1、湖南科技大學本科生畢業設計（論文）湖 南 科 技 大 學畢 業 設 計（ 論 文 ）題 目機載LIDAR點云數據濾波作 者蔣輝躍學 院建筑與城鄉規劃學院專 業測繪工程學 號0910050208指導教師李樂林二一三 年 五 月 五 日基于多尺度分析的LIDAR點云濾波及DEM生成第一章 緒論1.1 引言空間三維地理信息是人類認知世界、服務自身不可或缺的核心媒介，也是國家經濟社會發展的基礎性、戰略性資源。隨著現代社會的不斷發展、高新技術的進步，人類清醒地認識到空間三維地理信息對生產、生活所起到的巨大作用。為此，世界上許多國家把空間地理信息資源的開發利用放到了首要的戰略位置。1998年，美國副總統阿

2、爾·戈爾在加利福尼亞科學中心開幕典禮上發表了題為“The Digital Earth:Understanding our planet in the 21stCentury”的演說，第一次提出了“數字地球”（DigitalEarth）相關概念。該概念與GIS、遙感、虛擬現實等高新技術息息相關，已成為當下人們時常談論的一個話題。數字地球：一個以地球坐標為依據的、具有多分辨率的海量數據和多維顯示的地球虛擬系統。數字地球看成是“對地球的三維多分辨率表示、它能夠放入大量的地理數據”。數字地球學是關于整個地球、全方位的GIS與虛擬現實技術、網絡技術相結合的產物。作為數字地球建設的關鍵支撐技術之

3、一，空間多維地理信息的獲取技術發揮著重要作用。兩院院士李德仁先生曾經作過一個形象的比喻：數據是GIS的血脈。同樣，獲取空間多維數據信息，也是數字地球的血脈。發展至今，地球空間信息獲取技術（Geo-SpatialTechnology）與納米技術和生物技術一起被稱為當今最具發展前景的三大高新技術。目前，地球空間信息獲取技術，正朝著多傳感器、多平臺、多極化、多角度、高空間分辨率、高時相分辨率、高（多）光譜等方向發展，人類獲取數據的來源極為擴展，同時也為數據的識別、處理、應用帶來了前所未有的嚴峻挑戰。在此背景下，作為航空航天遙感最具代表性之一的機載激光雷達測量技術（LiDAR,Light Detect

4、ion And Ranging）應運而生。它是一種主動式對地觀測系統，集全球定位、慣性導航、激光測距等高新技術于一身，解決了傳統攝影測量學的許多難題，作為一種新興的空間對地觀測技術，在空間多維地理信息的實時獲取方面取得了重大突破，引起了測繪、地理信息等相關行業的濃厚興趣。由于機載激光雷達測地技術的諸多優點，其社會需求在不斷擴大，也是最近幾年科研及相關工作者的一個熱點研究方向。機載激光雷達測量技術的發展日新月異，機載激光雷達測量系統實際上已經代表了對地觀測領域一個新的發展方向。1.2 研究背景、目的及意義1.2.1 研究背景激光雷達測量技術源自1970年美國國家航天局（NASA, Nationa

5、l Aeronautics and SpaceAdministration）的研發。NASA利用激光作為遙感設備，進行了多次空間數據獲取實驗，其中就包括對月觀測和衛星激光測距。20世紀70年代，美國在阿波羅登月計劃中應用了激光雷達測量技術（Kaula, et al, 1974）。隨后，激光雷達測量技術獲得了迅速發展，包括當時美國NASA研制的大氣海洋LiDAR系統、機載地形測量設備等機載系統。歸功于全球定位系統以及慣性導航系統的技術進步，使精確的即時定位和姿態確定成為可能，機載激光雷達測量技術才取得了重大進展，并且出現了精確可靠的激光雷達測量傳感器。其中包括航天飛機激光測高儀（SLA, Shu

6、ttle Laser Altimeter）（Garvin, et al, 1998）和火星觀測激光測高儀（MOLA, Mars Observer Laser Altimeter）（Smith, et al, 1998）以及月球觀測激光測高儀（LOLA, Lunar Observer Laser Altimeter）。NASA利用這些設備，獲取了高分辨率的地球表面、火星表面、月球表面三維地形信息，這對于研究地球、火星、月球的繁衍變化、真實形狀等具有極重要的科學意義。期間其他一些國家也進行了許多相關實驗。德國Stuttgart大學攝影測量學院于1988年開始研究機載激光掃描地形斷面測量系統；荷蘭測

