激光雷达数据处理-信息提取与应用

激光雷达数据处理-信息提取与应用

国际摄影测量与遥感动态专题

文章编号:1672-1586(2011)02-0038-02中图分类号:P225.7文献标识码:B

激光雷达数据处理、信息提取与应用

2,33

詹庆明1,,梁玉斌2,

湖北武汉430072;2.武汉大学数字城市研究中心,湖北武汉430072;(1.武汉大学城市设计学院,

湖北武汉430079)3.武汉大学遥感信息工程学院,

摘要:用于测绘的激光雷达技术的研究与应用在国际上已经经历了二十多年的发展历

程。作为一种多平台主动探测技术,激光雷达已经和光谱成像技术以及合成孔径雷达一起构成当代遥感观测的核心技术体系。文章尝试对基于激光雷达数据的数据处理、信息提取及应用等进行综述,内容涉及点云分割、地物识别、点云滤波以及实际应用的最新研究进展。

关键词:激光雷达;滤波;信息提取

詹庆明(1964-),男,

福建永安人,教授,博士,博士生导师,主要从事城市规划信息化、城市遥感、规划支持系统等方面的教学和研究工作。基金项目:国家自然科

)学基金项目(40871211

资助;国家科技部863项目(2006AA12Z151)资助E-mail:mzhan12@

收稿日期:2011-03-01

LiDARDataProcessing,InformationExtractionand

Application

2,33

ZHANQing-ming1,,LIANGYu-bin2,

(1.SchoolofUrbanDesign,WuhanUniversity,Wuhan430072,China;2.ResearchCenterforDigitalCity,WuhanUniversity,Wuhan430072,China;3.SchoolofRemoteSensingand

InformationEngineering,WuhanUniversity,Wuhan430079,China)

Abstract:ResearchandapplicationofLiDAR(LIghtDetectionAndRanging)technologyfor

surveyingandmappinghasbeencarriedoutformorethantwodecades.Asamulti-platformactivedetectiontechnology,nowadaysLiDAR,togetherwithImagingSpectrometerandInSAR,hasbecomeacorepartofmodernremotesensingtechnology.Inthispaper,wetrytosurveyrecentdevelopmentsofLiDARprocessing,informationextractionincludingpointcloudsegmentation,groundobjectrecognition,pointcloudfilteringandpracticalapplication.Keywords:LiDAR;filtering;informationextraction

0引言

的应用前景。值得一提的是,国内外对于激光雷达技术的研究不限于测绘领域,许多高校的计算机科学技术与机器人研究也涉及激光雷达的理论与应用的具体问题。可以说,激光雷达已经成为测绘、计算机科学与机器人技术等多学科交叉研究的新兴增长点。激光雷达获取的数据通常是无拓扑结构的空间离散坐标点集(也称点云)。尽管星载、机载、地面和车

1数据处理与信息提取

1.1点云分割与自动识别

点云分割是点云数据的标记过且程,经过标记后,属性相同或相近、空间近邻的点被划分为一类。过去十几年学者们提出了许多点云分割算法,大致可以分为直接分割法和间接分割法。许多人造物都可以用规则几何形体(如平面、柱体和球体)描述,因此使用Hough变换能够直接从点云数据中提取几何参数,在实现分割的同时获得地物的几何描述信息。间接分割法通过计算空间近邻度和几何导出值(如局部表面法向量和曲

激光雷达可以获得直接对地定)地面采样点,自位的(Georeferenced从1988年斯图加特大学的研究人员尝试集成激光雷达仪、GPS与惯性导航系统进行测绘开始,激光雷达技术不断进步,扫描频率从2kHz增长至250kHz,从只能记录单次回波到可以记录多次回波乃至进行全波形)观测,精度从几分米(Full-waveform

使得扫描数据可直接用于大比例尺数字高程模型的生产,事实证明激光雷达技术在我国地形测绘中具有广阔

升至几厘米,点密度达到20~50点/米2,载激光雷达仪获取的点云数据的采

样点密度和精度存在差异,对于利用这些平台获取的点云数据的处理过程却是相似的。

38

地理信息世界

GEOMATICSWORLD

2011.04No.2

激光雷达数据处理-信息提取与应用

国际摄影测量与遥感动态专题

率),利用渐进算法(如基于聚类的分割法和区域增长算法)进行分割。基于Vector聚类的分割法通过向量量化(Quantization,VQ)技术把局部几何/辐射特征参数相似的数据归为一类。该算法首先定义扫描点的几何或者辐射量测特征,在此基础上依据一定的规则对属于不同聚类的点进行分割。区域增基于空间邻近和几何相似性度量(法坡度、曲率等)对事先确定的种子向量、

