宋冬冬

關(guān)鍵詞： 濾波 LiDAR 無(wú)人機(jī) DEM 構(gòu)建

中圖分類(lèi)號(hào)： U412.2 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1672-3791（2024）01-0022-04

在當(dāng)前道路建設(shè)不斷新增的大環(huán)境下，道路建設(shè)行業(yè)必須提高工作效率，優(yōu)化工藝技術(shù)、縮短建設(shè)周期。機(jī)載LiDAR（Light Detection And Ranging）是近年來(lái)發(fā)展較快的一種新型對(duì)地觀測(cè)技術(shù)，其將激光測(cè)距、計(jì)算機(jī)控制以及慣性測(cè)量等技術(shù)融為一體，利用無(wú)人機(jī)、有人機(jī)等搭載設(shè)備，實(shí)現(xiàn)非接觸、遠(yuǎn)距離、高效率對(duì)地面點(diǎn)云數(shù)據(jù)采集［1］。數(shù)字高程模型（Digital ElevationModel，DEM）作為重要的基礎(chǔ)地理數(shù)據(jù)之一，已經(jīng)成為國(guó)家經(jīng)濟(jì)發(fā)展、全球戰(zhàn)略實(shí)施的核心，而隨著空間數(shù)據(jù)應(yīng)用的不斷擴(kuò)大，如何快速獲取高精度的DEM 數(shù)據(jù)已經(jīng)成為測(cè)繪行業(yè)的熱點(diǎn)問(wèn)題。傳統(tǒng)的DEM 主要依靠數(shù)字化地形圖或者空中三角立體測(cè)量技術(shù)。前者需要外業(yè)采集大量地形數(shù)據(jù)，一般使用RTK（RealTime Kinematic）進(jìn)行外業(yè)數(shù)據(jù)采集，耗時(shí)耗力，并且對(duì)于復(fù)雜區(qū)域，人工無(wú)法到達(dá)，將導(dǎo)致部分DEM 數(shù)據(jù)缺失；后者包括航空攝影、攝影處理、地面測(cè)量（空中三角測(cè)量）、立體測(cè)量和制圖生產(chǎn)等過(guò)程，生產(chǎn)周期長(zhǎng)，難以適應(yīng)當(dāng)前信息化社會(huì)需求。作為新型的對(duì)地觀測(cè)技術(shù)，機(jī)載LiDAR 為DEM 獲取提供了一種全新的技術(shù)手段，由于其能夠準(zhǔn)確地獲取地物的三維坐標(biāo)，具有航空攝影測(cè)量和地面常規(guī)測(cè)量的綜合優(yōu)勢(shì)［2］，因此能夠?qū)?fù)雜的地形（地貌）精確、形象地展示出來(lái)。

DEM 作為數(shù)字模型數(shù)據(jù)可以利用計(jì)算機(jī)快速獲取道路勘測(cè)中的縱橫斷面，解決當(dāng)前道路勘測(cè)中縱橫斷面生成的繁瑣問(wèn)題，同時(shí)DEM 作為一類(lèi)3D 數(shù)據(jù)，可以直觀地顯示地形、地勢(shì)、地貌，為道路建設(shè)中的可視化分析、道路選線、土方量計(jì)算等提供重要的數(shù)據(jù)支撐。而無(wú)人機(jī)LiDAR 技術(shù)和單波束測(cè)深技術(shù)相比于傳統(tǒng)測(cè)量技術(shù)有著精度高、速度快、獲取數(shù)據(jù)量大、自動(dòng)化程度高等優(yōu)點(diǎn)，采用無(wú)人機(jī)LiDAR 技術(shù)，可以大大提高地形數(shù)據(jù)的獲取效率，解決當(dāng)前道路勘測(cè)對(duì)海量高精度地形數(shù)據(jù)的強(qiáng)烈需求［3］。

1 無(wú)人機(jī)LiDAR 點(diǎn)云數(shù)據(jù)獲取

1.1 無(wú)人機(jī)LiDAR 外業(yè)測(cè)量

本文利用無(wú)人機(jī)LiDAR 技術(shù)獲取實(shí)驗(yàn)區(qū)地形數(shù)據(jù)，測(cè)量面積約5.65×105 m2。利用無(wú)人機(jī)LiDAR 技術(shù)外業(yè)采集數(shù)據(jù)流程主要包括：（1）實(shí)驗(yàn)區(qū)環(huán)境資料收集；（2）航飛設(shè)計(jì)；（3）架設(shè)基站；（4）飛行前調(diào)試；（5）激光掃描儀工作；（6）慣性導(dǎo)航系統(tǒng)工作；（7）數(shù)碼成像系統(tǒng)工作；（8）導(dǎo)出數(shù)據(jù)。

