機(jī)載激光雷達(dá)點云數(shù)據(jù)濾波方法研究.pdf

1、機(jī)載激光雷達(dá)技術(shù)(Airborne Light Detection And Ranging，簡稱LiDAR)已成為一種新型空間數(shù)據(jù)獲取手段，利用激光測距技術(shù)、高精度動態(tài)載體姿態(tài)測量技術(shù)和高精度動態(tài)GPS差分定位技術(shù)獲取各激光腳點的空間三維坐標(biāo)及反射強(qiáng)度等信息。LiDAR為主動式遙感，其數(shù)據(jù)采集對天氣、季節(jié)以及時段要求較低，可快速獲取地表空間信息。數(shù)字高程模型作為基礎(chǔ)測繪數(shù)據(jù)，在地學(xué)分析等方面扮演中重要的角色，機(jī)載LiDAR已成為快速獲得

2、大范圍高精度DEM的重要手段。
　　本文首先介紹了常用的濾波算法，并總結(jié)了濾波算法的精度評定方法，詳細(xì)地介紹了定量分析中評價方法及評價指標(biāo)。對涉及到濾波的相關(guān)問題進(jìn)行了論述和分析，例如:首末回波的選擇、點云密度與柵格大小的確定、數(shù)字高程模型的確定等，得出:末次回波更有利于濾波處理，能夠充分利用LiDAR的穿透性;適當(dāng)?shù)狞c云密度可提供點云數(shù)據(jù)的濾波精度，但過高的點云密度則造成數(shù)據(jù)冗余，降低濾波效率且對濾波精度并無提高;部分算法在濾波

3、處理的過程中可生成DEM，但是該DEM是基于濾波設(shè)計并非最優(yōu)，故需對激光腳點進(jìn)行判斷，然后利用成熟的內(nèi)插方法生成數(shù)字高程模型。
　　機(jī)載LiDAR的視場角比傳統(tǒng)攝影測量相機(jī)小，且航高較低，數(shù)據(jù)容易存在掃描漏洞;同時由于房屋遮擋及水體吸收也會產(chǎn)生數(shù)據(jù)空洞。許多濾波算法是基于柵格數(shù)據(jù)對點云數(shù)據(jù)進(jìn)行濾波，故在濾波前需進(jìn)行點云數(shù)據(jù)柵格化。本文系統(tǒng)總結(jié)了點云柵格化的流程，對現(xiàn)有的大面積數(shù)據(jù)缺失的填充方法進(jìn)行分析，提出了基于地形的填充方法，實

4、驗結(jié)果表明:地形填充可適應(yīng)不同原因造成的區(qū)域數(shù)據(jù)缺失，能夠有效地保證高程的連續(xù)性并可保證濾波精度。
　　橋梁作為交通樞紐，是連接間隔地面的構(gòu)筑物，其與地面有著諸多相同的特性。橋梁屬于非常重要的地物類型，部分濾波算法將橋梁保留，而部分則將其移除。為了增強(qiáng)地面點的可信度并滿足不同用途的需求，因此將橋梁提取并根據(jù)實際需求予以移除或者保留。本文在對形態(tài)學(xué)濾波和區(qū)域生長濾波研究的基礎(chǔ)上，通過橋梁特點的歸納和分析，提出了一種基于形態(tài)學(xué)濾波和區(qū)

5、域生長濾波的差異性進(jìn)行橋梁探測的算法。該算法不受橋梁的形狀限制，橋梁可分叉、無需平行和等寬，甚至在部分橋梁數(shù)據(jù)不完整的情況下也有效。
　　對多尺度形態(tài)學(xué)濾波進(jìn)行改進(jìn)，根據(jù)結(jié)構(gòu)元可能對應(yīng)的地物類型進(jìn)行高差閾值的選擇，同時在濾波過程中顧及了結(jié)構(gòu)元與濾除地物的形態(tài)特征（面積、寬度等）。針對基于形態(tài)學(xué)濾波存在的過度腐蝕地形，以及基于區(qū)域生長濾波需要大量地面種子點的現(xiàn)象，提出了一種從粗到精的兩級濾波策略。首先對LiDAR點云數(shù)據(jù)進(jìn)行改進(jìn)的多

6、尺度的形態(tài)學(xué)濾波（“粗濾波”）得到粗略DEM，由此可提供大量的地面種子點用于區(qū)域生長（“精濾波”），從而得到精細(xì)DEM。該濾波算法所需參數(shù)較少，精度不受最大濾波窗口影響，僅與生長高差相關(guān)，較單獨(dú)形態(tài)學(xué)濾波精度有明顯的提高。利用ISPRS提供的濾波數(shù)據(jù)進(jìn)行測試，所有樣本的整體濾波精度達(dá)到總誤差3.51％和Kappa系數(shù)87.70％，結(jié)果表明:基于形態(tài)學(xué)與區(qū)域生長的LiDAR點云數(shù)據(jù)濾波算法的精度優(yōu)于當(dāng)前的多種算法，對地形適應(yīng)較強(qiáng)，可有效地