孫森震，盧小平，楊尚波，朱寧寧，羅 玲

（1．河南理工大學(xué) 礦山空間信息技術(shù)國家測繪地理信息局重點實驗室，河南 焦作454003；2．河南省礦山空間信息技術(shù)重點實驗室，河南 焦作454003）

激光掃描技術(shù)具有自動化程度高、獲取數(shù)據(jù)快等優(yōu)點，能夠多角度地反映地物三維空間信息，目前 在三 維 城 市 建 模［1－2］、路 面 監(jiān) 測［3］、電 力 桿 線 檢測［4－5］、鐵路勘察復(fù)測［6－7］、隧道監(jiān)測［8］及大型鋼結(jié)構(gòu)建筑的變形監(jiān)測［9］等領(lǐng)域已得到廣泛應(yīng)用。激光點云數(shù)據(jù)處理的關(guān)鍵步驟是目標(biāo)點云的分類提取 提取結(jié)果直接影響到后續(xù)應(yīng)用。點云分類提取方法目前主要有兩類［10－12］：一是基于特定規(guī)則的單一濾波算法提??；二是用機器學(xué)習(xí)的方法進(jìn)行監(jiān)督分類。第一類方法針對性較強，但適用性較差；第二類方法分類結(jié)果依賴樣本學(xué)習(xí)的質(zhì)量，穩(wěn)定性較差。因此研究具有普遍適用性的點云分類提取方法對點云處理軟件的設(shè)計具有現(xiàn)實意義。

特定地物點云提取方法與其空間形狀及其點云信息有關(guān)，本文根據(jù)三維數(shù)學(xué)形態(tài)學(xué)思想提出一種基于地形地物空間形態(tài)特征的點云分類提取方法。該方法首先通過場景空間網(wǎng)格數(shù)據(jù)組織，建立網(wǎng)格索引，劃分網(wǎng)格空間；然后利用不同地物在網(wǎng)格空間中的分布特征設(shè)計出5種空間網(wǎng)格算子來提取目標(biāo)點云，并通過調(diào)節(jié)空間算子的參數(shù)來提高提取算法的靈活性和適用性。結(jié)合CJHJ編程，通過對場景較為復(fù)雜的鐵路地面Li DAR和城郊機載Li DAR數(shù)據(jù)中地物要素的提取，驗證本文方法的適用性，為點云分類提取軟件模塊的設(shè)計提供一種實踐方法。

1 基于空間網(wǎng)格的地物點云提取方法

1．1 地物要素點云分類提取流程設(shè)計

本文提取步驟如圖1所示。

1）對原始點云數(shù)據(jù)進(jìn)行拼接處理，統(tǒng)一坐標(biāo)系，然后進(jìn)行空間網(wǎng)格數(shù)據(jù)組織。

2）根據(jù)地物要素空間網(wǎng)格特征設(shè)置算子參數(shù)。

3）對提取結(jié)果進(jìn)行目視判斷并分析，如果得到待提取地物完整點云則通過，如果提取結(jié)果不明顯，則適當(dāng)調(diào)整相關(guān)的算子參數(shù)再進(jìn)行提取分析。

圖1 地物點云提取流程

1．2 場景空間網(wǎng)格數(shù)據(jù)組織

1．2．1 建立網(wǎng)格索引

激光點云數(shù)據(jù)量大且離散，大場景點云處理通常采用網(wǎng)格分塊索引機制提高數(shù)據(jù)處理的效率。其主要思想是將點云投影到一個特定尺度的平面網(wǎng)格中，記錄網(wǎng)格中點的編號，方便在處理時快速鎖定搜尋點范圍，減少盲目搜索耗費的時間。數(shù)據(jù)量過大時，不能將大量的點同時讀入計算機內(nèi)存，因此在點云數(shù)據(jù)預(yù)處理中要對大區(qū)域點云分為不同的區(qū)塊來存儲，并建立相應(yīng)的索引，逐塊進(jìn)行處理以提高處理效率，如圖2所示。也可自主設(shè)定網(wǎng)格范圍大小，濾去掃描距離較遠(yuǎn)的點云。

圖2 網(wǎng)格劃分

1．2．2 劃分空間網(wǎng)格

建立網(wǎng)格索引后，可以將網(wǎng)格區(qū)域［12］中的點視為分布在地理空間中的一個長方體內(nèi)。根據(jù)網(wǎng)格區(qū)域點云地物的形狀特征，給出如下定義：

定義1：長方體網(wǎng)格空間按一定尺度劃分為一系列空間三維網(wǎng)格，稱為網(wǎng)格空間。如圖3所示，沿坐標(biāo)軸XOY面內(nèi)對應(yīng)為i行，j列，按Z軸方向為k層。

定義2：如果一個空間網(wǎng)格中含有的點云數(shù)量大于閾值則將該空間網(wǎng)格標(biāo)記為點云網(wǎng)格“實體”，否則視為“虛體”。

