基于LIDAR数据滤波

1、湖南科技大学本科生毕业设计（论文）湖 南 科 技 大 学毕 业 设 计（ 论 文 ）题 目机载LIDAR点云数据滤波作 者蒋辉跃学 院建筑与城乡规划学院专 业测绘工程学 号0910050208指导教师李乐林二一三 年 五 月 五 日基于多尺度分析的LIDAR点云滤波及DEM生成第一章 绪论1.1 引言空间三维地理信息是人类认知世界、服务自身不可或缺的核心媒介，也是国家经济社会发展的基础性、战略性资源。随着现代社会的不断发展、高新技术的进步，人类清醒地认识到空间三维地理信息对生产、生活所起到的巨大作用。为此，世界上许多国家把空间地理信息资源的开发利用放到了首要的战略位置。1998年，美国副总统阿

2、尔·戈尔在加利福尼亚科学中心开幕典礼上发表了题为“The Digital Earth:Understanding our planet in the 21stCentury”的演说，第一次提出了“数字地球”（DigitalEarth）相关概念。该概念与GIS、遥感、虚拟现实等高新技术息息相关，已成为当下人们时常谈论的一个话题。数字地球：一个以地球坐标为依据的、具有多分辨率的海量数据和多维显示的地球虚拟系统。数字地球看成是“对地球的三维多分辨率表示、它能够放入大量的地理数据”。数字地球学是关于整个地球、全方位的GIS与虚拟现实技术、网络技术相结合的产物。作为数字地球建设的关键支撑技术之

3、一，空间多维地理信息的获取技术发挥着重要作用。两院院士李德仁先生曾经作过一个形象的比喻：数据是GIS的血脉。同样，获取空间多维数据信息，也是数字地球的血脉。发展至今，地球空间信息获取技术（Geo-SpatialTechnology）与纳米技术和生物技术一起被称为当今最具发展前景的三大高新技术。目前，地球空间信息获取技术，正朝着多传感器、多平台、多极化、多角度、高空间分辨率、高时相分辨率、高（多）光谱等方向发展，人类获取数据的来源极为扩展，同时也为数据的识别、处理、应用带来了前所未有的严峻挑战。在此背景下，作为航空航天遥感最具代表性之一的机载激光雷达测量技术（LiDAR,Light Detect

4、ion And Ranging）应运而生。它是一种主动式对地观测系统，集全球定位、惯性导航、激光测距等高新技术于一身，解决了传统摄影测量学的许多难题，作为一种新兴的空间对地观测技术，在空间多维地理信息的实时获取方面取得了重大突破，引起了测绘、地理信息等相关行业的浓厚兴趣。由于机载激光雷达测地技术的诸多优点，其社会需求在不断扩大，也是最近几年科研及相关工作者的一个热点研究方向。机载激光雷达测量技术的发展日新月异，机载激光雷达测量系统实际上已经代表了对地观测领域一个新的发展方向。1.2 研究背景、目的及意义1.2.1 研究背景激光雷达测量技术源自1970年美国国家航天局（NASA, Nationa

5、l Aeronautics and SpaceAdministration）的研发。NASA利用激光作为遥感设备，进行了多次空间数据获取实验，其中就包括对月观测和卫星激光测距。20世纪70年代，美国在阿波罗登月计划中应用了激光雷达测量技术（Kaula, et al, 1974）。随后，激光雷达测量技术获得了迅速发展，包括当时美国NASA研制的大气海洋LiDAR系统、机载地形测量设备等机载系统。归功于全球定位系统以及惯性导航系统的技术进步，使精确的即时定位和姿态确定成为可能，机载激光雷达测量技术才取得了重大进展，并且出现了精确可靠的激光雷达测量传感器。其中包括航天飞机激光测高仪（SLA, Shu

6、ttle Laser Altimeter）（Garvin, et al, 1998）和火星观测激光测高仪（MOLA, Mars Observer Laser Altimeter）（Smith, et al, 1998）以及月球观测激光测高仪（LOLA, Lunar Observer Laser Altimeter）。NASA利用这些设备，获取了高分辨率的地球表面、火星表面、月球表面三维地形信息，这对于研究地球、火星、月球的繁衍变化、真实形状等具有极重要的科学意义。期间其他一些国家也进行了许多相关实验。德国Stuttgart大学摄影测量学院于1988年开始研究机载激光扫描地形断面测量系统；荷兰测

