利用車載激光點(diǎn)云的分車帶識(shí)別及單木分割方法

王 果,王 成,張振鑫,劉紹堂,趙光興

(1.河南工程學(xué)院土木工程學(xué)院,河南 鄭州 451191；2.中國(guó)科學(xué)院遙感與數(shù)字地球研究所,北京 100094； 3.首都師范大學(xué)資源環(huán)境與旅游學(xué)院,北京 100048)

1 引 言

城市道路分車帶是在車行道之間劃分車輛運(yùn)行路線的分割帶,具有提高交通效率和安全率、改變道路空間尺度、組織交通以及分割車流和行人的作用[1]。樹(shù)木作為分車帶的一種典型地物,在美化城市環(huán)境[2]、減弱噪聲[3]、降低汽車尾氣污染[4]、減緩暴雨引起的城市地表徑流[5]、緩解城市夏季熱量聚集[6]等方面發(fā)揮巨大作用,如何快速、準(zhǔn)確獲取其三維信息,對(duì)城市管理及規(guī)劃具有重要意義。

車載激光掃描系統(tǒng)具有高精度、非接觸、高密度、自動(dòng)化、全天候、作業(yè)周期短等優(yōu)點(diǎn),能快速獲取被測(cè)物體表面的空間三維信息和回波強(qiáng)度[7],已被廣泛應(yīng)用于城市三維建模、安全控制、車輛導(dǎo)航、道路建庫(kù)、林業(yè)管理和自動(dòng)駕駛等領(lǐng)域,同時(shí)在城市單木測(cè)量及信息更新方面存在重要的應(yīng)用價(jià)值[8]。國(guó)內(nèi)外學(xué)者在單木點(diǎn)云處理方面已做了大量研究,文獻(xiàn)[9]提出通過(guò)分層網(wǎng)格點(diǎn)密度的單株樹(shù)提取方法,文獻(xiàn)[10]將高分辨率全景圖像的RGB信息映射到點(diǎn)云上,在分類基礎(chǔ)上,基于高程數(shù)據(jù)對(duì)激光點(diǎn)進(jìn)行分層,使用每一層的網(wǎng)格點(diǎn)密度將樹(shù)木與其他物體初步分離,最終估計(jì)樹(shù)高和樹(shù)冠面積；文獻(xiàn)[11]根據(jù)行道樹(shù)點(diǎn)云和周圍地面點(diǎn)進(jìn)行樹(shù)高計(jì)算,利用不同方位距離比進(jìn)行冠幅計(jì)算,并通過(guò)點(diǎn)云分層使用RANSAC算子擬合圓進(jìn)行胸徑計(jì)算；文獻(xiàn)[12]提出多層次單木點(diǎn)云分割方法,在八叉樹(shù)結(jié)構(gòu)的基礎(chǔ)上,依據(jù)葉節(jié)點(diǎn)同激光點(diǎn)云的關(guān)系對(duì)原始點(diǎn)云進(jìn)行單木分割；文獻(xiàn)[13]通過(guò)樹(shù)木生長(zhǎng)模型的加權(quán)分割方法,實(shí)現(xiàn)鄰接行道樹(shù)的分割。然而,對(duì)城市分車帶及其內(nèi)部樹(shù)木場(chǎng)景,相關(guān)研究較少,此外,由于車載點(diǎn)云的雜亂無(wú)序性、場(chǎng)景對(duì)象大小和形狀的不規(guī)則性以及城市場(chǎng)景的復(fù)雜性,點(diǎn)云的識(shí)別和分割應(yīng)用存在巨大的困難,仍具有重要的研究?jī)r(jià)值[14]。本文以城市道路分車帶及內(nèi)部樹(shù)木為研究對(duì)象,利用車載激光點(diǎn)云數(shù)據(jù),研究分車帶點(diǎn)云識(shí)別和單木分割方法。

2 分車帶識(shí)別及單木分割方法

本文所采用的方法包括布料模擬點(diǎn)云濾波、基于八叉樹(shù)的點(diǎn)云連通性聚類、最小包圍矩形構(gòu)建及分車帶點(diǎn)云提取和局部最高點(diǎn)的區(qū)域生長(zhǎng)算法單木分割,整個(gè)流程如圖1所示。

