英语原文共 5 页，剩余内容已隐藏，支付完成后下载完整资料

基于多尺度高差差值分析的地面过滤雷达数据

Pejman Rashidia，Heidar Rastiveisa, *

伊朗德黑兰德黑兰大学工程学院测量与地理空间工程学院 - （pejman.rashidi，hrasti）@ ut.ac.ir

关键词：DTM，LiDAR点云，滤波

摘要：

将点云分离为地面点和非地面点是从LiDAR数据集生成数字地形模型（DTM）的必要步骤。在此研究中，提出了一种基于多尺度高差阈值分析的方法对LiDAR数据进行地面过滤。 该方法利用三个不同大小的小窗口，平均窗口和大窗口来覆盖整个LiDAR点云，然后利用高差阈值在各个局部窗口内将点云分离为地面和非地面。同时，根据地表的物理特性和物体的大小考虑窗口大小的最佳阈值。 此外，每个窗口中的对象高度的最小值选作高度差阈值。 为了评估所提算法的性能，应用了城乡地区的两个数据集。 农村和城市地区的总体准确率分别为96.06％和94.88％。 这些滤波结果表明，所提出的方法可以成功地过滤来自LiDAR点云的非地面点，尽管有数据区域。

1、前言

近几十年来，航空探测和测距（LiDAR）已被证明对快速收集地面和非圆形物体的三维坐标（Rabbani和Van Den Heuvel 2005; Rabbani等人2007; Filin和Pfeifer 2006）有用。同时，与传统的现场测量和摄影测绘制图相比，LiDAR具有几个优势，例如，在大面积上获得垂直信息的成本效益，在任何天气下获得更高的准确性和收集信息（Meng et al。2009; Li et 2014）LiDAR的一个重要产品是裸地的数字地形模型（DTM）（Rottensteiner et al。2002），它是指示地球表面空间分布的三维模型（Quan et al。2016）。 在从LiDAR数据生成DTM时，第一步是分离地面和非地面点，这个过程称为过滤（Li 2013）。在过去的二十年中，已经开发了许多DTM生成方法，但是对于过滤LiDAR数据还有很多挑战。 可以混淆一些地面过滤算法的最重要的特征涉及灌木，桥梁和复杂的混合覆盖（Meng，Currit和Zhao 2010）。为了确定地面点，有一些方法可以与原始LiDAR点云或网格高程值一起工作（Sithole和Vosselman 2004）。 使用原始LiDAR点云具有某些优点如需要较少的预处理，并避免插值引入的误差（Meng et al。2009）。现行的过滤LiDAR数据方法的潜水员目前已经被提出。过滤算法的数量基于相邻点之间线段的斜率（Wang and Tseng 2010）提出了一种结合了基于斜率和区域特征的滤波算法，在城市地区过滤LiDAR点云的方法。但是，这种综合方法的结果并不能保证在密集的城市地区运行良好。一些滤波算法通过创建具有一定角度和距离约束的不规则三角形网（TIN）来搜索相邻点（Uysal和Polat 2014）。该算法假设裸露地面区域通常是光滑的表面，在地形表面没有尖角（Meng，Currit和Zhao 2010），假设了一个基于主动TIN的模型，并利用TIN表面迭代估计地表。该算法根据高程差和角度与最近的三角形稳定地移除非地面点。有许多基于形态学方法的算法用于过滤LiDAR点云。 在这个算法中，典型的过程包括基于核算子的开放，关闭，扩张和侵蚀（Liu，2008）。 Arefi和Hahn（2005）开发了一种基于测地线膨胀和改变窗口大小的形态学方法，以逐渐消除非地面点。 他们的结果表明，选择窗口大小对于移除不同尺寸的物体至关重要。从上述研究可以得出结论，尽管已经提出了几种用于LiDAR点云过滤的方法，但是还没有开发出能够完全消除来自LiDAR数据的所有对象的强大方法。 因此，LiDAR数据滤波可以称为摄影测量和遥感中的一个开放问题。 在本研究中，我们提出了一种基于多尺度分析的原始LiDAR点云高差阈值滤波LiDAR数据的新方法。 不同大小的窗户包括三个窗户，第一个窗户可以移除小型非地面物体（如灌木），但第二个窗户是小窗户和大窗户的平均窗户，可以消除车辆等中等大小的物体。 而且，大窗户可以移除大型非地面物体，例如建筑物。 根据物理特性，地面和物体的大小，考虑最佳阈值。 在下文中，文章解释了该算法的基本过程，并给出了从其实现中获得的结果和分析。

2、实现方法

在此研究中，提出了一种基于多尺度分析的原始LiDAR数据滤波LiDAR点云的新方法。 该方法的流程图如图所示。 从该图可以看出，在预处理中去除异常值后，计算一些参数。 这些参数包括窗口大小和高度差阈值。 之后，通过三个主要步骤完成过滤：平均值和窗口的大小。 以下部分将介绍所提议的方法的主要步骤。

过滤LiDAR点云的方法的流程图

原始LiDAR点

云

预处理

参数设置

高程阈值

预处理

在这项研究中，在预处理步骤中，应将异常值从数据中删除。 在LiDAR数据中，异常值是具有异常高程值的点，或高于或低于包围点。 通常包括随机误差并且可以由鸟类或飞机产生的高异常值通常可以在过滤过程中被消除，因为它们可以被假定为非地面物体（Meng et al.2009）。 而低的异常值低于地球表面，可能是反射激光返回的几倍。 这些异常值可能会严重影响过滤结果，因此应在预处理步骤中将其从数据中去除（Li 2013）。在这个提出的方法中，一个局部窗口被考虑并且如方程（1）中可以看到的那样，灰度值 1 ...?按功能sorted排序。

?