表面进行增长以实现数据分割。

多数基于局部表面估计的分割算法的中心思想是将无结构的点云数据划归为空间离散的具有几何共性的面片,然而许多地物(如草、树叶)因为透射激光脉冲而无法在该框架下进行描述,因此需要研究更为通用的算法。机器视觉领域的研究人员通过谱分析方法统计离散扫描点的局部3维几何特征(点、线、面特征),在监督学习的框架下利用高斯混合模型(GaussianMixtureModels,GMM)、马尔可夫随机场(MarkovRandomField,MRF)等方法对点云识别进行建模,采用贝叶斯分类器和图切割等算法实现点云数据的自动分类识别。

对8个研究小组提出的滤波器的滤波性能进行了比较。其中的6个研究组分别使用了动态轮廓算法(activecontours)、规则化方法(Regularization)、逐层修改块最小值算法Method

(HierarchicalModifiedBlockMini-mum)、样条插值算法(splineinterpo-lation)、渐进不规则三角网加密算法稳健插值方法(hierarchicalrobustin-terpolation),另有两个研究小组使用了改进的基于坡度的滤波器(modi-)。研究认为从整fiedslope-basedfilter

体滤波效果看,基于局部表面估计的滤波算法表现最好,所有参与研究的滤波器对光滑平整的村野地区扫描数据的滤波效果良好,而对城市和植被覆盖区等复杂环境的扫描数据的滤波效果较差,点云滤波器未来的研究方向在于引进其他数据源以改进滤波精度、研究能够评估滤波精度和效果的自检滤波器以及能够对多种地物实现滤波和分类的算法。

JonathanShewchuk等学者提出的基于高效内存和磁盘I/O读写技术的流方式DEM生成方法(StreamingDEMGeneration)为解决这个问题提该方法利用扫描数据生成供了思路。

测区的Delaunay三角网,通过在此过程中加入空间完成标记(SpatialFi-nalization)程序能够只对尚未处理的数据块进行读写,从而有效控制了内存和硬盘临时存储的使用量,使得算法能够一次性处理超大数据量的点云数据并生成一致的DEM产品。近几年兴起的全波形激光雷达可以记录激光脉冲后向散射回波信号的完整波形,已被广泛应用于林业和植被然而当前针对全波形激光雷达分析。

数据的研究只使用了部分回波信号,由于需要提前校正,回波的强度和幅度信号很少被使用。此外,利用从回波的波峰提取的信息刻画扫描场景特征的关键在于理解地物的几何和辐射特性分别对回波信号的影响。但是获取的波形信息是地物几何和辐射特性的整体反映,因此如何对回波信息中物体几何、辐射特性信息进行)已经成为去相关处理(Decorrelation全波形激光雷达数据处理领域的重要研究课题。

)和逐层长算法首先在点云中选取种子表面,(progressiveTINdensification

2

2.1

激光雷达应用

数字高程模型

对于机载激光雷达,通过处理观

1.2点云滤波

与点云分割和识别不同,点云滤

测数据获取数字地面模型是最重要数字摄影测量难以获取的应用之一。

森林覆盖地区的DEM,而激光脉冲可以穿透植被冠层,反射的回波信号可用于生成林区和其他植被覆盖地区的DEM。激光雷达极高的采样点密度有利于全自动提取地面信息,然而由于受到内存容量的限制,普通计算机难以将整个测区数据(通常高达如果将数据分块,逐块计算DEM,最终需要对相邻数据块的DEM进行拼接和纠正。北卡罗莱纳大学的MartinIsenbrug和加州大学伯克利分校的

2.2建筑特征的几何重建

经过分割和识别的点云数据可用于物体的3维重建。PuShi提出了利用语义信息在点云中提取建筑部件和重建建筑立面的方法,通过建筑部件的尺寸、方向以及拓扑关系定义语义特征约束,该方法能够在一定程屋顶、窗、门、凸起、凹进度上提取墙、

的推理规则适用于规则建筑物立面重建,目前还无法识别结构复杂的建筑物的点云数据并加以重建。

波是利用滤波器/滤波算法滤去不感兴趣数据的处理过程。2002年ISPRS第三委员会第三工作组发起了一项针对多种滤波算法滤波效果的比较研究,要求滤波器对非地面点该研究旨在评估数据进行滤波处理。

各种滤波算法的精度、采样点密度对滤波精度的影响以及滤波算法未来的研究方向。研究结果最早以报告的形式发表在2003年10月份在Dres-den召开的学术研讨会上。2004年该项目研究人员从定性和定量的角度

但由于该方法依赖几十GB)一次性读入内存进行处理。等多种建筑特征。

(下转第52页)

2011.04No.2

地理信息世界

GEOMATICSWORLD

39

激光雷达数据处理-信息提取与应用

学术研究

IEEEInternationalGeoscienceandRe-moteSensingSymposium(IGARSS’01),2001,3,1191-1193.