7、量部門自1988年也開始從事利用激光雷達測量技術提取地形信息的可行性研究；加拿大卡爾加里大學進行了機載激光雷達系統的集成和實驗，通過把激光掃描儀與GPS、INS、數據通信等設備集成，實現了一個機載激光雷達三維數據獲取平臺，開展了一些實驗，取得了較好的成果；日本東京大學1999年進行了地面固定激光掃描系統的集成和實驗（Zhao H J, et al, 1999）。隨后，機（空）載激光雷達測量系統發展相當迅速，出現了一大批機載激光雷達測量系統。例如，加拿大Optech公司生產的Gemini、ALTM 3100EA和SHOALS、美國Leica公司的ALS50-II、瑞典TopoEyeAB公司生產的

8、TopEye Mk-II、德國IGI和奧地利RIEGL公司聯合制造的LiteMapper 5600、奧地利RIEGL公司的LMS-Q560、德國TopoSys公司的Falcon-II和Falcon-III、荷蘭Fugro公司生產的FLI-MAP 400等是當前較成熟的商業系統我國在LiDAR技術上的起步比較晚，對機載LiDAR系統的研究始于上個世紀70年代，其間經歷了理論探索、實驗、完成原理樣機等階段。尤其在國家863計劃的支持下，中國科學院遙感應用研究所李樹楷教授等研究的機載三維成像系統于1996年完成了第一臺線掃描原理樣機的研制，該系統有別于當時國際上流行的機載LiDAR系統，它將激光測距

9、掃描儀與多光譜掃描成像儀共用一套掃描光學系統，不僅可以獲得目標的三維離散點云，還能獲取其對應的二維影像，且能保證三維物方點和二維影像一一對應，直接得到地學編碼影像數據；海軍海洋測繪研究所與上海光機所于2004年合作研制的機載激光測深系統原理樣機等。但是由于國內還沒有高精度的INS系統以及性能（激光強度、激光功率、脈沖和測距精度）可靠的激光掃描測距裝置，到目前為止還沒有成熟的國產商用機載激光掃描測距系統。1.2.2 研究的目的及意義 相比于機載激光雷達測量系統硬件的飛速發展和廣泛應用，與其數據處理方面相關的算法、軟件等研究仍處于滯后狀態。發展至今，仍然沒有一種商業軟件能完全自動、智能地處理復雜多

10、變地形的點云數據。每種算法、每種軟件都有自己的優缺點，在地形變化相對單一的時候，都能展示出其優良性能。但遇到地形復雜多變的城區、山地等環境時，處理效果往往不能令人滿意。同時，由于各個硬件生產商家之間的競爭關系，硬件技術參數無法統一，與其相關的數據處理軟件也是多種多樣。在這種情況下，導致了兩大難題：一是，由于硬件技術參數的不統一，導致LiDAR數據格式與提供商的硬件相關，數據格式種類繁多；二是，每個硬件提供商，都會附帶自己研發的數據處理軟件，用戶只能根據其相關說明，進行操作，不能按自己需要進行定制處理，且對于用戶來說，數據處理軟件中的算法，也是商家不愿公開的，是一個黑匣子。這些問題，都在一定程度

11、上限制了機載激光雷達測量技術的發展和應用。為此，我們必須研究機載激光雷達的系統構成與測量原理，以及后續的數據處理技術，為我國的經濟發展、社會進步做出一定的貢獻。本文就是針對以上問題，對于機載激光雷達測量這一高新對地觀測技術，從其發展淵源、系統構成、工作原理、數據特點、處理方法、質量評價、相關應用等方面進行了有益的研究。主要探討機載雷達測量系統產生的點云數據的預處理與濾波處理技術，用于生成基礎地理信息產品DEM時需要解決的處理難題，研究重點集中于以下幾點：1.詳細闡述了國內外點云數據處理方面的研究現狀與發展趨勢，了解發展前沿；2.系統闡述了機載激光雷達的系統構成與工作原理，分析了激光點云數據的特