圖1 分車帶提取及單木分割流程

2.1 布料模擬車載點(diǎn)云濾波

文獻(xiàn)[15]提出的LiDAR點(diǎn)云濾波算法布料模擬算法原理創(chuàng)新且參數(shù)少簡(jiǎn)單易用,被國(guó)內(nèi)外多款知名軟件采用,本文采用布料模擬算法進(jìn)行點(diǎn)云濾波處理,其基本思想為:將獲取的LiDAR點(diǎn)云數(shù)據(jù)的高程進(jìn)行反轉(zhuǎn),布料由于重力作用會(huì)從反轉(zhuǎn)的點(diǎn)云表面下降,通過(guò)分析布料與對(duì)應(yīng)的LiDAR點(diǎn)云之間的作用,確定由于重力下降后所停留的位置,從而確定布料最后的形狀,實(shí)現(xiàn)點(diǎn)云濾波,其原理如圖2所示。

圖2 布模擬算法示意圖

2.2 基于八叉樹(shù)葉節(jié)點(diǎn)的連通性聚類

對(duì)于濾波得到的非地面點(diǎn),進(jìn)行八叉樹(shù)空間劃分,如圖3所示,首先構(gòu)建數(shù)據(jù)的空間立方體包圍盒作為根節(jié)點(diǎn),然后將根節(jié)點(diǎn)立方體分裂為等體積的8個(gè)子立方體作為其子節(jié)點(diǎn),之后不斷對(duì)子節(jié)點(diǎn)繼續(xù)進(jìn)行遞歸分裂,直到達(dá)到設(shè)置的八叉樹(shù)級(jí)別以及子節(jié)點(diǎn)包含的最少點(diǎn)個(gè)數(shù)。

從任一包含點(diǎn)云數(shù)據(jù)的八叉樹(shù)子節(jié)點(diǎn)開(kāi)始,搜索其周圍的子節(jié)點(diǎn),如果周圍的子節(jié)點(diǎn)立方體包含有點(diǎn)云數(shù)據(jù),則認(rèn)為當(dāng)前子節(jié)點(diǎn)內(nèi)的點(diǎn)云和其周圍子節(jié)點(diǎn)內(nèi)的點(diǎn)云屬于同一類別,不斷搜索直到所有的子節(jié)點(diǎn)搜索完畢,則所有具有空間連通性的八叉樹(shù)子節(jié)點(diǎn)所包含的點(diǎn)云會(huì)被聚類到不同的聚類單元,作為進(jìn)一步提取分車帶點(diǎn)云的基礎(chǔ)。

圖3 點(diǎn)云空間的八叉樹(shù)劃分示意圖

2.3 最小包圍矩形構(gòu)建及分車帶點(diǎn)云提取

利用八叉樹(shù)連通性分析得到的各聚類單元內(nèi)部所包含點(diǎn)云的平面坐標(biāo)分別建立各最小包圍矩形(minimum bounding rectangle),然后通過(guò)分車帶的先驗(yàn)信息進(jìn)行分車帶點(diǎn)云提取,具體判定規(guī)則為:對(duì)于每一個(gè)聚類單元,如果其最小包圍矩形的寬度與分車帶的先驗(yàn)寬度之差小于設(shè)定的閾值即公式(1)成立,同時(shí)聚類單元內(nèi)的最高點(diǎn)與最低點(diǎn)高差在設(shè)定的閾值范圍內(nèi),即滿足公式(2),則認(rèn)為該聚類單元內(nèi)的點(diǎn)為分車帶點(diǎn)云。

|MBRW-WP|

(1)

其中,MBRW為每個(gè)聚類單元內(nèi)部點(diǎn)云的平面坐標(biāo)信息所建立最小包圍矩形的寬度;WP為分車帶寬度的先驗(yàn)值。

Hmax-Hmin

(2)

