一种从LIDAR点云数据中提取DTM的方法

一种从LIDAR点云数据中提取DTM的方法李瑞林;李涛【摘要】DTM的应用日益重要和广泛，利用LIDAR点云数据提取DTM是一种简单有效的方法。但由于地形的多样性和地面上物体的复杂性，以及LIDAR原始点云数据的不连续性和不规律性，很难找出一种在各种地形都适用的DTM提取方法。提出一种从LIDAR数据中快速提取DTM的方法，分三个步骤：首先对原始LIDAR点云数据进行规则化处理，生成DSM；然后对DSM按单元进行一些操作，得到初始DTM；最后利用梯度阈值操作，进行DTM平滑。实验结果表明，该方法简单实用，适应性强.【期刊名称】《铁道勘察》【年(卷)，期】2007(033)005【总页»】3页(P53-54,57)【关键词】LIDA;DTM;提取【作者】李瑞林;李涛【作者单位】中铁工程设计咨询集团有限公司，北京,100020;西南交通大学土木工程院，四川成都,610031【正文语种】中文【中图分类】U21概述LIDAR是集激光扫描系统、全球定位系统(GPS)和惯性导航技术为一体的高新技术,该系统可以快速获取地球表面三维数据信息［1］,即由密集的点云所组成的原始数据。通过对LIDAR原始数据进行处理，就可以直接生成数字表面模型(DSM),然后对得到的DSM进行处理，对其中的建筑物、树木等地面上物体进行过滤,就可以生成DTM。目前已经有许多DTM的提取方法。文献［2］对LIDAR点云数据进行规则格网化处理,用中值滤波去除粗差并平滑数据后，首先用Delaunay算法计算表面的TIN模型，对每个三角形的法向量和高差进行判断，然后使用区域增长的办法来获取道路信息，最后选择一些道路点作为种子点，通过改变每一个格网的高程得到DTM。该方法在区域生长时，道路很容易被噪声干扰,种子点的自动选取也较困难。ChristopherA［3］则提取了另外一种方法，该方法首先在一个格网单元中寻找出最小值并形成一个模拟的表面，然后对模拟表面内差处理得到地面值,对于平表面的桥梁和建筑物，要进行基于梯度特征的操作,最终得到DTM。该方法内差计算是在模拟地表上进行，提取准确度较差。由于地形和地面上物体的复杂性，以及LIDAR原始点云数据的不连续性和不规律性,很难找出一种方法适用于所有的地形［4］。本文提出一种从原始LIDAR点云数据中快速提取DTM的方法，该方法先对原始LIDAR数据进行格网化处理，生成DSM,然后对DSM进行地表植被和建筑物去除的一系列操作，接着用梯度阈值等操作进行平滑，最终得到DTM。2原始LIDAR点云数据预处理LIDAR点云数据的分布特点，使直接进行处理非常困难，因此需要进行预处理。在数据处理与分析中，规则格网法通常使用线性代数的二维数字矩阵分析法作为数据分析的数学基础，一个矩阵数据在计算机的数据管理中变成一个二维数组。每个格网单元或数组元素对应一个高程值。因此，规则格网法具有分析处理简单、处理模式化强的特征。原始的LIDAR点云数据就是若干个地面或地物点的精确三维坐标信息。将原始LIDAR点表示为Ip,则lp定义为lp=(lpx,lpy,lpz)lpx,lpy,lpz分别表示每个原始LIDAR点lp的经度、纬度和高程三维信息。经过规则格网化预处理后,得到DSM,其数据表达形式可以表示为矩阵形式。设所有的原始LIDAR点云数据经处理后的集合为LP,则：其中：m和n分别为矩阵的行和列而且mxn=N,N为LIDAR点总数。原始LIDAR点云数据预处理后生成的规则DSM如图1所示。从图中可以看出，选取的实验区域地形复杂多变。图1原始LIDAR点云数据生成规则DSM3DTM提取原始LIDAR数据经过规则格网化处理后,生成规则DSM,随后可以从中提取DTM。DTM的提取分两部分完成，首先是去除树木，然后是去除建筑物，最终在通过梯度阈值等操作后得到DTM。3.1初始DTM提取在规则DSM中，非地面物体如树木、建筑物等通常都高于与之相邻的地面。