1 LIDAR數據處理概述

　　1.1 LIDAR數據的特點

　　從嚴格意義上講，航空激光雷達系統獲取的數據包括位置、方位/角度、距離、時間、強度等飛行過程中得到的各類信息。而實際應用中，人們接觸和使用的是與具體時間及發射信號波長一一對應的點坐標及對應的強度等。作為一種非成像技術，航空激光雷達數據在內容、形式等方面具有很多自身的特點。

　　第一，從內容上講，航空激光雷達數據是分布于對象表面的一系列三維點坐標。值得注意的是，多次回波數據得到的點坐標可能對應著不同的表面，首、末次信號分別對應樹冠和地面，這種特性在某些場合可以發揮重要作用。例如，在相鄰掃描帶上植被或其他具有不規則形狀的物體可能會具有不同的高度，若用它們進行匹配可能會產生粗差，使用末次回波信號就可以避免匹配過程中不可預測的粗差問題。與記錄反射/發射能量的強度數據相比，航空激光雷達數據在提取空間信息上更加便捷。

　　第二，激光雷達數據在形式上呈離散分布。這里“離散”是指數據點的位置、間隔等在三維空間中的不規則分布，即數據分布無規律性。

　　第三，數據形式的另一個特點是掃描帶中數據分布不均勻不同位置的點云密度不同，造成這種情況的主要原因是激光掃描儀所采用的掃描方式。激光掃描儀所采用的掃描方式有圓錐掃描，線掃描和光纖掃描。

　　不考慮地形起伏的影響，在圓錐掃描方式中，掃描帶兩側數據密度大，中間部分稀；線掃描方式的情況類似；在光纖掃描方式中，掃描線方向上的數據密度大于垂直掃描線方向上的。其他原因還包括飛行速度、掃描儀與地形/地物的相對位置/方向及航高等。例如，對建筑物的傾斜屋頂而言，朝向掃描儀方向的屋頂會比背向掃描儀方向的屋頂反射更多的信號，在數據密度較大時兩個屋頂平面上數據密度就會表現出差異。

　　第四，盡管目標點的三維坐標是航空激光雷達的主要數據形式，但其數據類型并不局限于此。強度信號是另一個有用的信息源，它反映了地表物體對激光信號的響應。由于一些技術上的原因，還沒有得到多少實際應用。目前有用強度信號作為樹種分類的依據事例。

　　1.2 LIDAR數據處理

　　LIDAR數據處理包括原始數據預處理和點云數據后處理兩個階段。原始數據預處理階段主要包括濾除雷達噪聲，對記錄的原始信號、時間參數、距離參數、GPS和INS數據進行歸化處理、坐標變換，以得到地面目標的三維（x，y，z）點云坐標數據。坐標的格式可以根據用戶的要求定義，即可以得到不同的數據格式文件。點云數據后處理就是對得到的地面目標的三維點云坐標數據進行分離處理。具體地說，由于激光雷達點云數據分布在不同的目標上，后處理就是將落在地形表面上的點（即所謂的地面點）與那些非地形表面上的點進行有效而準確的分離。只有高精度及準確而可靠地分離不同信息后，才可能有效地將這些數據用于不同的目的，例如：得到DEM數據、測量樹的高度、獲取城市的三維模型等。對三維點云坐標數據進行有效的后處理是激光遙感系統最主要的組成部分。

　　盡管LIDAR技術在獲取地面點三維坐標方面具有效率高、全覆蓋、三維測量等優良的技術特性，但是其數據量的龐大、復雜、無規律等特點始終困擾著后期的數據處理。

　　2 規則格網重采樣生成數字表面模型（DSM）

　　在建立了規則地址格網檢索算法的基礎上，本文利用逐點內插法中的距離加權平均法來生成數字表面模型（DSM），具體步驟如下：

　　（1）確定內插點所在的格網單元。

　　由測區內所有激光采樣點X、Y坐標的最大、最小值可以得到測區的范圍，再依據采樣間隔就可以計算出DSM格網的大小。設x方向采樣間隔為，方向采樣間隔為，測區起點坐標，則格網坐標對應的激光內插點坐標為：

