CN107479045B - 基于全波形激光雷达点云数据剔除低矮植被的方法及系统 - Google Patents

Abstract

本发明涉及一种基于全波形激光雷达点云数据剔除低矮植被的方法及系统。本发明提取机载激光雷达数据中的点云属性特征和全波形数据的回波参数信息，建立决策树机制提取低矮植被；针对得到的低矮植被数据，利用统计假设检验的方法对数据进行分解处理，进而得到低矮植被剔除后的机载激光雷达点云数据。

Description

基于全波形激光雷达点云数据剔除低矮植被的方法及系统

技术领域

本发明涉及一种剔除低矮植被的方法及系统，属于遥感测量领域，尤其是涉及一种基于全波形激光雷达点云数据剔除低矮植被的方法及系统。

背景技术

机载激光雷达(Airborne Light Detection And Ranging，LiDAR)是一种主动式航空遥感对地观测系统，是九十年代初首先由西方国家发展起来并投入商业化应用的一门新兴技术，它集成激光测距仪、全球定位系统(GPS)和惯性测量单元(IMU)于一身。该技术在三维空间信息的实时获取方面产生了重大突破，为获取高时空分辨率的地球空间信息提供了一种全新的技术手段。

目前的激光雷达大部分采用脉冲测距，为了使连续两个脉冲到达接收仪的时候不发生混淆，这两个脉冲之间需要一定时间间隔，否则时间计数器将无法分辨(因此，业界将可以被激光接收仪探测的最大距离，称为激光雷达最大测距)。这个参数和时间计数器的分辨率、脉冲发射频率、激光能量与光斑直径、接收仪灵敏度等等因素有关。

目前，绝大多数机载激光雷达的最大测距在1.5米-2.5米之间。这也就意味着激光雷达系统无法正确的识别出低矮植被下的地面点，导致低矮植被密集区域测绘准确度大幅度下降。目前，全波形激光雷达可以记录完整的后向散射信号回波波形，为高精度LiDAR数据带来了新的数据信息，也为激光雷达数据低矮植被的自动剔除提供了一个可能。

发明内容

本发明主要是解决现有技术所存在的因低矮植被存在而造成的高程信息存在较大误差的技术问题，提出了一种基于全波形机载激光雷达点云数据进行低矮植被剔除的方法。本发明提取机载激光雷达数据中的点云属性特征和全波形数据的回波参数信息，建立决策树机制提取低矮植被；针对得到的低矮植被数据，利用统计假设检验的方法对数据进行分解处理，进而得到低矮植被剔除后的机载激光雷达点云数据，从而通过低矮植被剔除减小高程误差对全波形机载激光雷达数据定位精度的影响。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于全波形激光雷达点云数据剔除低矮植被的方法，包括：

数据采集步骤，用于利用全波形机载激光雷达进行数据采集以获取机载激光雷达数据和全波形数据；

滤波处理步骤，提取机载激光雷达数据中的点云属性数据并利用TIN加密算法进行滤波处理得到地面点数据；

植被提取步骤，结合地面点数据及对应的全波形数据的属性特征，建立决策树，提取低矮植被数据；

植被剔除步骤，利用波形分解处理所述低矮植被数据得到低矮植被覆盖数据的多次回波，仅保留末次回波从而得到植被剔除后的数据。

优选的，上述的一种基于全波形激光雷达点云数据剔除低矮植被的方法，所述数据采集步骤具体包括：

测量准备子步骤，用于在航飞载体上搭载一套全波形LiDAR系统，包括惯性测量单元(IMU)、差分GPS(DGPS)、激光扫描测距系统和成像装置；

测量实施子步骤，根据制定好的飞行方案，对测区进行航飞，根据全波形机载激光雷达数据生成理论模型得到一套全波形机载激光雷达数据和全波形数据。

优选的，上述的一种基于全波形激光雷达点云数据剔除低矮植被的方法，所述滤波处理步骤具体包括以下子步骤：

格网构建子步骤，利用点云数据构建格网索引，对于格网的每个分块，搜索其最低点作为初始地面点，并构建稀疏的地形TIN；

地形判断子步骤，遍历余下脚点并将满足加入到地形TIN条件的脚点加入到TIN中，直至所有点被判断为地面点或非地面点。

优选的，上述的一种基于全波形激光雷达点云数据剔除低矮植被的方法，所述植被剔除步骤具体包括以下子步骤：

数据比对输入子步骤，确定地面点集中全波形数据与机载激光雷达数据的相同点，将地面点对应的全波形数据作为初始数据输入；

波峰个数确定子步骤，采用波峰个数递增方式，循环计算波峰个数分为n、n+1时的自由度并进行高斯拟合得到残差直至当前波峰个数的数学模型不能显著拟合波形数据为止，并最终破确定波峰个数。

