校园中LiDAR 点云数据的树木提取开题报告

全文总字数：5537字

1. 研究目的与意义

由于经济和社会的发展迅速，城市的变化速度也大大加快，更要求能快速的大范围地提供城市三维信息。数字城市的发展更要求能高效地获取城市表面信息，采用常规测量如地面人工测量、航空摄影测量虽仍是获取地面三维数据最精确和最可靠的技术，但是需要投入大量的人力、物力，且效率低下，难以满足数字城市的实时更新需求。

机载激光扫描(light detection and ranging,lidar)系统是一种主动式对地观测系统，是90年代初投入商业应用的一门新兴技术。机载lidar系统的发展要追溯到1970年到1980年美国与加拿大于nasa系统的早期尝试。机载激光扫描代表了一种新的独立的技术，通过激光雷达传感器发射的激光脉冲经地面反射后被lidar系统接收，结合激光器的高度、激光扫描角度，从差分gps得到的激光器的位置，以及从惯性导航系统得到的激光发射方向，就可以准确地计算出每一个地面光斑的坐标，直接获取高精度三维地表数据，自动化生成dsm。机载lidar系统获取地面三维数据的方法比传统的测量方法生产数据具有外业成本和后处理成本低的优点。正是由于数字城市的发展急需低成本、高密集、快速度、高精度的数字高程数据或数字表面数据，机载lidar技术正好满足这个需求，使它成为各种测量应用中深受欢迎的一个高新技术。有专家预言利用lidar技术系统做地面三维数字地形测量在不久的将来会替代传统测量（包含摄影测量）方法

虚拟现实技术需要3d城市模型，而在数字城市中，可视化是一项重要的研究内容，而可视化需要城市表面信息的快速获取，机载lidar系统虽可获取城市表面信息，但这些表面信息特征不一，包含的内容繁杂，对这些不加以分析处理难以实现准确的城市建模，许多致力于城市环境的工作也需要对城市表面描述做出解释，如噪声或者电磁波的仿真模拟需要城市表面物质的具体内容，因此，树木与建筑物必须在地形表面上各自表示出来。树木作为城市表面信息的重要组成部分，在可视化中不可忽视，利用lidar点云数据提取树木是比较直接可靠的方法。

2. 国内外研究现状分析

目前国内外有较多学者对LiDAR点云树木提取进行了研究，研究主要集中在森林地区的树木提取与建模，在校园或城区中的树木提取研究相对较少。芬兰学者juha对森林地区的树木提取进行研究，首先从扫描数据中提取出林地数字地形模型，通过数字植被模型与DTM做差得到三维树高模型,对DTHM进行分割从而提取出单个树冠模型，树冠的位置与高度由该分割区域的最高点位置决定，树冠的直径由分割的树冠区域计算而得，通过树冠模型的建立，可以得到林地树木的多个参数，该法主要在于对DTHM的分割，可以看出，若在密集的林地区域分割结果会不理想，影响单株树木模型的建立。加拿大学者Marek B.Zaremba融合高分辨率的卫星影像和高密度的LiDAR数据来进行独立树的识别，用于高精度的森林管理。美国德克萨斯大学的ChristopherA.Weed在有辅助数据的情况下对已有样本数据进行训练，然后采用监督分类对LiDAR数据进行分类，地面点，植被点与人造地物。荷兰代夫特大学的SagiFilin对测高数据进行表面聚类，并分析表面纹理，通过非监督分类来识别具有相同属性的点聚类。武汉大学的蒋晶珏通过计算每一个LiDAR点的标量值（曲率），然后用分水岭的解决方案实现点云数据的分割。意大利罗马大学的CarlaNardillocchii通过格网梯度方向连贯性与格网单元的局部分析对LiDA数据分类。

国内也有部分学者对LiDAR数据分类进行了研究。庞勇等研究了林地的机载激光雷达树高提取技术，机载LiDAR实验数据采自山东省泰安市徂徕山林场实验区。通过对LiDAR点云数据的分类处理，分别得到了试验区的地面点云子集、植被点云子集和高程归一化的植被点云子集，实验结果表明对于较低密度的点云数据，使用分位数法可以较好地进行林分平均高的估计。杨海全直接以LiDAR数据为基础，提出一种基于知识的从LiDAR点云数据中发现并提取属于地物目标的点，并以树木提取为例进行实验，实验结果表明，基于知识的方法能比较有效地对LiDAR数据实现地物提取，主要不足在于建筑物与植被混合区域，或者小建筑物区域等复杂城市环境提取受限，需要挖掘出进一步的知识特性，同时实验采用的LiDAR数据所覆盖的地区地势比较平坦，地物主要为人工植被（如菜地、园地等）和天然植被（如树木、草等），人工建筑比较少，代表性不足。曾齐红等利用阶层式分类策略对LiDAR点云数据进行分层次的过滤和分类，首先逐层过滤掉非地面点，提取出光秃地面，将激光点云分类为地面点、非地面点、噪声点和未定义点，然后再对非地面点进行进一步过滤和分类，提取出非地面点的各种地物信息，例如建筑物、植被和车辆等等。刘经南联合激光强度信息和高程信息对激光扫描数据进行分类，根据地面介质表面的反射系数决定了激光回波能量的多少，相同的物质表面时其回波信号的强度较为接近，每种物质对激光信号的发射特性是不一样的，根据此特性，能非常容易进行LiDAR数据的分类，主要缺点在于目前能提供强度数据的激光扫描测高系统还有限，此外，激光回波的强度不仅与反射介质的特性有关，还同激光的入射角度、激光脉冲作用的距离等因素相关，因此，目前单一依靠激光回波强度数据进行数据的滤波和分类还具有一定的难度。国内外对于树木提取的研究主要是对ＬｉＤＡＲ数据进行分类的过程，在这些算法中，要么树木提取集中于林地区域，要么在分类过程中需要训练数据，要么利用额外的光强信息，同时有些算法对于树木提取选取的实验数据代表性不足，大部分分类算法过于复杂，仅有少量算法对其数据分类精度做出了评价。在此背景下，探索一种简单有效的从城区LiDAR点云中直接提取树木的算法就很有必要。

