一种基于分层格网的滤波处理算法

作者简介：毛敏（1992—），女，长安大学地质工程与测绘学院硕士研究生，测绘工程专业。一种基于分层格网的滤波处理算法毛敏1(长安大学地质工程与测绘学院，陕西西安710064)摘要：车载激光扫描系统为三维空间信息的获取提供了一种快速、高效、高精度的技术手段。按照传感器的搭载平台不同，可以将激光担描测量系统分为机载激光扫描系统和车载激光扫描系统。设计了一种基于分层网格的滤波方法。该方法首先根据车载激光扫描系统中IMU中心点(惯导中心)的高程，滤除对应时刻采集的激光数据中的部分非地面点；然后对余下的激光点划分格网，并基于高程分层；最后依据格网内的点云高差以及分层特点精确分离出地面点和非地面点。关键词:车载激光扫描；滤波；分层网格；激光点AFilteringAlgorithmBasedonHierarchicalGridMAOMin1(Chang’anUniversity,schoolofgeologyengineeringandgeomatics,ShanxiXi’an,710064)Abstract:Vehicle-bornelaserscanningsystemcanobtainthree-dimensional(3D)imformationofurbanobjectsquicklyandefficiently.Accordingtothedifferentplatformofthesensor,thelaserscanningsystemcanbedividedintotheairbornelaserscanningsystemandthevehicle-bornelaserscanningsystem.Afilteringmethodbasedonhierarchicalgridisdesigned.Firstly,accordingtothecenterforvehicle-bornelaserscanningsystempoint(inertialnavigationcenter)elevation,itcouldfilteroutthenon-groundpointsfromthevehiclelaserpointscloud.Secondly,accordingtothelayeredelevation,therestofthelaserpointcanbedividedintothegrid.Finally,accordingtothecloudheightdifferenceandhierarchicalcharacteristicsofgridpoints,itcouldaccuratelyseparateoutthegroundpointsandnon-groundpoints.Keywords:vehicle-bornelaserscanning;filtering;hierarchicalgrid;laserpoint1前言激光扫描测量技术为三维空间信息的获取提供了一种快速、高效、高精度的技术手段。按照传感器的搭载平台不同，可以将激光担描测量系统分为机载激光扫描系统和车载激光扫描系统。机载激光扫描系统主要用于生产数字高程模型(DEM)和数字表面模型(DSM)其数据处理技术的发展较为成熟[1-2]。而车载激光扫描系统侧重于获取城市建筑物立面信息，其数据信息量大获取的地物特征和类型复杂因此，对于车载激光扫描数据后处理技术的研究较为滞后尤其是车载激光扫描数据的滤波、典型地物的分类等方面的研究制约了车载激光扫描测量系统的应用和发展[3]。目前国内不少学者对车载激光扫描数据的处理进行了研究，史文中等首先提出了基于投影点密度的车载激光扫描距离图像分割方法[4]。卢秀山等针对激光点云的分布密度，将点云数据格网化后进行信息提取[5]。吴芬芳等将激光扫描点投影到二维的水平格网中，并根据投影点高度的最大值来判定数据点类别[6]。谭贲等使用基于格网化与区域分割相结合的方法进行实体划分，再通过计算地物空间形状特征(外包围盒、实体高度等)，对实体进行分类[7]。杨洋等提出一种基于扫描线的车载激光点云滤波方法利用坡度差值将扫描线分成不同的线段集合，对各线段集合赋予相应属性来进行分类[8]。本文在上述方法的基础上，设计了一种基于分层网格的滤波方法。相比较上述的滤波方法，这种采用基于分层网格的滤波处理算法更简单方便，易操作。能根据格网内分层的特点精确地滤出地面点，而且滤波精度满足激光点云的应用要求。2车载激光扫描数据特点及基于分层网格的滤波算法流程2.1车载激光扫描数据具有以下特点1)车载激光扫描系统对获取的点云数据以离散点的形式进行存储[9]。2)城市区域内内获取的激光点云数据的地面点比较平缓、连续，而且相邻点的高程差异较小且裸露在表面。3)建筑物立面点较多，只有极少顶面点。行道树的分布具有较大的分散性，且树冠与地面之间有一定的高程距离，电线杆、灯杆等杆状物明显高于地面[10]。2.2基于分层网格的滤波算法流程1)数据预处理：将所采集的激光点的高程与该点相对应GPS时刻的贯导中心位置的高程相比较，高程大于对应时刻贯导中心高程的激光点作为非地面点进行第一次滤除。2)在第一次滤除的基础上，将激光点数据按水平坐标进行格网分块，按高程坐标进行数据分层。3)再将格网中激光点云数据的高程和所设定的阈值进行比较；若点云数据的高程小于阈值，则该点为地面点；若点云数据的高程大于阈值，则将该点作为待定点。4)最后根据待定点所在格网点云的分层特点，精确判断出该点是否为地面点或者非地面点。