区域生长滤波算法在机载LiDAR数据城市建筑物提取中的应
用
边倩倩;马友利;梁立恒
【摘 要】随着我国城市化进程的不断加快,城市布局和城镇化扩张已成为国情监测的主要内容之一.地理信息系统的发展为市政管理带来了极大的方便,但在国情监测方面,主要还是依赖遥感图像人工解译等半自动方法、机载激光雷达扫描技术,为地理国情监测提供了一种快速有效的新方法.基于此,分析区域生长滤波在Li-DAR数据建筑物提取中的应用,描述LiDAR作为地理信息系统新型数据源在地理国情监测中的重要作用.
【期刊名称】《河南科技》 【年(卷),期】2016(000)021 【总页数】2页(P22-23)
【关键词】机载激光雷达;城市建筑物提取;区域生长滤波算法 【作 者】边倩倩;马友利;梁立恒
【作者单位】长春师范大学城市与环境科学学院,吉林长春130000;长春师范大学城市与环境科学学院,吉林长春130000;长春师范大学城市与环境科学学院,吉林长春130000 【正文语种】中 文 【中图分类】TP391.41
自1970年，有学者开始对机载激光雷达扫描技术进行研究，第1台对地观测LiDAR系统LITE由美NASA研制成功。1988-1993年，德国斯图加特大学通过将激光扫描技术与实时定位、定姿等技术相结合，制造出了目前应用较广泛的机载激光扫描系统的最原始模型。从1995年开始，机载激光扫描仪逐渐商业化，目前生产机载激光扫描仪的厂家已逐渐发展到10家之多，已经生产成熟的型号已有30余种［1］。
激光雷达（Light Detection and Ranging，LiDAR），所测得的数据为数字表面模型（Digital Surface Model，DSM）的离散点表示，数据中含有空间三维信息和激光强度信息。LiDAR技术是近年摄影测量与遥感领域最具性的创新之一，当初提出该技术的首要目的是针对数字高程模型获取困难的地区，如森林、沙滩等，使用常规摄影测量方法费时、费力，且很难获取高精度的DEM数据。而机载激光雷达扫描系统，可以高效、高精度地直接获取DEM数据，因而其成为了当前测量应用中深受欢迎的一项高新技术。 1.1 LiDAR系统组成
LiDAR遥感信息获取系统一般包括激光测量装置、GPS接收机和惯性测量装置，有的系统也会包含1个数码相机，数码相机的功能是为获取地面的高分辨率影像提供服务。
1.1.1 激光测量装置。地物点的信息可以通过利用滤波算法对数据进行处理后获得。 1.1.2 GPS接收机。通过接收轨道上的GPS卫星所发射的信号，通过对信号的实时解算卫星的空间位置，再通过后期处理，精确确定地面点位置。
1.1.3 惯性测量装置（IMU）。根据接收到的卫星轨迹几何关系，推算出GPS卫星未来在空中运行的位置，从而测算出该测量系统的实时和未来空间向量。通过动力装置调整到按原轨迹运动，故该系统被称作惯性导航系统。 1.2 LiDAR数据包含信息
LiDAR数据不仅包含激光点的三维坐标，还包含项目信息、GPS信息、航带、姿态信息、回波次数信息、强度信息、扫描角度信息、分类信息和数据点颜色信息等。 现代城市空间主要由各种建筑物构成。建筑物覆盖面积大，且其三维信息与城市规划设计、城市交通网络信息、城市地上地下基础设施管理以及城市现代化管理等都密切相关。因此，对建筑物各种数据模型提取的研究与实现具有重要意义。 机载激光雷达通过发射激光脉冲并接收回波信号获取目标信息，相对于其他测量手段，受天气因素影响小；而且激光能穿透植被等地物而到达地面，因此能更精确地探测真实地形；利用LiDAR进行测量时，只需布设少量控制点，人工作业量少，且大部分数据处理工作均由软件自动完成。综上，LiDAR可以高效、快速获取高精度、高密度三维空间数据，在数字城市建设中LiDAR必将发挥重要作用。 3.1 LiDAR数据滤波方法
LiDAR数据滤波原理分为基于回波强度等信息的滤波和基于高程突变的滤波两类。基于回波强度信息的滤波认为，不同的目标对激光的反射强度是有差异的。基于高程突变的滤波原理认为，高程较大的点是地物点，高程较小的点是地面点。多数情况下，地形是连续的，地势也是平滑的，根据空间自相关原理，距离越近的2个点高差应该越小。 3.2 区域生长滤波算法原理
区域生长滤波是一种基于高程突变的滤波方法，该算法主要适用于城市等平坦区域。其基本思想：先结合人类先验知识判断测区地貌，根据经验对测区进行块划分，尽量保证每个块地势较平坦；然后在每个块中首先寻找最初的地面种子点，对这些种子点进行8邻域搜索，当邻近点与地面种子点的高差小于所设定的阈值，则判断该邻近点为新的地面种子点，依次搜索扩张，直到没有可接受的邻近点结束，得到的种子地为地面点，非种子点为非地面点。
区域生长滤波对于地面起伏变化较大的区域并不理想，而在针对平坦区域效果较好，
因此可利用这种算法对城市建筑物的轮廓进行提取。 3.3 区域生长滤波算法试验
以某城市的一部分点云数据为例，使用区域生长滤波算法编写数据处理代码，并测试，图1为城区原始点云数据，可以看到，数据中主要有建筑物和道路，建筑物的高程突变比较明显，且城区地势平坦，符合区域生长滤波所需要的条件。图2为滤波后的建筑物点云数据，可以明显地看到建筑物的轮廓被提取出来，当然也存在误差，如图2右上角，由于建筑物坐落的平台与地面之间也存在高程突变，滤波后这个平台也保存了下来，可以通过后期人工处理，将其删除。
目前，空间信息数据的获取是地球空间信息技术研究的热点问题之一，LiDAR技术能够满足广大用户快速获取高精度的DSM和DEM数据的需求。其因高精度、高效率、自动化程度高等优势，正逐渐取代传统的摄影测量，成为地貌点云数据获取的重要手段。
我国城镇化步伐的加快，使得对空间信息获取要求不断提高。本文以区域生长滤波验证了针对LiDAR数据提取建筑物的有效性与高效性，但仍存在一定的局限性：①对地形要求较为严格，对于地形起伏较大的地区，该算法仍然不是最佳的选择方案；②该算法的阈值目前仍是以经验判别为主，没有明确的理论算法的计算公式支持，所以完全实现自动化有待进一步的技术发展。
【相关文献】
［1］方芳.机载LiDAR技术现状及发展方向［A］//2009全国测绘科技信息交流会暨首届测绘博客征文颁奖论文集，2009.
