人工地物點的過程稱之為激光點云數據分類。激光點云數據的濾波和分類占到了數據后處理流程60%～80%的時間［16］。因此，如何減少參與濾波的數據以及選擇合適的濾波算法一直以來是LiDAR點云數據處理的重要研究方向。根據對激光雷達多回波數據的分析，中間次回波沒有必要參加濾波的運算，本文對多回波激光雷達數據進行重新分類和編輯。

3.1激光腳點分類

本文對激光點云數據進行分類，首先將激光腳點劃分為為單次回波數據集和多次回波數據集;然后，把多次回波數據集分為首次回波數據、中間回波數據和末次回波數據三種類型，把單次回波數據歸為末次回波數據;最后將其歸類，把單次回波數據和多回波數據中的末次回波歸為尾次回波。分類方式如圖1所示。在此分類的基礎上，分別提取出研究樣地所涉及的各類型數據子點集加以分析利用。本文將多次回波數據中的末次回波腳點和單次回波數據歸為尾次回波，這部分點包含所有的地面腳點、建筑物腳點以及少部分植被腳點，大部分的樹木的腳點被剔除。利用尾次回波數據進行濾波處理，剔除建筑物和其余植被腳點，即可得到地面的腳點點集。在林地覆蓋面積較大地區，多回波數據量相當之大，用此方法可以極大地減少參加濾波的數據量，很大程度上提高了LiDAR數據分類的速度。

3.2濾波算法設計

(1)現有濾波算法

隨著國內外研究者的不斷深入研究，點云數據濾波算法已有了很大的發展，經過國內外學者長時間的研究與應用，一些高效、適用性較廣的算法被提出來。目前，大部分的點云數據濾波方法都是利用激光腳點空間三維信息來進行設計的，而且這些濾波算法大都具備兩個前提條件:①在某一小區域范圍內地物點高程均大于地面點高程;②由地形起伏引起的坡度的變化必須在規定范圍之內，即地形較為平緩。國內外研究者提出的點云數據濾波算法十分眾多，本章作者對濾波效果較好、適用范圍較大的幾種濾波算法，對其原理和特點做了深入對比，如表1所示。經過分析對比，作者選取算法設計簡單，效率高的基于坡度的濾波算法作為實驗算法。

(2)基于地形坡度的濾波算法

基于地形坡度的濾波算法是由Vosselman在2000年提出的［16］。該算法的主要思想是:當兩個相鄰激光腳點間存在一定的高差時，地形劇烈起伏變化所造成這種現象的可能性較小，這種情況更應該是兩點中一個是地面點，而另外一個是地物點。簡言之，相鄰激光腳點的高差如果大于一定的閾值，如果兩點間距離越小，高程大的點更可能是地物點。我們假設兩點間高差的閾值為兩點間距離的函數△hmax(d)，作為濾波的核函數。當地形坡度小于30%，在觀測值沒有誤差的情況下核函數為△hmax(d)=0.3d。然后實際上數據都會不可避免地存在誤差，所以還要為其增加一個置信區間，假定允許5%的具有其標準差σ的點被拒絕，濾波函數可表示為:△hmax(d)=0.3d+槡1.652σ(1)其中為兩激光腳點間的距離，其表達式為:d=(xi－xk)2+(yi－yk)槡2(2)

(3)算法流程

①按照點云的分類方法對點云數據進行分類、篩選，剔除無用的數據。②對尾次回波點云數據排序，建立k－d樹;搜索整個點云數據中的高程最低點，作為初始點，建立該數據點的鄰近鄰域。③在選定好鄰域內，計算每一個點與初始點的高差△hi和距離d，當△hmax(d)＞0.3d則認為該點是非地面點，將其放入非地面點集中;而將高程最低點視為地面點，放入地面點集中。④重復步驟②、步驟③，直到所有的數據點全部分類完畢，如圖2所示。

4實驗與結果分析

4.1實驗數據

該數據是由美國地質調查局提供，位于福蒙特州，面積為1．6km×0．56km。該區域內，大部分被林覆蓋，地形有一定起伏。點云數據密度為0．944點/m2。高程最低點為:130．32m，高程最高點為258．21m，如圖3、圖4所示。