7、量部门自1988年也开始从事利用激光雷达测量技术提取地形信息的可行性研究；加拿大卡尔加里大学进行了机载激光雷达系统的集成和实验，通过把激光扫描仪与GPS、INS、数据通信等设备集成，实现了一个机载激光雷达三维数据获取平台，开展了一些实验，取得了较好的成果；日本东京大学1999年进行了地面固定激光扫描系统的集成和实验（Zhao H J, et al, 1999）。随后，机（空）载激光雷达测量系统发展相当迅速，出现了一大批机载激光雷达测量系统。例如，加拿大Optech公司生产的Gemini、ALTM 3100EA和SHOALS、美国Leica公司的ALS50-II、瑞典TopoEyeAB公司生产的

8、TopEye Mk-II、德国IGI和奥地利RIEGL公司联合制造的LiteMapper 5600、奥地利RIEGL公司的LMS-Q560、德国TopoSys公司的Falcon-II和Falcon-III、荷兰Fugro公司生产的FLI-MAP 400等是当前较成熟的商业系统我国在LiDAR技术上的起步比较晚，对机载LiDAR系统的研究始于上个世纪70年代，其间经历了理论探索、实验、完成原理样机等阶段。尤其在国家863计划的支持下，中国科学院遥感应用研究所李树楷教授等研究的机载三维成像系统于1996年完成了第一台线扫描原理样机的研制，该系统有别于当时国际上流行的机载LiDAR系统，它将激光测距

9、扫描仪与多光谱扫描成像仪共用一套扫描光学系统，不仅可以获得目标的三维离散点云，还能获取其对应的二维影像，且能保证三维物方点和二维影像一一对应，直接得到地学编码影像数据；海军海洋测绘研究所与上海光机所于2004年合作研制的机载激光测深系统原理样机等。但是由于国内还没有高精度的INS系统以及性能（激光强度、激光功率、脉冲和测距精度）可靠的激光扫描测距装置，到目前为止还没有成熟的国产商用机载激光扫描测距系统。1.2.2 研究的目的及意义 相比于机载激光雷达测量系统硬件的飞速发展和广泛应用，与其数据处理方面相关的算法、软件等研究仍处于滞后状态。发展至今，仍然没有一种商业软件能完全自动、智能地处理复杂多

10、变地形的点云数据。每种算法、每种软件都有自己的优缺点，在地形变化相对单一的时候，都能展示出其优良性能。但遇到地形复杂多变的城区、山地等环境时，处理效果往往不能令人满意。同时，由于各个硬件生产商家之间的竞争关系，硬件技术参数无法统一，与其相关的数据处理软件也是多种多样。在这种情况下，导致了两大难题：一是，由于硬件技术参数的不统一，导致LiDAR数据格式与提供商的硬件相关，数据格式种类繁多；二是，每个硬件提供商，都会附带自己研发的数据处理软件，用户只能根据其相关说明，进行操作，不能按自己需要进行定制处理，且对于用户来说，数据处理软件中的算法，也是商家不愿公开的，是一个黑匣子。这些问题，都在一定程度

11、上限制了机载激光雷达测量技术的发展和应用。为此，我们必须研究机载激光雷达的系统构成与测量原理，以及后续的数据处理技术，为我国的经济发展、社会进步做出一定的贡献。本文就是针对以上问题，对于机载激光雷达测量这一高新对地观测技术，从其发展渊源、系统构成、工作原理、数据特点、处理方法、质量评价、相关应用等方面进行了有益的研究。主要探讨机载雷达测量系统产生的点云数据的预处理与滤波处理技术，用于生成基础地理信息产品DEM时需要解决的处理难题，研究重点集中于以下几点：1.详细阐述了国内外点云数据处理方面的研究现状与发展趋势，了解发展前沿；2.系统阐述了机载激光雷达的系统构成与工作原理，分析了激光点云数据的特

