激光雷達，是一種主動式、快速、精確獲取空間三維數(shù)據(jù)的測量技術(shù)。機載激光掃描技術(shù)是激光測距技、計算機技術(shù)、高精度動態(tài)載體姿態(tài)測量技術(shù)（INS）和高精度動態(tài)GPS差分定位技術(shù)迅速發(fā)展的集中表現(xiàn)。激光腳點在三維空間的分布形態(tài)呈現(xiàn)隨機離散的數(shù)據(jù)點點云。這些點有的位于真是地形表面，有的位于人工建筑物或自然植被上。從激光腳點數(shù)據(jù)點云中提取數(shù)字地面高程模型需要將其中的地物數(shù)據(jù)點去掉，也就是激光雷達數(shù)據(jù)的濾波。

　　1、研究現(xiàn)狀

　　經(jīng)過數(shù)十年的發(fā)展，國外機載激光雷達硬件技術(shù)已經(jīng)比較成熟，然而機載激光雷達數(shù)據(jù)處理算法仍然處于研究的發(fā)展階段，還有一系列問題沒有很好的解決?，F(xiàn)有Lidar數(shù)據(jù)處理過濾算法在地物復(fù)雜程度低的情況下濾波效果較好，但自然界復(fù)雜的地形特征、地物覆蓋類型（密度高低不一的植被，自然地貌，人造地貌等），再加上機載激光點云的密度高低不一等等原因都有可能造成DTM生成算法在某種特定的區(qū)域失敗。所以這些算法在地理環(huán)境綜合、地形多變的情況下濾波效果精度不容樂觀，甚至大部分地物都濾除不掉。

　　2、LIDAR數(shù)據(jù)預(yù)處理

　　野外飛行后可得到兩組數(shù)據(jù)，有POS數(shù)據(jù)和對應(yīng)瞬時掃描角的激光距離測量值。對數(shù)據(jù)進行質(zhì)量分析，若POS數(shù)據(jù)的位置優(yōu)于1dm，定向精度優(yōu)于0.02ｒ可由對應(yīng)于不丸角的激光測距值和POS數(shù)據(jù)這三組數(shù)據(jù)計算激光腳點在WGS-84坐標(biāo)系中較為精確的三維坐標(biāo)。坐標(biāo)轉(zhuǎn)換的順序是從瞬時激光束坐標(biāo)系→激光掃描參考坐標(biāo)系→載體坐標(biāo)系→慣性平臺參考坐標(biāo)系→當(dāng)?shù)厮絽⒖甲鴺?biāo)系→當(dāng)?shù)卮怪眳⒖甲鴺?biāo)系→WGS-84坐標(biāo)系。再將Lidar數(shù)據(jù)由WGS-84坐標(biāo)變化到所采用的局部坐標(biāo)系統(tǒng)，所得結(jié)果為隨機分布的帶有高程、位置和強度信息的激光腳點點云。

　　3、LIDAR數(shù)據(jù)濾波

　　3.1濾波原理

　　濾波的基本原理是基于臨近激光腳點間的高程突變（局部不連續(xù)）一般不是由地形的陡然起伏所造成，更為可能的是較高點位于某些地物。Lidar濾波時，需建立一個規(guī)則用來區(qū)分地面點和非地面點。所有濾波算法都需要一個或者多個假設(shè)條件。不同算法的假設(shè)條件不同，理論模型也有很大的差異，在不同的地質(zhì)地貌下表現(xiàn)出的數(shù)據(jù)過濾效果也各不相同。目前所用到的假設(shè)條件主要有：非地面點均高于地面點，絕大多數(shù)濾波算法都基于此前提。地面坡度變化不會太大，自然地形坡度變化總在一定限度之內(nèi)，不屬于地形的地物坡度會超過這個限度。

　　但濾波的假設(shè)條件存在一些問題。由于粗差、多路徑效應(yīng)等，造成最低點并非理想地面點數(shù)據(jù)，當(dāng)按照假設(shè)條件把這些點作為地面點時將引起很大誤差甚至錯誤。所以在對Lidar數(shù)據(jù)濾波前，先要剔除粗差。對于條件二在平坦地區(qū)假設(shè)有效，對坡度較大的山區(qū)，并不總是滿足。

　　3.2濾波方法

　　隨著Lidar系統(tǒng)的不斷發(fā)展，不僅可以提供激光腳點的三維坐標(biāo)，還可以提供每個激光腳點的強度信息，由此可獲得強度影像，從而可融合強度影像進行濾波分類。很多學(xué)者提出了各種濾波方法，根據(jù)濾波觀念的不同，大致可以分為以下幾類，基于形態(tài)學(xué)的濾波算法、基于坡度變化的濾波算法、基于內(nèi)插的濾波算法、基于曲面約束的濾波算法等方法。

