基于机载LiDAR数据获取高精度DEM的关键技术探讨

许家录

（1.青海省自然资源综合调查监测院，青海 西宁 810001）

机载LiDAR技术由20世纪80年代后期发展而来，特别是随着免棱镜红外测距与无人机技术的进步，该技术得到了飞跃式发展。机载LiDAR技术主要应用于地形测量、林业分类、电力巡线、山体滑坡监测等多个领域。相较于地基激光雷达扫描技术，机载LiDAR技术航测范围大、工作效率高、对高大建筑物以及山地复杂地形的测量优势更加明显；而相较于航空摄影测量，其可全天候、不受日照条件影响观测[1-3]，在垂直方向上具有更高的分辨率，且植被穿透力强、成图周期更短。因此，在一些地形复杂、植被茂密的山区，更适合利用机载LiDAR技术进行扫描作业。本文重点探讨了利用机载LiDAR点云数据制作高精度DEM的关键技术，主要包括点云数据滤波、人工精细分类、地表点云内插以及DEM成果的制作与修饰，并结合四川省南充市某丘陵地形测图项目，制作了高精度DEM，对其精度进行了计算与评定，取得了较好的效果。

1 机载LiDAR技术的原理与流程

机载LiDAR测量系统多以旋翼机为载体，搭载激光雷达测量设备、惯性导航系统和GPS定位系统，同时根据航测任务的不同，还可加载正摄单反相机，以便LiDAR点云与正摄影像融合处理。其中，GPS卫星定位设备可提供精确的红外发射脚点位置坐标；惯导设备用于测定激光设备发射瞬间的空间姿态信息；激光扫描设备则是根据采样点激光回波脉冲相对于发射时刻的时间延迟，计算得到传感器到地面点的距离[4-6]。在该过程中，还能得到激光脉冲回波次数。地面采样点位置坐标是由机载传感器到采样点的实测距离、惯导系统给出的激光发射点姿态信息以及GPS测得的发射点瞬时空间位置3项参数综合解算获得。最终得到的是地表分布不规则、离散的三维点云数据。机载LiDAR数据获取DEM的技术流程如图1所示。

图1 机载LiDAR点云获取DEM技术流程图

2 关键技术研究

针对利用机载LiDAR点云数据制作高精度DEM的关键技术，本文主要探讨数据预处理后的主要环节。当然，在预处理环节中，解算地面点空间三维坐标、空间坐标系转换、剔除点云粗差与系统误差等均为较重要的工作，篇幅原因不便加以阐述。本文着重研究除去程序自动处理以外的根据相关理论由人工精细判别与操作的关键环节，主要是如何准确、高效地将地面点分离出来。本文设计了3种方案。

1）方案1：设置阈值分离地面点。通过解算获得的三维点云数据，除具有空间三维坐标，还包含时间、回波次数与强度等信息。虽然这些点云数据具有丰富的属性信息，但每个点都是独立数据，点与点不存在拓扑关系[7-8]，因此要想准确分离大量点云数据中的地面点与非地面点，可通过识别邻近激光脚点间的高程突变值来实现。由于这些突变的高程点很少是由地形突然起伏引起，因此可给定一个高程变化阈值来过滤非地面点，以达到与地面点分离的目的。该方案可通过编写程序实现。

2）方案2：按照点云回波数分离地面点。机载LiDAR技术的优势在于其激光束固有的穿透性。它在扫描过程中，遇见不同地面点会有不同的回波次数与强度信息[9-10]，当激光点扫描到不可穿透的物体表面时，只产生一次回波；当扫描到植被等可穿透表面时，则产生两次或多次回波。因此，可提取多次回波中最后一次回波的点云和只有一次回波的点云，由此便成功去除了植被点，再手动剔除建筑物，便可分离地面点。

3）方案3：人工手动分类。人工分离地面点是在程序自动分类的基础上进行的。通过机载航拍影像生成高分辨率DOM或三维实景模型，再参照这些成果对自动分类后的点云进行人工手动交互精细分类。之所以采用人工分类，是由于程序自动分类后只是一个概略的地形数据，仍存在错误分类与分类不完整的情况，特别是在地形表面上、下50 cm处，易存在误分情况或一些小的地形不连续部分会被平滑处理掉，此时加入人工交互分类，同时参考DOM、三维实景模型即可修正误分点云，清晰完整地剔除非地面点。