12、点；3.研究了点云标准数据格式LAS相关机理，实现了数据转换；在此基础上实现了基于高程统计直方图的点云数据滤波去噪；4.改进了两种机载LiDAR点云数据滤波方法，生成了满足一定精度要求的DEM；5.提出了评价点云最终成果的质量评价要素与指标，丰富了质量评价方法。由于机载激光雷达测量技术是一种新兴的高新技术，其在许多领域都有广泛的应用前景，而我国在该技术的研究与应用方面均落后于西方发达国家，研究其相关技术对于国家的经济建设、社会的发展进步都有不言而喻的积极意义。研究其测量机理，能更好地与传统摄影测量技术相结合，发挥各自优势，实现优势互补、最终相互促进。机载激光雷达数据处理后生成的DEM数据，是获

13、取基础地理信息的核心数据源，在地形分析、城市规划、应急救灾等方面有着极其重要的作用。研究机载LiDAR技术的数据处理与质量评价，为后续的大规模应用积累技术和经验。1.3 国内外研究状况及发展趋势1.3.1点云滤波处理研究现状与趋势 虽然目前还没有一种滤波算法可完全有效应对复杂多变的地形数据，但是一些较为成熟的滤波算法已经获得了一定的应用。其中最出名的就是TerraScan软件，它是芬兰公司TerraSolid软件中的一个子模块，它的核心算法就是基于多分辨率分析的数据滤波算法6。该算法把多分辨率分析理论引入机载LiDAR数据滤波中来，实现了快速稳健的滤波效果。SCOP+软件中采用了稳健分层内插的

14、滤波方法，采用了分层的基于数据的金字塔模型7。先进行数据精化，再经过线性稳健估计数据滤波生成初始DEM，在一定的条件下，经过多次迭代计算，直至所有点被分类。另一种被普遍使用的是基于数学形态学的滤波方法8，它使用一种被称之为结构元素的窗口模板作为处理单元，利用形态学中的膨胀与腐蚀算法相组合，形成开、闭两种算子进行综合处理。还有的是根据机载激光雷达传感器记录的回波次数滤波的。Wever and Lindenberger等人（1999）利用基于首末次回波的方法滤波；许晓东、张小红等人（2007）讨论了多次回波的探测方法及其在滤波中的应用，在林区的滤波中取得了较好的结果。李奇、马洪超（2008）分析研

15、究了利用整个返回波形进行提取目标的三维坐标信息，使用改进的EM脉冲检测算法得到回波脉冲的位置和宽度，生成高质量的点云数据。张小红（2002）在其博士论文中提出了移动曲面拟合滤波方法，突破了传统方法的局限，直接基于离散的激光脚点数据进行滤波，在滤波的同时，粗差也被过滤。王刃（2008）在其博士论文中，改进了逐行双向标识算法滤波，在数据过滤时，以剖面为处理单位，每次对沿扫描线方向的一个剖面进行滤波处理，采用坡度与高程两个阈值尺度，取得了较好的滤波结果。曾齐红（2009）在其博士论文中提出了基于高程突变的TIN滤波算法，直接基于点云数据的本质特点，根据目标点与其邻近点的高程变化幅度以及满足变化幅度邻

16、近点的数量来过滤点云。算法采用高差和邻近点数量两个阈值参数，为后续的地物提取提供了便利。总的来说，目前大多数算法都是基于点云空间几何特征的过滤与分类方法，算法集中考虑了点云数据的高程突变、邻近高差、坡度斜率等因素，充分顾及了点云数据的空间三维散乱特征。点云数据中也包括了回波次数信息、回波强度信息，还有数码相机获取的光谱信息等，但此方法鲜有人深入研究。曾齐红（2009）在其博士论文中对后者进行了富有成果的研究。现存的各类滤波方法都有其优缺点，新一代的滤波算法将朝向联合机载激光雷达系统获取的带有强度与光谱信息的几何数据以及其他多源数据的共同融合滤波方向发展。1.3.2点云数据重构技术研究现状与趋势

17、滤波后的点云数据重构DEM（DTM）的方法，主要分为基于规则格网和基于不规则三角网的重建方法。对于规则格网重建方法来说，按照数据组织又可分为两种，一是基于格网节点的DEM重建；另一个是基于格网面元的DEM重建。基于不规则三角网的重建方法，主要是应用Voronoi图对散乱点云进行Delaunay三角化，其主要思想是对每个采样点在各个方向探索所有邻域，寻找可能的邻近点来计算曲面。这些表示方式，都是对实际地形的离散化表示方式，基于规则格网的重建方法，数据模型结构简单，便于计算机快速处理。基于不规则三角网的重建方法，则很好顾及了表面的细节结构，能重构任意曲面，体现了灵活性、普适性。但其主要缺点，就是计