算法的具体流程如图1所示：图1基于分层格网的滤波算法流程图激光点云数据格网分层化激光点高程是否小于贯导中心高程是格网内高程差是否大于阈值非地面点待定点格网内是否呈现分层特点地面点否是否否是3车载激光扫描数据滤波方法3.1数据预处理根据车载扫描系统的硬件结构和点云扫描方式，在激光扫描数据与车载定位定向系统进行融合解算过程中，根据系统实时记录的三维坐标、扫描角度和扫描半径推算出激光扫描仪发射点的三维坐标，由此获取激光点的三维坐标。由于城区内的地面点在扫描有效半径内的高差较小，且高程一般不高于车载系统的高度，可根据激光点高程和车载系统的高度比较，将部分非地面点剔除。此步骤可减少后续判断的数据量[7]，以及减小在后面分层特征分析时的影响。由于城区内地物的激光扫描点一般位于车载行进路线的两边，对于去除噪声点后测区内的所有激光点，找出其对应GPS时间的贯导中心的坐标高程值。若激光点高程高于该对应的惯导中心的高程值，判该点为非地面点；否则视其为待定地面点。3.2格网的分块和分层方法根据测量区域大小，将预处理后的数据基于点云的水平坐标进行规则格网水平分块，基于高程值进行数据分层[11]。首先提取出测量区域内所有数据的水平坐标及高程的最大值Xmax，Ymax，Hmax和最小值Xmin，Ymin，Hmin。然后根据点云数据的X，Y，H值，按dx和dy为一个格网的边长，dh为一个格网的高，将整个测区的点云数据分成m×n个格网，其中每个格网包含l层数据。每个待定点所在的位置：其中：层号为每个点所在格网中的—行号和列号为每个点所在格网中的—k,ji算法中每个待定地面点的结构体定义如下：structpoints{public:doubleX;//定义数据点的横坐标X；doubleY;//定义数据点的纵坐标Y；doubleH;//定义数据点的高程坐标H；introw;//定义待定点在格网中的行号；intcolumn;//定义待定点在格网中的列号；intlayer;//定义待定点在格网中的层号；points*next;//定义指向下一个点的指针；Points(){X=0;Y=0;H=0;row=column=layer=0;next=null;//对变量进行赋值的构造函数；}}3.3根据格网分层特点精确分离出地面点经过3.2中的点云数据高差处理后的待定点中，只有少部分的地面点没有被分离出来。；1dxXXjmin；1dyYYimin；1dhHHkmin这些地面点基本都是树冠遮住的地面点，或者是没有超过车载系统贯导中心点高程坐标的棚状物遮住的地面点。这些点的格网分层特征相同。假设某一格网点云中最大层数为n(n2)，则第1层数据即为地面点，且在第2层到第i层(2=in)中没有点云数据分布，在第m(im=n)层有数据分布。依据此特征，在待定点中选择符合以上特征的格网，从而该格网数据中的第1层数据即为地面点，其他点则为非地面点。4算例分析此次实验包含了314288个不同的点云数据，而且同一个点上有两次回波数据。当做基于分层格网的滤波处理的时候，如果只采用该点上其中一次的回波数据作为该点坐标进行滤波处理，结果也是可靠的；但是若采用一个点上两次回波数据的平均值作为该点的坐标，那最后分离出地面点和非地面点的结果将会更可靠。图2实验的原始点云数据图3滤波后的最终地面点数据5总结车载激光扫描系统能快速获取地面、地物的三维空间信息，在建立地物模型、数字高速公路、数字城市等方面有着较强的优势。而车载激光扫描数据的滤波处理，即分离地面点和非地面点是车载激光扫描数据的应用前提。相比较目前已有的滤波方法，本文采的基于格网分层滤波流程简单方便、易操作，根据格网内分层的特点，较隐秘的地面点能够被精确的滤出，而且滤波精度满足激光点云的应用要求。参考文献[1]赵倩,田茂义,刘景瑞.基于城区机载雷达数据的双重滤波算法[J].测绘科学技术学报,2012,29(3):200-203.[2]TIANMY,ZHAOQ,LIUJR.AlgorithmforConstructingBuildingTriangulationBasedonAirborneLiDARDataofUrban[C]//20127thInternationalConferenceonSystemofSystemsEngineering(SoSE).SanFrancisco,USA,2012:41-43.[3]杨洋.基于车载LIDAR数据的建筑物立面重建技术研究[D].解放军信息工程大学2010.[4]史文中,李必军,李清泉.基于投影点密度的车载激光扫描距离图像分割方法[J].测绘报,2005,34(2):95-100.[5]卢秀山,黄磊.基于激光扫描数据的建筑物信息格网化提取方法[J].武汉大学学报:信息科学版,2007,32(10):852-855.[6]吴芬芳,李清泉,熊卿.基于车载激光扫描数据的目标分类方法[J].测绘科学,2007,34(4):75-77.[7]谭贲,钟若飞,李芹.车载激光扫描数据的地物分类方法[J].遥感学报,2012,16(1):58-66.[8]杨洋,张永生,马一薇,等.基于扫描线的车载激光雷达点云滤波方法[J].测绘科学技术学报,2010,27(3):209-212.[9]李婷,詹庆明,喻亮.基于地物特征提取的车载激光点云数据分类方法[J].国土资源与遥感,2012(1):17-21.[10]邹晓亮,于英,张永生,等.基于车载激光扫描数据的电线杆自动识别与定位[J].测绘学,2012,37(2):91-93.[11]吴宾,余柏薇,岳文辉,等.一种基于车载激光扫描点云数据的行道树识别方法[J/OL].中国科技论文在线.(2011-08-24)[2012-03-27].[12]赵倩,田茂义,刘景瑞,刘阳.一种车载激光扫描数据的滤波处理算法[J].测绘科学技术学报,2013(06).