崔珍珍， 孟 蕾， 周碧蓮

(廣東省國土資源技術中心，廣東 廣州 510075)

1 引言

粵西地區(qū)人口密度稀疏，山脈、水庫、水田豐富，存在大片樹林等多層次且高密度植被覆蓋區(qū)域，給現(xiàn)有的地形測繪方法帶來嚴峻挑戰(zhàn)。采用GPS等常規(guī)地面測量方法，存在難以到達、施測困難、電子信號屏蔽等問題。近幾年，隨著機載激光雷達硬件系統(tǒng)的快速發(fā)展，其產生的點云數(shù)據(jù)也變得更加精確且數(shù)據(jù)海量，成為生產DEM很好的數(shù)據(jù)源。LIDAR系統(tǒng)采集的三維點云數(shù)據(jù)中存在大量的非地面反射點，因此無法直接獲取測區(qū)高精度數(shù)字高程模型，所以需要通過濾波解決這個問題。根據(jù)濾波的發(fā)展方向，主流濾波算法分為三類：一是基于三維空間信息的方法，如自適應三角網法(ATIN)、多尺度曲率法(MCC)、數(shù)學漸進形態(tài)法(PM)、坡度分析法等；二是基于回波強度的分類方法；三是基于點云與影像融合的方法。在機載激光雷達點云數(shù)據(jù)的處理研究中，研究人員已經開發(fā)了許多濾波算法，但是在對場景比較復雜的點云數(shù)據(jù)處理時，這些濾波算法依然存在一些不足，這時需要人工干預進行手動濾波。在進行實際生產時，需要根據(jù)測區(qū)實際情況，找到一種效果較好的濾波方法。本文在對多測區(qū)山地地形地貌進行分析測試的基礎上，提出一種多組合重迭代地面點云濾波算法，即融合形態(tài)學與自適應三角網濾波并結合山脈山谷山脊進行分塊快速擬合濾波方法。

2 點云數(shù)據(jù)處理流程

DEM生產制作方法依賴于采用的數(shù)據(jù)源，以機載LIDAR點云數(shù)據(jù)為例，生產流程見圖1。

圖1 點云生產DEM流程圖

3 試驗結果分析

3.1 實驗數(shù)據(jù)

采取的數(shù)據(jù)為粵西地區(qū)38帶從化市某地區(qū)數(shù)據(jù)，測試數(shù)據(jù)面積為450 m×390 m，單次回波703 184次，多次回波首次395 354次，多次回波末次395 221次。測區(qū)最小Z值220.750 m，最大為343.530 m。參考影像為國家第三次土地調查獲取的分辨率為1 m的高光譜遙感影像。影像顯示此測區(qū)由高密度林木遮擋，且山勢陡、山溝密度較大(見圖2)。

圖2 部分測區(qū)遙感影像示意圖

3.2 濾波方法

(1)漸進三角網濾波方法。國內常用MicroStation平臺上開發(fā)的Terrasolid軟件進行濾波，其算法為Axelsson于2000年提出的一種基于不規(guī)則三角網(TIN)的漸進加密，該方法先通過格網方式將測區(qū)的點云分塊，然后選取每個格網中的最低點作為初始種子點，組成一個大的稀疏的TIN，再按照一定的距離和角度閾值判斷其他的點，逐步加密得到一個最終的三角網模型。這種算法的適用性取決于參數(shù)的設置是否符合地形特點，而合適的參數(shù)配置耗時較多，此算法對曲面不連續(xù)性的檢測較敏感，適用于城市區(qū)域的濾波。而對于本測區(qū)高密度山脈和高覆蓋度植被山體場景，在實際作業(yè)中往往需要花費大量時間進行參數(shù)調試。

(2)基于形態(tài)學濾波方法。這種濾波方法首先通過分析窗口內水平分布的記錄點，將其設為初始地面，設置一個閾值，并將所有與該地面在某一距離范圍內的點都作為地面點，然后采用自回歸過程檢驗運算結果，這種方法很容易擴展成二維離散數(shù)據(jù)。

(3)本文采用的優(yōu)化濾波方法。本文使用TerraSolid濾波軟件，地形形態(tài)學法與漸進三角網法相結合的局部濾波算法模塊工具進行數(shù)據(jù)快速精分，對山谷、山脊、建筑區(qū)分類別進行數(shù)據(jù)重濾波操作，實現(xiàn)山體結構快速TIN重建。結合作圖經驗，總結出一套適用于粵西高密度山脈復雜場景的處理流程，見圖3。

圖3 本文濾波方法生產DEM流程圖

本文采用融合形態(tài)學自適應分塊擬合的方法進行數(shù)據(jù)粗濾波，再結合地形特點開發(fā)出針對山谷和山脊兩種地形的局部地形恢復工具。山谷和山脊一般呈現(xiàn)倒銳角三角形和正銳角三角形特征，首先將山谷山脊的區(qū)域標記出來，在選定山谷山脊地形范圍內可以快速找到局部最低點，設為臨時地面點，再與已定坡面點構造出銳角三角形，再在圈定距離與坡度范圍內采用隨機適應匹配原則，匹配出鄰域地面點，逐步匹配直到區(qū)域內所有點都被搜尋到。

3.3 數(shù)據(jù)驗證

(1)濾波三角網效果對比。取粵西某部分數(shù)據(jù)，采用三種不同算法進行濾波，構造Delaunay三角網，三者濾波后地形渲染效果對比如圖4。

圖4 三者濾波后地形渲染效果對比圖

從上圖中可以明顯看出，基于形態(tài)學的濾波方法比單獨使用自適應三角網法得到的山地地形好，具體表現(xiàn)為：在可以保持山形情況下，去除了較多噪點云集。多組合重迭代的濾波方法對于自然地形的恢復效果最佳，且濾波得到的地面點云密度也明顯比前兩個算法要大。

(2)DEM成果精度分析評價。DEM的高程誤差來源于三個方面：點云數(shù)據(jù)本身的高程(大地高)誤差；高程系統(tǒng)轉換的誤差，即似大地水準面精化誤差；插值對DEM高程精度的影響。點云高程誤差主要通過外業(yè)打點來計算獲取。將擬合后的DEM與RTK外業(yè)實地采集點高程數(shù)據(jù)進行精度檢測，分別計算三種數(shù)據(jù)的高差中誤差。經計算，三種濾波方法得到的DEM與RTK采集點比較得到的Z值均方根誤差見表1。

表1 三種濾波方法得到的DEM與RTK精度比較

4 結論

(1)提出了融合形態(tài)學自適應分塊擬合迭代濾波算法，成功解決了粵西部分山區(qū)高密度植被與山脈密集場景地形中植被點云智能化剝離難題，為高精度內業(yè)生產提供良好的濾波基礎數(shù)據(jù)，減少內業(yè)作業(yè)時間，從而減少因作業(yè)員專業(yè)素質導致的錯分漏分。

(2)不同算法最佳適用的地形不同，研究顯示，針對不同地形特點，采用針對性的濾波算法，可以有效分離出地面和非地面點。

(3)低空機載LIDAR技術應用于粵西植被高覆蓋、高遮擋、高密度山區(qū)地形測繪，具有高精度、高效率、高自動化等顯著優(yōu)勢，革新現(xiàn)有的測繪手段。