式中,Hmax、Hmin分別為聚類單元中所有點(diǎn)的高程最大值和最小值;TW為寬度之差的閾值;TH為高度之差的閾值。

2.4 局部最高點(diǎn)的區(qū)域生長(zhǎng)算法

通過(guò)分車帶內(nèi)點(diǎn)云的單木空間幾何特征進(jìn)行分析可知,盡管樹(shù)木可能在茂密的林分中重疊交叉部分,但樹(shù)與樹(shù)之間存在水平間距,并且樹(shù)的頂部間距大于底部的間距,引入基于局部最高點(diǎn)的區(qū)域生長(zhǎng)算法實(shí)現(xiàn)分車帶內(nèi)點(diǎn)云單木分割,設(shè)置單木的最大半徑,從分車帶內(nèi)部點(diǎn)云開(kāi)始按順序?qū)慰脴?shù)進(jìn)行分割,其基本原理如下:

如圖4所示,假定A點(diǎn)為樹(shù)1的頂點(diǎn),B點(diǎn)為樹(shù)2的頂點(diǎn),則dAB為兩棵樹(shù)在樹(shù)頂?shù)拈g距,E點(diǎn)和F點(diǎn)為兩棵樹(shù)的重疊點(diǎn)。

圖4 樹(shù)木之間的間距示意圖

對(duì)于C點(diǎn),判斷dAC和dBC的大小,如果AC之間的距離小于BC之間的距離,則B點(diǎn)被分割為樹(shù)1,同時(shí)將C點(diǎn)從待分割點(diǎn)中移除。同理,D點(diǎn)被分割到樹(shù)2,同時(shí)從待分割點(diǎn)中移除,當(dāng)距離單株樹(shù)最大半徑內(nèi)的所有待分割的點(diǎn)完成分割,將A點(diǎn)和B點(diǎn)移除待分割點(diǎn)。

具體算法描述如下:

(1)在所有待分割的分車帶點(diǎn)中,尋找高程最高的點(diǎn),作為第一棵樹(shù)的頂點(diǎn)；

(2)同時(shí)在該點(diǎn)設(shè)定的單株樹(shù)最大半徑之外,尋找距第一棵樹(shù)頂點(diǎn)最近的最高點(diǎn),作為第二棵樹(shù)的頂點(diǎn)；

(3)對(duì)于相鄰的兩棵樹(shù),分別在設(shè)定的最大半徑內(nèi)進(jìn)行區(qū)域生長(zhǎng)分割,同時(shí)將分割完成的點(diǎn)從待分割點(diǎn)云中移除；

(4)重復(fù)以上步驟,直到所有的點(diǎn)完成分割。

3 實(shí)驗(yàn)及結(jié)果

3.1 實(shí)驗(yàn)數(shù)據(jù)

為了驗(yàn)證方法的可行性,選取北京市某道路的車載激光點(diǎn)云數(shù)據(jù)進(jìn)行實(shí)驗(yàn),該數(shù)據(jù)采用Trimble MX2車載LiDAR設(shè)備采集,實(shí)驗(yàn)區(qū)域地勢(shì)平坦,包含道路、建筑物、分車帶、路燈、輸電線等,實(shí)驗(yàn)數(shù)據(jù)長(zhǎng)度為708.907 m,寬度為425.251 m,最高點(diǎn)和最低點(diǎn)之間的高差為61.179 m,共包含8,383,034個(gè)激光點(diǎn),為了直觀顯示實(shí)驗(yàn)區(qū)的分車帶及樹(shù)木情況,隨機(jī)選取實(shí)驗(yàn)區(qū)域的一部分,展示相應(yīng)的車載影像,如圖5所示,其中,方框區(qū)域?yàn)樗镜能囕d影像對(duì)應(yīng)的分車帶點(diǎn)云區(qū)域。

3.2 實(shí)驗(yàn)過(guò)程及結(jié)果分析

對(duì)原始的激光點(diǎn)云數(shù)據(jù)設(shè)置布料分辨率為2 m,最大迭代次數(shù)為500,濾波閾值為0.5 m,建立358×216個(gè)網(wǎng)格,經(jīng)布料模擬濾波得到6,532,182個(gè)地面點(diǎn),1,850,852個(gè)非地面點(diǎn),濾波后得到的非地面點(diǎn)云數(shù)據(jù)如圖6所示。

圖5 實(shí)驗(yàn)區(qū)域車載點(diǎn)云數(shù)據(jù)及方框區(qū)域的車載影像

圖6 CSF濾波后的非地面點(diǎn)數(shù)據(jù)

