基于機載激光(guāng)雷達的(de)DEM的(de)構建

　　激光(guāng)雷達，是一種主動式、快(kuài)速、精确獲取空間三維數據的(de)測量技術。機載激光(guāng)掃描技術是激光(guāng)測距技、計算(suàn)機技術、高(gāo)精度動态載體姿态測量技術（INS）和(hé)高(gāo)精度動态GPS差分(fēn)定位技術迅速發展的(de)集中表現。激光(guāng)腳點在三維空間的(de)分(fēn)布形态呈現随機離散的(de)數據點點雲。這(zhè)些點有的(de)位于真是地形表面，有的(de)位于人(rén)工建築物(wù)或自然植被上。從激光(guāng)腳點數據點雲中提取數字地面高(gāo)程模型需要将其中的(de)地物(wù)數據點去掉，也(yě)就是激光(guāng)雷達數據的(de)濾波。

　　1、研究現狀

　　經過數十年的(de)發展，國外機載激光(guāng)雷達硬件技術已經比較成熟，然而機載激光(guāng)雷達數據處理(lǐ)算(suàn)法仍然處于研究的(de)發展階段，還(hái)有一系列問題沒有很好的(de)解決。現有Lidar數據處理(lǐ)過濾算(suàn)法在地物(wù)複雜(zá)程度低的(de)情況下(xià)濾波效果較好，但自然界複雜(zá)的(de)地形特征、地物(wù)覆蓋類型（密度高(gāo)低不一的(de)植被，自然地貌，人(rén)造地貌等），再加上機載激光(guāng)點雲的(de)密度高(gāo)低不一等等原因都有可(kě)能造成DTM生成算(suàn)法在某種特定的(de)區(qū)域失敗。所以這(zhè)些算(suàn)法在地理(lǐ)環境綜合、地形多(duō)變的(de)情況下(xià)濾波效果精度不容樂(yuè)觀，甚至大(dà)部分(fēn)地物(wù)都濾除不掉。

　　2、LIDAR數據預處理(lǐ)

　　野外飛(fēi)行後可(kě)得(de)到兩組數據，有POS數據和(hé)對(duì)應瞬時(shí)掃描角的(de)激光(guāng)距離測量值。對(duì)數據進行質量分(fēn)析，若POS數據的(de)位置優于1dm，定向精度優于0.02ｒ可(kě)由對(duì)應于不丸角的(de)激光(guāng)測距值和(hé)POS數據這(zhè)三組數據計算(suàn)激光(guāng)腳點在WGS-84坐(zuò)标系中較爲精确的(de)三維坐(zuò)标。坐(zuò)标轉換的(de)順序是從瞬時(shí)激光(guāng)束坐(zuò)标系→激光(guāng)掃描參考坐(zuò)标系→載體坐(zuò)标系→慣性平台參考坐(zuò)标系→當地水(shuǐ)平參考坐(zuò)标系→當地垂直參考坐(zuò)标系→WGS-84坐(zuò)标系。再将Lidar數據由WGS-84坐(zuò)标變化(huà)到所采用(yòng)的(de)局部坐(zuò)标系統，所得(de)結果爲随機分(fēn)布的(de)帶有高(gāo)程、位置和(hé)強度信息的(de)激光(guāng)腳點點雲。

　　3、LIDAR數據濾波

　　3.1濾波原理(lǐ)

　　濾波的(de)基本原理(lǐ)是基于臨近激光(guāng)腳點間的(de)高(gāo)程突變（局部不連續）一般不是由地形的(de)陡然起伏所造成，更爲可(kě)能的(de)是較高(gāo)點位于某些地物(wù)。Lidar濾波時(shí)，需建立一個(gè)規則用(yòng)來(lái)區(qū)分(fēn)地面點和(hé)非地面點。所有濾波算(suàn)法都需要一個(gè)或者多(duō)個(gè)假設條件。不同算(suàn)法的(de)假設條件不同，理(lǐ)論模型也(yě)有很大(dà)的(de)差異，在不同的(de)地質地貌下(xià)表現出的(de)數據過濾效果也(yě)各不相同。目前所用(yòng)到的(de)假設條件主要有：非地面點均高(gāo)于地面點，絕大(dà)多(duō)數濾波算(suàn)法都基于此前提。地面坡度變化(huà)不會太大(dà)，自然地形坡度變化(huà)總在一定限度之内，不屬于地形的(de)地物(wù)坡度會超過這(zhè)個(gè)限度。

　　但濾波的(de)假設條件存在一些問題。由于粗差、多(duō)路徑效應等，造成最低點并非理(lǐ)想地面點數據，當按照(zhào)假設條件把這(zhè)些點作爲地面點時(shí)将引起很大(dà)誤差甚至錯誤。所以在對(duì)Lidar數據濾波前，先要剔除粗差。對(duì)于條件二在平坦地區(qū)假設有效，對(duì)坡度較大(dà)的(de)山區(qū)，并不總是滿足。

　　3.2濾波方法

　　随著(zhe)Lidar系統的(de)不斷發展，不僅可(kě)以提供激光(guāng)腳點的(de)三維坐(zuò)标，還(hái)可(kě)以提供每個(gè)激光(guāng)腳點的(de)強度信息，由此可(kě)獲得(de)強度影(yǐng)像，從而可(kě)融合強度影(yǐng)像進行濾波分(fēn)類。很多(duō)學者提出了(le)各種濾波方法，根據濾波觀念的(de)不同，大(dà)緻可(kě)以分(fēn)爲以下(xià)幾類，基于形态學的(de)濾波算(suàn)法、基于坡度變化(huà)的(de)濾波算(suàn)法、基于内插的(de)濾波算(suàn)法、基于曲面約束的(de)濾波算(suàn)法等方法。