树木高度不一，面积较小，而建筑物在一个很小的范围内高差不大，且面积较大。因此LIDAR数据DTM的生成首先就是根据这些特征去除掉这些非地面物体点，取而代之的是与之临近的地面点。具体的做法如下：从第一个点开始,间隔为2进行行、列循环，选择与之相邻的4个点为一个单元，统计每个单元内4个点中的最大值、最小值和平均值(如图2所示)。图2非地面物体点的去除对每个单元内的最大值和最小值进行相减，如果两者差值大于给定的阈值，则将最大值对应的LIDAR点高程值改变为最小值。然后对该单元内剩余两个点进行判断，如果两点中任意一点高程值和最大值接近，则将该点的高程也改变为最小值。逐行、列进行循环，以某个单元为中心，若该单元的最大值与其上下左右4个方向中任意一个单元的最大值差值大于阈值，且两者的最小值接近,则将该单元内4个点的高程值都改变为该单元内的最小值；若该单元最大值与其周围4方向上任意一个单元的最大值差值和最小值差值都超过阈值,则将该单元内4个点的高程全部改变为对应方向单元的平均值。逐行、列进行循环（如图3）,以每个点为中心（0位置），若中心点高程值均大于周围8方向（1~8方向）点高程值，则将该点的高程值改变为周围8点的平均值；若中心点高程大于其周围8方向中任一点（如0-2方向）且差值超过阈值，而与之相反方向上（0-6方向）两者高程差值较小，则将该点的高程改变为该方向点的高程（即将0点高程改变为2点高程）。图38方向示意通过以上4步,可以去除掉地面上的绝大部分物体，得到初始DTM。图1所示的DSM经过上述步骤处理后,得到的初始DTM（如图4）。图4初始DTM3.2初始DTM平滑提取出来的初始DTM,已经去除了绝大部分非地面物体，但是在一些区域中如建筑物和地面临界处,高程变化比较剧烈,还必须对得到的初始DTM进行光滑处理。光滑处理的步骤如下：梯度阈值分割。由梯度的定义可知，在高程变化剧烈的地区，梯度值也相对较大，因此对每个点求梯度，若梯度值大于阈值，表示该点和周围的点高程有剧烈变化，则将该点的高程改变为参加该点阈值运算时其他所有点的平均值。逐行、列进行循环（如图2所示）,将0点的高程改变为周围8个点的平均值。经过上述步骤的处理，初始DTM中高程变化剧烈的区域可以有效地得到平滑，最终得到DTM(如图5所示)。可以看出,此时的DTM已经去除了所有的非地面物体，且高程变化比较平滑。图5DTM提取结果4结论本文提出的从LIDAR数据中快速提取DTM的方法基本不受地形起伏的影响，无须人工干预选择种子点，适用性强启动化程度高，可以快速、准确地提取DTM。试验结果表明该方法是有效和可行的。参考文献李英成，等.快速获取地面三维数据的LIDAR技术系统[J].测绘科学,2002,27(4):35-38NizarABOAKEL,AutomaticDTMExtractionfromDenseRawLIDARDatainUrbanAreas,TS26BestPracticeinFacilityManagementChristopherA.Weed,MelbaM.Crawford.ClassificationofLIDARDataUsingaLowerEnvelopeFollowerandGradientbased-Operator.0-7803-7536-X,IEEE,2002VosselmanG.SlopeBasedFilteringofLaserAltimetryData[A].InternationalArchivesofthePhotogrammetry,RemoteSensingandSpatialInformationSciences.2000,33(3):935-942G.Priestnall,J.Jaafar.ExtractionurbanfeaturesfromLIDARdigitalsurfacemodels[J],Computers,EnvironmentandUrbanSystems,24(2