12、點；3.研究了點云標準數據格式LAS相關機理，實現了數據轉換；在此基礎上實現了基于高程統計直方圖的點云數據濾波去噪；4.改進了兩種機載LiDAR點云數據濾波方法，生成了滿足一定精度要求的DEM；5.提出了評價點云最終成果的質量評價要素與指標，豐富了質量評價方法。由于機載激光雷達測量技術是一種新興的高新技術，其在許多領域都有廣泛的應用前景，而我國在該技術的研究與應用方面均落后于西方發達國家，研究其相關技術對于國家的經濟建設、社會的發展進步都有不言而喻的積極意義。研究其測量機理，能更好地與傳統攝影測量技術相結合，發揮各自優勢，實現優勢互補、最終相互促進。機載激光雷達數據處理后生成的DEM數據，是獲

13、取基礎地理信息的核心數據源，在地形分析、城市規劃、應急救災等方面有著極其重要的作用。研究機載LiDAR技術的數據處理與質量評價，為后續的大規模應用積累技術和經驗。1.3 國內外研究狀況及發展趨勢1.3.1點云濾波處理研究現狀與趨勢 雖然目前還沒有一種濾波算法可完全有效應對復雜多變的地形數據，但是一些較為成熟的濾波算法已經獲得了一定的應用。其中最出名的就是TerraScan軟件，它是芬蘭公司TerraSolid軟件中的一個子模塊，它的核心算法就是基于多分辨率分析的數據濾波算法6。該算法把多分辨率分析理論引入機載LiDAR數據濾波中來，實現了快速穩健的濾波效果。SCOP+軟件中采用了穩健分層內插的

14、濾波方法，采用了分層的基于數據的金字塔模型7。先進行數據精化，再經過線性穩健估計數據濾波生成初始DEM，在一定的條件下，經過多次迭代計算，直至所有點被分類。另一種被普遍使用的是基于數學形態學的濾波方法8，它使用一種被稱之為結構元素的窗口模板作為處理單元，利用形態學中的膨脹與腐蝕算法相組合，形成開、閉兩種算子進行綜合處理。還有的是根據機載激光雷達傳感器記錄的回波次數濾波的。Wever and Lindenberger等人（1999）利用基于首末次回波的方法濾波；許曉東、張小紅等人（2007）討論了多次回波的探測方法及其在濾波中的應用，在林區的濾波中取得了較好的結果。李奇、馬洪超（2008）分析研

15、究了利用整個返回波形進行提取目標的三維坐標信息，使用改進的EM脈沖檢測算法得到回波脈沖的位置和寬度，生成高質量的點云數據。張小紅（2002）在其博士論文中提出了移動曲面擬合濾波方法，突破了傳統方法的局限，直接基于離散的激光腳點數據進行濾波，在濾波的同時，粗差也被過濾。王刃（2008）在其博士論文中，改進了逐行雙向標識算法濾波，在數據過濾時，以剖面為處理單位，每次對沿掃描線方向的一個剖面進行濾波處理，采用坡度與高程兩個閾值尺度，取得了較好的濾波結果。曾齊紅（2009）在其博士論文中提出了基于高程突變的TIN濾波算法，直接基于點云數據的本質特點，根據目標點與其鄰近點的高程變化幅度以及滿足變化幅度鄰

16、近點的數量來過濾點云。算法采用高差和鄰近點數量兩個閾值參數，為后續的地物提取提供了便利。總的來說，目前大多數算法都是基于點云空間幾何特征的過濾與分類方法，算法集中考慮了點云數據的高程突變、鄰近高差、坡度斜率等因素，充分顧及了點云數據的空間三維散亂特征。點云數據中也包括了回波次數信息、回波強度信息，還有數碼相機獲取的光譜信息等，但此方法鮮有人深入研究。曾齊紅（2009）在其博士論文中對后者進行了富有成果的研究。現存的各類濾波方法都有其優缺點，新一代的濾波算法將朝向聯合機載激光雷達系統獲取的帶有強度與光譜信息的幾何數據以及其他多源數據的共同融合濾波方向發展。1.3.2點云數據重構技術研究現狀與趨勢

17、濾波后的點云數據重構DEM（DTM）的方法，主要分為基于規則格網和基于不規則三角網的重建方法。對于規則格網重建方法來說，按照數據組織又可分為兩種，一是基于格網節點的DEM重建；另一個是基于格網面元的DEM重建。基于不規則三角網的重建方法，主要是應用Voronoi圖對散亂點云進行Delaunay三角化，其主要思想是對每個采樣點在各個方向探索所有鄰域，尋找可能的鄰近點來計算曲面。這些表示方式，都是對實際地形的離散化表示方式，基于規則格網的重建方法，數據模型結構簡單，便于計算機快速處理。基于不規則三角網的重建方法，則很好顧及了表面的細節結構，能重構任意曲面，體現了靈活性、普適性。但其主要缺點，就是計