通過分析特征地物點云在網(wǎng)格空間中的“虛實”，設(shè)計出相應(yīng)的空間算子來對目標(biāo)地物點云分類提取。

圖3 網(wǎng)格空間

1．3 特征地物空間網(wǎng)格特征分析

自然場景中的地物復(fù)雜多樣，形態(tài)各異，大多數(shù)地物的空間網(wǎng)格特征并不明顯，但是有一些地物的空間網(wǎng)格分布具有一定特征 例如 較為平坦的地面在空間場景中豎直方向上總是處在最下方；在地面上方的建筑物、樹木、電桿等地物在豎直方向上表現(xiàn)一定的空間網(wǎng)格相續(xù)性特征。但是要區(qū)分出某種地物，必須找出與其他地物不同的空間網(wǎng)格特征。這就需要分析不同尺度下地物所具有的空間網(wǎng)格特征的差異，并據(jù)此設(shè)計出具有針對性的空間算子來提取特征地物。例如，電桿通常是孤立的存在，樹木上方有樹冠的特征，建筑墻體在空間中是面狀存在的，懸空的電力線具有線性分布。

因此，空間算子的設(shè)計充分顧及網(wǎng)格的空間上下關(guān)系。針對一般地形地物特點，本文設(shè)計出5種空間算子，為空間網(wǎng)格鄰域算子、空間密實性算子、區(qū)域密實性算子、高程連續(xù)性算子、線性特征算子等。

1．4 空間網(wǎng)格算子設(shè)計

1．4．1 空間網(wǎng)格鄰域算子

定義：在劃分的網(wǎng)格空間中選取5×5×5的空間網(wǎng)格為一個空間網(wǎng)格鄰域算子單位，算子中心網(wǎng)格為算子核，核心網(wǎng)格為實體，其余網(wǎng)格為算子核的鄰域空間。根據(jù)鄰域空間中網(wǎng)格相對于算子核的位置設(shè)置不同的權(quán)重，以鄰域網(wǎng)格的虛實為條件，計算算子的值。以算子值的大小決定算子核內(nèi)的點云是否為目標(biāo)點云，如果算子的值在閾值范圍內(nèi)則提取出中心網(wǎng)格內(nèi)的點。

其數(shù)學(xué)表達(dá)如式（1）所示，Cqps表示鄰域網(wǎng)格的虛實，虛為0，實為1；Pqps表示對應(yīng)的空間鄰域網(wǎng)格的權(quán)重；Vijk表示空間網(wǎng)格鄰域算子的值。

根據(jù)提取對象的形狀特征，設(shè)計算子權(quán)重Pqps，得出空間網(wǎng)格鄰域算子值Vijk，通過分析特定空間網(wǎng)格鄰域算子在不同地物中的值，可以區(qū)分不同的地物點云。本文將該算子用于建筑立面提取、地形濾波、電力線粗提取、噪聲剔除。

1．4．2 空間密實性算子

定義：在網(wǎng)格空間中沿高程方向選取一豎列n個空間網(wǎng)格為一個空間密實性算子單位，算子中的空間網(wǎng)格值為Wijk，將其中的實體空間網(wǎng)格值賦為1，虛體空間網(wǎng)格值為0。令VCij為密度值表示該算子中實體個數(shù)的和，LDij為連續(xù)度表示實體和虛體的相鄰的連續(xù)性，如式（2）、式（3）所示。

計算空間密實性算子的VDij，LDij值，根據(jù)地物空間形狀特點可以識別桿狀物、建筑立面、樹冠等點云地物。

1．4．3 區(qū)域密實性算子

在空間密實性算子的基礎(chǔ)上，將其組成一個5×5的區(qū)域空間密實性算子QMij。如果VDpq大于C1且LDpq大于C2，則Mij為1，否則為0。計算QMij的值如式（4）所示。通過記錄其中每個算子的密實性，來判斷區(qū)域網(wǎng)格的密實性。該算子主要用于樹木、電桿的識別定位中。

1．4．4 區(qū)域高程連續(xù)性算子

由于建筑屋頂與地面形態(tài)特征相似，在提取建筑立面后，建筑屋頂被作為地形信息保留下來，但是這片區(qū)域懸在地形上空。根據(jù)這個特點，設(shè)計出一種檢查區(qū)域網(wǎng)格空間高程方向連續(xù)性的算子。該算子沿高程方向，從下到上統(tǒng)計網(wǎng)格空間每層實體網(wǎng)格的個數(shù)，如果某層沒有實體網(wǎng)格出現(xiàn)，則認(rèn)為地形終止，以此分離建筑屋頂?shù)葢铱拯c云。

