机载三维激光扫描点云非地面点剔除算法

　　1　引言

　　机载LIDAR(lightdetection and ranging)是近年发展起来并广泛应用于三维地面信息采集的新型遥感技术,相比于传统摄影测量技术,机载LIDAR能够自动快速地获取高精度、高密度的地球表面三维坐标信息,并在城市三维重建、海洋、森林、大气探测、地形测绘等领域具有重要的应用。在机载LI-DAR所获得的三维点云数据处理中,一个重要的步骤就是将点云数据中地面数据和非地面数据分离开来,为后续数字地面模型的建立和建筑物重建等做准备。这个过程,即为点云数据滤波。

　　目前,已有很多文献进行过关于点云数据滤波算法的研究。主要包括以下几类:基于数学形态学的滤波算法[1, 2]、聚类或分割方法[3, 4]、拟合方法[5]、基于坡度的滤波方法[6-10]等。但是每种算法都有其自身的缺陷,现针对基于坡度的扫描线滤波方法存在的问题进行讨论。Sampath[8]首先提出基于坡度的一维双向标明的滤波算法,该算法利用坡度及高差的限差来区分地面点与非地面点。但该算法没有考虑整个区域的地形坡度,所以会导致同一地形在相邻扫描线之间存在不吻合。管海燕[10]对Sam-path的算法进行了改进,考虑整个区域的地形坡度,在滤波过程中又加入了一个最大地形坡度的限差,提出一种以机载激光雷达扫描线为基础的一维地形特征提取与局部参数化表面拟合调整相结合的滤波算法。不过,该算法只是针对线扫描方式的点云数据,且处理前需进行极低点去除的预处理。为了避免预处理,并能够针对不同扫描方式的点云数据进行滤波处理,提出基于坡度的伪扫描线滤波方法对点云数据进行滤波处理,然后再用移动窗口曲面拟合滤波方法进行调整,最终将地面点和非地面点分离开。

　　2　基于坡度的伪扫描线滤波算法

　　一维双向标明法也叫一维地形特征提取法[10],主要针对线扫描方式,因为这种扫描方式的点云数据是按扫描的顺序存储的,每两个相邻点都是实际地表的相邻点,所有数据按存储顺序连线后,实际坐标位置连续呈“Z”字型线条。一维双向标明法就是将LIDAR原始数据按扫描线的实际顺序拆分成一行行的线状数据进行滤波的。

　　其原理为:激光扫描点云中的任意一点Pi,若在Pi邻域内高程差dZi小于给定的阀值Limt_dZ,且坡度Slopei小于其给定的阀值Limt_Slope,则Pi认为是地面点,反之,就是非地面点。分类函数为[10]:

其中, 0表示地面点, 1表示非地面点。

　　给每条扫描线上点都赋予两个标识记号ai,LtoR和ai,RtoL,分别用于临时标识的地面点和非地面点。首先沿扫描线从左至右依次处理激光点,并且假设扫描线上的第一个点为地面点,即a1,LtoR=0,然后计算P1与P2的高程差与坡度。若满足给定的阀值,则P2为地面点,并且临时标识记号a2,LtoR=0;反之为非地面点a2,LtoR=1。再将P3与P2比较,依此类推,直至扫描线上的点全部处理完为止。然后再沿扫描线从右至左按同样的方式再处理一遍,用临时标识ai,RtoL进行表示。将两次扫描结果取和,若Pi点的ai,LtoR与ai,RtoL都标识为地面点,则Pi为地面点;若ai,LtoR与ai,RtoL任何一个标识为非地面点,则Pi为非地面点。即[10]: