機(jī)載多回波LiDAR數(shù)據(jù)的分析與應(yīng)用

楊興躍，楊懷義，張紀(jì)成

機(jī)載多回波LiDAR數(shù)據(jù)的分析與應(yīng)用

楊興躍1，2*，楊懷義3，張紀(jì)成1

（1.南陽市城鄉(xiāng)規(guī)劃測(cè)繪院，河南南陽 473000； 2.桂林理工大學(xué)測(cè)繪地理信息學(xué)院，廣西桂林 541004；3.中國建筑材料工業(yè)地質(zhì)勘查中心山西總隊(duì)，山西太原 030000）

通過分析機(jī)載多回波LiDAR數(shù)據(jù)，對(duì)每類回波的特性進(jìn)行了探討和研究，并對(duì)各個(gè)回波信息所表示的地物信息做了詳盡的闡述。根據(jù)不同回波數(shù)據(jù)記錄的地物不同的原理，提出了針對(duì)LiDAR數(shù)據(jù)自身的分類方案，將數(shù)據(jù)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(diǎn)數(shù)量。通過實(shí)驗(yàn)證明，作者提出的濾波方案，可以預(yù)先剔除掉大部分的植被激光腳點(diǎn)和部分的建筑物激光腳點(diǎn)，這既減少了參與濾波的數(shù)據(jù)量，又可以改善濾波算法對(duì)建筑物和植被的濾除效果，大大提高了數(shù)據(jù)處理的效率和質(zhì)量。

LiDAR；多回波數(shù)據(jù)；分類；濾波

1　引 言

隨著機(jī)載LiDAR硬件水平的提高，以機(jī)載LiDAR數(shù)據(jù)為基礎(chǔ)，生成理想的DSM（數(shù)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(shù)據(jù)點(diǎn)的高程突變信息進(jìn)行的，幾乎每種方法都有其自身的缺陷，有待于進(jìn)一步改進(jìn)［1］。機(jī)載LiDAR測(cè)量技術(shù)現(xiàn)今已很成熟，但處理機(jī)載LiDAR點(diǎn)云數(shù)據(jù)的算法還在發(fā)展階段。機(jī)載LiDAR數(shù)據(jù)的濾波和分類是其中關(guān)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(nèi)插法；Kilianetal.提出的數(shù)學(xué)形態(tài)學(xué)方法、Petzoldet al.提出的移動(dòng)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(dòng)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(gè)局部點(diǎn)云中選定一個(gè)高程最低的點(diǎn)作為地面點(diǎn)，然后根據(jù)最低點(diǎn)確定一部分地面點(diǎn)，最后設(shè)定根據(jù)一定判別原則（如坡度、角度等閾值），來判斷數(shù)據(jù)點(diǎn)的從屬，以達(dá)到濾波分類的效果。判別原則選取的不同產(chǎn)生了不同的算法，這些算法基本上都需要人的參與來調(diào)整參數(shù)。

近年來，機(jī)載激光掃描系統(tǒng)記錄的回波次數(shù)越來越多，很多學(xué)者嘗試?yán)命c(diǎn)云數(shù)據(jù)多回波信息來進(jìn)行激光點(diǎn)云數(shù)據(jù)的濾波和分類。張小紅利用機(jī)載LiDAR首尾回波高程之差對(duì)激光腳點(diǎn)分類［13］；許曉東和唐菲菲利用激光點(diǎn)回波的特性減少參與濾波的腳點(diǎn)數(shù)量。上述方法僅利用首尾兩次回波的點(diǎn)云數(shù)據(jù)，對(duì)于目前獲取的多次（大于兩次）回波的點(diǎn)云數(shù)據(jù)并不適用。

本文首先分析了激光雷達(dá)多回波信息的特性，對(duì)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(diǎn)以及人工地物點(diǎn)。大量減少了參與濾波的激光腳點(diǎn)，提高了濾波效率和效果。

2　多回波信息分析

機(jī)載LiDAR系統(tǒng)所記錄的回波信息包括單次回波（singular return）和多次回波（multiple returns）。當(dāng)激光脈沖碰觸到目標(biāo)物的表面時(shí)，有一部分能量反射回來并被系統(tǒng)接收并記錄，剩余的能量繼續(xù)傳播，當(dāng)碰到另一目標(biāo)物時(shí)仍然會(huì)發(fā)生反射，當(dāng)能量全部消耗完時(shí)，系統(tǒng)可記錄多個(gè)反射信號(hào)，多個(gè)反射信號(hào)即多次回波信息?，F(xiàn)有的機(jī)載LiDAR系統(tǒng)都具備記錄2次～5次多回波信息的能力，接收到的第一個(gè)回波信號(hào)被稱為首次回波（first pulse）；接收到的最后一個(gè)回波信號(hào)被稱為尾次回波（last pulse）；除首次和尾次回波外的中間的回波信號(hào)被順序編號(hào)，稱為中間次回波［14］。

