基于機(jī)載激光雷達(dá)的DEM的構(gòu)建

發(fā)布日期：2018-07-16 00:00 瀏覽量：10363

　　激光雷達(dá)，是一種主動(dòng)式、快速、精確獲取空間三維數(shù)據(jù)的測(cè)量技術(shù)。機(jī)載激光掃描技術(shù)是激光測(cè)距技、計(jì)算機(jī)技術(shù)、高精度動(dòng)態(tài)載體姿態(tài)測(cè)量技術(shù)（INS）和高精度動(dòng)態(tài)GPS差分定位技術(shù)迅速發(fā)展的集中表現(xiàn)。激光腳點(diǎn)在三維空間的分布形態(tài)呈現(xiàn)隨機(jī)離散的數(shù)據(jù)點(diǎn)點(diǎn)云。這些點(diǎn)有的位于真是地形表面，有的位于人工建筑物或自然植被上。從激光腳點(diǎn)數(shù)據(jù)點(diǎn)云中提取數(shù)字地面高程模型需要將其中的地物數(shù)據(jù)點(diǎn)去掉，也就是激光雷達(dá)數(shù)據(jù)的濾波。

　　1、研究現(xiàn)狀

　　經(jīng)過(guò)數(shù)十年的發(fā)展，國(guó)外機(jī)載激光雷達(dá)硬件技術(shù)已經(jīng)比較成熟，然而機(jī)載激光雷達(dá)數(shù)據(jù)處理算法仍然處于研究的發(fā)展階段，還有一系列問(wèn)題沒(méi)有很好的解決?，F(xiàn)有Lidar數(shù)據(jù)處理過(guò)濾算法在地物復(fù)雜程度低的情況下濾波效果較好，但自然界復(fù)雜的地形特征、地物覆蓋類(lèi)型（密度高低不一的植被，自然地貌，人造地貌等），再加上機(jī)載激光點(diǎn)云的密度高低不一等等原因都有可能造成DTM生成算法在某種特定的區(qū)域失敗。所以這些算法在地理環(huán)境綜合、地形多變的情況下濾波效果精度不容樂(lè)觀，甚至大部分地物都濾除不掉。

　　2、LIDAR數(shù)據(jù)預(yù)處理

　　野外飛行后可得到兩組數(shù)據(jù)，有POS數(shù)據(jù)和對(duì)應(yīng)瞬時(shí)掃描角的激光距離測(cè)量值。對(duì)數(shù)據(jù)進(jìn)行質(zhì)量分析，若POS數(shù)據(jù)的位置優(yōu)于1dm，定向精度優(yōu)于0.02ｒ可由對(duì)應(yīng)于不丸角的激光測(cè)距值和POS數(shù)據(jù)這三組數(shù)據(jù)計(jì)算激光腳點(diǎn)在WGS-84坐標(biāo)系中較為精確的三維坐標(biāo)。坐標(biāo)轉(zhuǎn)換的順序是從瞬時(shí)激光束坐標(biāo)系→激光掃描參考坐標(biāo)系→載體坐標(biāo)系→慣性平臺(tái)參考坐標(biāo)系→當(dāng)?shù)厮絽⒖甲鴺?biāo)系→當(dāng)?shù)卮怪眳⒖甲鴺?biāo)系→WGS-84坐標(biāo)系。再將Lidar數(shù)據(jù)由WGS-84坐標(biāo)變化到所采用的局部坐標(biāo)系統(tǒng)，所得結(jié)果為隨機(jī)分布的帶有高程、位置和強(qiáng)度信息的激光腳點(diǎn)點(diǎn)云。

基于機(jī)載激光雷達(dá)的DEM的構(gòu)建.jpg

　　3、LIDAR數(shù)據(jù)濾波

　　3.1濾波原理

　　濾波的基本原理是基于臨近激光腳點(diǎn)間的高程突變（局部不連續(xù)）一般不是由地形的陡然起伏所造成，更為可能的是較高點(diǎn)位于某些地物。Lidar濾波時(shí)，需建立一個(gè)規(guī)則用來(lái)區(qū)分地面點(diǎn)和非地面點(diǎn)。所有濾波算法都需要一個(gè)或者多個(gè)假設(shè)條件。不同算法的假設(shè)條件不同，理論模型也有很大的差異，在不同的地質(zhì)地貌下表現(xiàn)出的數(shù)據(jù)過(guò)濾效果也各不相同。目前所用到的假設(shè)條件主要有：非地面點(diǎn)均高于地面點(diǎn)，絕大多數(shù)濾波算法都基于此前提。地面坡度變化不會(huì)太大，自然地形坡度變化總在一定限度之內(nèi)，不屬于地形的地物坡度會(huì)超過(guò)這個(gè)限度。

　　但濾波的假設(shè)條件存在一些問(wèn)題。由于粗差、多路徑效應(yīng)等，造成最低點(diǎn)并非理想地面點(diǎn)數(shù)據(jù)，當(dāng)按照假設(shè)條件把這些點(diǎn)作為地面點(diǎn)時(shí)將引起很大誤差甚至錯(cuò)誤。所以在對(duì)Lidar數(shù)據(jù)濾波前，先要剔除粗差。對(duì)于條件二在平坦地區(qū)假設(shè)有效，對(duì)坡度較大的山區(qū)，并不總是滿(mǎn)足。