一种基于全波形激光雷达点云数据剔除低矮植被的系统，包括：

数据采集模块，用于利用全波形机载激光雷达进行数据采集以获取机载激光雷达数据和全波形数据；

滤波处理模块，提取机载激光雷达数据中的点云属性数据并利用TIN加密算法进行滤波处理得到地面点数据；

植被提取模块，结合地面点数据及对应的全波形数据的属性特征，建立决策树，提取低矮植被数据；

植被剔除模块，利用波形分解处理所述低矮植被数据得到低矮植被覆盖数据的多次回波，仅保留末次回波从而得到植被剔除后的数据。

优选的，上述的一种基于全波形激光雷达点云数据剔除低矮植被的系统，所述滤波处理模块具体包括以下单元：

格网构建单元，利用点云数据构建格网索引，对于格网的每个分块，搜索其最低点作为初始地面点，并构建稀疏的地形TIN；

地形判断单元，遍历余下脚点并将满足加入到地形TIN条件的脚点加入到TIN中，直至所有点被判断为地面点或非地面点。

优选的，上述的一种基于全波形激光雷达点云数据剔除低矮植被的系统，所述植被剔除模块具体包括以下单元：

数据比对输入单元，确定地面点集中全波形数据与机载激光雷达数据的相同点，将地面点对应的全波形数据作为初始数据输入；

波峰个数确定单元，采用波峰个数递增方式，循环计算波峰个数分为n、n+1时的自由度并进行高斯拟合得到残差直至当前波峰个数的数学模型不能显著拟合波形数据为止，并最终确定波峰个数。

因此，本发明具有如下优点：1.基于数据驱动，无需利用野外控制点来进行坡度误差修正，因此减小了外业控制点布设的工作量，特别适用于难于布设外业控制点区域的机载激光雷达数据；

2.经本发明得到的波形分解结果，针对低矮植被覆盖区域有很好的效果。

附图说明

附图1是本发明的一种原理图；

附图2-1是TIN加密滤波数据处理等高线结果图；

附图2-2是本发明等高线结果图；

附图2-3是附图2-1蓝色框选区域等高线结果图；

附图2-4是附图2-2蓝色框选区域等高线结果图；

附图3-1是传统LM算法波形分解示意图；

附图3-2是统计假设检验方法分解示意图

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：

如图1所示，一种基于全波形机载激光雷达数据低矮植被剔除方法，包括以下步骤：

步骤1，在航飞载体上搭载一套全波形LiDAR系统，包括惯性测量单元(IMU)、差分GPS(DGPS)、激光扫描测距系统和成像装置；

步骤2，利用步骤1中的全波形机载激光雷达进行数据采集，可以得到两套数据，分别为全波形机载激光雷达自身产生的机载激光雷达数据，以及全波形数据；

步骤3，根据步骤2中得到的两套数据，分别提取两套数据的属性特征，分别包括点云的经纬度坐标、扫描角和全波形数据的振幅值、波峰位置、回波宽度以及强度值；

步骤4，对步骤3中得到的点云数据利用TIN加密算法进行滤波处理，得到地面点数据；

步骤5，针对步骤4中得到的地面点数据结合对应的全波形数据的属性特征，建立决策树，提取低矮植被；

步骤6，对步骤5得到的低矮植被数据，进行波形分解处理，得到低矮植被覆盖数据的多次回拨，仅保留末次回波，得到植被剔除后的数据。

如上所述的步骤3中，用于点云数据利用TIN加密算法进行滤波处理的步骤为：

步骤3.1，将步骤3中得到的点云数据构建格网索引，所需的参数一般需要人为设定；

步骤3.2，对于格网的每个分块，搜索其最低点作为初始地面点，并构建稀疏的地形TIN；

步骤3.3，依次判断余下的脚点是否满足加入到地形TIN的条件，若满足条件则将其加入到TIN中；

步骤3.4，重复上一步直到所有点都已经被判定为地面点或非地面点；

如上所述的步骤4中，低矮植被剔除的方法为：

步骤4.1，确定地面点集中全波形数据与机载激光雷达数据的相同点；

步骤4.2，针对步骤3中得到的地面点数据结合对应的全波形数据的属性特征，建立决策树，提取低矮植被；

如上所述的步骤5中，波形分解处理的方法为：

步骤4.1，确定地面点集中全波形数据与机载激光雷达数据的相同点；

步骤4.2，步骤3中得到的地面点对应的全波形数据作为初始数据输入，利用统计假设检验的方法对波形数据进行分解；

步骤4.3，将波峰个数定义为1，波形数据的采样点个数记为n₁，则自由度f₁＝n₁-1，利用公式(1)进行高斯拟合，得到一组残差σ₁，并计算方差

步骤4.4，将波峰个数定义为2，，波形数据的采样点个数记为n₂,则自由度f₂＝n₂-1，利用公式(1)进行高斯拟合，得到一组残差σ₂，并计算方差

步骤4.5，如果残差的差异显著，说明拟合效果显著，就说明两个波峰个数的数学模型更加合理。因此需要检验三个波峰个数的模型能否更好的拟合。重复以上步骤，直到出现某个波峰个数的数学模型不能显著拟合波形数据，从而说明波峰个数的增长仅仅拟合波形数据当中的误差，通过这种方法判断有效地波峰，利用得到的波峰位置根据全波形机载激光雷达数据生成理论模型得到一套全波形机载激光雷达数据，本发明保留最末次波峰，以达到对低矮植被剔除的目的。

