论文部分内容阅读
摘 要：LIDAR（Light Detection And Ranging）即激光探测及测距系统的简称，音译雷达，是一种主动式对地观测系统，它集成了GPS、惯性导航、激光测距等先进技术，为获取高时空分辨率的地球空间信息提供了一种全新的技术手段，使数据的获取和处理朝智能化和自动化的方向发展[1]。
本文阐述了机载LIDAR点云处理的理论和方法，分析不同的滤波算法及特点并提出一种顾及地形的综合滤波方法。
关键词：雷达点云；噪声、滤波方法；点云分类
中图分类号：P225 文献标识码：A 文章编号：1004-7344（2018）27-0333-01
1 前 言
机载LIDAR获取的高程数据中，由于地面自然地物和人工地物的干扰，夹杂了大量的噪声点，需通过滤波的方式将噪点分离，海量点云数据的分类给计算机系统和人工处理带来极大的挑战，故有效的滤波方法对点云的预处理具有重大意义，可提高后续分类效率，减少人机交互工作量。
2 海量点云概述
2.1 关于海量数据的含义
海量数据就是指大量数据，等同于大数据，信息呈现出饱满充足的状态。海量数据对于每个人都有重要的作用，首先海量数据可以满足我们的各种生产需要；其次海量数据可以为行业挖掘有用信息，使我们能够掌握更多的信息资源，例如我们可以根据打车软件产生的大数据来分析交通拥堵指数；但海量数据也存在着明显的不足，过多的数据会导致查阅、存贮的难度增加，也会掩盖有用信息。
2.2 关于点云的含义
点云是指通过机载雷达获取一定面积的激光数据集，是众多激光点的集合，点云数据具有精度高，点密度大，噪声点形式多样，散列分布等特点。且间隔小，因此被称为密集点云。点云的通用存贮格式为*.las，目前大多商业软件可以对其进行滤波和编辑。
3 关于滤波处理的概述
3.1 关于滤波的含义及作用
滤波是一种减少干扰甚至避免干扰的重要技术手段和措施，主要对信号中的某些特定波段进行过滤和消除，从而减少一定干扰信息，使数据更加准确可靠。利用点云处理软件，可以对点云数据中的噪点进行剔除，从而减少地物点的干扰，以便于更好的拟合地表高程。
3.2 关于滤波算法的分类
大多数滤波原理是：邻近激光脚点间的高程突变（局部不連续）一般不是由地形的陡然起伏所引起，而更可能是地物点。两临近点间的距离越近，两点高差越大，较高点位于地面的可能性就越小。
3.2.1 基于回波强度指标的滤波算法
根据点云回波强度进行滤波，这种方法从理论上可以剔除地物点，获得地面信息，但回波强度容易受到其它因素的影响，所以根据回波强度信息无法精确地判断出地物的类别，单独使用这种原理的滤波算法逐渐减少。
3.2.2 基于高程值的滤波算法
这种算法原理可以表述为，地物点高程总是大于地面点的高程，可以根据经验，设置某一阈值，当高差大于该阈值的时候，就视为地物点，小于该阈值则视为地面点，由此而建立模型。
4 点云滤波方法分析
4.1 软件滤波的概述
滤波主要是将计算机算法运用到数据处理上，进一步获得更加真实的数据，从而减少其它无效信号的干扰和影响，保证其数据的准确性。软件滤波有很多优势，其最大优点是稳定性高，成本低，对技术水平的要求也相对较低，实施起来更加简单。
4.2 滤波方法的分析
4.2.1 基于迭代三角网的滤波方法及特点
对原始数据进行中值滤波处理剔除极低点然后构造数据的外包矩形，该外包矩形的四个顶点的高程值由最近邻准则来设定，对外包矩形进行三角剖分并将其作为初始地形表面模型对数据进行格网组织，网格应略大于最大建筑物的大小，每个网格中的最低点为初始地面点，将选取的初始地面点加入到不规则三角网中，计算每个点到其所在的三角形的距离以及它与三角形三个顶点的夹角，若计算得到的值小于预先设定的阈值条件，则将其加入到不规则三角网中，反之，若大于阈值则删除。重复上述步骤直到没有新点加入不规则三角网[2]。该方法能够很好的检测出地形中的断裂线，因此该算法能够有效的处理城市地区的点云数据。但不利于保留地形的起伏形态，容易造成丘陵的地形损失。
