搜索
地物分类识别研究#崔媛媛，艾刚，郑新奇**基金项目：国土资源部公益性行业科研专项经费项目资助（编号：201011018）作者简介：崔媛媛（1989-），女，硕士研究生，主要从事地理信息技术与应用、遥感技术与应用研究通信联系人：郑新奇（1963-），男，教授，博士生导师，主要从事GIS开发与应用、土地评价与规划、土地集约利用、空间数据挖掘、复杂系统仿真等.E-mail:zxqsd@126.com（中国地质大学（北京）土地科学技术学院技术学院，北京100083）5摘要：机载激光探测及测距系统能够采集到海量点云数据，主要用于点云数据的分类工作。本文使用TerraScan模块对点云分类，建立宏可以将分类步骤合并；点云分类的原理是Axelsson改进的迭代加密三角网算法。本文通过使用TerraScan模块主要将点云数据分为以下几类：地面点、植被点（低、中、高）、建筑物点及其他点。结果表明，使用TerraScan模块能够对机载LiDAR数据进行较好的分类。10关键词：摄影测量与遥感；LiDAR；TerraScan；点云分类中图分类号：P234.4LiDRARTerrainClassificationResearchBasedonTerraScan15CUIYuanyuan,AIGang,ZHENGXinqi(SchoolofLandScienceandTechnology,ChinaUniversityofGeosciences,Beijing100083)Abstract:Airbornelaserdetectionandrangingisabletocollectamassiveamountofpointcloudsdata,mainlyforpointcloudsdataclassification.ThispaperusesTerraScanmoduleforpointcloudsclassification,throughestablishingmacroscanmergerclassifiedsteps.Andthe20principleofclassificationofpointcloudsisAxelssonimprovediterativeencryptiontriangulationalgorithms.Inthepaper,TerraScanmodulemainlydividedpointcloudsdataintothefollowingcategories:groundpoints,vegetation(low,medium,high),buildingsandotherpoints.TheresultsshowthatusingTerraScanmoduleenablesairborneLiDARdataforbetterclassification.Keywords:PhotogrammetryandRemoteSensing；LiDAR；TerraScan；PointClouds25Classification0引言机载激光探测及测距系统（AirborneLaserDetectionandRanging）是集GPS、IMU、三维激光扫描仪、数码相机等光谱成像设备于一体，快速直接获取地形表面模型的技术[1]。它能30够采集探测目标的高分辨率距离、坡度、粗糙度及反射率等信息，同时可以采集到数字影像信息。因此，激光探测及测距系统被广泛应用。国外已经发展的LiDAR点云数据分类理论主要有[2]：基于坡度理论的分类方法、最小区域分类方法、基于面理论的分类方法及聚类/分割算法。基于坡度理论的分类方法主要是通过计算两点间的坡度值或高差值实现对点云的分类；最小区域分类方法是通过假设一个水35平面，在其垂直方向上设置一定范围的缓冲区，实现对点云的分类；基于面理论的分类方法是通过参数计算出不规则面，并在面上设置一定范围的缓冲区，实现对点云的分类；聚类[3]/分割算法的理论依据为使用一个类中的所有点来描述一个完整的物体，基于点云的高程值，均值聚类法对点云分类[4]。另外，还有基于高程和强度信息的LiDAR数据滤波和40识别[5]。国内关于LIDAR点云数据的研究起步较晚，近年来，也出现了许多方法：“移动曲面拟合预测”的分类算法[6]；利用首次回波信号进行分类工作[7]；根据不同地物的高程纹理对植被和建筑等进行分类[8]；采用区域分割结合基于最小二乘平差的多项式拟合方法[9]；基于剖面和迭代选权曲面拟合的LiDAR点云滤波算法[10]；结合不规则三角网算法、带权的线性迭代预测算法及点云的多元信息对点云分类[11]；使用一种窗口迭代的克里金法对地物45点进行滤波[12]；针对城区LiDAR点云特点，提出一种基于知识的三角网渐进滤波方法[13]。本文在对机载LiDAR数据的分类问题进行了研究基础上，在TerraSscan软件中建立宏命令将点云数据分类，可以提高分类效率，为数据的进一步使用提供基础。1方法原理1.1TerraScan简介50TerraScan是TerraSolid系列软件中的一个模块，TerraSolid系列软件是第一套商业化LiDAR数据处理软件[14]，可以进行点云数据分类、生成真正射影像及三维建模等。对点云数据进行分类，主要使用TerraScan模块。TerraScan的功能主要有：点云3D显示；定义点云类型，如地面、植被、建筑物或电力线；点云分类（自动分类或手动分类）；删除特定区域内不必要或错误的点；通过抽稀移除不必要的点；通过捕捉激光点进行数字化；55删除电力线或建筑屋顶；矢量化建筑、电力线及塔；输出彩色栅格图像；分类后的点云输出为文本文件[15]。1.2TerraScan中点云分类的原理TerraScan的滤波分类方法是基于Axelsson改进的迭代加密三角网的算法。