1．4．5 線性特征算子

電力線等線狀地物在網(wǎng)格空間中，表現(xiàn)為連續(xù)的實體網(wǎng)格。將這些實體空間網(wǎng)格視為一個點，則利用Hough變換提取線特征原理［13］，可以從網(wǎng)格空間中檢測并提取符合線狀特征的空間網(wǎng)格實體。

2 點云提取方法實例驗證

2．1 鐵路要素點云分類提取

本文使用RIEGL VZ－400掃描儀采用四站鐵路點云數(shù)據(jù)，數(shù)據(jù)包含鐵路軌道、路基、接觸網(wǎng)、電桿及沿線建筑等地物，如圖4（a）所示，因此在點云自動分類提取方法設(shè)計中要綜合考慮地物的空間形態(tài)特征，合理安排各種地物要素的提取順序。根據(jù)地形地物在網(wǎng)格空間中的分布特征，組合運用以上5種算子，將鐵路沿線的建筑、樹木、電桿等地物點云分類提取。

2．1．1 建筑立面的提取

根據(jù)墻面的空間網(wǎng)格特征，設(shè)置空間網(wǎng)格尺度為0．1 m。第一步，計算場景內(nèi)網(wǎng)格的空間密實性算子VDij和LDij的值。以VDij大于25、LDij小于5為條件提取點云。然后，使用空間網(wǎng)格鄰域算子，令其權(quán)Pijk值為1，計算第一步提取的點云的Vijk值 以Vijk大于20為條件 提取建筑立面 如圖4 b 所示

圖4 地面Li DAR點云提取

2．1．2 電桿的提取

電桿的特征比較明顯，豎直方向連續(xù)，一般孤立存在且高度大于3 m。因此，第一步，計算場景內(nèi)網(wǎng)格的空間密實性算子VDij和LDij的值。以VDij大于30、LDij小于3為條件提取點云，這時提取到的點云含有建筑立面等其他地物。第二步，計算區(qū)域密實性算子QMij，以QMij小于3為條件提取點云，其結(jié)果如圖4（c）所示。

2．1．3 樹木的提取

樹木的形態(tài)比較復(fù)雜，不同的樹木樹冠的形狀和大小均有差異。通常在提取場景中的地面、建筑、電桿等地物后剩余的點云為樹木。一般情況提取到的樹木不完整，在實驗中提取了樹木的樹冠，如圖4（d）所示。

2．1．4 鐵路軌道電力線的提取

鐵路沿線重要的監(jiān)測對象為鐵路路基軌道及接觸網(wǎng)。由于接觸網(wǎng)的高程特征比較容易提取，而軌道與路基連接緊密，其反射強度信息與局部路基反射強度信息相似，單純利用形態(tài)學(xué)方法或者反射強度方法對其分類提取比較困難。

根據(jù)地面點處在網(wǎng)格空間最下層的特點，首先提取地面點云信息，其中包含軌道、路基信息。然后根據(jù)軌道與地面的反射強度信息差異對軌道點云進(jìn)行粗提取。粗提取后的軌道點云包含許多離散的地面點信息，再次劃分網(wǎng)格空間，根據(jù)軌道線性特征，利用線性特征算子對軌道精確提取，提取結(jié)果如圖5（a）所示。

對于接觸網(wǎng)點云信息，其具有線狀懸空的特點，通過設(shè)計出特定的空間鄰域算子，結(jié)合接觸網(wǎng)的高程范圍信息可粗提取具有線狀特征的點云，然后運用線性特征算子剔除噪聲信息，其結(jié)果如圖5（b）所示。

2．2 機載Li DAR點云分類提取

圖5 鐵路要素提取

機載Li DAR點云數(shù)據(jù)空間范圍大，點云密度相對稀疏，其主要用于建立大區(qū)域的數(shù)字高程模型。本文選取500 m×500 m的城市郊區(qū)機載Li－DAR數(shù)據(jù)為實驗對象，其中含有工業(yè)廠房、農(nóng)田、林地等地物，點云數(shù)量約120萬，如圖6（a）所示。實驗?zāi)康氖欠謩e提取地面點云和建筑屋頂點云，其過程如下：

第一步，設(shè)置網(wǎng)格尺度為0．3 m，使用區(qū)域密實性算子剔除樹木點；

第二步，運用密實性算子剔除豎直方向上連續(xù)的點云，使地面與建筑屋頂分離；

第三步，運用區(qū)域高程連續(xù)性等算子，分離屋頂點云和地面點云。地面點云如圖6（b）所示。用提取的建筑屋頂生成建筑模型，如圖6（c）所示。

3 分類提取精度分析

3．1 分類精度的影響因素

點云分類提取結(jié)果的精度是衡量算法優(yōu)劣的首要指標(biāo)，其中包含分類提取的準(zhǔn)確率和查全率。選擇合理的分類方法能夠提高提取的精度，但是由于點云數(shù)據(jù)的離散的特征和地物復(fù)雜鄰接關(guān)系使分類提取精度的提高受到限制。本文方法提取的目標(biāo)地物點云的精度與三種因素有關(guān)：①點云密度均勻性；②地物點云的形態(tài)特征的差異程度；③分類算子參數(shù)的設(shè)計的合理性。通過對地面點云鐵路要素地物提取結(jié)果與實際地物比較，得出分類精度如表1所示。機載Li DAR點云中的建筑屋頂提取精度結(jié)果如表2所示。