根據(jù)激光的傳播特性，通過對(duì)機(jī)載LiDAR數(shù)據(jù)的分析，可以得知系統(tǒng)記錄單次回波數(shù)據(jù)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(diǎn)；多回波數(shù)據(jù)的首次回波數(shù)據(jù)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(shù)據(jù)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(fù)雜的建筑物屋頂和植被低矮層面的枝葉［15］。

3　應(yīng)用多回波信息的濾波方法

機(jī)載LiDAR數(shù)據(jù)濾波是將激光點(diǎn)中剔除地物數(shù)據(jù)的過程（張小紅，2007），而進(jìn)一步區(qū)分植被數(shù)據(jù)和人工地物點(diǎn)的過程稱之為激光點(diǎn)云數(shù)據(jù)分類。激光點(diǎn)云數(shù)據(jù)的濾波和分類占到了數(shù)據(jù)后處理流程60%～80%的時(shí)間［16］。因此，如何減少參與濾波的數(shù)據(jù)以及選擇合適的濾波算法一直以來是LiDAR點(diǎn)云數(shù)據(jù)處理的重要研究方向。根據(jù)對(duì)激光雷達(dá)多回波數(shù)據(jù)的分析，中間次回波沒有必要參加濾波的運(yùn)算，本文對(duì)多回波激光雷達(dá)數(shù)據(jù)進(jìn)行重新分類和編輯。

3.1激光腳點(diǎn)分類

本文對(duì)激光點(diǎn)云數(shù)據(jù)進(jìn)行分類，首先將激光腳點(diǎn)劃分為為單次回波數(shù)據(jù)集和多次回波數(shù)據(jù)集；然后，把多次回波數(shù)據(jù)集分為首次回波數(shù)據(jù)、中間回波數(shù)據(jù)和末次回波數(shù)據(jù)三種類型，把單次回波數(shù)據(jù)歸為末次回波數(shù)據(jù)；最后將其歸類，把單次回波數(shù)據(jù)和多回波數(shù)據(jù)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(chǔ)上，分別提取出研究樣地所涉及的各類型數(shù)據(jù)子點(diǎn)集加以分析利用。

圖1　激光點(diǎn)云分類流程圖

本文將多次回波數(shù)據(jù)中的末次回波腳點(diǎn)和單次回波數(shù)據(jù)歸為尾次回波，這部分點(diǎn)包含所有的地面腳點(diǎn)、建筑物腳點(diǎn)以及少部分植被腳點(diǎn)，大部分的樹木的腳點(diǎn)被剔除。利用尾次回波數(shù)據(jù)進(jìn)行濾波處理，剔除建筑物和其余植被腳點(diǎn)，即可得到地面的腳點(diǎn)點(diǎn)集。

在林地覆蓋面積較大地區(qū)，多回波數(shù)據(jù)量相當(dāng)之大，用此方法可以極大地減少參加濾波的數(shù)據(jù)量，很大程度上提高了LiDAR數(shù)據(jù)分類的速度。

3.2濾波算法設(shè)計(jì)

（1）現(xiàn)有濾波算法

隨著國內(nèi)外研究者的不斷深入研究，點(diǎn)云數(shù)據(jù)濾波算法已有了很大的發(fā)展，經(jīng)過國內(nèi)外學(xué)者長時(shí)間的研究與應(yīng)用，一些高效、適用性較廣的算法被提出來。

目前，大部分的點(diǎn)云數(shù)據(jù)濾波方法都是利用激光腳點(diǎn)空間三維信息來進(jìn)行設(shè)計(jì)的，而且這些濾波算法大都具備兩個(gè)前提條件:①在某一小區(qū)域范圍內(nèi)地物點(diǎn)高程均大于地面點(diǎn)高程；②由地形起伏引起的坡度的變化必須在規(guī)定范圍之內(nèi)，即地形較為平緩。國內(nèi)外研究者提出的點(diǎn)云數(shù)據(jù)濾波算法十分眾多，本章作者對(duì)濾波效果較好、適用范圍較大的幾種濾波算法，對(duì)其原理和特點(diǎn)做了深入對(duì)比，如表1所示。

