粤西高密度山区DEM生产中机载LIDAR点云数据处理方法研究

崔珍珍， 孟 蕾， 周碧莲

(广东省国土资源技术中心，广东 广州 510075)

1 引言

粤西地区人口密度稀疏，山脉、水库、水田丰富，存在大片树林等多层次且高密度植被覆盖区域，给现有的地形测绘方法带来严峻挑战。采用GPS等常规地面测量方法，存在难以到达、施测困难、电子信号屏蔽等问题。近几年，随着机载激光雷达硬件系统的快速发展，其产生的点云数据也变得更加精确且数据海量，成为生产DEM很好的数据源。LIDAR系统采集的三维点云数据中存在大量的非地面反射点，因此无法直接获取测区高精度数字高程模型，所以需要通过滤波解决这个问题。根据滤波的发展方向，主流滤波算法分为三类：一是基于三维空间信息的方法，如自适应三角网法(ATIN)、多尺度曲率法(MCC)、数学渐进形态法(PM)、坡度分析法等；二是基于回波强度的分类方法；三是基于点云与影像融合的方法。在机载激光雷达点云数据的处理研究中，研究人员已经开发了许多滤波算法，但是在对场景比较复杂的点云数据处理时，这些滤波算法依然存在一些不足，这时需要人工干预进行手动滤波。在进行实际生产时，需要根据测区实际情况，找到一种效果较好的滤波方法。本文在对多测区山地地形地貌进行分析测试的基础上，提出一种多组合重迭代地面点云滤波算法，即融合形态学与自适应三角网滤波并结合山脉山谷山脊进行分块快速拟合滤波方法。

2 点云数据处理流程

DEM生产制作方法依赖于采用的数据源，以机载LIDAR点云数据为例，生产流程见图1。

图1 点云生产DEM流程图

3 试验结果分析

3.1 实验数据

采取的数据为粤西地区38带从化市某地区数据，测试数据面积为450 m×390 m，单次回波703 184次，多次回波首次395 354次，多次回波末次395 221次。测区最小Z值220.750 m，最大为343.530 m。参考影像为国家第三次土地调查获取的分辨率为1 m的高光谱遥感影像。影像显示此测区由高密度林木遮挡，且山势陡、山沟密度较大(见图2)。

图2 部分测区遥感影像示意图

3.2 滤波方法

(1)渐进三角网滤波方法。国内常用MicroStation平台上开发的Terrasolid软件进行滤波，其算法为Axelsson于2000年提出的一种基于不规则三角网(TIN)的渐进加密，该方法先通过格网方式将测区的点云分块，然后选取每个格网中的最低点作为初始种子点，组成一个大的稀疏的TIN，再按照一定的距离和角度阈值判断其他的点，逐步加密得到一个最终的三角网模型。这种算法的适用性取决于参数的设置是否符合地形特点，而合适的参数配置耗时较多，此算法对曲面不连续性的检测较敏感，适用于城市区域的滤波。而对于本测区高密度山脉和高覆盖度植被山体场景，在实际作业中往往需要花费大量时间进行参数调试。

(2)基于形态学滤波方法。这种滤波方法首先通过分析窗口内水平分布的记录点，将其设为初始地面，设置一个阈值，并将所有与该地面在某一距离范围内的点都作为地面点，然后采用自回归过程检验运算结果，这种方法很容易扩展成二维离散数据。

(3)本文采用的优化滤波方法。本文使用TerraSolid滤波软件，地形形态学法与渐进三角网法相结合的局部滤波算法模块工具进行数据快速精分，对山谷、山脊、建筑区分类别进行数据重滤波操作，实现山体结构快速TIN重建。结合作图经验，总结出一套适用于粤西高密度山脉复杂场景的处理流程，见图3。

图3 本文滤波方法生产DEM流程图

本文采用融合形态学自适应分块拟合的方法进行数据粗滤波，再结合地形特点开发出针对山谷和山脊两种地形的局部地形恢复工具。山谷和山脊一般呈现倒锐角三角形和正锐角三角形特征，首先将山谷山脊的区域标记出来，在选定山谷山脊地形范围内可以快速找到局部最低点，设为临时地面点，再与已定坡面点构造出锐角三角形，再在圈定距离与坡度范围内采用随机适应匹配原则，匹配出邻域地面点，逐步匹配直到区域内所有点都被搜寻到。

3.3 数据验证

(1)滤波三角网效果对比。取粤西某部分数据，采用三种不同算法进行滤波，构造Delaunay三角网，三者滤波后地形渲染效果对比如图4。

图4 三者滤波后地形渲染效果对比图

从上图中可以明显看出，基于形态学的滤波方法比单独使用自适应三角网法得到的山地地形好，具体表现为：在可以保持山形情况下，去除了较多噪点云集。多组合重迭代的滤波方法对于自然地形的恢复效果最佳，且滤波得到的地面点云密度也明显比前两个算法要大。

(2)DEM成果精度分析评价。DEM的高程误差来源于三个方面：点云数据本身的高程(大地高)误差；高程系统转换的误差，即似大地水准面精化误差；插值对DEM高程精度的影响。点云高程误差主要通过外业打点来计算获取。将拟合后的DEM与RTK外业实地采集点高程数据进行精度检测，分别计算三种数据的高差中误差。经计算，三种滤波方法得到的DEM与RTK采集点比较得到的Z值均方根误差见表1。

表1 三种滤波方法得到的DEM与RTK精度比较

4 结论

(1)提出了融合形态学自适应分块拟合迭代滤波算法，成功解决了粤西部分山区高密度植被与山脉密集场景地形中植被点云智能化剥离难题，为高精度内业生产提供良好的滤波基础数据，减少内业作业时间，从而减少因作业员专业素质导致的错分漏分。

(2)不同算法最佳适用的地形不同，研究显示，针对不同地形特点，采用针对性的滤波算法，可以有效分离出地面和非地面点。

(3)低空机载LIDAR技术应用于粤西植被高覆盖、高遮挡、高密度山区地形测绘，具有高精度、高效率、高自动化等显著优势，革新现有的测绘手段。