4.2.2 基于形态学的滤波方法及特点
其基本思想是基于地形急剧变化产生临近两点高差异很大的可能性较小。该方法是通过比较两点间的高差值来取舍选择点。两点间高差阈值应定义为两点间距离的函数，即滤波核函数，该函数为非递减函数。确定该核函数的大小应尽量以保留重要的地形特征信息为依据，以免造成过滤条件太过宽松而接收了一些不属于地面的点[2]。基于坡度形态学的方法会将一些陡峭的地形当成非地面物体对待，因而一般适用于地形变化较为平缓的地形。
4.2.3 移动窗口滤波法
首先，给定一个大尺度窗口，不断移动并寻找窗口内的最低点，然后根据最低点集内插出一个初始的地形模型，其次，根据初始地形模型，计算待判定激光点与初始地形模型的垂直距离，如果超过给定的阈值，则将其从数据集中移除，以此再计算出一个更精确的地形模型。重复迭代，直至移除所有地面点。窗口尺寸和距离阈值的设定通常需要不断的测试才能得出比较满意的滤波效果，因此这些过滤参数的设置取决于测区的地形类别[2]。
5 结束语
文章对点云数据滤波算法进行了探讨，对不同滤波方法进行了比对分析，最终发现，对于不同地形特征应当选取不同的滤波方法。对于城市地区，应当选用迭代三角网的滤波方法；对于地物简单的丘陵地区，应当选用基于形态学的滤波方法；对于林区应当选取迭代线性最小二乘内插法滤波方法；除此之外，也可以采用人工点和人工断裂线进行局部地区的点云滤波或者将局部复杂地形点云进行裁切后单独滤波处理。地物及地形数据结构的复杂性给滤波算法的设计带来了很大的困难，很难有一种算法可以自适应的改变滤波参数适应所有的地物情况，这是滤波技术的一个瓶颈，分析数据结构对于算法的设计和改善具有重要帮助[3]。
参考文献
[1]孙正林.三维激光扫描点云数据滤波方法研究.2015.
[2]钟 良.LiDAR同机影像辅助点云分类相关技术研究.2011.
[3]周晓明.机载激光雷达点云数据滤波算法的研究与应用.2011.
收稿日期：2018-8-2
本文阐述了机载LIDAR点云处理的理论和方法，分析不同的滤波算法及特点并提出一种顾及地形的综合滤波方法。
关键词：雷达点云；噪声、滤波方法；点云分类
中图分类号：P225 文献标识码：A 文章编号：1004-7344（2018）27-0333-01
1 前 言
机载LIDAR获取的高程数据中，由于地面自然地物和人工地物的干扰，夹杂了大量的噪声点，需通过滤波的方式将噪点分离，海量点云数据的分类给计算机系统和人工处理带来极大的挑战，故有效的滤波方法对点云的预处理具有重大意义，可提高后续分类效率，减少人机交互工作量。
2 海量点云概述
2.1 关于海量数据的含义
海量数据就是指大量数据，等同于大数据，信息呈现出饱满充足的状态。海量数据对于每个人都有重要的作用，首先海量数据可以满足我们的各种生产需要；其次海量数据可以为行业挖掘有用信息，使我们能够掌握更多的信息资源，例如我们可以根据打车软件产生的大数据来分析交通拥堵指数；但海量数据也存在着明显的不足，过多的数据会导致查阅、存贮的难度增加，也会掩盖有用信息。
2.2 关于点云的含义
点云是指通过机载雷达获取一定面积的激光数据集，是众多激光点的集合，点云数据具有精度高，点密度大，噪声点形式多样，散列分布等特点。且间隔小，因此被称为密集点云。点云的通用存贮格式为*.las，目前大多商业软件可以对其进行滤波和编辑。
3 关于滤波处理的概述
3.1 关于滤波的含义及作用
滤波是一种减少干扰甚至避免干扰的重要技术手段和措施，主要对信号中的某些特定波段进行过滤和消除，从而减少一定干扰信息，使数据更加准确可靠。利用点云处理软件，可以对点云数据中的噪点进行剔除，从而减少地物点的干扰，以便于更好的拟合地表高程。