典型濾波算法總結(jié)表　表1

經(jīng)過分析對(duì)比，作者選取算法設(shè)計(jì)簡單，效率高的基于坡度的濾波算法作為實(shí)驗(yàn)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(dāng)兩個(gè)相鄰激光腳點(diǎn)間存在一定的高差時(shí)，地形劇烈起伏變化所造成這種現(xiàn)象的可能性較小，這種情況更應(yīng)該是兩點(diǎn)中一個(gè)是地面點(diǎn)，而另外一個(gè)是地物點(diǎn)。簡言之，相鄰激光腳點(diǎn)的高差如果大于一定的閾值，如果兩點(diǎn)間距離越小，高程大的點(diǎn)更可能是地物點(diǎn)。我們假設(shè)兩點(diǎn)間高差的閾值為兩點(diǎn)間距離的函數(shù)△hmax（d），作為濾波的核函數(shù)。當(dāng)?shù)匦纹露刃∮?0%，在觀測(cè)值沒有誤差的情況下核函數(shù)為△hmax（d）=0.3d。然后實(shí)際上數(shù)據(jù)都會(huì)不可避免地存在誤差，所以還要為其增加一個(gè)置信區(qū)間，假定允許5%的具有其標(biāo)準(zhǔn)差σ的點(diǎn)被拒絕，濾波函數(shù)可表示為:

其中為兩激光腳點(diǎn)間的距離，其表達(dá)式為:

（3）算法流程

①按照點(diǎn)云的分類方法對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行分類、篩選，剔除無用的數(shù)據(jù)。

②對(duì)尾次回波點(diǎn)云數(shù)據(jù)排序，建立k-d樹；搜索整個(gè)點(diǎn)云數(shù)據(jù)中的高程最低點(diǎn)，作為初始點(diǎn)，建立該數(shù)據(jù)點(diǎn)的鄰近鄰域。

③在選定好鄰域內(nèi)，計(jì)算每一個(gè)點(diǎn)與初始點(diǎn)的高差△hi和距離d，當(dāng)△hmax（d）＞0.3d則認(rèn)為該點(diǎn)是非地面點(diǎn)，將其放入非地面點(diǎn)集中；而將高程最低點(diǎn)視為地面點(diǎn)，放入地面點(diǎn)集中。

④重復(fù)步驟②、步驟③，直到所有的數(shù)據(jù)點(diǎn)全部分類完畢，如圖2所示。

圖2　算法流程圖

4　實(shí)驗(yàn)與結(jié)果分析

4.1實(shí)驗(yàn)數(shù)據(jù)

該數(shù)據(jù)是由美國地質(zhì)調(diào)查局提供，位于福蒙特州，面積為 1.6 km×0.56 km。該區(qū)域內(nèi)，大部分被林覆蓋，地形有一定起伏。點(diǎn)云數(shù)據(jù)密度為 0.944點(diǎn)/m2。高程最低點(diǎn)為:130.32 m，高程最高點(diǎn)為258.21 m，如圖3、圖4所示。

圖3　實(shí)驗(yàn)區(qū)遙感影像

圖4　實(shí)驗(yàn)區(qū)點(diǎn)云數(shù)據(jù)按回波次數(shù)顯示

4.2實(shí)驗(yàn)流程

圖5　試驗(yàn)流程圖

實(shí)驗(yàn)步驟:

首先按照?qǐng)D1的流程對(duì)激光點(diǎn)云數(shù)據(jù)進(jìn)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(yàn)數(shù)據(jù)最大回波次數(shù)為4次，分類后各個(gè)類型的數(shù)據(jù)如表2所示:

分類結(jié)果　表2

從圖表2中可以看出，在進(jìn)行分類后，可參加后續(xù)濾波工作的數(shù)據(jù)有425 348個(gè)，是原始數(shù)據(jù)的三分之二左右，因此可以提高濾波的計(jì)算速度。

對(duì)尾次回波腳點(diǎn)進(jìn)行濾波運(yùn)算，采用提出的濾波算法對(duì)數(shù)據(jù)進(jìn)行處理，所得到的結(jié)果如圖6、圖7所示:

建立DEM。利用ArcGIS軟件對(duì)分類后的點(diǎn)集分別建立DEM。

圖6　林地點(diǎn)集的范圍

圖7　地面點(diǎn)集

精度評(píng)定，通過將分類結(jié)果與航空正射影像疊加比較，可以看出大部分的非地面點(diǎn)都得到了正確的分類，尤其是建筑物點(diǎn)，但是也存在一些誤分的情況，下圖中紅色代表建筑物點(diǎn)，綠色代表植被點(diǎn)，白色代表其他非地面點(diǎn)，如圖8、圖9所示。

圖8　非地面點(diǎn)與航空影像疊加顯示

圖9　非地面點(diǎn)分類結(jié)果

5　結(jié) 論

由于激光掃描系統(tǒng)記錄的回波次數(shù)越來越多，數(shù)據(jù)量隨之越來越大，這對(duì)機(jī)載激光雷達(dá)數(shù)據(jù)濾波的時(shí)效性和可靠性造成一定的影響。本文提出了一種基于機(jī)載雷達(dá)點(diǎn)云數(shù)據(jù)回波次數(shù)的數(shù)據(jù)分類方法，預(yù)先剔除對(duì)濾波過程無效的數(shù)據(jù)，這樣在很大程度上提高了點(diǎn)云濾波的速度。實(shí)驗(yàn)證明，通過對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行分類處理，可以大量減少參加濾波的數(shù)據(jù)數(shù)量，而且在一定程度上提高了濾波的質(zhì)量，并且能提高建立DEM的質(zhì)量。這對(duì)機(jī)載多回波激光雷達(dá)數(shù)據(jù)的數(shù)據(jù)處理有一定的意義。

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

［2］Poonam S.Tiwari，H.Pande et al.Automatic urban road extraction using airborne laser scanning/altimetry and high resolution satellite data［J］.Journal of the Indian Society of RemoteSensing，2009，37（2）：223～231.