1.2 外業(yè)數(shù)據(jù)處理

為了生成實(shí)驗(yàn)區(qū)的點(diǎn)云數(shù)據(jù)，還需對(duì)無(wú)人機(jī)Li‐DAR 外業(yè)采集數(shù)據(jù)進(jìn)行進(jìn)一步處理。其主要處理工作有基站數(shù)據(jù)結(jié)算、POS 數(shù)據(jù)解算、影像數(shù)據(jù)融合、點(diǎn)云坐標(biāo)轉(zhuǎn)換等［4］。數(shù)據(jù)處理流程如圖1 所示。

1.3 點(diǎn)云數(shù)據(jù)去噪處理

獲得點(diǎn)云數(shù)據(jù)后，在對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行相關(guān)處理應(yīng)用前，必須先進(jìn)行去噪處理。無(wú)人機(jī)LiDAR 掃描作業(yè)過(guò)程中非常容易受到各種因素的干擾，產(chǎn)生各種各樣的噪點(diǎn)，此類(lèi)噪點(diǎn)往往突兀于正常點(diǎn)云數(shù)據(jù)。為獲得更準(zhǔn)確的激光數(shù)據(jù)，需要進(jìn)行點(diǎn)云去噪處理［5］。

1.4 無(wú)人機(jī)LiDAR 點(diǎn)云數(shù)據(jù)獲取結(jié)果

本文利用廣州市某港口區(qū)域獲取的點(diǎn)云數(shù)據(jù)來(lái)構(gòu)建DEM，其覆蓋面積約為5.65×105 m2，含有激光雷達(dá)點(diǎn)約3.72×107個(gè)，點(diǎn)云平均密度為65.791 per/m2，點(diǎn)的間距在0.01～0.18 m 之間，實(shí)驗(yàn)區(qū)最小高程為+0.568 m，最大高程為+38.159 m。原始點(diǎn)云如圖2 所示。在實(shí)驗(yàn)區(qū)中河西的沙灘區(qū)只有一些挖機(jī)、吊車(chē)等施工車(chē)輛和一些生長(zhǎng)在沙土中較稀疏的低矮灌木叢，其余地物類(lèi)型較少；在河?xùn)|的生活區(qū)內(nèi)包括較多低矮密集的植被、路旁的行道樹(shù)、廠房建筑物、低矮棚戶區(qū)、廟宇、輸電塔和電線、防風(fēng)墻等地物。

2 點(diǎn)云數(shù)據(jù)濾波

在構(gòu)建DEM 之前，須進(jìn)行點(diǎn)云數(shù)據(jù)濾波去除掉不用的地物點(diǎn)數(shù)據(jù)。濾波的效果越好，構(gòu)建的DEM 精度就越高［6］。本文選用數(shù)學(xué)形態(tài)學(xué)濾波、布料模擬濾波和三角網(wǎng)迭代濾波來(lái)進(jìn)行對(duì)比實(shí)驗(yàn)。

2.1 數(shù)學(xué)形態(tài)學(xué)濾波結(jié)果

根據(jù)實(shí)驗(yàn)區(qū)點(diǎn)云數(shù)據(jù)地形地物實(shí)際情況，本次數(shù)學(xué)形態(tài)學(xué)設(shè)置的格網(wǎng)分辨率大小為0.2，采取線性增加濾波窗口，初始窗口尺寸為3 m，最大窗口尺寸大小為35 m，地形斜率為0.3，初始高差閾值為0.5 m，最大高差閾值為2 m。