3.2 关于滤波算法的分类
大多数滤波原理是：邻近激光脚点间的高程突变（局部不連续）一般不是由地形的陡然起伏所引起，而更可能是地物点。两临近点间的距离越近，两点高差越大，较高点位于地面的可能性就越小。
3.2.1 基于回波强度指标的滤波算法
根据点云回波强度进行滤波，这种方法从理论上可以剔除地物点，获得地面信息，但回波强度容易受到其它因素的影响，所以根据回波强度信息无法精确地判断出地物的类别，单独使用这种原理的滤波算法逐渐减少。
3.2.2 基于高程值的滤波算法
这种算法原理可以表述为，地物点高程总是大于地面点的高程，可以根据经验，设置某一阈值，当高差大于该阈值的时候，就视为地物点，小于该阈值则视为地面点，由此而建立模型。
4 点云滤波方法分析
4.1 软件滤波的概述
滤波主要是将计算机算法运用到数据处理上，进一步获得更加真实的数据，从而减少其它无效信号的干扰和影响，保证其数据的准确性。软件滤波有很多优势，其最大优点是稳定性高，成本低，对技术水平的要求也相对较低，实施起来更加简单。
4.2 滤波方法的分析
4.2.1 基于迭代三角网的滤波方法及特点
对原始数据进行中值滤波处理剔除极低点然后构造数据的外包矩形，该外包矩形的四个顶点的高程值由最近邻准则来设定，对外包矩形进行三角剖分并将其作为初始地形表面模型对数据进行格网组织，网格应略大于最大建筑物的大小，每个网格中的最低点为初始地面点，将选取的初始地面点加入到不规则三角网中，计算每个点到其所在的三角形的距离以及它与三角形三个顶点的夹角，若计算得到的值小于预先设定的阈值条件，则将其加入到不规则三角网中，反之，若大于阈值则删除。重复上述步骤直到没有新点加入不规则三角网[2]。该方法能够很好的检测出地形中的断裂线，因此该算法能够有效的处理城市地区的点云数据。但不利于保留地形的起伏形态，容易造成丘陵的地形损失。
4.2.2 基于形态学的滤波方法及特点
其基本思想是基于地形急剧变化产生临近两点高差异很大的可能性较小。该方法是通过比较两点间的高差值来取舍选择点。两点间高差阈值应定义为两点间距离的函数，即滤波核函数，该函数为非递减函数。确定该核函数的大小应尽量以保留重要的地形特征信息为依据，以免造成过滤条件太过宽松而接收了一些不属于地面的点[2]。基于坡度形态学的方法会将一些陡峭的地形当成非地面物体对待，因而一般适用于地形变化较为平缓的地形。
4.2.3 移动窗口滤波法
首先，给定一个大尺度窗口，不断移动并寻找窗口内的最低点，然后根据最低点集内插出一个初始的地形模型，其次，根据初始地形模型，计算待判定激光点与初始地形模型的垂直距离，如果超过给定的阈值，则将其从数据集中移除，以此再计算出一个更精确的地形模型。重复迭代，直至移除所有地面点。窗口尺寸和距离阈值的设定通常需要不断的测试才能得出比较满意的滤波效果，因此这些过滤参数的设置取决于测区的地形类别[2]。
5 结束语
文章对点云数据滤波算法进行了探讨，对不同滤波方法进行了比对分析，最终发现，对于不同地形特征应当选取不同的滤波方法。对于城市地区，应当选用迭代三角网的滤波方法；对于地物简单的丘陵地区，应当选用基于形态学的滤波方法；对于林区应当选取迭代线性最小二乘内插法滤波方法；除此之外，也可以采用人工点和人工断裂线进行局部地区的点云滤波或者将局部复杂地形点云进行裁切后单独滤波处理。地物及地形数据结构的复杂性给滤波算法的设计带来了很大的困难，很难有一种算法可以自适应的改变滤波参数适应所有的地物情况，这是滤波技术的一个瓶颈，分析数据结构对于算法的设计和改善具有重要帮助[3]。
参考文献
[1]孙正林.三维激光扫描点云数据滤波方法研究.2015.
[2]钟 良.LiDAR同机影像辅助点云分类相关技术研究.2011.
[3]周晓明.机载激光雷达点云数据滤波算法的研究与应用.2011.
收稿日期：2018-8-2