18、算Delaunay三角形需要花費較大的內存開銷和時間，對于大規模的點云數據，顯得力不從心。重建算法主要還是要解決普適性、高效性、智能性等瓶頸問題，既要普遍適用，又要高效智能，對于大規模的點云數據來說，重建算法很有挑戰性。1.4 論文的主要內容 本文針對機載激光雷達數據處理生成DEM的三個關鍵技術：點云數據預處理技術，點云數據濾波技術，點云數據重建技術分別進行了較為細致的研究。力求在數據質量評價要素的各個指標之下，提高數據濾波算法的有效性和穩定性，改進了兩個典型的數據濾波方法，形成了一個點云數據濾波生成DEM的技術流程。本論文內容與結構安排如下：第1章 ，緒論。主要介紹了機載激光雷達測量技術的發

19、展歷程，分析當前機載LiDAR點云處理技術的研究現狀與發展趨勢，指出了研究機載LiDAR數據處理的必要性和緊迫性，引出本文的主要章節。第2章 ，機載激光雷達技術原理與點云數據。詳細介紹了機載激光雷達的系統構成、工作原理、點云數據特點等。通過分析其硬件組成，分析了數據誤差來源，深入分析了點云數據特點，為后續的點云預處理、濾波、重構指明了方向。第3章 ，機載激光雷達點云數據的預處理技術。明確了本文探討的預處理技術定義和預處理的主要任務；分析了點云標準數據格式LAS的邏輯結構，實現了基于高程統計直方圖的點云數據去噪濾波。第4章 ，機載激光雷達點云數據濾波技術。深入分析了點云濾波的基本原理，從點云的空

20、間特征出發，改進了兩種典型的點云濾波算法，通過技術對比，提高了濾波的自適應性與穩定性。第5章 ，點云數據濾波后的重構技術與質量評價要素。詳細分析了三種插值算法，實現了點云數據濾波后的DEM重構；并針對濾波、重構過程分析了影響最終DEM精度的誤差來源，提出了一個初步的質量評價要素，明確了其評價指標，實現了評價數據質量的定量分析。第六章，總結與展望。總結本文所做的主要工作與創新點；針對不足，提出下步需要進一步研究的設想與展望。第二章 機載激光雷達的數據特點一、LIDAR數據特點激光雷達獲取的數據,從嚴格意義上講,包括位置、方位/角度、距離、時間、強度等飛行過程中系統得到的各種數據。而實際應用中,人

21、們接觸和使用的是與具體時間及發射信號波長一一對應的點坐標及對應的強度等。1激光雷達數據的主要特點第一,從內容上講,激光雷達數據是分布于對象表面的一系列三維點坐標。值得注意的是,多次回波數據得到的點坐標可能對應著不同的表面,這種特性在某些場合可以發揮重要作用。例如,在匹配中,使用末次回波信號可以避免植被或其它具有不規則形狀的物體在相鄰掃描帶上具有不同高度,會造成匹配過程中不可預測的粗差的問題。第二,激光雷達數據在形式上呈離散分布。“離散”是指數據點的位置、間隔等在三維空間中的不規則分布,與數字影像像元間彼此獨立的概念有所不同。地表形態的多樣性和數據獲取方式是這一特點的主要成因。離散數據的一個優點

22、是允許相同平面坐標對應幾個高程值,這更有利于表現細節信息和變化劇烈的地形/ 地物。另一方面,這種形式也有自身的不足,如同名點難以選取。第三,數據形式的另一個特點是掃描帶中數據分布不均勻不同位置的光斑密度不同,造成這種情況的主要原因是激光掃描儀所采用的掃描方式。不考慮地形起伏的影響,在圓錐掃描方式中, 掃描帶兩側數據密度大, 中間部分稀；線掃描方式的情況類似；在光纖掃描方式中,掃描線方向上的光斑密度大于垂直掃描線上方向的。其它原因還包括飛行速度、掃描儀與地形/ 地物的相對位置/ 方向等。例如,對建筑物的傾斜屋頂而言,朝向掃描儀方向的屋頂會反射更多的信號,在數據集中時就表現為兩個屋頂平面上數據密度