对所有的点云数据使用最小邻域算法，构建初始不规则三角网，格网大小由用户自行选定，保证每个格60网内含有一定数量的地面点，同时设置合理的阈值条件，将符合阈值条件的点判断为地面点，将新判断为地面点的点加入到初始不规则三角网中，形成新的不规则三角网，并设置新的阈值条件，通过不断的迭代计算，判断所有未经滤波的点，直至所有的激光点云判断完毕。一个目标点是否为地面点，需要对以下两个方面的内容进行判断：（1）目标点到不规则三角网的距离与给定阈值的关系；（2）目标点到不规则三角网各个顶点的角度与给定阈65值的关系。如果以上两项需进行比较的内容均小于阈值，则判定该点为地面点。1.3TerraScan的分类过程TerraScan提供了一系列分类工具，可以通过建立宏对点云数据进行分类。在TerraScan中提供的类别主要有：地面点、地点、低矮植被、中等植被、高植被、建筑物、模型关键点等，用户可以根据自己的需求添加新的类别，从而将各个激光脚点分类到对应的类别中。701.3.1分离低点低点是指高程低于周围区域点云高程的点。这一过程常用于搜索高程明显低于地面的错误点。在该过程中，将目标点设为中心点，将中心点的高程与在给定xy距离内所有点的高程进行比较。如果中心点的高程明显低于周围点的高程，则该中心点被划分为低点。出现高密75度的错误点时，无法通过对单个低点的搜索完成分类工作，需要通过对低点群组进行搜索判中国科技论文在线断，若整个群组内点云的高程均低于周围点的高程，则判定该群组内的点云均为低点。该过程运行一次即可发现一组数据中的最低点或一组点。如果低点位于不同的高程水平，则该过程应针对不同的设置进行多次运行。高差阈值的设置是分离低点过程中的关键。801.3.2分离地面点通过不断建立地面三角面模型对地面点进行分类。对地面点进行分类时，首先要选择一些确定的地面点作为初始点。根据最大建筑物的尺寸对初始点进行选择。该过程通过选择的初始点建立初始模型。初始模型中的三角形大多低于地面，只有顶点接触地面。通过反复添加新的激光点不断建立新模型，新模型不断与地表接近。85迭代参数决定了一个点与三角平面之间要达到一定的接近程度才被划分为地面点，并被添加到新模型中。Iterationangle是指目标点及其在三角平面上的投影与最近的三角顶点之间的最大夹角。Iterationdistance参数可以确保当三角形较大时，迭代时没有大的跳跃，这样有助于使较低的建筑物不进入模型。当对地面点进行自动分类无法取得比较好的结果时，可以使用添加点到地面的命令有效90地纠正分类中的错误。通过继续添加地面点这一命令可以将部分未分为地面点的点加入到地面模型中。1.3.3分离低于真是地面的点低于真实地面的点是指在源类中高程低于周围点云的点。该过程可以在地面点分类后进行以确定位于地表以下的点的位置。95该算法的步骤如下：·对于源类中的每一个点（中心点），查找出最近的25个点形成临近点集；·使用临近点集拟合出一个平面；·如果中心点高于平面或距离小于Ztolerance，该点则不进行分类；·计算从临近点集到拟合平面高差的标准偏差；100·如果中心点位于平面下超过Limit倍的标准偏差，则该点被划分为目标类。1.3.4分离植被点分离植被点是根据点位于表面模型以上的距离进行判断的，该过程要求对地面点进行了成功分类。该过程将从地面点建立临时三角表面模型，然后将其他点的高程与三角网模型进行比较。可以使用该过程将点云分为不同的植被类型，为建筑分类、电力线检测及树木探测105做准备。因此，高植被类中包含了所有兴趣目标（建筑物屋顶、电线、塔或树等）的点云。1.3.5分离建筑物点对位于建筑物屋顶的点云进行分类，依据的是这些点云能够形成较为平坦的表面。该过程要求已经完成了对地面点的分类。这对于分类低矮植被来说也是可取的，这样，只有高于地表2米以上的点才可能被认为是建筑物点。1101.4宏的建立宏为自动处理步骤提供了一种方法，宏可以对整个点云进行批操作，可以通过宏对点云数据进行一系列的操作。对一个定义的工程使用宏，能够使自动处理达到最好水平。宏是由大量一个接一个的处理步骤组成的。处理过程可以分类点、修改点、删除点、变中国科技论文在线化点、输出点、更新试图、执行命令或与从其他MDL应用中获取功能。115通过Macro对话框可以进行添加、修改、删除和安排处理步骤并提供保存和运行宏的可能性。宏对话框中的每一行代表了在运行宏时对激光点执行的一个处理步骤。在执行宏命令时，虽没有数量的限制，但最好不要有过多的宏命令，且宏命令最好具有一定的逻辑性。建立宏命令时，阈值的设置要与测区内的实际情况相结合。2案例数据分析1202.1实验方案设计使用TerraScan模块对点云数据进行分类，选取Jyvaskyla地区的部分点云数据。对于数据量较大测区，在对点云分类时，可将点云分块（block）。对点云分块时，可根据实际情况而定，一般是根据点云密度进行分块。对于较规则的地区，可以采用规则的形状进行分块，；对于不规则地区，则可采用任意形状进行分块。125在对点云数据分类之前，先对点云数据滤波，将地面点与非地面点分开，然后再从非地面点中对其他点云进行分类。首先从非地面点中提取植被点，将植被点分为低植被、中植被及高植被，其中高植被中含有建筑物、塔等地物；完成对植被点的分类后，从高植被点中根据建筑物的特征对建筑物点分离。将分类后的点与影像进行比较，对分类效果进行评价。完成点云分类工作。1302.2Jyvaskyla地区数据实验过程实验过程中使用的是Jyvaskyla的数据。实验过程的流程图见图1：图1实验过程流程图135Fig.1Theflowchartofexperimentprocess中国科技论文在线实验过程说明：2.2.1