18、算Delaunay三角形需要花费较大的内存开销和时间，对于大规模的点云数据，显得力不从心。重建算法主要还是要解决普适性、高效性、智能性等瓶颈问题，既要普遍适用，又要高效智能，对于大规模的点云数据来说，重建算法很有挑战性。1.4 论文的主要内容 本文针对机载激光雷达数据处理生成DEM的三个关键技术：点云数据预处理技术，点云数据滤波技术，点云数据重建技术分别进行了较为细致的研究。力求在数据质量评价要素的各个指标之下，提高数据滤波算法的有效性和稳定性，改进了两个典型的数据滤波方法，形成了一个点云数据滤波生成DEM的技术流程。本论文内容与结构安排如下：第1章 ，绪论。主要介绍了机载激光雷达测量技术的发

19、展历程，分析当前机载LiDAR点云处理技术的研究现状与发展趋势，指出了研究机载LiDAR数据处理的必要性和紧迫性，引出本文的主要章节。第2章 ，机载激光雷达技术原理与点云数据。详细介绍了机载激光雷达的系统构成、工作原理、点云数据特点等。通过分析其硬件组成，分析了数据误差来源，深入分析了点云数据特点，为后续的点云预处理、滤波、重构指明了方向。第3章 ，机载激光雷达点云数据的预处理技术。明确了本文探讨的预处理技术定义和预处理的主要任务；分析了点云标准数据格式LAS的逻辑结构，实现了基于高程统计直方图的点云数据去噪滤波。第4章 ，机载激光雷达点云数据滤波技术。深入分析了点云滤波的基本原理，从点云的空

20、间特征出发，改进了两种典型的点云滤波算法，通过技术对比，提高了滤波的自适应性与稳定性。第5章 ，点云数据滤波后的重构技术与质量评价要素。详细分析了三种插值算法，实现了点云数据滤波后的DEM重构；并针对滤波、重构过程分析了影响最终DEM精度的误差来源，提出了一个初步的质量评价要素，明确了其评价指标，实现了评价数据质量的定量分析。第六章，总结与展望。总结本文所做的主要工作与创新点；针对不足，提出下步需要进一步研究的设想与展望。第二章 机载激光雷达的数据特点一、LIDAR数据特点激光雷达获取的数据,从严格意义上讲,包括位置、方位/角度、距离、时间、强度等飞行过程中系统得到的各种数据。而实际应用中,人

21、们接触和使用的是与具体时间及发射信号波长一一对应的点坐标及对应的强度等。1激光雷达数据的主要特点第一,从内容上讲,激光雷达数据是分布于对象表面的一系列三维点坐标。值得注意的是,多次回波数据得到的点坐标可能对应着不同的表面,这种特性在某些场合可以发挥重要作用。例如,在匹配中,使用末次回波信号可以避免植被或其它具有不规则形状的物体在相邻扫描带上具有不同高度,会造成匹配过程中不可预测的粗差的问题。第二,激光雷达数据在形式上呈离散分布。“离散”是指数据点的位置、间隔等在三维空间中的不规则分布,与数字影像像元间彼此独立的概念有所不同。地表形态的多样性和数据获取方式是这一特点的主要成因。离散数据的一个优点

22、是允许相同平面坐标对应几个高程值,这更有利于表现细节信息和变化剧烈的地形/ 地物。另一方面,这种形式也有自身的不足,如同名点难以选取。第三,数据形式的另一个特点是扫描带中数据分布不均匀不同位置的光斑密度不同,造成这种情况的主要原因是激光扫描仪所采用的扫描方式。不考虑地形起伏的影响,在圆锥扫描方式中, 扫描带两侧数据密度大, 中间部分稀；线扫描方式的情况类似；在光纤扫描方式中,扫描线方向上的光斑密度大于垂直扫描线上方向的。其它原因还包括飞行速度、扫描仪与地形/ 地物的相对位置/ 方向等。例如,对建筑物的倾斜屋顶而言,朝向扫描仪方向的屋顶会反射更多的信号,在数据集中时就表现为两个屋顶平面上数据密度

