影像匹配点云与机载激光点云的比较

冯 帅

（1.高要市国土资源局，广东 高要 526100）

数字摄影测量技术是目前生产DEM的最主要手段之一[1]。许多学者对数字摄影测量中通过影像匹配自动获取数字表面模型DSM进行研究，其中双视立体影像匹配发展到多视影像同时匹配，影像相关匹配发展到高精度最小二乘匹配、特征匹配以及整体匹配等[2]。Baltsavias等提出一种从SPOT影像自动提取DTM的方法[3]，能够提供密集、准确、可靠的影像匹配结果；Gabet等提出利用高冗余度的影像匹配方法自动生成城市地区DSM的思想[4]；江万寿将基于双视视差格网的核线影像整体松弛匹配推广到基于高差平滑约束的多视影像整体松弛法匹配，并提出一种基于物方面元的单点多片最小二乘匹配算法，将整体概率松弛匹配算法应用于多视线段的优化，在建筑物几何模型估计中起到了较好的效果[5]。随着大量新传感器和平台的出现,新的 DEM获取技术不断涌现，如机载激光雷达技术（LiDAR）、干涉雷达技术（InSAR）等等。DEM生产中最重要的环节是影像匹配点云的处理。本文比较了利用数字摄影测量技术和机载激光雷达技术进行影像匹配点云处理的特点，并得出一些有益的结论。

1 影像匹配点云的特点

利用影像匹配来生成数字表面模型DSM是数字摄影测量的重要任务之一。随着影像匹配算法的不断发展，由影像匹配获取的影像匹配点云的精度越来越高，数据量也越来越大。

影像匹配点云主要有以下几个特点：

1）影像匹配点云数据在空间的分布形态表现为一系列离散分布的三维数据点云。由于影像匹配点云的数据主要是通过影像匹配来获取同名点，匹配所得同名点的位置是离散的，因此获取的影像匹配点云中的数据分布也是离散的。不过，由于匹配点的唯一性，在一个坐标上只可能存在一个同名点。这种离散的点云分布形态对于通过影像匹配点云数据形成表面纹理有很大帮助[6]。

2）影像匹配点云数据含有丰富的纹理信息和语义信息。在影像匹配过程中，应用的匹配策略多为基于特征的匹配。基于特征的匹配方法生成的影像匹配点云数据中，包含了大量的线特征信息与边缘信息，如建筑物边缘、道路、断裂线等，这是其他点云获取技术难以实现的。除此之外，影像匹配本身就是基于影像数据的匹配，其本身拥有目标的光谱信息，便于后续的点云处理。

3）影像匹配点云数据分布不均匀。由于影像匹配点云数据的获取是基于影像匹配的，而影像匹配过程中的特征提取多是基于影像上的纹理，不能根据地形、地物的变化自由决定点云的密度，造成在影像匹配结果较好的区域，影像匹配点云数据较密集；而在影像匹配结果较差或存在阴影、遮蔽、遮挡的地区，影像匹配点云数据较为稀疏甚至存在数据空洞。

4）由于无法穿透树冠、房屋等遮盖，影像匹配点云有时无法获取精确的DEM，而只能获取DSM，再通过其他技术手段获取相应DEM。

2 机载LiDAR数据的主要特点

机载激光雷达系统按照时间序列采集和存储激光脚点，其在空间的分布表现为不规则的离散数据点云。机载激光雷达数据的采集具有一定的盲目性，因此激光脚点的位置也是随机的。在数据釆集过程中，可能会出现丢失一些地形特征点和地物特征点的情况，给数据的滤波和分类带来困难。

机载LiDAR数据的主要特点如下：

1）机载LiDAR数据的空间分布表现为离散的三维数据点云，其具体分布取决于地表形态及数据采集方式[7]。

2）机载LiDAR激光脚点的密度分布不均匀，其密度分布由激光测距仪的扫描方式决定。激光雷达在扫描时，由于搭载LiDAR的平台的飞行速度、高度不同，有关扫描电机的运转速度、加速度不同，以及受地形起伏变化影响，导致不同位置的激光脚点密度存在一定差异[8]。

3）机载LiDAR是一个集成了多个传感器的集成系统，在对地扫描时除了能够直接获取目标的三维坐标信息外，还能同时获取回波强度、回波次数等多种信息。

4）机载LiDAR是通过接收目标反射回来的激光脉冲来获取目标信息，回波的强度与目标的材质有关。有的目标对激光脉冲的吸收较大，则可能出现回波点缺失的情况，比较典型的如水域等。

3 机载激光点云与影像匹配点云比较

由图1可以发现，虽然影像匹配点云数据和LiDAR点云数据在空间上都呈离散分布，但相对而言LiDAR点云更加规则。这是因为它们的点云获取方式不同造成的。获取LiDAR点云时，激光器连续发射激光脉冲，在推扫过程中结合激光器的位置和激光束发射的方向，根据矢量解算原理不断计算推扫线上的点的三维坐标，因而获取的点云分布比较规则。而影像匹配点云中的点根据两幅或多幅影像上的同名点来确定它的三维坐标，根据匹配策略的不同，能够匹配的同名点的位置并不规则，因而影像匹配点云数据的分布形式相比LiDAR要不规则一些。

图1 LiDAR点云（左）与影像匹配点云（右）对比

1）LiDAR点云数据与影像匹配点云数据在特征线、边缘、纹理上的表现能力有很大的不同。影像匹配点云数据所包含的特征信息和边缘信息十分丰富，这是由影像匹配的特性所决定的。在影像匹配策略中，往往使用特征匹配，而特征匹配中的线特征匹配可以很好地提取影像中的线特征和边缘等[9]。

2）影像匹配点云数据与LiDAR点云数据中数据空洞的情况不相同。在影像匹配点云中，存在很多数据空洞区域，而LiDAR点云数据中则相对较少。产生这种情况的原因是点云数据的获取方式和条件不同所致。在影像匹配点云数据获取的过程中，遮挡和纹理匮乏会导致影像匹配十分困难，以致出现数据空洞。LiDAR接收到地物反射回来的激光脉冲即可获取目标信息，只有在目标对激光脉冲吸收较大、缺失回波时才会产生数据空洞。

3）影像匹配点云数据中只有点的三维信息，并不包含其他信息。而机载LiDAR除直接获取目标的三维坐标信息外，还能同时获取回波强度、回波次数等多种信息，这些信息在林业、电力等行业有着重要的应用价值。

[1]张熠斌.机载LiDAR点云数据处理理论及技术研究[D].西安：长安大学,2010

[2]许彪.基于航空影像的真正射影像制作关键技术研究[D].武汉：武汉大学,2012

[3]Baltsavias E,Stallmann D.Advancement in Matching of SPOT Images by Integration of Sensor Geometry and Treatment of Radiometric Differences[J].IAPRS,1992, 29(B4):916-924

[4]Gabet L,Giraudon G,Renouard L.Automatic Generation of High Resolution Urban Zone Digital Elevation Models[J].International Journal of Photogrammetry and Remote Sensing,1997,52(1):33-47

[5]江万寿.航空影像多视匹配与规则建筑物自动提取方法研究[D].武汉:武汉大学,2004

[6]靳克强.机载激光雷达数据滤波生成DEM技术研究[D].郑州：信息工程大学,2011

[7]李犇.点云数据滤波处理及特征提取研究[D].北京：首都师范大学,2012

[8]张小红.机载激光雷达测量技术理论与方法[M].武汉:武汉大学出版社,2007

[9]管海燕.LiDAR与影像结合的地物分类及房屋重建研究[D].武汉: 武汉大学,2009