多分辨率多層逐次加點LiDAR濾波算法
【專利摘要】本發(fā)明公開了多分辨率多層逐次加點LiDAR濾波算法。該算法包括三層濾波：在初始層，首先借助局部最小值法選擇部分地面點作為種子點，然后借助多面函數(shù)插值算法構(gòu)建一定分辨率DEM，再次計算每個采樣點與對應(yīng)DEM網(wǎng)格點高程差，最后將高程差小于初始設(shè)定閾值的點為標(biāo)定為地面點；重復(fù)上述過程直至沒有采樣點被劃分為地面點；在第二層及第三層濾波中，首先在前層基礎(chǔ)上將DEM分辨率提高一倍，并提高對應(yīng)殘差閾值，然后重復(fù)前層計算過程直至沒有采樣點被標(biāo)定為地面點，停止迭代，輸出地面點數(shù)據(jù)。本發(fā)明的平均計算精度稍高于自適應(yīng)TIN算法，遠(yuǎn)高于2004以前發(fā)展的7種濾波算法，且高于近年來發(fā)展的非參數(shù)逐次濾波等算法。
【專利說明】多分辨率多層逐次加點LiDAR濾波算法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種多分辨率多層逐次加點LiDAR濾波算法。
【背景技術(shù)】
[0002]LiDAR以其高速度、高精度及高密度等特點已成為DEM數(shù)據(jù)獲取技術(shù)中不可或缺的地面補(bǔ)充系統(tǒng)。LiDAR原始數(shù)據(jù)主要包括地面點和非地面點，故將LiDAR采樣數(shù)據(jù)用于DEM構(gòu)建前必須進(jìn)行濾波處理，即剔除掉原始數(shù)據(jù)中的非地面點。其中，濾波算法的計算效率顯著影響DEM構(gòu)建精度。
[0003]根據(jù)LiDAR數(shù)據(jù)中非地面點濾波基本原理，傳統(tǒng)濾波算法可分為插值濾波、形態(tài)學(xué)濾波、坡度濾波及分割濾波等。大量實例分析表明，每種算法在地形平坦及景觀簡單區(qū)域均可以獲得較好的濾波效果，但復(fù)雜地形及大密度分布植被顯著影響濾波算法精度。為此，眾多學(xué)者對傳統(tǒng)濾波算法進(jìn)行了大量改進(jìn)，以期提高濾波效果。其中，插值濾波算法以對復(fù)雜地形高效適應(yīng)能力廣泛應(yīng)用于LiDAR濾波。例如，Kraus and Pfeifer提出了基于線性推估法的濾波算法。該算法首先假設(shè)所有采樣點具有相同的權(quán)，并基于線性推估構(gòu)建初始DEM ;然后計算每個點殘差,并將殘差為負(fù)值的點賦予較大權(quán)重，正值的點賦予較小權(quán)重。重復(fù)上述過程直至迭代收斂。Axelsson發(fā)展了基于自適應(yīng)TIN插值的濾波算法。該算法首先獲取部分地面點作為種子點，構(gòu)建TIN ;然后比較采樣點與對應(yīng)TIN距離和角度，當(dāng)兩者小于設(shè)置閾值時，對應(yīng)點即為地面點。重復(fù)上述過程直至迭代收斂。Haugerud andHarding提出了基于TIN插值的逐次減點算法(Virtual Deforestation, VDF)。VDF首先以所有采樣點為已知點，基于TIN構(gòu)建DEM ;然后比較每個采樣點與其所在的3X3移動窗口平均值差值，將差值大于初始設(shè)定閾值點剔除；最后將剩余點作為已知點重復(fù)上述過程，直至收斂。為了進(jìn)一步提高VDF濾波精度，vans and Hudak發(fā)展了一種多尺度曲率分類算法(MCC)。與VDF相比，MCC主要有三點改進(jìn):1)用高精度樣條插值代替TIN插值；2)插值分辨率從最低層到最高層由高到低變化；3)同時，剔除非地面點的曲率閾值從低層到高層逐次變大。Mongus and 2alik提出了一種非參數(shù)VDF算法。在初始循環(huán)中，該算法首先選擇部分地面點作為控制點，并基于薄板樣條(Thin Plate Spline,TPS)構(gòu)建DEM;然后比較每個采樣點與DEM差值，將差值大于設(shè)置閾值的點剔除；在下一循環(huán)中，該算法降低DEM網(wǎng)格分辨率，再次檢核采樣點殘差。重復(fù)上述過程直至收斂。