上述3种地面点分类方案各有优劣，方案1适用于对裸露地表上的建（构）筑物等人工设施进行程序自动化处理，但不适用于植被的识别；方案2适用于对地表植被覆盖进行多次回波识别，但对其他地貌不能显示其优势；方案3明显效率低下、费时费力。因此，可综合利用3种方案的优势，从而大幅提高点云分类处理的效率与精度。

3 案例分析

3.1 数据采集

结合四川省南充市某村庄1∶500大比例尺测绘项目，本文利用机载LiDAR点云航测设备进行了外业扫描。测区三面环山、中间低洼，属于典型的丘陵地形，地势较高的山坡与山顶均有茂密植被覆盖，若采用传统RTK、航空摄影测量等手段很难实施；同时，测区包括多处水田，势必提高了后期DEM制作的难度。本文采用大疆M600Pro无人机，搭载RIEGL激光扫描设备，点云密度每m2不少于25个，正摄影像分辨率优于5 cm，数据采集时间为2019年12月。预处理后的点云数据（图2a）具有CGCS2000坐标、黄海1985高程、回波次数、点云强度等信息属性，以高程与强度混合的模式显示。

3.2 地面点分类

测区地形复杂、植被覆盖率高，本文采用回波次数、阈值设定和人工交互编辑3种方案的优势组合方案进行地面点分类，即利用回波次数方案分离植被区的植被与地面点云，利用阈值设定的程序编制分离地表建（构）筑物等人工设施与地面点，利用人工交互方案对剩余点云进行精细化点云分类，以进一步地提高地面点的纯度。

首先，根据点云的脉冲回波次数，保留仅一次回波与最后一次回波的点云，如此可剔除绝大部分植被点云，保留地面与建筑物点云，效果如图2所示，同时将被剔除点归为中等植被点。

图2 原始与初次回波分类点云

然后，利用给定阈值的方法处理保留的地面与建筑物点云，通常程序的地面点自动分类工具也能分离地面点，但其对地势较平缓的地形效果较好，对于高低起伏较大的地形，易导致自然地形起伏突变大、人工垫高地基与加固沟渠等点云的不合理过滤。因此，基于Visual C++6.0编程环境，本文利用C++语言编制了点云阈值过滤程序，设置过滤地面点上、下垂直高度为0.4 m，该值能完好保留地形，且可过滤绝大多数房屋建（构）筑物。此时被过滤的点云可归为建筑物点，如图3所示。

图3 阈值设定过滤后的分类效果

最后，采用人工交互的方向进行精细分类。在回波次数分类与阈值过滤后，各类点云分离基本清晰，但在精细化DEM生产中，仍需对上述地面点云进行后期人工交互编辑，分离地面点云中少量的其他类别点云。分类效果如图4所示，图中给出了人工交互编辑地面点云的过程，针对需编辑的区域，利用横断剖面效果精细剔除杂点。

图4 人工交互精细分类效果

3.3 DEM编辑

DEM生产的后期编辑主要是对水域表面、较大石块以及尖锐物体进行平滑处理。编辑前水域水面与地面突起，通过以水面一定位置的高程为整个水域的高程，将突起模型范围内的DEM做平滑编辑，编辑前后的效果对比如图5所示。测区编辑修饰精细化后的DEM数据如图6所示。

图5 DEM编辑与修饰

图6 测区精细DEM制作效果

3.4 精度评定

根据大比例尺DEM生产规范，1∶500 DEM要求输出的格网间距为0.5 m，丘陵地形高程中误差为0.4 m，因此在输出DEM时设置格网间距为0.5 m。评定整体高程中误差的精度时，本文在实地选取了36个地物特征点，将实测值与DEM对应点进行对比，计算了高程中误差，如表1所示。高程中误差为±0.106 m，说明在复杂地形、多植被覆盖的情况下，可满足规范对丘陵地形的精度要求。

表1 DEM高程中误差精度评定统计表/cm

4 结语

机载LiDAR技术已越来越广泛地应用于各个领域。本文详细阐述了LiDAR点云数据后期制作高精度DEM的若干关键技术，主要涉及地面点滤波的多种解决方案和水域水面点云空白区的处理方法。本文结合1∶500大比例测绘项目进行了航飞扫描与DEM优化处理，并给出了DEM高程中误差，很好地满足了相关规范要求。本文探讨的地面点分离方案等关键技术，能为制作大比例尺高精度DEM数字产品（特别在地形复杂、植被茂密的测区）提供数据处理方案与相关经验。