23、存在差異。第四,盡管直接獲取點三維坐標是激光雷達最顯著的特點之一,但其數據類型并不局限于此。強度信號是另一個有用的信息源,它反映了地表物體對激光信號的響應。由于一些技術上的原因（如缺乏有效的定標手段）,還沒有得到多少實際應用。2 離散三維分布數據帶來的一些問題（1） 缺少光譜信息：激光雷達直接獲得點位三維坐標的功能提供了二維數據缺乏的高度信息,卻忽略了反應對象特征的其它信息,如光譜信息。盡管在提取空間位置信息上,激光雷達數據有其自身的優勢,但圖像數據包含光譜信息對認識物體也具有重要的作用。這也是不少應用研究將激光雷達數據與其它光學數據結合使用的原因之一。（2） 覆蓋面積較小：受激光雷達技術數據

24、獲取方式和硬件條件所限,機載激光雷達的掃描帶覆蓋面積較小。在飛行高度、速度、時間、航帶間重疊度相同的條件下,航攝像機(75°視場) 覆蓋面積是激光掃描儀(30°掃描寬度) 的2.9倍。這意味著為獲得相同的覆蓋面積,需要對更多的掃描條帶進行拼接等處理。（3） 同名點獲取困難：同名點在攝影測量、計算機視覺的諸多應用中扮演著重要的角色。盡管激光雷達技術直接獲取地面點的三維坐標,從理論上講不需要進行匹配、糾正等處理,但由于GPS/ INS儀器誤差或集成的問題,相鄰掃描帶間的點在高程和平面位置一般存在著一些差異,必須經過必要處理才能獲得整個測區的數據。此外,對離散的數據形式還需要開發

25、新的處理方法。以匹配為例,從激光雷達工作方式和數據特點分析,在相鄰掃描帶中獲得同名點的可能性很小,這也得到實際結果的證明。如何獲得同名點就成為一個擺在人們面前的新問題。（4） 存在數據縫隙：由于遮擋、物體特性等因素,數據集中往往會出現沒有數據的部分(縫隙) 。一個明顯的例子是“陰影”。作為一種主動式信息獲取技術,激光雷達技術掃描角度有限、對光照度不敏感,因而受陰影影響相對較小。但位于掃描帶邊緣的建筑物等仍然會產生遮擋的現象,這種現象帶來的一個直接問題是位于數據縫隙的內插點(高程) 數據可能與實際情況存在較大差異。這就需要采用新方法在原始數據中判斷是否存在這些縫隙、并采取相應的處理。（5） 樹木

26、高度偏低：研究人員早在20世紀80年代就已經注意到,在使用激光雷達量測樹木高度時,測量結果低于實際高度。同時,這種現象隨著激光腳點密度的降低更加明顯。第3章 機載LIDAR點云數據分析3.1 LIDAR點云數據處理一般流程從狹義角度講，機載LIDAR點云數據僅指激光掃描儀獲得的三維點云數據;從廣義角度講，還應包括位置、方位、距離、時間、強度、影像等在內的飛行過程中系統得到的各種數據。機載LIDAR點云數據處理大致可分為以下幾步:(l)數據獲取。包括DGPS八NS數據、激光掃描儀數據、地面GPS基站數據和系統各個部件的誤差鑒定結果等。(2) 數據預處理。使用專業軟件處理DGPS/取S數據、激光測

27、距數據和其它相關數據，以得到地面目標的三維空間坐標。(3) 數據后處理。指LIDAR點云數據的濾波和分類，即從原始LIDAR點云數據中分離出地形表面數據點以及區分不同地物數據點。(4) 數據拼接。由于航高和掃描視場角等因素的限制，必須分航帶飛行，以完成大面積區域的數據采集，且各航帶間應保持一定的重疊度。因此，不同航帶的點云數據要進行精確拼接，并盡可能的消除系統誤差和隨機誤差。(5) 坐標轉換。即將LIDAR點云數據轉換到相應的坐標系統中去。(6) 生成DEM。根據濾波分類得到的地面點，按照一定內插方法生成DEM。(7)影像定向和鑲嵌。結合內外方位元素，將數碼相機獲得的高分辨率影像進行空中三角測