23、存在差异。第四,尽管直接获取点三维坐标是激光雷达最显著的特点之一,但其数据类型并不局限于此。强度信号是另一个有用的信息源,它反映了地表物体对激光信号的响应。由于一些技术上的原因（如缺乏有效的定标手段）,还没有得到多少实际应用。2 离散三维分布数据带来的一些问题（1） 缺少光谱信息：激光雷达直接获得点位三维坐标的功能提供了二维数据缺乏的高度信息,却忽略了反应对象特征的其它信息,如光谱信息。尽管在提取空间位置信息上,激光雷达数据有其自身的优势,但图像数据包含光谱信息对认识物体也具有重要的作用。这也是不少应用研究将激光雷达数据与其它光学数据结合使用的原因之一。（2） 覆盖面积较小：受激光雷达技术数据

24、获取方式和硬件条件所限,机载激光雷达的扫描带覆盖面积较小。在飞行高度、速度、时间、航带间重叠度相同的条件下,航摄像机(75°视场) 覆盖面积是激光扫描仪(30°扫描宽度) 的2.9倍。这意味着为获得相同的覆盖面积,需要对更多的扫描条带进行拼接等处理。（3） 同名点获取困难：同名点在摄影测量、计算机视觉的诸多应用中扮演着重要的角色。尽管激光雷达技术直接获取地面点的三维坐标,从理论上讲不需要进行匹配、纠正等处理,但由于GPS/ INS仪器误差或集成的问题,相邻扫描带间的点在高程和平面位置一般存在着一些差异,必须经过必要处理才能获得整个测区的数据。此外,对离散的数据形式还需要开发

25、新的处理方法。以匹配为例,从激光雷达工作方式和数据特点分析,在相邻扫描带中获得同名点的可能性很小,这也得到实际结果的证明。如何获得同名点就成为一个摆在人们面前的新问题。（4） 存在数据缝隙：由于遮挡、物体特性等因素,数据集中往往会出现没有数据的部分(缝隙) 。一个明显的例子是“阴影”。作为一种主动式信息获取技术,激光雷达技术扫描角度有限、对光照度不敏感,因而受阴影影响相对较小。但位于扫描带边缘的建筑物等仍然会产生遮挡的现象,这种现象带来的一个直接问题是位于数据缝隙的内插点(高程) 数据可能与实际情况存在较大差异。这就需要采用新方法在原始数据中判断是否存在这些缝隙、并采取相应的处理。（5） 树木

26、高度偏低：研究人员早在20世纪80年代就已经注意到,在使用激光雷达量测树木高度时,测量结果低于实际高度。同时,这种现象随着激光脚点密度的降低更加明显。第3章 机载LIDAR点云数据分析3.1 LIDAR点云数据处理一般流程从狭义角度讲，机载LIDAR点云数据仅指激光扫描仪获得的三维点云数据;从广义角度讲，还应包括位置、方位、距离、时间、强度、影像等在内的飞行过程中系统得到的各种数据。机载LIDAR点云数据处理大致可分为以下几步:(l)数据获取。包括DGPS八NS数据、激光扫描仪数据、地面GPS基站数据和系统各个部件的误差鉴定结果等。(2) 数据预处理。使用专业软件处理DGPS/取S数据、激光测

27、距数据和其它相关数据，以得到地面目标的三维空间坐标。(3) 数据后处理。指LIDAR点云数据的滤波和分类，即从原始LIDAR点云数据中分离出地形表面数据点以及区分不同地物数据点。(4) 数据拼接。由于航高和扫描视场角等因素的限制，必须分航带飞行，以完成大面积区域的数据采集，且各航带间应保持一定的重叠度。因此，不同航带的点云数据要进行精确拼接，并尽可能的消除系统误差和随机误差。(5) 坐标转换。即将LIDAR点云数据转换到相应的坐标系统中去。(6) 生成DEM。根据滤波分类得到的地面点，按照一定内插方法生成DEM。(7)影像定向和镶嵌。结合内外方位元素，将数码相机获得的高分辨率影像进行空中三角测