圖6 機載Li DAR點云提取

表1 鐵路要素提取精度分析

表2 機載點云屋頂提取精度分析 m2

3．2 分類算法優(yōu)缺點

本文分類提取算法設(shè)計主要基于點云地物的三維數(shù)學(xué)形態(tài)特征，其優(yōu)點有：①算子的設(shè)計較為形象、具體、靈活，易于理解和模塊化編程；②通過點云分塊索引的建立提高算法的效率；③提取的結(jié)果精度較高，穩(wěn)定性強。可以將算子參數(shù)保存，建立針對不同地物特點的算子庫來增強算法的普遍適用性。其不足表現(xiàn)在，該算法程序執(zhí)行需要使用較大的計算機內(nèi)存空間，算子的設(shè)計需要一定的經(jīng)驗積累，在地物形態(tài)特征相似區(qū)域提取的準(zhǔn)確率較低。

4 結(jié)束語

本文通過建立網(wǎng)格空間，根據(jù)地物要素在網(wǎng)格空間中的分布特征，設(shè)計出相應(yīng)的空間分類算子，結(jié)合地物的反射強度差異，運用不同方法組合對地物點云進(jìn)行提取。將算法編制為程序，通過對鐵路地面Li DAR和郊區(qū)機載Li DAR數(shù)據(jù)的分類提取處理，驗證算法的有效性。隨著激光Li DAR硬件技術(shù)的發(fā)展，能夠獲取的目標(biāo)物體的點云信息越來越多。本文分類提取方法的算子設(shè)計主要基于點云地物的三維數(shù)學(xué)形態(tài)特征，沒有融合目標(biāo)地物的圖像信息和利用多回波信息，這是需要進(jìn)一步研究的方向。

［1］ 魏征，董震，李清泉，等．車載Li DAR點云中建筑物立面位置邊界的自動提?。跩］．武漢大學(xué)學(xué)報：信息科學(xué)版，2012，37（11）：1311－1315．

［2］ 赫春曉，李浩．基于三維激光掃描數(shù)據(jù)的三維實景構(gòu)建［J］．測繪工程，2013，22（1）：81－85

［3］ 王果，崔希民，袁德寶，等．車載激光點云領(lǐng)域比較的道路邊線提取方法［J］．測繪通報，2012（9）：55－57．

［4］ 梁靜，張繼賢，劉正軍．利用機載Li DAR點云數(shù)據(jù)提取電力線的研究［J］．測繪通報，2012（7）：17－20．

［5］ 鄒曉亮，于英，張永生，等．基于車載激光掃描數(shù)據(jù)的電線桿自動識別與定位［J］．測繪科學(xué)，2012，37（2）：91－93．

［6］ 王曉凱．車載激光雷達(dá)在鐵路復(fù)測中的應(yīng)用探討［J］．鐵道建筑，2013（2）：81－83．

［7］ 李建強．地面激光掃描技術(shù)在既有鐵路勘測中的應(yīng)用研究［J］．鐵道建筑，2012（4）：128－131．

［8］ 于鵬磊，于海洋，謝秋平，等．基于RANSAC算法的地鐵隧道點云數(shù)據(jù)濾波［J］．測繪工程，2014，23（8）：28－31

［9］ 王晏民，王國利．地面激光雷達(dá)用于大型鋼結(jié)構(gòu)建筑施工監(jiān)測與質(zhì)量檢測［J］．測繪通報，2013（7）：39－42．

［10］郭波，黃先鋒，張帆，等．顧及空間上下文關(guān)系的Joint－Boost點云分類及特征降維［J］．測繪學(xué)報，2013，42（5）：715－720．

［11］左志權(quán)，張祖勛，張劍清．知識引導(dǎo)下的城區(qū)Li DAR點云高精度三角網(wǎng)漸進(jìn)濾波方法［J］．測繪學(xué)報，2012，41（2）：246－250．

［12］龔亮，張永生，李正國，等．基于多尺度虛擬網(wǎng)格與坡度閾值的機載Li DAR點云濾波方法［J］．測繪科學(xué)，2012，37（1）：101－103．

［13］巫兆聰，萬茜婷，梁靜，等．粒度Hough變換及其在遙感影像直線檢測中的應(yīng)用［J］．武漢大學(xué)學(xué)報：信息科學(xué)版，2007，32（10）：860－863．