28、量，然后和獲取的DEM數據進行定向鑲嵌，生成數字正射影像。第4章 機載LIDAR點云數據濾波4.1機載LiDAR點云數據濾波原理機載激光雷達系統點云數據處理包括多個方面，主要有GPS數據定位處理、IMU/GPS組合確定投影中心姿態參數、多傳感器數據的時間系統的同步處理、點云數據三維坐標計算、數據濾波、分類、建筑物邊緣提取以及建筑物三維重建等處理步驟。機載激光雷達系統的硬件技術在國外已經發展的很成熟，關于硬件與系統集成的關鍵性技術難題都被攻破，但是點云數據的處理還處于研究發展階段，很多有關于點云數據后處理的算法都存在一定的缺陷。其中最主要的難題是點云數據的濾波，數據濾波是機載激光雷達點云數據后處

29、理的基礎和至關重要的步驟。濾波精度對后續的分類、地物識別和提取、建筑物三維重建存在很大的影響。點云數據濾波算法的研究是機載激光雷達數據后處理的難點和熱點。機載激光雷達激光腳點在三維空間的分布形態是一系列不規則的、離散的數據點云，激光腳點在地面的分布形狀取決于所采用的掃描方式。在這些點云中，有的激光腳點位于真實的地形表面，將這些點稱為地面點；而剩下的點位于地面地物或植被上，將這部分點稱為非地面地。將位于真實地形表面的激光腳點從點云數據中分離出來，就是所謂的點云數據濾波。由于機載激光雷達系統在數據的釆集時具有一定的盲目性，存在丟失地形、地物特征點的情況，這就為點云數據的處理帶來很大的難度。在濾波過

30、程中應盡可能的保留重要的地形特征點，以及盡量減少濾波分類誤差。機載激光雷達數據濾波算法的基本原理重要有兩種，一種是基于傳統航空影像的分類原理：被不同目標反射回來的激光脈沖的能量是不同的，回波的能量決定了回波的強度，將回波強度信息轉換為灰度圖像。通過分析灰度的分布形態，確定地面點的灰度范圍，通過灰度值的差異區分地面點和非地面點。另外一種是基于高程突變的原理：臨近激光腳點間高程突變造成的局部不連續，一般認為不是由于地形的自然起伏變化引起的，更大的可能是較高的激光腳點位地物表面或植被上，而較低的激光腳點位于地面。兩臨近激光腳點間的距離越近、高差越大，較高激光腳點位于地面的可能性就越小。在通過一定的濾

31、波算法判定待判定點是否為地面點時，要考慮該判定點到參考地面點間的距離，隨著距離的增加，判斷閾值也應相應的增加。由于目前機載LiDAR系統獲取的回波強度信息噪聲較大，因此基于傳統航空影像分類原理的濾波算法比較少，大多數都是基于高程突變的原理。基于高程突變原理的濾波算法有兩個基本前提：第一個前提是在臨近區域內非地面點高于地面點，也就是說在機載激光雷達掃描得到的數據，在經過預處理后，區域內的最低點就是真實的地面點。大多數濾波算法都基于這一假設，尋找起始地面種子點。第二個前提是掃描區域內的地形比較平緩，不會出現比較劇烈的起伏變化。以這個前提為基礎，依據一定的數學原理，構造出用來判斷種子點臨近區域內激光

32、腳點是否為地面點的判別函數，判別函數是濾波算法的核心部分。4.2現有的濾波算法機載激光雷達系統經過多年的研究發展，硬件和系統技術已經很成熟，數據獲取的精度也在不斷提高，但數據后處理相對來說還是處于發展停滯狀態，還有很多問題沒有解決。國內外眾多學者提出了多種濾波算法，目前機載LiDAR數據濾波算法主要有：形態學濾波算法、線性迭代最小二乘濾波算法、基于地形坡度濾波算法、三角網迭代濾波算法、移動曲面擬合濾波算法以及基于數據分割濾波算法等幾種方法。移動窗口法是利用一個大尺度的移動窗口找最低點計算出一個粗劣的地形模型;過濾掉所有高差(以第一步計算出的地形模型為參考)超過給定閱值的點，計算一個更精確的DE

33、M。然后重復幾遍類似操作，在重復計算的過程中，移動窗口不斷縮小。窗口最后的大小以及閥值的大小會影響最終結果。顯然，這些過濾參數的設置取決于測區的實際地形狀況，對于平坦地區，丘陵地區和山區，應該設不同的過濾參數值。基于地形坡度的濾波算法，其基本思想是地形急劇變化產生臨近兩點間高程差異很大的可能性很小，其中一點屬于地物點的可能性更大。顯然，對于給定的高差值，隨著兩點間距離的減小，高程值大的激光腳點屬于地面點的可能性就越小。造成相臨兩點間高程變化明顯的原因可能是兩激光腳點分別位于地形表面和植被，或地形表面和其他地物，或是樹的不同部位，或陡坎的不同部位。該方法是通過比較兩點間的高差值的大小來判斷拒絕還