　　（2）規則地址格網檢索鄰域內的點。

　　利用距離加權平均法進行內插計算，需要選取與插值點距離最近的若干個點來參加計算。最簡單的方法就是計算內插點與周圍采樣點的距離，然后從中選出與內插點距離最近的若干點。這種方法計算量大，影響到插值速度。為解決這一問題，可選用一定的鄰域搜索區域，根據距離加權平均法內插數學模型對采樣點數量的要求，不斷調整搜索范圍，直到滿足要求為止，不應該少于4個點。

　　在建立了規則地址格網的基礎上，就可以利用矩形檢索函數搜索鄰域正方形區域內的采樣點，設所建立的規則地址格網的起點坐標為，搜索半徑為，則矩形檢索函數的參數設置為：

　　設置了函數參數，就可以利用矩形檢索函數來搜索內插點正方形鄰域內的采樣點，若搜索的采樣點數量不滿足要求，則擴大搜索半徑，直到滿足要求為止。

　　（3）權值的計算。

　　由于地形的自相關性，較近的采樣點對內插點的影響要大一些，因此常常用內插點和采樣點之間的距離來刻畫采樣點對內插點的貢獻程度，即距離越近，權值越大，反之越小。設當前內插點為，采樣點為，為內插點與采樣點之間的距離，定義采樣點的權為：

　　稱為反距離權。式中指數，而且實驗證明，當時，導致曲面在數據點附近相對比較平直，而在兩個數據點之間一個很小的區域內有很大的梯度，當時，導致曲面相對平緩，沒有起伏，當時，不但容易計算，也比較符合實際地形變化規律，因此，實際應用中常常取。

　　3 灰度量化生成DSM深度影像

　　為了直觀地表示出LIDAR數據的內容信息，將由離散LIDAR點云數據規則格網重采樣生成的數字表面模型（DSM）按照高程進行灰度量化，得到同灰度圖像一樣的DSM深度影像。這就為后續的基于數字圖像處理技術的DSM深度影像處理做好了準備。具體做法是：搜索DSM中所有的LIDAR數據點，得到高程最大值和最小值，對高程進行量化，得到每一點的像素灰度值；同時將DSM三維點坐標中的X、Y坐標轉化為DSM深度影像的二維橫、縱坐標、，一個坐標點對應一個像素點，就生成了同DSM格網大小相同的DSM深度影像。

　　其中：

　　為灰度值，為DSM中LIDAR點的高程值。獲得了同灰度圖像一樣的DSM深度影像后，一般可以從視覺上直接判斷出地形的高低、形狀等，一般也可以判斷出建筑物、道路、水塘、溝渠、河流、橋等地物要素。與灰度圖像相比，由航空LIDAR點云數據生成的城市地區DSM深度影像有其獨特的特點。表現在：

　　（1）影像的灰度值和DSM中LIDAR數據的高程值成線性關系，高程值越高對應的像素灰度值就越高，反之，則越低。

　　（2）在平坦城區，影像上地面部分的灰度值變化不大，且像素的灰度值低于建筑物部分。

　　（3）由于LIDAR光束在較高建筑物邊緣常和墻面相切，導致建筑物邊緣數據不準確，因此在灰度影像上建筑物邊緣常呈鋸齒狀。

　　DSM深度影像其獨特的特點為引入數字圖像處理的方法提取建筑物奠定了基礎。

猜你喜歡：

機載激光LiDAR的運用領域及誤差消除方法

機載激光雷達（LIDAR）和遙感影像的融合方法

版權聲明：文章來源于網絡，登載此文出于傳遞更多信息之目的，版權歸原作者及刊載媒體所有，如本文中圖片或文字侵犯您的權益，請聯系我們。