机载LiDAR点云数据处理方法探讨

□ 张 娟 谢丽娟

（山西亚太数字遥感新技术有限公司，山西 太原 030006）

0.引言

随着激光雷达技术的发展，其应用领域也不断扩展，尤其在航空摄影测量领域，机载LiDAR测量技术逐步发展成为快速获取空间数据的主要方式之一。机载LiDAR测量系统通过扫描获取具有一定分辨率的地表三维形态的、离散的、密集的空间点，利用点云图来表达系统对目标物体表面的采样结果。

机载LiDAR测量技术的优点是快速获得高密度、高精度的三维数字地面信息。由于点云数据本身不具有它所表达的物体的属性信息，因此，要获取所表达的物体的属性，则须对点云数据进行分类处理，按照不同地表物体的反射特性、形状特征等，将表达不同类地物的点云进行区分。经过分类，将建筑物、植被等非地表数据放在其他层里面，纯地表数据就被分离出来。经过分类的纯激光地表数据是具有三维坐标值的离散点，构TIN后即可以按规定格网生成DEM。

本文主要详细探讨机载LiDAR点云数据的处理及检查方法，并对特殊情况下点云数据处理方法进行了方法性说明。

1.机载LiDAR点云数据处理方法

1.1 数据准备

机载LiDAR点云数据处理中数据准备主要包括以下数据内容：

点云数据；航迹文件（GPS时间、位置信息（X，Y，Z）与姿态信息（H，R，P）相对应的列表文件）等参考文件；地面检查点，即用于精度检查的野外实测数据；坐标转换参数（成果坐标系统与点云坐标系统之间的转换参数）；其他有关数据，如与数据处理、成果检验相关的数据等。

1.2 工程管理

机载LiDAR测量技术获取的点云数据海量密集，信息丰富，数据量大，针对这一数据特性，结合实际项目需求，在点云数据处理前，首先要对点云数据进行分块，数据块的大小根据数据处理的软、硬件性能综合考虑，每一个分块为软件处理的一个单元（如图1所示）。

经过分块后的点云数据进行有序编号，便于后期的数据处理和工程管理。

图1 工程管理分块图

1.3 点类定义

点云数据本身是离散的，没有属性类别的。需要根据实际需求，对点云类别进行定义，分别定义地面点、非地面点和专题点数据，其中专题点又细分为水系及设施、居民地及设施、交通及设施、管线及设施、植被和其他。实际工程项目中，可以根据项目需求进行点类定义，确定关注的点类，并进行分层设色。（如图2所示）点类定义图。

1.4 点云分类

机载LiDAR点云数据分类，一般是先使用点云数据处理软件进行自动滤波，可以分离出大部分的地面数据和非地面数据，但是如果需要得到精确的地面数据和专题地表数据，就需要人工干预进行分类。在两种情况下，需要人工干预，一是地面点云数据不完整，二是非地面数据有残留。人工干预的主要方法见1.5人工编辑。

点云分类主要是将点云数据按照点类定义分别归类到各自所在的层。首先移除噪声点，也就是将明显低于地面的点或点群（低点）和明显高于地表的点或点群（空中点），以及移动地物点进行移除。然后是地面点云数据分类，利用软件设置的算法，对点云数据进行自动地面点分类。其次根据点的高度以及点云分布的形状、密度、坡度等特征，对非地面点云进行分类，分离出需要的专题点信息。最后是人机交互式进行点云类别编辑修改，直至合理地将各个层次的点云进行分类。（如图3所示）点云分类示意图，其中橘黄色为地面，红色为建筑物，绿色为植被，蓝色为配电线。

点云一般采取运用宏命令的方法进行，根据测区地形，地表覆盖情况设置统一的分类参数，分别对噪点、地面点、建筑物、植被、道路等进行宏命令批处理的方法进行分类。

图2 点类定义图

1.5 人工编辑

在点云分类过程中，人工编辑占很大的工作比例，人工编辑分类主要包括：对高程突变的区域，调整参数或算法，重新进行小面积的自动分类；对分类错误的点重新进行分类；对项目要求的专题点，结合自动分类和人工编辑的方法进行精细分类。

图3 点云分类示意图

人工编辑分类通常是在自动分类后的激光点云数据的基础上进行，参考渲染的地面模型和表面模型，以及对应的影像数据，利用软件设置的手动编辑器，通过更改刷取激光数据的光标尺寸大小来确定每次刷取的激光数据点数，也可以设定所刷取的激光数据的范围，还可以设置光标线上或线下的点，对激光点云数据进行人工编辑分类。目前用于点云数据处理的软件中基本都设置有手动编辑器，方便多种形式，各种类型的人工编辑处理。