34、是接收所選擇的點。兩點間高差的閥值即濾波核函數定義為兩點間距離的函數hma、=d。為了保留傾斜地形信息，要適當調整濾波窗口尺寸的大小，并增加篩選閥值的取值，以保證屬于地面點的激光點不被過濾掉。濾波參數的最優值的設置隨著地形的變化而變化。hma、=d確定的方法有兩種:一種是通過通常的地形坡度都不超過30度，所以可以將其定義為h。、二0.3d。通常觀測值是有誤差的，所以即使在同一平面上所形成的點云，仍然是有所起伏的，因此需要再加上一個觀測值的誤差，最后的核函數為hnlax=0.3d+p二(p。為可以允許的激光雷達高程精度。的p倍);另外一種方法是通過訓練場來獲得先驗知識，然后確定核函數的參數和閥值

35、。(張小紅，2002)。武漢大學張小紅提出一種基于離散點的移動曲面擬合法濾波算法:先選取種子區域，找種子區域內彼此相互靠近的最低的三點作為初始地面點，擬合一個平面，然后以此平面作為基礎，計算和這個面最近的那個點和這個面的擬合高程值，如果擬合高程值與觀測高程值之差超過了閥值就將此點作為地物點濾除，如果小于閥值則將其做為地面點，然后加入改點重新擬合一個平面。當擬合點數為6時，保持點數不變，新增一個地面點，就丟掉一個最遠(老)的點，然后不斷重復上述步驟。此算法的核心是閩值的選取，如果閩值選取過大，就有可能保留一些矮小地物，選取過小，會削平地形特征。(張小紅，劉經南，2004)。加拿大卡加里大學的胡勇

36、提出了一種基于機載激光掃描單距離圖像的DEM生成算法(YongHu，2003)。該算法首先對原始距離圖像數據進行預處理，剔除原始數據中可能包含的粗差點。這些粗差點主要來源于電力線路以及空中飛鳥的激光回波，通常表現為與其周圍背景高程相比其高程值異常。算法利用這一特點，將這些粗差點剔除。為了能夠利用已有的數字圖像處理方法，對原始距離圖像進行了基于格網的內插，使其成為規則格網的距離圖像。在內插過程中，一個格網內可能包含有多個原始激光點，用其中高程最小的激光點高程作為該格網的高程。此算法的關鍵技術是對上述格網的分級地形恢復，首先生成規則格網距離圖像的圖像金字塔，其中金字塔的頂層是一個分辨率很低的DEM

37、。然后按照由頂層至底層的順序依次處理各層圖像，以高一層圖像作為參考表面，計算地形參數(比如坡度)，依此參數識別該層圖像中的地形點，而非地形點則通過己識別的地形點內插來代替，反復迭代，最終得到DEM。由于此時生成的DEM中，可能還會有非地形點以及斑點的影響，還必須對其進行進一步的濾波處理，以達到改善DEM質量的目的。按照操作的方法可以分為:移動曲面擬合法(張小紅)，線性預測模型估計表面(也叫做迭代線性最小二乘內差模型殘差法，Pfifer等，)，數學形態學方法(Vosselman)等。4.2.1數學形態學濾波算法德國斯圖加特大學的Lindegberger教授在1993年提出了適用于數據點有序的剖面

38、式激光雷達數據的數學形態學濾波算法。其主要思想是：選取一個固定大小的窗口，將這個窗口在掃描區域內移動，通過數學形態運算找出窗口內的最低點，通過設定一定的閾值，將窗口內的點進行判別，如果窗口內的點在閾值內則為地面點，判別完后，繼續移動窗口直到遍歷完整個掃描區域。數學形態學算法要求將原始離散的數據點云內插成規則的格網，對很多重要的地形信息造成損失，反而給濾波帶來困難51。4.2.2迭代最小二乘線性內插濾波算法維也納大學的Kraus和Dfeifer教授首次提出了將LiDAR點云數據進行迭代最小二乘線性內插的濾波算法。其中心思想是使用低維的多項式曲線實現對地形起伏不大的掃描區域內數據的濾波處理。該算法