2.2 布料模擬濾波結(jié)果

布料模擬濾波算法進(jìn)行濾波時(shí)需要設(shè)置5 個(gè)參數(shù)，分別是格網(wǎng)分辨率、高差閾值、最大迭代次數(shù)、布料硬度和坡度后處理。格網(wǎng)分辨率就是布料格網(wǎng)的大小，設(shè)置過(guò)小，則布料模擬粒子數(shù)就會(huì)過(guò)多，會(huì)導(dǎo)致計(jì)算量過(guò)大，設(shè)置過(guò)大則會(huì)導(dǎo)致布料格網(wǎng)過(guò)于粗糙，會(huì)將很多點(diǎn)云的屬性誤判。原則上格網(wǎng)分辨率應(yīng)和點(diǎn)云密度相當(dāng)或者是點(diǎn)云密度的2～3 倍，文章設(shè)置為0.3 m。高差閾值是用來(lái)判斷將距離模擬布料多高的點(diǎn)判定為地面點(diǎn)的依據(jù)，文章設(shè)置為0.2 m。最大迭代次數(shù)，布料質(zhì)子運(yùn)動(dòng)次數(shù)達(dá)到最大迭代次數(shù)時(shí)將會(huì)停止布料模擬，文章將迭代次數(shù)設(shè)置為500。布料硬度可以結(jié)合地形坡度的變化來(lái)確定布料剛性參數(shù)。一般來(lái)說(shuō)，區(qū)域越平坦，則RI 值需要越大；反之，區(qū)域越陡峭，RI 值需要越小。本文將RI 值設(shè)置為2。坡度后處理是一個(gè)可開(kāi)關(guān)選項(xiàng)，當(dāng)?shù)匦屋^陡峭時(shí)，需要進(jìn)行坡度后處理；當(dāng)?shù)匦屋^平坦時(shí)，則不需要進(jìn)行坡度后處理。本文對(duì)實(shí)驗(yàn)對(duì)象開(kāi)啟了坡度后處理。

2.3 三角網(wǎng)迭代濾波結(jié)果

三角網(wǎng)迭代濾波算法主要參數(shù)有最大建筑物尺寸、最大地形坡度、迭代角度和迭代距離。每個(gè)格網(wǎng)中都需要有一個(gè)地面點(diǎn)作為種子點(diǎn)，所以最大的格網(wǎng)尺寸需要大于等于點(diǎn)云中最大建筑物尺寸。根據(jù)測(cè)區(qū)實(shí)際情況，設(shè)置最大建筑物尺寸為35 m。最大地形坡度是改變地形地貌所允許的最陡坡度，以實(shí)際情況為準(zhǔn)，設(shè)置其為88°。迭代角度和迭代距離，待定點(diǎn)到三角網(wǎng)的角度和距離是否在迭代角度和迭代距離閾值范圍內(nèi)，將決定其能否被分為地面點(diǎn)并加入三角網(wǎng)中。本文設(shè)置迭代角度為20°，迭代距離為0.5 m。

3 濾波精度評(píng)價(jià)

3.1 評(píng)價(jià)指標(biāo)

本文以廣泛使用的點(diǎn)云濾波評(píng)價(jià)指標(biāo)對(duì)實(shí)驗(yàn)成果進(jìn)行定量分析，其中主要有Ⅰ類(lèi)誤差、Ⅱ類(lèi)誤差和總誤差這3 個(gè)誤差評(píng)價(jià)指標(biāo)。Ⅰ類(lèi)誤差表示錯(cuò)分地面點(diǎn)占總地面點(diǎn)的比例；Ⅱ類(lèi)誤差表示錯(cuò)分非地面點(diǎn)占總非地面點(diǎn)的比例；總誤差表示總的錯(cuò)分點(diǎn)占總點(diǎn)的比例。

3.2 對(duì)比分析

本文為比對(duì)數(shù)學(xué)形態(tài)學(xué)濾波、布料模擬濾波、三角網(wǎng)迭代濾波這3 種濾波算法對(duì)不同地區(qū)的適應(yīng)性，選取了實(shí)驗(yàn)區(qū)中廠房、密集低矮植被、防風(fēng)堤和行道樹(shù)、帶有零散植被的小沙丘等8 個(gè)具有不同地形特征和土地利用類(lèi)型的樣本區(qū)域進(jìn)行濾波精度評(píng)定。其參考數(shù)據(jù)是根據(jù)測(cè)區(qū)的航攝影像輔助進(jìn)行人工分類(lèi)所獲得的。下面以密集低矮植被為例進(jìn)行對(duì)比說(shuō)明。具體情況如圖3 和表1 所示。