　　3.2濾波方法

　　隨著Lidar系統(tǒng)的不斷發(fā)展，不僅可以提供激光腳點(diǎn)的三維坐標(biāo)，還可以提供每個(gè)激光腳點(diǎn)的強(qiáng)度信息，由此可獲得強(qiáng)度影像，從而可融合強(qiáng)度影像進(jìn)行濾波分類(lèi)。很多學(xué)者提出了各種濾波方法，根據(jù)濾波觀念的不同，大致可以分為以下幾類(lèi)，基于形態(tài)學(xué)的濾波算法、基于坡度變化的濾波算法、基于內(nèi)插的濾波算法、基于曲面約束的濾波算法等方法。

　　3.2.1基于形態(tài)學(xué)的濾波算法

　　基于形態(tài)學(xué)的濾波算法借鑒于柵格圖像處理，基于區(qū)塊操作。形態(tài)學(xué)法先把Lidar點(diǎn)云重新組織成行列有序的規(guī)則格網(wǎng)形式這樣便于使用很多既有的算法，如開(kāi)閉運(yùn)算、腐蝕運(yùn)算、膨脹運(yùn)算等，并具有直觀、效率高、操作容易等優(yōu)點(diǎn)，缺點(diǎn)是內(nèi)插會(huì)帶來(lái)精度的損失，容易受到濾波窗口大小的影響，并且不能很好的處理地形變化劇烈的區(qū)域。

　　3.2.2基于坡度變化的濾波算法

　　基于坡度變化的濾波算法基本思想是地形急劇變化產(chǎn)生臨近兩點(diǎn)間高程差異很大的可能性很小，其中一點(diǎn)屬于地物點(diǎn)的可能性更大。算法根據(jù)地形坡度變化確定最優(yōu)濾波函數(shù)。為了保留傾斜地形信息，適當(dāng)調(diào)整濾波窗口的大小，并增加篩選閾值的取值以保證屬于地面點(diǎn)的激光點(diǎn)不被過(guò)濾掉，且濾波參數(shù)的最優(yōu)值隨著地形的變化而變化。當(dāng)點(diǎn)顯著高于其鄰域其余點(diǎn)時(shí)被認(rèn)為是地物點(diǎn)，可見(jiàn)遇到坡度變化較大的地形時(shí)，就會(huì)影響這類(lèi)方法的精度。

　　3.2.3基于內(nèi)插的濾波算法

　　基于內(nèi)插的濾波算法的基本思想是先構(gòu)建一個(gè)較粗的起始DEM，再逐步從備選點(diǎn)中篩選并內(nèi)插加密DEM達(dá)到分類(lèi)的目的。基于內(nèi)插的濾波方法是一種逐步迭代逐層加密的方式進(jìn)行數(shù)據(jù)分類(lèi)，因此，計(jì)算過(guò)程存在誤差累積，受到初始DEM影響較大，且每一層的迭代判斷結(jié)果受到上一層的影響，如果上一層次的處理出現(xiàn)了錯(cuò)誤，這種錯(cuò)誤會(huì)導(dǎo)致下一層次的數(shù)據(jù)點(diǎn)類(lèi)型判斷出現(xiàn)錯(cuò)誤。因此，初始DEM的選擇非常重要。在使用此類(lèi)方法前，一般要剔除數(shù)據(jù)中的粗差。

　　3.2.4基于曲面約束的濾波算法

　　地面可以看作是一個(gè)連續(xù)且平緩變化的表面，所以，可用帶限制條件的參數(shù)曲面約束分類(lèi)，如：Snake樣條曲面、正交多項(xiàng)式等。約束曲面計(jì)算過(guò)程中的曲面擬合具有抑制粗差的功能，通常不需要先剔除粗差。此方法過(guò)于強(qiáng)調(diào)地形的平緩變化，忽略了地形的復(fù)雜性，因此，在地形變化劇烈的山區(qū)會(huì)存在一定問(wèn)題。由于曲面計(jì)算和分析計(jì)算量較大，此類(lèi)算法的運(yùn)行效率相對(duì)比較低。

　　3.2.5濾波展望

　　與比較成熟的硬件相比，機(jī)載激光雷達(dá)數(shù)據(jù)后處理軟件的發(fā)展較為滯后。一些算法和模型仍處于研究階段。目前市場(chǎng)上的各種數(shù)據(jù)處理軟件能實(shí)現(xiàn)不同的功能，各有其優(yōu)點(diǎn)，數(shù)據(jù)處理時(shí)需選取適合的軟件，有時(shí)需要多種軟件配合。

　　目前任何一種都無(wú)法完全保證過(guò)濾掉所有的地物，可在以下方面作進(jìn)一步研究和擴(kuò)展：利用強(qiáng)度和回波信息；自適應(yīng)閾值；數(shù)據(jù)流的引用；結(jié)合計(jì)算機(jī)技術(shù)的新理論等。

　　4、DEM的構(gòu)建

　　很多軟件都可以完成DEM的生成，但由于濾波不完全，會(huì)影像DEM的精度這里可以采用魯棒回歸法、魯棒插值、線性預(yù)測(cè)法。LIDAR點(diǎn)云的分布是離散的，故數(shù)據(jù)誤差也不會(huì)服從正態(tài)分布，所以最小二乘法不是最佳的擬合方法。這時(shí)就要采用最小中值二乘方法。線性預(yù)測(cè)是一種統(tǒng)計(jì)內(nèi)插方法，既可以基于規(guī)則格網(wǎng)也可以基于不規(guī)則三角網(wǎng)實(shí)現(xiàn)。

猜你喜歡：