4.2實驗流程

實驗步驟:首先按照圖1的流程對激光點云數據進行歸類，將單次回波和多次回波歸為尾次回波，多次回波的首次回波為首次回波，其余為中間次回波。在本文中，試驗數據最大回波次數為4次，分類后各個類型的數據如表2所示:從圖表2中可以看出，在進行分類后，可參加后續濾波工作的數據有425348個，是原始數據的三分之二左右，因此可以提高濾波的計算速度。對尾次回波腳點進行濾波運算，采用提出的濾波算法對數據進行處理，所得到的結果如圖6、圖7所示:建立DEM。利用ArcGIS軟件對分類后的點集分別建立DEM。精度評定，通過將分類結果與航空正射影像疊加比較，可以看出大部分的非地面點都得到了正確的分類，尤其是建筑物點，但是也存在一些誤分的情況，下圖中紅色代表建筑物點，綠色代表植被點，白色代表其他非地面點，如圖8、圖9所示。

5結論

由于激光掃描系統記錄的回波次數越來越多，數據量隨之越來越大，這對機載激光雷達數據濾波的時效性和可靠性造成一定的影響。本文提出了一種基于機載雷達點云數據回波次數的數據分類方法，預先剔除對濾波過程無效的數據，這樣在很大程度上提高了點云濾波的速度。實驗證明，通過對點云數據進行分類處理，可以大量減少參加濾波的數據數量，而且在一定程度上提高了濾波的質量，并且能提高建立DEM的質量。這對機載多回波激光雷達數據的數據處理有一定的意義。

參考文獻：

［1］張小紅．利用機載LiDAR雙次回波高程之差分類激光腳點［J］．測繪科學，2006，31(4):48～50．

［3］黃先鋒，李卉，王瀟等．機載LiDAR數據濾波方法評述［J］．測繪學報，2009，38(5):466～469．

［4］張皓，賈新梅，張永生等．基于虛擬格網與改進坡度濾波算法的機載LiDAR數據濾波［J］．測繪科學技術學報，2009，26(3):224～228．

［5］張小紅，劉經南．機載激光掃描測高數據濾波［J］．測繪科學，2004，29(6):50～53．

［6］梁欣廉，張繼賢，李海濤．激光雷達數據特點［J］．遙感信息，2005(3):70～75．

［7］龐勇，趙峰，李增元等．機載激光雷達平均樹高提取研究［J］．遙感學報，2008，12(1):152～158．

［8］萬幼川，徐景中，賴旭東等．基于多分辨率方向預測的LiDAR點云濾波方法［J］．武漢大學學報•信息科學版，2007，32(11):167～170．

［9］陳磊，趙書河．一種改進的基于平面擬合的機載LiDAR點云濾波方法［J］．遙感技術與應用，2011，26(1):117～122．

［10］任自珍，岑敏儀，張同剛等．基于等高線形狀分析的Li-DAR建筑物提取［J］．西南交通大學學報，2009，44(1):83～88．

［11］崔建軍，隋立春，徐花芝等．基于邊緣檢測算法的LiDAR數據建筑物提取［J］．測繪科學技術學報，2008，25(2):98～100．

［12］張齊勇，岑敏儀，周國清等．城區LiDAR點云數據的樹木提取［J］．測繪學報，2010，38(4):330～335．

［13］楊曉云．基于雙次回波的LiDAR點云數據濾波方法［J］．廣西工學院學報，2010(3):86～88．181～183．

［14］林國祥，張繼賢，賈毅．機載LiDAR數據的多回波信息分析及濾波方案［J］．測繪科學，2013(5):28～30．

［15］尹艷豹，唐守正等．多回波機載LiDAR數據提取林地DEM的判別分析方法［J］．林業科學，2011(12):106～113．

作者:楊興躍 楊懷義 張紀成 單位:南陽市城鄉規劃測繪院 桂林理工大學測繪地理信息學院 中國建筑材料工業地質勘查中心山西總隊