人工编辑分类过程中除了使用手动编辑器分类外，还可以结合使用局部滤波算法，对特殊地形，或地形突变区域进行半自动分类，减少手动分类的工作量。

通过手动编辑器和滤波算法的合理交互式使用，优质高效地完成点云数据分类工作，得到精确的地面点云数据和专题点云数据。（如图4所示），左图为自动分类后的地面模型，右图为经过人工编辑后的地面模型，人工编辑改善了地面的激光点云，使地面模型更加精确。

图4（1） 自动分类后非地面数据有残留（图左）和人工编辑（图右）对比图

图4（2） 自动分类后地面点云数据不完整（图左）和人工编辑（图右）对比图

1.6 点云检查

点云检查主要是针对经过分类后的点云数据，对数据进行整体质量检查，才能进一步导出提交成果。

1.6.1 检查内容

点云检查的主要内容包括：点云分类是否正确；地面点云表面模型是否连续、光滑；地面点的剖面图形态是否合理；非地面点云精细分类按项目要求，不容许错分、漏分；将分类结果与影像套合，查看点云与影像范围是否一致。

1.6.2 检查方法

对分类结果进行检查。通过将点云按类别显示、按高程显示等方法，目视检查分类后的点云数据；对有疑问处结合断面图进行查询、分析。地面点检查一般采用建立地面模型渲染图的方法进行检查。对模型上不连续、不光滑处，绘制断面图进行查看。并结合对应影像，辅助检查分类的可靠性。针对分类中发现的点云异常，进行及时处理，修正。

1.6.3 具体步骤

将分类后的激光点云与正射影像图进行叠加，根据影像图地物的属性、位置、形状和大小来判断点云分类是否正确（如图5所示）。

图5 影像（图右）匹配激光点云（图左）进行点云分类检查

用地面点创建可编辑地面模型，按模型地表形态检查判断地面点分类是否正确。在发现分类有误或有疑问的地方，参考表面模型或剖面图进行判断并修改（如图6所示）。

图6 表面模型（图左）匹配地面模型（图右）进行点云分类检查

1.7 成果导出

目前机载LiDAR点云数据格式一般为*las、*bin、*txt、*fbi等格式。点云数据分类完成后，通过点云处理软件设置相应的参数，结合项目需求，导出满足要求的点云数据成果。

2.特殊情况处理

在机载LiDAR点云数据处理中，会遇到一些难以分类或点云数据描述困难的地形，通过长期的工程实践，总结出一些特殊情况下的点云数据处理方法。

对于河流、湖泊等面积较大的水体区域，通常情况下，水域会吸收发射出去的激光束，从而导致水体区域无数据，点云数据缺失。实际处理中，一般采集水涯线作为特征线代替激光点云数据，当在点云数据中无法获取水涯线高程时，一般进行野外实地补测高程信息，再补充完成点云数据信息，从而确保地面模型的准确性。

对于分类后地面出现零散、小面积无数据区域时，一般根据数据实际情况设置较大的构网距离，保证插值结果反映完整地形，不得出现插值漏洞。

对不满足要求的区域，如山体、陡坎或地物遮蔽严重等特殊地形，由于地面数据缺失，插值后损失地形细节，严重影响数字高程模型精度的。可以使用软件进行参数设置，参考对应区域的影像数据，可基于立体像对进行补测特征点、特征线等高程信息，或者进行外业实测，补测高程信息，保证地形细节完整。

3.结束语

目前机载LiDAR测量技术已广泛应用于各个工程领域，包括公路测设，数字城市基础数据采集，水利工程勘察，电力选线巡线等。随着机载LiDAR设备的日益更新，获取的点云数据信息也更加密集丰富，所以生成的DEM、DTM和DSM都能非常细腻地表现地形细节，这些都是传统的航测技术无法实现的。相应的点云数据处理方法也日趋完善，数据处理软件越来越多，总体算法更加成熟，但是目前还是难以找到一套可以适应各种复杂地形的自动算法或半自动算法，数据处理中还需要大量的人工手工编辑，所以还需要在实践中不断积累提高，进一步改进点云数据处理方法，提高机载LiDAR点云数据的分类质量，制作高精度数字测绘产品。