28、量，然后和获取的DEM数据进行定向镶嵌，生成数字正射影像。第4章 机载LIDAR点云数据滤波4.1机载LiDAR点云数据滤波原理机载激光雷达系统点云数据处理包括多个方面，主要有GPS数据定位处理、IMU/GPS组合确定投影中心姿态参数、多传感器数据的时间系统的同步处理、点云数据三维坐标计算、数据滤波、分类、建筑物边缘提取以及建筑物三维重建等处理步骤。机载激光雷达系统的硬件技术在国外已经发展的很成熟，关于硬件与系统集成的关键性技术难题都被攻破，但是点云数据的处理还处于研究发展阶段，很多有关于点云数据后处理的算法都存在一定的缺陷。其中最主要的难题是点云数据的滤波，数据滤波是机载激光雷达点云数据后处

29、理的基础和至关重要的步骤。滤波精度对后续的分类、地物识别和提取、建筑物三维重建存在很大的影响。点云数据滤波算法的研究是机载激光雷达数据后处理的难点和热点。机载激光雷达激光脚点在三维空间的分布形态是一系列不规则的、离散的数据点云，激光脚点在地面的分布形状取决于所采用的扫描方式。在这些点云中，有的激光脚点位于真实的地形表面，将这些点称为地面点；而剩下的点位于地面地物或植被上，将这部分点称为非地面地。将位于真实地形表面的激光脚点从点云数据中分离出来，就是所谓的点云数据滤波。由于机载激光雷达系统在数据的釆集时具有一定的盲目性，存在丢失地形、地物特征点的情况，这就为点云数据的处理带来很大的难度。在滤波过

30、程中应尽可能的保留重要的地形特征点，以及尽量减少滤波分类误差。机载激光雷达数据滤波算法的基本原理重要有两种，一种是基于传统航空影像的分类原理：被不同目标反射回来的激光脉冲的能量是不同的，回波的能量决定了回波的强度，将回波强度信息转换为灰度图像。通过分析灰度的分布形态，确定地面点的灰度范围，通过灰度值的差异区分地面点和非地面点。另外一种是基于高程突变的原理：临近激光脚点间高程突变造成的局部不连续，一般认为不是由于地形的自然起伏变化引起的，更大的可能是较高的激光脚点位地物表面或植被上，而较低的激光脚点位于地面。两临近激光脚点间的距离越近、高差越大，较高激光脚点位于地面的可能性就越小。在通过一定的滤

31、波算法判定待判定点是否为地面点时，要考虑该判定点到参考地面点间的距离，随着距离的增加，判断阈值也应相应的增加。由于目前机载LiDAR系统获取的回波强度信息噪声较大，因此基于传统航空影像分类原理的滤波算法比较少，大多数都是基于高程突变的原理。基于高程突变原理的滤波算法有两个基本前提：第一个前提是在临近区域内非地面点高于地面点，也就是说在机载激光雷达扫描得到的数据，在经过预处理后，区域内的最低点就是真实的地面点。大多数滤波算法都基于这一假设，寻找起始地面种子点。第二个前提是扫描区域内的地形比较平缓，不会出现比较剧烈的起伏变化。以这个前提为基础，依据一定的数学原理，构造出用来判断种子点临近区域内激光

32、脚点是否为地面点的判别函数，判别函数是滤波算法的核心部分。4.2现有的滤波算法机载激光雷达系统经过多年的研究发展，硬件和系统技术已经很成熟，数据获取的精度也在不断提高，但数据后处理相对来说还是处于发展停滞状态，还有很多问题没有解决。国内外众多学者提出了多种滤波算法，目前机载LiDAR数据滤波算法主要有：形态学滤波算法、线性迭代最小二乘滤波算法、基于地形坡度滤波算法、三角网迭代滤波算法、移动曲面拟合滤波算法以及基于数据分割滤波算法等几种方法。移动窗口法是利用一个大尺度的移动窗口找最低点计算出一个粗劣的地形模型;过滤掉所有高差(以第一步计算出的地形模型为参考)超过给定阅值的点，计算一个更精确的DE

33、M。然后重复几遍类似操作，在重复计算的过程中，移动窗口不断缩小。窗口最后的大小以及阀值的大小会影响最终结果。显然，这些过滤参数的设置取决于测区的实际地形状况，对于平坦地区，丘陵地区和山区，应该设不同的过滤参数值。基于地形坡度的滤波算法，其基本思想是地形急剧变化产生临近两点间高程差异很大的可能性很小，其中一点属于地物点的可能性更大。显然，对于给定的高差值，随着两点间距离的减小，高程值大的激光脚点属于地面点的可能性就越小。造成相临两点间高程变化明显的原因可能是两激光脚点分别位于地形表面和植被，或地形表面和其他地物，或是树的不同部位，或陡坎的不同部位。该方法是通过比较两点间的高差值的大小来判断拒绝还