　　3.2.1基于形態(tài)學(xué)的濾波算法

　　基于形態(tài)學(xué)的濾波算法借鑒于柵格圖像處理，基于區(qū)塊操作。形態(tài)學(xué)法先把Lidar點云重新組織成行列有序的規(guī)則格網(wǎng)形式這樣便于使用很多既有的算法，如開閉運算、腐蝕運算、膨脹運算等，并具有直觀、效率高、操作容易等優(yōu)點，缺點是內(nèi)插會帶來精度的損失，容易受到濾波窗口大小的影響，并且不能很好的處理地形變化劇烈的區(qū)域。

　　3.2.2基于坡度變化的濾波算法

　　基于坡度變化的濾波算法基本思想是地形急劇變化產(chǎn)生臨近兩點間高程差異很大的可能性很小，其中一點屬于地物點的可能性更大。算法根據(jù)地形坡度變化確定最優(yōu)濾波函數(shù)。為了保留傾斜地形信息，適當(dāng)調(diào)整濾波窗口的大小，并增加篩選閾值的取值以保證屬于地面點的激光點不被過濾掉，且濾波參數(shù)的最優(yōu)值隨著地形的變化而變化。當(dāng)點顯著高于其鄰域其余點時被認為是地物點，可見遇到坡度變化較大的地形時，就會影響這類方法的精度。

　　3.2.3基于內(nèi)插的濾波算法

　　基于內(nèi)插的濾波算法的基本思想是先構(gòu)建一個較粗的起始DEM，再逐步從備選點中篩選并內(nèi)插加密DEM達到分類的目的。基于內(nèi)插的濾波方法是一種逐步迭代逐層加密的方式進行數(shù)據(jù)分類，因此，計算過程存在誤差累積，受到初始DEM影響較大，且每一層的迭代判斷結(jié)果受到上一層的影響，如果上一層次的處理出現(xiàn)了錯誤，這種錯誤會導(dǎo)致下一層次的數(shù)據(jù)點類型判斷出現(xiàn)錯誤。因此，初始DEM的選擇非常重要。在使用此類方法前，一般要剔除數(shù)據(jù)中的粗差。

　　3.2.4基于曲面約束的濾波算法

　　地面可以看作是一個連續(xù)且平緩變化的表面，所以，可用帶限制條件的參數(shù)曲面約束分類，如：Snake樣條曲面、正交多項式等。約束曲面計算過程中的曲面擬合具有抑制粗差的功能，通常不需要先剔除粗差。此方法過于強調(diào)地形的平緩變化，忽略了地形的復(fù)雜性，因此，在地形變化劇烈的山區(qū)會存在一定問題。由于曲面計算和分析計算量較大，此類算法的運行效率相對比較低。

　　3.2.5濾波展望

　　與比較成熟的硬件相比，機載激光雷達數(shù)據(jù)后處理軟件的發(fā)展較為滯后。一些算法和模型仍處于研究階段。目前市場上的各種數(shù)據(jù)處理軟件能實現(xiàn)不同的功能，各有其優(yōu)點，數(shù)據(jù)處理時需選取適合的軟件，有時需要多種軟件配合。

　　目前任何一種都無法完全保證過濾掉所有的地物，可在以下方面作進一步研究和擴展：利用強度和回波信息；自適應(yīng)閾值；數(shù)據(jù)流的引用；結(jié)合計算機技術(shù)的新理論等。

　　4、DEM的構(gòu)建

　　很多軟件都可以完成DEM的生成，但由于濾波不完全，會影像DEM的精度這里可以采用魯棒回歸法、魯棒插值、線性預(yù)測法。LIDAR點云的分布是離散的，故數(shù)據(jù)誤差也不會服從正態(tài)分布，所以最小二乘法不是最佳的擬合方法。這時就要采用最小中值二乘方法。線性預(yù)測是一種統(tǒng)計內(nèi)插方法，既可以基于規(guī)則格網(wǎng)也可以基于不規(guī)則三角網(wǎng)實現(xiàn)。

猜你喜歡：

機載LIDAR點云數(shù)據(jù)等高線測繪新技術(shù)及其應(yīng)用

機載激光雷達(Lidar)數(shù)據(jù)采集及數(shù)據(jù)處理

版權(quán)聲明：文章來源于網(wǎng)絡(luò)，登載此文出于傳遞更多信息之目的，版權(quán)歸原作者及刊載媒體所有，如本文中圖片或文字侵犯您的權(quán)益，請聯(lián)系我們。