淺析激光雷達（LiDAR）技術應用于公路數字地面模型

發布日期：2019-08-23 00:00 瀏覽量：14563

高速公路建設的快速發展，導致了發達地區早期建設的高速公路過早進入準飽和狀態，降低了道路的服務水平，直接或間接地影響了沿線經濟的發展。進入21世紀以來，我國早期建設的高速公路不少已經開展了改擴建工程的研究，并取得相應的成果。高速公路改、擴建的相關基礎數據的獲取成了公路設計單位的一項繁重工作，特別是路面的三維數據采集方面更是重中之重。

一、激光點云濾波

1、激光點云濾波的定義

激光雷達(LiDAR)是集成激光測距技術、計算機技術、慣性測量(IMU)技術與GPS技術于一體的全新的測量技術手段，在進行LiDAR數據處理時，一個必要的前提就是給定一個規則來區分地面點和非地面點。LiDAR點云的濾波就是要從原始的LiDAR數據中濾掉非地面點，保留有效的地形信息。濾波是處理LiDAR數據的關鍵。

近年來，國內外專家學者進行了很多相關研究，一般是基于以下兩種情況：

(1)基于回波強度信息的濾波算法

由于目前很多激光雷達系統都能返回回波強度信息，有些算法就根據回波強度信息來進行濾波，根據回波強度信息繪出曲線圖。然后利用波峰法，計算出閾值，作為區分地面點和地物點的界限。但是由于回波強度接收受其它因素的影響，如掃描角度，不同地物對激光的反射強度相近等影響，造成回波的強度信息受到干擾，地物和地面之間的回波強度閾值很難確定，所以單獨使用這種原理的濾波算法越來越少。

(2)依據高程值的濾波算法

我們假定地物點高程總是大于地面點高程，所以可以設置某一個閾值，大于該閾值的就視為地物點，小于該閾值的視為地面點，以此建立DTM模型。目前絕大部分濾波方法都是基于三維激光數據的高程突變信息進行的，通過建立一定的模型進行濾波。

2、常用激光點云濾波算法

（1）數學形態學

數學形態學起源于集合理論，并且被廣泛地運用在圖像處理等技術中。數學形態學的基本思想是用與原始圖像在尺寸和形狀上有相關性的“結構元”在原始圖像中檢測圖像集合結構，獲得原始圖像的尺寸、形狀、連通性、凸凹性、平滑性以及方向性等信息。

數學形態學“結構元”窗口分析的基本運算有腐蝕運算、膨脹運算、開運算和閉運算。在進行點云數據分類時，采用數學形態學方法對激光掃描數據進行開運算，然后過濾激光點云數據，即選定一個一定大小的“結構元”窗口后，窗口內最低的點就認為是地面點，高程值超出該點一定范圍的其他點被認為是非地面點，同時窗口內的地形特征也將被平整掉。該方法缺點是：在使用較大的窗口剔除面積大的地物時，該窗口同時也會剔除更多的地物點或者平整更多的地物特征。

因而采用固定大小的分類窗口是很難實現這種目的的。所以在分離地物信息時，開運算的”結構元”窗口由大及小。每次執行開運算后，比較目標點運算前后的高程差，高差超過閾值的點則為地物點。

（2）線性預測

線性預測是一種經典的LiDAR數據DEM提取算法，它在濾波的同時內插DEM，通過不斷的向初始較低的粗糙DEM中內插數據，不斷細化而實現DEM的提取。由于線性預測算法不需要確定激光點之間的嚴格的位置關系，也不需要人為設定精確閾值，算法的適應性好，處理精度較高，而被廣泛地采用，成為一種標準的LiDAR濾波方法。它將原始的點云數據分為小塊，用一個移動曲面來逼近局部區域的趨勢面，一般設為二次曲面。然后用原始數據中的每一點的高程值減去這點趨勢面的高程值，即為擬合的殘差。利用擬合殘差確定該點在下一次曲面擬合中的權重，這樣不斷迭代，判斷趨勢面的殘差是否達到精度且鄰接塊光滑。

這方法有一些缺陷：分塊大小固定，未考慮分塊方式的科學性、地形形態的適應性及相鄰分塊的光滑程度。算法易受低點誤差影響。假設高程較低的點為地面點，當數據中存在低于地面的奇異點時，會導致計算結果出錯。算法處理過程中需進行多次迭代，迭代過程中用整個數據集擬合趨勢面，計算效率較低。在森林和城鎮地區地面點較少時，很難估計出準確的地面。并且在城區中，當遇到地面突然沉降時，如地鐵的人口處，水井等會導致算法失效。