39、的基本出發點是位于地物的激光腳點的高程比其對應的地面點的高程高，對激光焦點進行線性最小二乘內插后，擬合一個高程擬合面，激光腳點的高程與該點在擬合面上的擬合髙程之差不服從正態分布52。4.2.3基于地形坡度濾波算法Vosselman在2000年提出了基于地形坡度的濾波算法。算法的中心思想是：兩臨近激光腳點間的高差較大時，由地形劇烈起伏變化引起的可能性較小，最大的肯能是中一個激光腳點位于地面，一個位于地物上。通過比較目標點與其臨近地面點間的高差值與給定閾值間的大小關系，判斷是否接受目標點為地面點53。給定的閾值是兩點間距離的函數假設地形坡度不超過30%，一般機載激光雷達數據不可避免的帶有誤差，其標

40、準差為CT，濾波函數可表示為： hd)0.M + .6542cT(4-1)其中d為兩激光腳點間的距離，其表達式為-d = (x,. +(乂(4-2)4.2.4移動曲面擬合濾波算法隨著機載激光雷達技術的不斷發展，點云數據的空間采樣密度越來越大，能很好的體現激光焦點間的空間關系。激光腳點間的空間關系在一定程度上反映了地形表面的空間起伏變化，基于這個原理，武漢大學的張小紅教授提出了移動曲面擬合濾波算法。算法的基本思想是：可以用一個簡單的二次曲面去逼近擬合任何一個復雜的空間曲面上的局部面元：Z, = /0, 乂.）= a。+ ajX, + ay. + + + a;少 f( 4-3 )將種子區域三個內彼

41、此相互靠近的最低點作為初始的地面點，將這3個初始地面點三維坐標擬合成一個空間平面；然后將臨近的備選激光腳點的平面坐標帶入擬合的平面方程中計算出擬合高程，如果擬合高程與觀測高程間的高程小于事先給定的閾值，則接收該備選點為地面點；否則就將其作為非地面點濾掉。用新接收的地面點與3個初始地面點從新擬合成一個空間曲面，對臨近的激光腳點進行同樣的判定處理。當擬合的地面激光腳點為6個時，保持曲面的擬合點數不變，以后每接收一個地面激光腳點就丟掉一個最遠的地面腳點，直到判斷完所有的激光腳點m。通過分析、研究可以發現現有的濾波算法都有其自身的一些缺陷。有的算法需要進行迭代運算，運行量較大；絕大部分的濾波算法都假設

42、區域內較低的點為地面點，高程較高的點為非地面點，而實際情況有時并非如此，在地形復雜區域可能會出現較大的誤差；很多算法都不是基于原始的離散點云數據進行處理，而是將原始數據內插成規則格網，以減少儲存空間，使操作相對簡單，而在數據內插中必然帶來內插誤差，這就使得濾波的精度降低；現有的濾波算法很多都不能自適應地形的變化，對大型建筑物只能濾掉一部分，而且有可能會濾掉一些真實地形信息。機載LIDAR濾波技術是從點云數據中提取地面點的數據處理技術。目前，國內外開展了廣泛的研究。從算法的思想和原理來看，大部分濾波算法側重于解決某種地形特征的濾波處理。任何濾波算法都有一定的局限性。現有濾波算法優缺點比較濾波算法

43、項優點缺點簡單濾波算法算法原理簡單，可操作性強只適用于平坦地形，濾波誤差較大數學形態學濾波算法采用移動的窗口過濾整個區域，并且釆用規則網格數據結構，運算速度快，操作簡單采用回歸分析運算,要求有序，在內插成規則網格時會損失很多重要的地形信息移動窗口濾波算法通過控制移動窗口的大小，迭代過濾整個數據區域，對應各種地形條件調節閥值的選取，對各種復雜的地形濾波效果較好窗口的大小及閥值的選取對濾波的效果有較大的影響，濾波的自適應性較差迭代最小二乘線性內插的濾波算法通過多次的迭代擬合運算，不斷的提出高程較高的非地面點，不斷的更新和接近真實的地形表面，濾波精度高。還能提出存在的粗差算法要求數據均勻分布，且地形要較為平坦，對地形起伏較大的復雜區域，參數的設置較為復雜，運算時間較長，濾波效果也不理想基于地形坡度的濾波算法該算法的關鍵在于確定閥