图2-1至图2-4是效果对比，图2-1是利用TIN加密滤波对数据进行处理后生成的等高线结果，图2-2是利用本发明重新生成的数据进行等高线生成，对比图2-1和图2-2可以看到由于树木点云的存在导致生成的等高线中有许多的面积不大且形状不规则的闭合等高线。经过本文方法处理的点云数据生成的等高线，可以看到树木等高线基本上滤除干净了如图2-1和图2-2蓝色框选区域，具体示意图见图2-3和图2-4。

图3-1至图3-2是统计假设检验方法对比结果，图3-1为传统LM算法分解结果，图3-2是本发明算法分解结果，通过分解结果可以看出，本发明方法针对低矮植被覆盖区域的波形分解具有很好的效果。

表1是采用本发明实施例后的评估效果，从表中可以看出存在低矮植被时，获得的DEM数据与实测数据之间具有比较大的误差，均方根误差至为0.79；将低矮植被剔除之后，误差缩小很多，均方根误差值为0.48，精度有很大的提高，提高比例约为31％左右

表1效果评估

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (5)

1.一种基于全波形激光雷达点云数据剔除低矮植被的方法，其特征在于，包括：

数据采集步骤，用于利用全波形机载激光雷达进行数据采集以获取机载激光雷达数据和全波形数据；

滤波处理步骤，提取机载激光雷达数据中的点云属性数据并利用TIN加密算法进行滤波处理得到地面点数据；

植被提取步骤，结合地面点数据及对应的全波形数据的属性特征，建立决策树，提取低矮植被数据；

植被剔除步骤，利用波形分解处理所述低矮植被数据得到低矮植被覆盖数据的多次回波，仅保留末次回波从而得到植被剔除后的数据；

其中，所述植被剔除步骤具体包括以下子步骤：

数据比对输入子步骤，确定地面点集中全波形数据与机载激光雷达数据的相同点，将地面点对应的全波形数据作为初始数据输入；

波峰个数确定子步骤，采用波峰个数递增方式，循环计算波峰个数分为n、n+1时的自由度并进行高斯拟合得到残差直至当前波峰个数的数学模型不能显著拟合波形数据为止，并最终确定波峰个数。

2.根据权利要求1所述的一种基于全波形激光雷达点云数据剔除低矮植被的方法，其特征在于，所述数据采集步骤具体包括：

测量准备子步骤，用于在航飞载体上搭载一套全波形LiDAR系统，包括惯性测量单元(IMU)、差分GPS(DGPS)、激光扫描测距系统和成像装置；

测量实施子步骤，根据制定好的飞行方案，对测区进行航飞，根据全波形机载激光雷达数据生成理论模型得到一套全波形机载激光雷达数据和全波形数据。

3.根据权利要求1所述的一种基于全波形激光雷达点云数据剔除低矮植被的方法，其特征在于，所述滤波处理步骤具体包括以下子步骤：

格网构建子步骤，利用点云数据构建格网索引，对于格网的每个分块，搜索其最低点作为初始地面点，并构建稀疏的地形TIN；

地形判断子步骤，遍历余下脚点并将满足加入到地形TIN条件的脚点加入到TIN中，直至所有点被判断为地面点或非地面点。

4.一种基于全波形激光雷达点云数据剔除低矮植被的系统，其特征在于，包括：

数据采集模块，用于利用全波形机载激光雷达进行数据采集以获取机载激光雷达数据和全波形数据；

滤波处理模块，提取机载激光雷达数据中的点云属性数据并利用TIN加密算法进行滤波处理得到地面点数据；

植被提取模块，结合地面点数据及对应的全波形数据的属性特征，建立决策树，提取低矮植被数据；

植被剔除模块，利用波形分解处理所述低矮植被数据得到低矮植被覆盖数据的多次回波，仅保留末次回波从而得到植被剔除后的数据；

其中，所述植被剔除模块具体包括以下单元：

数据比对输入单元，确定地面点集中全波形数据与机载激光雷达数据的相同点，将地面点对应的全波形数据作为初始数据输入；

波峰个数确定单元，采用波峰个数递增方式，循环计算波峰个数分为n、n+1时的自由度并进行高斯拟合得到残差直至当前波峰个数的数学模型不能显著拟合波形数据为止，并最终确定波峰个数。

5.根据权利要求4所述的一种基于全波形激光雷达点云数据剔除低矮植被的系统，其特征在于，所述滤波处理模块具体包括以下单元：

格网构建单元，利用点云数据构建格网索引，对于格网的每个分块，搜索其最低点作为初始地面点，并构建稀疏的地形TIN；

地形判断单元，遍历余下脚点并将满足加入到地形TIN条件的脚点加入到TIN中，直至所有点被判断为地面点或非地面点。

Images