[0004]為了客觀比較各種算法濾波精度，ISPRS發(fā)布了 15組LiDAR實驗數(shù)據(jù)。其中，每組數(shù)據(jù)均準(zhǔn)確表明每個采樣點屬性(地面點或非地面點)。Sithole and Vosselman比較了 8種濾波算法精度，認(rèn)為Axlesson提出的自適應(yīng)TIN算法平均精度遠(yuǎn)高于其它7種算法。后續(xù)盡管相關(guān)研究人員對傳統(tǒng)算法進(jìn)行了改進(jìn)或者提出了一些其它新濾波算法，但以ISPRS提供的15組實驗數(shù)據(jù)計算表明，它們平均計算精度均低于自適應(yīng)TIN精度。

【發(fā)明內(nèi)容】

[0005]本發(fā)明要解決的技術(shù)問題是提供一種能夠提高濾波算法精度的多分辨率多層逐次加點LiDAR濾波算法。
[0006]為了解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是:多分辨率多層逐次加點LiDAR濾波算法，設(shè)初始層生成的DEM網(wǎng)格分辨率為h，殘差閾值為t，層計數(shù)N=I ;具體計算步驟如下:
[0007](I)首先在初始層中，以所有采樣點為原始數(shù)據(jù)，以局部最小值法選擇地面點作為種子點；其中移動窗口尺寸要稍大于測區(qū)最大地面建筑物尺寸，確保選擇的種子點全部為地面點；
[0008](2)基于多面函數(shù)構(gòu)建網(wǎng)格分辨率為h的DEM ；
[0009](3)逐次計算采樣點與對應(yīng)DEM網(wǎng)格點所在的3X3移動窗口中每點高程差，即殘差，因此每個采樣點有9個殘差；如果9個殘差中有4個以上殘差均小于設(shè)定殘差閾值，則標(biāo)定該點為地面點，并將其添加到種子點中；此過程可以有效減弱種子點中非地面點對計算結(jié)果影響；
[0010](4)以步驟(3)更新后的種子點作為已知數(shù)據(jù)，基于局部最小值法重新選擇種子點；其中局部最小值值法窗口尺寸為h ;執(zhí)行步驟(4)的原因為:當(dāng)LiDAR種子點分布不均勻(任意兩點非常接近，而與其它點距離較遠(yuǎn))，且以它們?yōu)橐阎獢?shù)據(jù)構(gòu)建DEM時，多面函數(shù)系數(shù)矩陣極可能為奇異矩陣，進(jìn)而影響DEM插值精度；因此，該步驟目的是避免多面函數(shù)系數(shù)矩陣奇異；
[0011](5)重復(fù)步驟(2)至(4)，直至沒有采樣點被劃分為地面點；
[0012](6) N=N+1 ;當(dāng)N〈4時，提高DEM網(wǎng)格分辨率，增大殘差閾值，即h=h / 2，t=t+0.1 ；重復(fù)步驟(2)至(5)直至收斂。
[0013]本發(fā)明的有益效果是:
[0014]基于傳統(tǒng)的插值濾波技術(shù)發(fā)展了一種多分辨率多層濾波算法(MPioD)。以ISPRS提供的15組數(shù)據(jù)為實例分析表明，MProD平均計算精度稍高于自適應(yīng)TIN算法，遠(yuǎn)高于2004以前發(fā)展的7種濾波算法，且高于近年來發(fā)展的非參數(shù)逐次濾波等算法。
【專利附圖】

【附圖說明】
[0015]下面結(jié)合附圖和【具體實施方式】對本發(fā)明作進(jìn)一步詳細(xì)的說明。
[0016]圖1是本發(fā)明多分辨率多層逐次加點LiDAR濾波算法實施例的流程示意圖。
【具體實施方式】
[0017]I多分辨率多層逐次加點濾波算法原理
[0018]該方法包括三層濾波:在初始層中，首先以局部最小值法選擇部分地面點作為種子點，然后以多面函數(shù)構(gòu)建一定分辨率DEM，最后將殘差小于設(shè)定閾值的采樣點標(biāo)定為地面點。重復(fù)上述過程直至收斂。在后續(xù)層中，DEM分辨率和殘差閾值逐次提高，并重復(fù)初始層中的計算過程直至沒有采樣點被標(biāo)定為地面點，停止迭代，輸出地面點數(shù)據(jù)。設(shè)該方法初始層生成的DEM網(wǎng)格分辨率為h，殘差閾值為t，層計數(shù)N=I。具體計算步驟如下:
[0019](I)首先在初始層中，以所有采樣點為原始數(shù)據(jù)，以局部最小值法選擇地面點作為種子點。其中移動窗口尺寸要稍大于測區(qū)最大地面建筑物尺寸，確保選擇的種子點全部為地面點。[0020](2)基于多面函數(shù)構(gòu)建網(wǎng)格分辨率為h的DEM。
[0021](3)逐次計算采樣點與對應(yīng)DEM網(wǎng)格點所在的3X3移動窗口中每點高程差，即殘差，因此每個采樣點有9個殘差。如果9個殘差中有4個以上殘差均小于設(shè)定殘差閾值，則標(biāo)定該點為地面點，并將其添加到種子點中。此過程可以有效減弱種子點中非地面點對計
算結(jié)果影響。
[0022](4)以步驟(3)更新后的種子點作為已知數(shù)據(jù)，基于局部最小值法重新選擇種子點。其中局部最小值值法窗口尺寸為h。執(zhí)行步驟(4)的原因為:當(dāng)LiDAR種子點分布不均勻(任意兩點非常接近，而與其它點距離較遠(yuǎn))，且以它們?yōu)橐阎獢?shù)據(jù)構(gòu)建DEM時，多面函數(shù)系數(shù)矩陣極可能為奇異矩陣，進(jìn)而影響DEM插值精度。因此，該步驟目的是避免多面函數(shù)系數(shù)矩陣奇異。
[0023](5)重復(fù)(2)-(4)直至沒有采樣點被劃分為地面點。
[0024](6) N=N+1 ;當(dāng)％4時，提高DEM網(wǎng)格分辨率，增大殘差閾值，即h=h / 2,t = t+0.1 ；重復(fù)(2)-(5)直至收斂。
[0025]試驗流程如圖1所示。
[0026]2試驗分析
[0027]以ISPRS發(fā)布的15組數(shù)據(jù)進(jìn)行試驗分析，試驗精度評價指標(biāo)為基于分類誤差矩陣計算的第一類誤差(Tl)、第二類誤差(T2)、綜合誤差(TO)以及kappa系數(shù)。第一類誤差表示將地面點分類為非地面點比例；第二類誤差表示將非地面點分類為地面點比例。設(shè)誤差矩陣如表 I 表示，則 Tl = b / (a+b) ；T2=c / (c+d) ；T0=(b+c) / (a+b+c+d)。MProD 計算結(jié)果如表2所示。由表2可見，MProD在samp31區(qū)域計算精度最高，其綜合誤差為1.11%，Kappa系數(shù)為97.76% ;在sampll區(qū)域綜合誤差最大，為13.01 在samp53Kappa系數(shù)最小，為46.69%。計算結(jié)果表明,MProD在地形平坦,場景簡單的samp31計算精度最高，而在地形復(fù)雜、植被覆蓋密度較高sampll區(qū)域計算精度也較高。
[0028]表1誤差矩陣
[0029]
【權(quán)利要求】
1.多分辨率多層逐次加點LiDAR濾波算法，其特征在于，設(shè)初始層生成的DEM網(wǎng)格分辨率為h，殘差閾值為t，層計數(shù)N=I ;具體計算步驟如下: (1)首先在初始層中，以所有采樣點為原始數(shù)據(jù)，以局部最小值法選擇地面點作為種子點；其中移動窗口尺寸要稍大于測區(qū)最大地面建筑物尺寸，確保選擇的種子點為地面點； (2)基于多面函數(shù)構(gòu)建網(wǎng)格分辨率為h的DEM； (3)逐次計算采樣點與對應(yīng)DEM網(wǎng)格點所在的3X3移動窗口中每點高程差，即殘差，因此每個采樣點有9個殘差；如果9個殘差中有4個以上殘差均小于設(shè)定殘差閾值，則標(biāo)定該點為地面點，并將其添加到種子點中；此過程可以有效減弱種子點中非地面點對計算結(jié)果影響； (4)以步驟(3)更新后的種子點作為已知數(shù)據(jù)，基于局部最小值法重新選擇種子點；其中局部最小值值法窗口尺寸為h ； (5)重復(fù)步驟(2)至(4)，直至沒有采樣點被劃分為地面點； (6)N=N+1 ;當(dāng)N<4時，提高DEM網(wǎng)格分辨率，增大殘差閾值，即h=h / 2，t=t+0.1 ;重復(fù)步驟⑵至(5)直至收斂。
【文檔編號】G06T17/05GK103700142SQ201310653679
【公開日】2014年4月2日 申請日期:2013年12月3日 優(yōu)先權(quán)日:2013年12月3日
【發(fā)明者】陳傳法, 陽凡林, 戴洪磊, 田茂義, 曹學(xué)偉 申請人:山東科技大學(xué)