34、是接收所选择的点。两点间高差的阀值即滤波核函数定义为两点间距离的函数hma、=d。为了保留倾斜地形信息，要适当调整滤波窗口尺寸的大小，并增加筛选阀值的取值，以保证属于地面点的激光点不被过滤掉。滤波参数的最优值的设置随着地形的变化而变化。hma、=d确定的方法有两种:一种是通过通常的地形坡度都不超过30度，所以可以将其定义为h。、二0.3d。通常观测值是有误差的，所以即使在同一平面上所形成的点云，仍然是有所起伏的，因此需要再加上一个观测值的误差，最后的核函数为hnlax=0.3d+p二(p。为可以允许的激光雷达高程精度。的p倍);另外一种方法是通过训练场来获得先验知识，然后确定核函数的参数和阀值

35、。(张小红，2002)。武汉大学张小红提出一种基于离散点的移动曲面拟合法滤波算法:先选取种子区域，找种子区域内彼此相互靠近的最低的三点作为初始地面点，拟合一个平面，然后以此平面作为基础，计算和这个面最近的那个点和这个面的拟合高程值，如果拟合高程值与观测高程值之差超过了阀值就将此点作为地物点滤除，如果小于阀值则将其做为地面点，然后加入改点重新拟合一个平面。当拟合点数为6时，保持点数不变，新增一个地面点，就丢掉一个最远(老)的点，然后不断重复上述步骤。此算法的核心是闽值的选取，如果闽值选取过大，就有可能保留一些矮小地物，选取过小，会削平地形特征。(张小红，刘经南，2004)。加拿大卡加里大学的胡勇

36、提出了一种基于机载激光扫描单距离图像的DEM生成算法(YongHu，2003)。该算法首先对原始距离图像数据进行预处理，剔除原始数据中可能包含的粗差点。这些粗差点主要来源于电力线路以及空中飞鸟的激光回波，通常表现为与其周围背景高程相比其高程值异常。算法利用这一特点，将这些粗差点剔除。为了能够利用已有的数字图像处理方法，对原始距离图像进行了基于格网的内插，使其成为规则格网的距离图像。在内插过程中，一个格网内可能包含有多个原始激光点，用其中高程最小的激光点高程作为该格网的高程。此算法的关键技术是对上述格网的分级地形恢复，首先生成规则格网距离图像的图像金字塔，其中金字塔的顶层是一个分辨率很低的DEM

37、。然后按照由顶层至底层的顺序依次处理各层图像，以高一层图像作为参考表面，计算地形参数(比如坡度)，依此参数识别该层图像中的地形点，而非地形点则通过己识别的地形点内插来代替，反复迭代，最终得到DEM。由于此时生成的DEM中，可能还会有非地形点以及斑点的影响，还必须对其进行进一步的滤波处理，以达到改善DEM质量的目的。按照操作的方法可以分为:移动曲面拟合法(张小红)，线性预测模型估计表面(也叫做迭代线性最小二乘内差模型残差法，Pfifer等，)，数学形态学方法(Vosselman)等。4.2.1数学形态学滤波算法德国斯图加特大学的Lindegberger教授在1993年提出了适用于数据点有序的剖面

38、式激光雷达数据的数学形态学滤波算法。其主要思想是：选取一个固定大小的窗口，将这个窗口在扫描区域内移动，通过数学形态运算找出窗口内的最低点，通过设定一定的阈值，将窗口内的点进行判别，如果窗口内的点在阈值内则为地面点，判别完后，继续移动窗口直到遍历完整个扫描区域。数学形态学算法要求将原始离散的数据点云内插成规则的格网，对很多重要的地形信息造成损失，反而给滤波带来困难51。4.2.2迭代最小二乘线性内插滤波算法维也纳大学的Kraus和Dfeifer教授首次提出了将LiDAR点云数据进行迭代最小二乘线性内插的滤波算法。其中心思想是使用低维的多项式曲线实现对地形起伏不大的扫描区域内数据的滤波处理。该算法