2.2.参数设置

在预处理步骤之后，计算一些参数以识别不同的对象。 很明显，在LiDAR数据中有很多具有不同大小和高度的物体。 因此，我们应该从对象获得足够的信息来过滤LiDAR数据。为了找到物体的类型，考虑三个具有不同尺寸和高度阈值的窗户。 第一个窗口是小窗口，适用于去除树木和灌木等小物体，因此所有数据集的小窗口大小通常相同。 最后一个窗口是大窗口，用于去除诸如建筑物和桥梁等大型物体。 大窗口的大小基于LiDAR数据中最大的对象。 第二个窗口是平均窗口，适用于识别小尺寸和大尺寸之间的物体，如车辆。 平均窗口的大小基于大小窗口大小之间的平均值。在提出的方法中，为了过滤城市和农村地区的LiDAR点云，每个窗口大小都有一个高度阈值。 在这项研究中，每个窗口中物体高度的最小值选作高度差阈值。 因此，在每个窗口中，应计算窗口大小和高度差阈值。

2.2.3.高度差阈值

在这项研究中，为了过滤LiDAR点云，计算局部窗口中所有点与最小高程点之间的高程差，因此在窗口阈值步骤中去除了与邻近范围相比更高的高度。 图中更详细地描述了过滤的主要步骤。 在对灰度值进行排序后，所有点与点灰度值的平均值进行比较。 然后，相对于预定义的阈值，低于平均值的点可能是异常值，并且将从数据中移除。

多尺度分析高度差异的决议

原始LiDAR点

参数

小窗口

过滤

平均窗口

过滤

大窗口

过滤

接地点

3、数据类型

在这项研究中，为了评估所提出的方法的性能，两个数据集在农村具有不同的空间分辨率和市区进行了测试。 这些数据集的详细信息将在以下各节中介绍。

农村数据集

第一个数据集是国际摄影测量和遥感学会（ISPRS）提供的基准数据集，本文选取sample_61作为农村测试算法。 此外，ISPRS使用半自动和手动过滤识别景观和航拍图像来提供参考数据集（Chen et al。2013）。 该样本包含35060个植被点和数据差距较大的点。 同时，该样本被选作植被较小的低分辨率数据。 此外，该地区也有地面变化。 该样本的LiDAR点云如图所示。

城市数据集

在本研究中，为了更好地评估算法，选择了一个在城市地区具有高分辨率的新数据集。 该数据集由IEEE 2015提供，并在比利时Zeebruges的城市地区进行剪切，平均点密度为65点/米2，这与约10厘米的点间距有关。 另外，这个样本的基本事实是由专家手动生成的。 该样本的LiDAR点云如图所示。4.从这张图中可以看到，这个数据集涵盖了各种地形类型，包括不规则形状的建筑物，偏心屋顶，道路，车辆和植被。

4、实验和性能评估

在这项研究中，所提出的方法使用MATLAB R2015b实现。 在下文中，结果已经被讨论和评估。

验证过滤

该算法通过ISPRS和IEEE数据集进行测试，以评估该方法在农村和城市地区的性能。 首先，在预处理步骤中，从LiDAR点云中移除较低的异常值。 为此目的，基于在10米大小的原始LiDAR数据上考虑的所有点上的漫游窗口。 然后，在每个局部窗口中，在对灰度值进行排序之后，对于农村地区5米和城市地区10米的预定义阈值，低于平均值的点可能是异常值，并将从数据中移除。对于接下来的步骤，使用两个参数来测试算法，包括每个小窗口，平均窗口和大窗口的窗口大小和高度差阈值。 表1总结了在使用两个数据集测试算法时应用的参数。

过滤原始LiDAR数据的参数值

在本研究中，为了评估所提出的方法的效率，使用基于简单混淆矩阵的错误类型I，错误类型II和准确性的三个指标。 这些方程可以在等式（2），（3）和（4）中观察到。 表2列出了混淆矩阵的结构。

混淆矩阵的结构

所提出的滤波方法的结果如图所示。 5.从图中可以看出。 在图5（a）中，所提出的方法在过滤农村LiDAR数据方面表现出很高的性能

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[24990]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 基于具有短时间基线的图像子集序列的永久散射体GB-SAR干涉法微形变监测：隔河岩大坝实例研究外文翻译资料
• 动态环境下RTK与PPP技术的对比分析外文翻译资料
• 在山地环境下进行水位提取的雷达和激光雷达测高任务的性能评价：以瑞士湖泊为例外文翻译资料
• 通过太空携带的激光测高法测量内陆水位：验证和比较在五大湖和密西西北河下游的三个任务外文翻译资料
• 虚拟三维城市建模技术与应用外文翻译资料
• 遥感影像变化检测方法研究进展分析外文翻译资料
• 数字高程模型的精度评估外文翻译资料
• 基于POI数据的城市中心识别与优化策略研究——以青岛市四区为例外文翻译资料
• 煤矿GPS沉陷监测技术及其应用外文翻译资料
• URTK:无差异网络RTK定位外文翻译资料