依據(jù)2.2節(jié)基于八叉樹(shù)葉節(jié)點(diǎn)的連通性聚類,設(shè)置八叉樹(shù)的級(jí)別為8,子節(jié)點(diǎn)最小點(diǎn)數(shù)為10,共得到192個(gè)聚類結(jié)果,如圖7所示,構(gòu)建各聚類結(jié)果的最小包圍矩形,將分車帶寬度的先驗(yàn)值WP設(shè)置為3 m,閾值TW設(shè)置為3 m,高度之差的閾值TH設(shè)置為2米,得到提取的分車帶區(qū)域點(diǎn)如圖8中方框區(qū)域所示。

圖7 基于八叉樹(shù)的連通性聚類結(jié)果

圖8 八叉樹(shù)聚類及分車帶點(diǎn)云提取

進(jìn)一步將分車帶點(diǎn)云利用局部最高點(diǎn)區(qū)域生長(zhǎng)算法進(jìn)行單木分割,單株樹(shù)最大半徑設(shè)置為2 m,經(jīng)過(guò)單木分割后的結(jié)果如圖9所示,為了清晰顯示處理效果,選取實(shí)驗(yàn)數(shù)據(jù)中部分進(jìn)行放大顯示,如圖9中方框區(qū)域所示。

圖9 分車帶內(nèi)單木分割結(jié)果

對(duì)于LiDAR點(diǎn)云的提取和分析,由于缺乏公開(kāi)統(tǒng)一準(zhǔn)則的測(cè)試數(shù)據(jù)集以及支持分割提取算法的對(duì)比平臺(tái),研究人員為解決問(wèn)題,通常需要獲取特定場(chǎng)所的三維點(diǎn)云數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證,實(shí)驗(yàn)結(jié)果沒(méi)有統(tǒng)一的評(píng)定和衡量準(zhǔn)則,算法缺乏可對(duì)比性,目前通常采用目視方式進(jìn)行效果的評(píng)定[16]。從圖9結(jié)果可以看出,所采用方法能夠從車載激光點(diǎn)云數(shù)據(jù)中自動(dòng)分割出分車帶及分車帶內(nèi)單木點(diǎn)云數(shù)據(jù),取得良好的效果。需要指出的是,由于實(shí)驗(yàn)區(qū)域分車帶內(nèi)單棵樹(shù)之間存在交叉重疊且分車帶內(nèi)樹(shù)木大小和形態(tài)不一,仍存在部分錯(cuò)誤分割現(xiàn)象。

4 結(jié) 語(yǔ)

為了利用車載激光點(diǎn)云數(shù)據(jù)進(jìn)行城市區(qū)域分車帶提取和分車帶內(nèi)樹(shù)木點(diǎn)云單木分割,本文針對(duì)實(shí)測(cè)的城區(qū)車載激光點(diǎn)云數(shù)據(jù),綜合采用布料模擬算法進(jìn)行濾波、八叉樹(shù)連通性聚類、分車帶點(diǎn)云識(shí)別及分車帶內(nèi)單株樹(shù)木分割,得到與現(xiàn)實(shí)情況基本一致的單木點(diǎn)云信息,為城市樹(shù)木測(cè)量及三維重建提供數(shù)據(jù)支持。提出的方法充分利用原始三維點(diǎn)云的空間幾何信息,與現(xiàn)有文獻(xiàn)報(bào)道的基于體素和切片內(nèi)插方法性比,避免了數(shù)據(jù)內(nèi)插造成的原始數(shù)據(jù)精度和信息的損失,分割結(jié)果可靠性高。

由于真實(shí)世界城區(qū)分車帶及內(nèi)部樹(shù)木之間情況復(fù)雜,利用車載激光點(diǎn)云數(shù)據(jù)的城區(qū)分車帶點(diǎn)云提取及單木分割方法仍需要進(jìn)一步研究,隨著三維獲取數(shù)據(jù)手段多源化的不斷發(fā)展,綜合利用車載激光點(diǎn)云數(shù)據(jù)和其他多源數(shù)據(jù)進(jìn)行分車帶點(diǎn)云提取及單木分割是進(jìn)一步研究的重點(diǎn)。