　　3.2.1基于形态學的(de)濾波算(suàn)法

　　基于形态學的(de)濾波算(suàn)法借鑒于栅格圖像處理(lǐ)，基于區(qū)塊操作。形态學法先把Lidar點雲重新組織成行列有序的(de)規則格網形式這(zhè)樣便于使用(yòng)很多(duō)既有的(de)算(suàn)法，如開閉運算(suàn)、腐蝕運算(suàn)、膨脹運算(suàn)等，并具有直觀、效率高(gāo)、操作容易等優點，缺點是内插會帶來(lái)精度的(de)損失，容易受到濾波窗(chuāng)口大(dà)小的(de)影(yǐng)響，并且不能很好的(de)處理(lǐ)地形變化(huà)劇烈的(de)區(qū)域。

　　3.2.2基于坡度變化(huà)的(de)濾波算(suàn)法

　　基于坡度變化(huà)的(de)濾波算(suàn)法基本思想是地形急劇變化(huà)産生臨近兩點間高(gāo)程差異很大(dà)的(de)可(kě)能性很小，其中一點屬于地物(wù)點的(de)可(kě)能性更大(dà)。算(suàn)法根據地形坡度變化(huà)确定最優濾波函數。爲了(le)保留傾斜地形信息，适當調整濾波窗(chuāng)口的(de)大(dà)小，并增加篩選阈值的(de)取值以保證屬于地面點的(de)激光(guāng)點不被過濾掉，且濾波參數的(de)最優值随著(zhe)地形的(de)變化(huà)而變化(huà)。當點顯著高(gāo)于其鄰域其餘點時(shí)被認爲是地物(wù)點，可(kě)見遇到坡度變化(huà)較大(dà)的(de)地形時(shí)，就會影(yǐng)響這(zhè)類方法的(de)精度。

　　3.2.3基于内插的(de)濾波算(suàn)法

　　基于内插的(de)濾波算(suàn)法的(de)基本思想是先構建一個(gè)較粗的(de)起始DEM，再逐步從備選點中篩選并内插加密DEM達到分(fēn)類的(de)目的(de)。基于内插的(de)濾波方法是一種逐步叠代逐層加密的(de)方式進行數據分(fēn)類，因此，計算(suàn)過程存在誤差累積，受到初始DEM影(yǐng)響較大(dà)，且每一層的(de)叠代判斷結果受到上一層的(de)影(yǐng)響，如果上一層次的(de)處理(lǐ)出現了(le)錯誤，這(zhè)種錯誤會導緻下(xià)一層次的(de)數據點類型判斷出現錯誤。因此，初始DEM的(de)選擇非常重要。在使用(yòng)此類方法前，一般要剔除數據中的(de)粗差。

　　3.2.4基于曲面約束的(de)濾波算(suàn)法

　　地面可(kě)以看作是一個(gè)連續且平緩變化(huà)的(de)表面，所以，可(kě)用(yòng)帶限制條件的(de)參數曲面約束分(fēn)類，如：Snake樣條曲面、正交多(duō)項式等。約束曲面計算(suàn)過程中的(de)曲面拟合具有抑制粗差的(de)功能，通(tōng)常不需要先剔除粗差。此方法過于強調地形的(de)平緩變化(huà)，忽略了(le)地形的(de)複雜(zá)性，因此，在地形變化(huà)劇烈的(de)山區(qū)會存在一定問題。由于曲面計算(suàn)和(hé)分(fēn)析計算(suàn)量較大(dà)，此類算(suàn)法的(de)運行效率相對(duì)比較低。

　　3.2.5濾波展望

　　與比較成熟的(de)硬件相比，機載激光(guāng)雷達數據後處理(lǐ)軟件的(de)發展較爲滞後。一些算(suàn)法和(hé)模型仍處于研究階段。目前市場(chǎng)上的(de)各種數據處理(lǐ)軟件能實現不同的(de)功能，各有其優點，數據處理(lǐ)時(shí)需選取适合的(de)軟件，有時(shí)需要多(duō)種軟件配合。

　　目前任何一種都無法完全保證過濾掉所有的(de)地物(wù)，可(kě)在以下(xià)方面作進一步研究和(hé)擴展：利用(yòng)強度和(hé)回波信息；自适應阈值；數據流的(de)引用(yòng)；結合計算(suàn)機技術的(de)新理(lǐ)論等。

　　4、DEM的(de)構建

　　很多(duō)軟件都可(kě)以完成DEM的(de)生成，但由于濾波不完全，會影(yǐng)像DEM的(de)精度這(zhè)裏可(kě)以采用(yòng)魯棒回歸法、魯棒插值、線性預測法。LIDAR點雲的(de)分(fēn)布是離散的(de)，故數據誤差也(yě)不會服從正态分(fēn)布，所以最小二乘法不是最佳的(de)拟合方法。這(zhè)時(shí)就要采用(yòng)最小中值二乘方法。線性預測是一種統計内插方法，既可(kě)以基于規則格網也(yě)可(kě)以基于不規則三角網實現。

猜你喜歡：

機載LIDAR點雲數據等高(gāo)線測繪新技術及其應用(yòng)

機載激光(guāng)雷達(Lidar)數據采集及數據處理(lǐ)

版權聲明(míng)：文章(zhāng)來(lái)源于網絡，登載此文出于傳遞更多(duō)信息之目的(de)，版權歸原作者及刊載媒體所有，如本文中圖片或文字侵犯您的(de)權益，請聯系我們。