［3］黃先鋒，李卉，王瀟等.機(jī)載LiDAR數(shù)據(jù)濾波方法評(píng)述［J］.測(cè)繪學(xué)報(bào)，2009，38（5）：466～469.

［4］張皓，賈新梅，張永生等.基于虛擬格網(wǎng)與改進(jìn)坡度濾波算法的機(jī)載LiDAR數(shù)據(jù)濾波［J］.測(cè)繪科學(xué)技術(shù)學(xué)報(bào)，2009，26（3）：224～228.

［5］張小紅，劉經(jīng)南.機(jī)載激光掃描測(cè)高數(shù)據(jù)濾波［J］.測(cè)繪科學(xué)，2004，29（6）：50～53.

［6］梁欣廉，張繼賢，李海濤.激光雷達(dá)數(shù)據(jù)特點(diǎn)［J］.遙感信息，2005（3）：70～75.

［7］龐勇，趙峰，李增元等.機(jī)載激光雷達(dá)平均樹高提取研究［J］.遙感學(xué)報(bào)，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(yù)測(cè)的LiDAR點(diǎn)云濾波方法［J］.武漢大學(xué)學(xué)報(bào)·信息科學(xué)版，2007，32（11）：167～170.

［9］陳磊，趙書河.一種改進(jìn)的基于平面擬合的機(jī)載LiDAR點(diǎn)云濾波方法［J］.遙感技術(shù)與應(yīng)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?。跩］.西南交通大學(xué)學(xué)報(bào)，2009，44（1）：83～88.

［11］崔建軍，隋立春，徐花芝等.基于邊緣檢測(cè)算法的LiDAR數(shù)據(jù)建筑物提?。跩］.測(cè)繪科學(xué)技術(shù)學(xué)報(bào)，2008，25（2）：98～100.

［12］張齊勇，岑敏儀，周國清等.城區(qū)LiDAR點(diǎn)云數(shù)據(jù)的樹木提?。跩］.測(cè)繪學(xué)報(bào)，2010，38（4）：330～335.

［13］楊曉云.基于雙次回波的LiDAR點(diǎn)云數(shù)據(jù)濾波方法［J］.廣西工學(xué)院學(xué)報(bào)，2010（3）：86～88.

［14］林國祥，張繼賢，賈毅.機(jī)載LiDAR數(shù)據(jù)的多回波信息分析及濾波方案［J］.測(cè)繪科學(xué)，2013（5）：28～30.

［15］尹艷豹，唐守正等.多回波機(jī)載LiDAR數(shù)據(jù)提取林地DEM的判別分析方法［J］.林業(yè)科學(xué)，2011（12）：106～ 113.

［16］Vosselman G.Slope based filtering of laser altimetry data ［J］.International Archives of Phologrammelty，2000，33：935～942.

Analysis and Application of Multiple Echoes Laser Scanner Data

Yang Xingyue1，2，Yang Huaiyi3，Zhang Jicheng1
（1.Nanyang Urban and Rural Institute of Planning and Mappin，Nanyang 473000，China；2.Guilin University of Technology，Guilin 541001，China；3.Shanxi Team of China's Building Materials Industry Geological Prospecting Center，Taiyuan 030000，China）

This paper makes an analysis of airborne LiDAR data which has multiple echoes.The characteristics of each echo is discussed and studied，and then it expounds the information that each echo represented.According to the principle that different object is recorded by different echo，the writer put forward a program to classify the LiDAR data，the data is divided into the first echoes，middle and tail-echo.Further more，the number of the points which takes part in the process of filtering can be reduced.The experiment explains that it can eliminate most of the vegetation points.Therefore the algorithm can reduce the number of the points which takes part in the process of filtering，and improves the effect of filtering algorithm for eliminating the buildings and vegetation.The result indicates that the data processing become more efficiently.

LiDAR；multiple echoes；classification；filtering

1672-8262（2016）04-68-05

P237

A

2016—02—01

楊興躍（1990—），男，碩士研究生，助理工程師，主要從事3S技術(shù)與應(yīng)用工作。

廣西空間信息與測(cè)繪重點(diǎn)實(shí)驗(yàn)室資助課題（桂科能130511407）