（3）三角構網法

TIN是一種重要的用來表示DTM的模型，經常用來存儲空間離散點之間的鄰近關系。基于不規則三角網(TIN)的方法，是基于二維鄰域搜索的方法，其計算量和算法復雜度相對較大。一般而言，由于高大建筑物和植被與其鄰近地物點之間形成明顯的高程突變，所以對于高程突變地物，算法的過濾效果較好，但是在過濾灌叢或是低矮的地面物體時，產生過大誤差。

3、舊路面激光點云濾波——基于掃描線的路面濾波算法基于掃描線的濾波是利用高程突變信息來區分地面點和非地面點。

其基本額思想是：兩點之間的高程差是由自然地形的起伏和地物的高度共同引起的。若兩個鄰近點之間的高程差越大，那么這個高度差是由自然地形引起的可能性就越小，更為可能的是較高點位于地物上，而較低點位于地面上。在平坦地區，掃描線濾波效果非常好，在地形比較陡峭地區，它的誤差也控制在較小范圍內。但是在高程變化比較劇烈的區域或是過濾大型物體時，通常用減少高程的閾值和濾波窗口的大小。目前，這兩個參數的選取還不能做到完全的自動化，還需要根據道路環境進行改進。

二、公路帶狀數字地面模型建模

公路、隧道、橋梁、堤壩等地物，在形態上呈現帶狀分布特征。其信息表達也要求體現帶狀分布的特征。根據帶狀地物空間形態特征以及車載激光掃描系統對帶狀地物數據采集的特點，利用相鄰兩條掃描線數據構建三角網而完成整個帶狀地物表面快速重建方法。

1、DTM生成的流程

對于濾波后的激光點云數據，使用何種方法使其構成DEM，也是LiDAR研究中的一個熱點。目前存在的DEM構建模型主要有：規則格網模型、不規則三角網模型等。其本質是將離散的激光點云數據通過一點的內插算法重采樣，形成規則格網或是不規則三角網，其中用于內插出規則格網模型的算法有：線性內插、距離倒數加權插值、徑向函數插值、三角網線性插值等圖6精化、簡化以及修補后的路面點云。

基于規則格網的DEM模型是目前通用的模型之一，目前很多軟件的DEM存儲就是以格網模型為基礎的。它的原理是把要建立DEM模型的區域分為許多個小的正方形網格，每一個網格將被賦予一個高程數值，這樣許多個不同高程的網格相連，就構成了起伏的地形特征。該模型的缺點是不能很好的表現山谷線、山脊線、斷裂線等特殊地區的詳細狀況，另外就是格網存儲的數據量大，對數據的查找和運算帶來很大的困難。

構建DEM模型的方法中，不規則三角網是其中最重要的方法之一，它是通過對離散的點數據構建許多個三角形來擬合真實的地面，它的特點是能夠很好的表現地形起伏的特點，特別是對山谷和三脊等特征線地區能夠很好的表現。

2、激光點云精化、簡化以及修補等

在掃描線中靠近地面部分，數據點非常密集，而路面又相對平坦。存在大量冗余數據，需要進行簡化，由于激光掃描儀垂直與帶狀地物的一個橫截面，相鄰或是相近掃描線數據具有相似性或相關性，依據這個特性，可以識別出路面的其他信息，并自動填補由于車輛等遮擋而造成的數據空洞。兼顧數據密度和地物局部細節特征，整體上可以用掃描線抽稀采樣的方式進行，對于每一掃描線依據下列準則進行：

掃描線上的一點，若其與前面保留數據點的距離或是與后面相鄰點間的距離大于某一個閾值，則保留該點；

對保留下來的點，若空間距離最近的兩點距離小于閾值，則合并這兩個點，取中點作為新的數據點。

3、生成Delauny三角網算法

Delaunay三角網具有以下性質：

性質1：唯一性，是指無論采用何種方法構網，最后得到的結果是一樣的。

性質2：空圓特性，是指每個Delaunay三角形都是選擇最鄰近的點構建三角形，也就是每個三角形的外接圓不包含其他三角形的點。

性質3：最大最小角特性，也就是三角形的最佳形狀特性，也就是任意兩個相鄰的三角形構成凸四邊形如果互換對角線，那么這兩個三角形中的6個內角中最小的角度不會變大。生成不規則三角網的算法可以分為三類：分治算法；逐點插入法；三角網生長法。

結論公路帶狀地形圖是舊公路改擴建設計的基礎數據，特別是公路及沿線的數字地面模型，傳統方法人工勞動強度大，且人身安全難以保障。將車載激光掃描測量技術直接應用于舊公路的DEM和DTM數據采集中可以獲取高精度、高密度的公路及周邊區域的三維激光點云并自動處理，大大提高了舊路勘測的效率。