39、的基本出发点是位于地物的激光脚点的高程比其对应的地面点的高程高，对激光焦点进行线性最小二乘内插后，拟合一个高程拟合面，激光脚点的高程与该点在拟合面上的拟合髙程之差不服从正态分布52。4.2.3基于地形坡度滤波算法Vosselman在2000年提出了基于地形坡度的滤波算法。算法的中心思想是：两临近激光脚点间的高差较大时，由地形剧烈起伏变化引起的可能性较小，最大的肯能是中一个激光脚点位于地面，一个位于地物上。通过比较目标点与其临近地面点间的高差值与给定阈值间的大小关系，判断是否接受目标点为地面点53。给定的阈值是两点间距离的函数假设地形坡度不超过30%，一般机载激光雷达数据不可避免的带有误差，其标

40、准差为CT，滤波函数可表示为： hd)0.M + .6542cT(4-1)其中d为两激光脚点间的距离，其表达式为-d = (x,. +(乂(4-2)4.2.4移动曲面拟合滤波算法随着机载激光雷达技术的不断发展，点云数据的空间采样密度越来越大，能很好的体现激光焦点间的空间关系。激光脚点间的空间关系在一定程度上反映了地形表面的空间起伏变化，基于这个原理，武汉大学的张小红教授提出了移动曲面拟合滤波算法。算法的基本思想是：可以用一个简单的二次曲面去逼近拟合任何一个复杂的空间曲面上的局部面元：Z, = /0, 乂.）= a。+ ajX, + ay. + + + a;少 f( 4-3 )将种子区域三个内彼

41、此相互靠近的最低点作为初始的地面点，将这3个初始地面点三维坐标拟合成一个空间平面；然后将临近的备选激光脚点的平面坐标带入拟合的平面方程中计算出拟合高程，如果拟合高程与观测高程间的高程小于事先给定的阈值，则接收该备选点为地面点；否则就将其作为非地面点滤掉。用新接收的地面点与3个初始地面点从新拟合成一个空间曲面，对临近的激光脚点进行同样的判定处理。当拟合的地面激光脚点为6个时，保持曲面的拟合点数不变，以后每接收一个地面激光脚点就丢掉一个最远的地面脚点，直到判断完所有的激光脚点m。通过分析、研究可以发现现有的滤波算法都有其自身的一些缺陷。有的算法需要进行迭代运算，运行量较大；绝大部分的滤波算法都假设

42、区域内较低的点为地面点，高程较高的点为非地面点，而实际情况有时并非如此，在地形复杂区域可能会出现较大的误差；很多算法都不是基于原始的离散点云数据进行处理，而是将原始数据内插成规则格网，以减少储存空间，使操作相对简单，而在数据内插中必然带来内插误差，这就使得滤波的精度降低；现有的滤波算法很多都不能自适应地形的变化，对大型建筑物只能滤掉一部分，而且有可能会滤掉一些真实地形信息。机载LIDAR滤波技术是从点云数据中提取地面点的数据处理技术。目前，国内外开展了广泛的研究。从算法的思想和原理来看，大部分滤波算法侧重于解决某种地形特征的滤波处理。任何滤波算法都有一定的局限性。现有滤波算法优缺点比较滤波算法

43、项优点缺点简单滤波算法算法原理简单，可操作性强只适用于平坦地形，滤波误差较大数学形态学滤波算法采用移动的窗口过滤整个区域，并且釆用规则网格数据结构，运算速度快，操作简单采用回归分析运算,要求有序，在内插成规则网格时会损失很多重要的地形信息移动窗口滤波算法通过控制移动窗口的大小，迭代过滤整个数据区域，对应各种地形条件调节阀值的选取，对各种复杂的地形滤波效果较好窗口的大小及阀值的选取对滤波的效果有较大的影响，滤波的自适应性较差迭代最小二乘线性内插的滤波算法通过多次的迭代拟合运算，不断的提出高程较高的非地面点，不断的更新和接近真实的地形表面，滤波精度高。还能提出存在的粗差算法要求数据均匀分布，且地形要较为平坦，对地形起伏较大的复杂区域，参数的设置较为复杂，运算时间较长，滤波效果也不理想基于地形坡度的滤波算法该算法的关键在于确定阀