[10]Li,Y.,Xu,L.Ablindwatermarking

ofvectorgraphicsimages[C]//Proc.Fifth

International

Conference

on

Watermarking2DVectorMapsintheMesh-spectralDomain[C]//ShapeSeoul,Kore-ModelingInternational,a,2003:216-228.

[12]WuBaiyan,WangWei,MiaoDandan.

2DVectorMapWatermarkingbasedontheSpatialRelations[C]//ProceedingofInternationalConferenceonEarthOb-servationDataProcessingandAnalysis(ProceedingsofSPIEVolume7285,

(此文获中国测绘学会2010年“吉威青年优秀论文二等奖)源杯”

2008-12).Wuhan,China,2008.[13]WuBaiyan,WangWei,PengZhiyong,

DuDaosheng.Anewalgorithmforwa-termarkingbuildingpolygons[C]//Inter-nationalconferenceonDigitalImageProcessing

(ProceedingsofICDIP

ComputationalIntelligenceandMulti-mediaApplications(ICCIMA2003),2003,424-429.

[11]Ohbuchi,R.,H.Ueda,S.Endoh.

2009,2009-3).Bangkok,Thailand.

(上接第39页)

Vosselman针对机载点云数据提出了基于图匹配(GraphMatching)的屋顶重建算法。该方法事先通过对常见屋顶的拓扑结构进行分析,建立与然后屋顶结构一一对应的图模型库。将分割算法分割出的面片表示为图模型的节点,空间相邻面片之间的拓扑关系用图模型的边表示,从而利用在准确图模型描述屋顶的拓扑结构。建立分割面片的拓扑关系和屋顶模型库里包含扫描区内各种屋顶模型描述的前提下,算法通过在图模型库中对临时生成的图模型进行模式匹配,并搜索与之对应的屋顶结构,从而实现对建筑屋顶的3维重建。

英国伦敦大学学院高险方案的制订。

等空间分析中心(CentreForAd-vancedSpatialAnalysis,CASA)利用机载激光雷达数据结合地块矢量数据生成3维城市模型,可以进行复杂的洪水淹没分析以及对汽车空间查询、

尾气扩散的建模和分析。电力巡线是目前国内大量应用激光雷达技术的工程作业项目,激光雷达技术能有效解决传统作业方法依赖人工目视判读、作业受天气、地形及交通因素影林业部门同样可以利用机响的问题。

载激光雷达数据进行林业调查和监测。实际上,对全波形激光雷达系统的最早实验正是针对林业应用。如今全波形激光雷达的林业研究和应用已经日趋成熟,林业部门可以用全波形激光雷达数据对森林参数进行建模和分析,估计林地生物量和进行碳循环研究。

这渐发展。在测绘和相关生产部门,项技术还有许多应用有待探索和挖掘,而由此产生的数据处理、信息提取及应用等一系列问题需要众多学科的研究人员共同努力加以解决。激光雷达理论研究在国内尚处于起步阶段,需要大量科研工作者和生产技术人员通过科学研究和生产实践的密切结合,来促进激光雷达技术更好地为相关领域的信息化服务。

参考文献

[1]郭薇,詹平,郭菁.面向地理信息系统的三维空间数据模型[J].江西科学,1999,17(2):77-83.

[2]龚健雅,夏宗国.矢量与栅格集成的三维数据模型[J].武汉测绘科技大学学报,1997,22(1):7-15.

[3]李德仁,李清泉.一种三维GIS混合数据结构[J].测绘学报,1997,26(2):128-133.[4]边馥苓,傅仲良,胡自锋.面向目标的栅格矢量一体化三维数据模型[J].武汉测绘科技大学学报,2000,25(4):294-298.[5]路明月,何永健.三维海量点云数据的组织与索引方法[J].地球信息科学,2008,10(2):190-194.

[6]梁思成.清式营造则例[M].北京:中国建筑工业出版社,1981.

[7]周培德.计算几何:算法设计与分析[M].北京:清华大学出版社,2005.

2.3其他行业应用

激光雷达技术除了在地形测绘

中有广阔的应用前景,对于应急响应、城市规划、国土安全、交通运输、公共事业管理和环境监测部门而言也具备巨大的应用价值。汶川地震震后,震区出现多处滑坡和堰塞湖,利用机载激光雷达获取的DEM为有关部门提供了高精度堰塞湖流域的基础数据,辅助专家在短时间内准确快速地判读出滑坡的位置和体积,有效地支持了地质灾害的风险评估和排

3结论

无疑,激光雷达技术未来将向着自动化和智能化方向发展。像许多工程科学技术一样,激光雷达的理论研究在解决生产实际问题的过程中逐

52

地理信息世界

GEOMATICSWORLD

2011.04No.2

本文来源：https://www.bwwdw.com/article/s5s4.html