根據(jù)圖3 和表1 所示，在密集低矮植被區(qū)，3 種濾波的Ⅰ類(lèi)誤差都較小，沒(méi)有明顯的丟失地形現(xiàn)象。3種濾波的Ⅱ類(lèi)誤差都較大，出現(xiàn)明顯的將部分低矮植被歸為地面點(diǎn)的現(xiàn)象。其主要原因是密集低矮植被的枝葉過(guò)于密集，激光沒(méi)有穿透植被，得到的植被點(diǎn)下沒(méi)有地面點(diǎn)，只有一層植被點(diǎn)。對(duì)于這類(lèi)點(diǎn)，3 種濾波方法只能靠其與周邊地面點(diǎn)的高差來(lái)進(jìn)行濾除，低矮植被本身就矮，然而部分低矮植被點(diǎn)與周邊地面點(diǎn)的高差在閾值范圍內(nèi)，導(dǎo)致3 種濾波都難以將這類(lèi)點(diǎn)濾除。其中，由于三角網(wǎng)迭代濾波除了高差閾值外還有一個(gè)角度閾值，對(duì)這類(lèi)點(diǎn)的濾除效果比其他兩種濾波更好，這使得其Ⅱ類(lèi)誤差是3 種濾波中最小的。從總誤差來(lái)看，在本區(qū)域三角網(wǎng)迭代濾波較好于其他兩種濾波。

4 無(wú)人機(jī)LiDAR 點(diǎn)云數(shù)據(jù)的DEM 構(gòu)建

點(diǎn)云數(shù)據(jù)濾波完后得到地面點(diǎn)數(shù)據(jù)依舊屬于離散數(shù)據(jù)，同時(shí)濾波完后，部分區(qū)域還會(huì)出現(xiàn)空洞現(xiàn)象。所以，需對(duì)地面點(diǎn)數(shù)據(jù)進(jìn)行內(nèi)插生成DEM?？紤]效率和精度因素，本文選用線性三角網(wǎng)插值法來(lái)為點(diǎn)云構(gòu)建DEM。

4.1 點(diǎn)云構(gòu)建DEM

由于點(diǎn)云的數(shù)據(jù)量大，本文首先是利用地面點(diǎn)云構(gòu)建了TIN，然后將TIN 內(nèi)插生成柵格DEM。TIN 是通過(guò)利用地面點(diǎn)數(shù)據(jù)構(gòu)建不斷連續(xù)的不規(guī)則三角面，以逼近真實(shí)地形。TIN 能夠降低多余數(shù)據(jù)沉積，提高地形模擬的精度。實(shí)驗(yàn)區(qū)的TIN 模型局部圖如圖4所示。

生成TIN 后，由于地面點(diǎn)數(shù)據(jù)密度夠大，要生成的DEM 中的每一像元都能有地面點(diǎn)數(shù)據(jù)對(duì)應(yīng)，所以對(duì)TIN 進(jìn)行線性內(nèi)插就能生成逼近真實(shí)地貌的DEM。本文激光雷達(dá)點(diǎn)約3.72×107個(gè)，數(shù)據(jù)量大，線性三角網(wǎng)插值法有較快的插值速度，誤差低，能有效提高構(gòu)建DEM 的效率。生成DEM 如圖5 所示。

4.2 DEM 精度評(píng)價(jià)

為檢核DEM 的精度，在實(shí)驗(yàn)區(qū)范圍，利用GPSRTK測(cè)取檢核點(diǎn)，這些檢核點(diǎn)應(yīng)均勻分布于實(shí)驗(yàn)區(qū)內(nèi)，數(shù)量適當(dāng)。將DEM 與檢核點(diǎn)高程值對(duì)比，評(píng)價(jià)其精度。采用中誤差、平均絕對(duì)誤差、平均誤差作為數(shù)值指標(biāo)。計(jì)算結(jié)果表明：DEM 的高程中誤差為0.024 m，最大高程差為0.050 m，滿足1∶500 地形圖高程精度要求。

5 結(jié)語(yǔ)

本文采用數(shù)學(xué)形態(tài)學(xué)濾波算法、布料模擬濾波算法和三角網(wǎng)迭代濾波算法3 種云算法對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行濾波，并對(duì)濾波結(jié)果進(jìn)行精度評(píng)價(jià)和對(duì)比分析。采用線性三角網(wǎng)插值法對(duì)濾波后點(diǎn)云進(jìn)行插值，生成DEM，并利用檢核點(diǎn)法對(duì)其進(jìn)行精度評(píng)價(jià)。