3. 研究的基本内容与计划

一、dtm提取：由于lidar数据是大量的离散点云数据，直接对其处理效率不高。为了能快速对其进行处理，可采用空间数据索引策略，用于lidar点云数据滤波与dtm生成。lidar系统主要应用之一是生成dtm，为了提取出高精度dtm，直接对原始离散lidar点云数据进行滤波，由于建立了空间索引，滤波与dtm生成效率得到了明显提升。提取dtm后，通过计算规则化的数字表面模型，利用高程阈值就可以把地面点从dsm中分离开来，从而为后期的树木脚点提取做准备。

dtm内插就是根据若干相邻参考点的高程求出待定点上的高程值，内插是dtm的核心问题，它贯穿于dtm的生产、质量控制、精度评定和分析应用等各个环节，在数学上属于插值问题。任意一种内插方法都基于原始地形函数的连续光滑性，它的核心问题就是要选择适当的邻域和插值函数，按照内插点的分布范围可将内插分为整体内插、分块内插和逐点内插３种。

二、地物点的提取：地物总是有一定的高度，地面点与地物点可通过高程阈值区分。我们主要针对具有一定高度的树木提取，过于矮小的树木先不考虑，因此可以首先提取出地物点，再根据地物点的特性提取出树木。为此需要对dsm进行规则化，得到规则化的dsm（ndsm）。规则化的过程采用从原始的dsm减去真实地形dtm来实现。ndsm中记录的是纯粹的地物顶部如房顶、树冠等相对于地面的绝对高程，即除去地形背景之后地物的实际高程。ndsm可以消除地形起伏变化对dsm中地物高程及形状的干扰，以获取相对准确的地物形态信息。ndsm中的高程信息有直观的现实意义，很多地物分类、识别及重构的算法都直接基于ndsm内不同地物所表现出的高程不同而进行的。

4. 研究创新点

对基于区域增长与梯度分割的树木提取算法进行改进，首先利用数学形态学对lidar点云数据进行滤波。灰度图像的开运算可以滤除掉一些噪声，在lidar数据中，可以把高程当作图像的灰度值进行类似去噪处理，对其开运算可消除lidar点云数据的毛刺现象，达到对lidar数据dsm表面的平滑。由于开运算的算法特征，同时也会对非建筑物区域的一些树木进行滤除，特别是一些小区域树木。在此，可以对灰度形态学处理后的dsm进行区域分割，通过面积阈值提取出大的非树木区域。再对原始ndsm区域分割，同理利用面积阈值提取出非树木区域占。

开运算可以滤掉一些孤点，具有一定的滤波效果，但所得到的边界结果与原边界不会完全对应，因此，若仅仅对开运算的结果进行区域分割再利用面积阈值滤除掉非树木区域，再对剩余的地物点进行梯度阈值分割，则会把一些边界点误判为树木点。出现这种情况的原因在于开运算自身的滤波特性，由于开运算可以对大的建筑物边界进行一定的平滑，因此，开运算后的部分边界建筑物点则被滤掉，而该点梯度较大，在梯度分割中会被判为树木点而被提取出来。因此，可以考虑结合原始dsm的区域分割与开运算后的dsm区域分割联合实现准确的建筑物区域剔除.

改进算法的思路：对于非树木区域，由于对原始dsm进行了灰度开运算，因此，建筑物边界不会与原dsm相互对应，但是建筑顶面的异常点会当作建筑物区域提取出来；对于非树木区域，由于是直接对ndsm分割而得，因此，具有准确的建筑物边界，屋顶噪声点不会被当作建筑物点而提取出来。因此对么和召取并集，可以得到包含准确边界点与屋顶异常点的非树木区域Ｃ。对ndsm进行梯度阈值分割可以得到初始树木区域Ｄ，从Ｄ中移除掉Ｃ即可实现树木点的提取。