點(diǎn)云已經(jīng)成為無(wú)人機(jī)攝影測(cè)量和遙感、計(jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)等多個(gè)領(lǐng)域常見(jiàn)數(shù)據(jù)源之一,且其類型多樣。
機(jī)載LiDAR測(cè)量技術(shù)的出現(xiàn)和發(fā)展,為地理空間三維信息獲取提供了全新的技術(shù)手段,它被譽(yù)為是繼全球定位系統(tǒng)以來(lái)在測(cè)繪遙感領(lǐng)域的又一場(chǎng)技術(shù)革命。其創(chuàng)新性、開(kāi)拓性,既表現(xiàn)在新穎的數(shù)據(jù)獲取方式、組織方式,又表現(xiàn)在數(shù)據(jù)處理和信息提取需要新理論、新方法。這種新穎的數(shù)據(jù)被稱為機(jī)載LiDAR點(diǎn)云,它具有海量(數(shù)據(jù)量大)、高冗余、局部數(shù)據(jù)缺失、點(diǎn)密度不均一、非結(jié)構(gòu)化的特點(diǎn)。同時(shí),機(jī)載LiDAR點(diǎn)云類型也正在日益多樣化。例如,將LiDAR點(diǎn)云賦予與之相匹配影像的色彩信息,可以產(chǎn)生影像點(diǎn)云;同時(shí),隨著目前多光譜/高光譜激光雷達(dá)測(cè)量技術(shù)的發(fā)展,也可以直接獲取帶有多光譜/高光譜特征的LiDAR點(diǎn)云。
目前,點(diǎn)云已經(jīng)廣泛地應(yīng)用于高精度大比例尺數(shù)字高程模型(DEM)制作、電力巡線、建筑物三維建模、地表覆蓋分類、變化檢測(cè)、森林資源調(diào)查、生物量估算、基礎(chǔ)設(shè)施制圖、海岸帶測(cè)量、礦山測(cè)量、災(zāi)害評(píng)估、濕地測(cè)圖、城市規(guī)劃等領(lǐng)域。盡管目前點(diǎn)云處理和應(yīng)用的領(lǐng)域十分廣泛,但是學(xué)術(shù)界和工業(yè)界也認(rèn)識(shí)到:點(diǎn)云信息提取(本文點(diǎn)云信息提取只涉及濾波、分類)是點(diǎn)云應(yīng)用的必經(jīng)步驟和基礎(chǔ)性工作。然而,盡管已有大量點(diǎn)云信息提取方法,且部分方法已經(jīng)工程化應(yīng)用,但是點(diǎn)云信息提取研究仍然處于發(fā)展階段,還有許多問(wèn)題沒(méi)有得到解決,尤其是目前主流的基于點(diǎn)的信息提取方法并未充分挖掘點(diǎn)云數(shù)據(jù)本身的自動(dòng)化潛力,迫切需要新的點(diǎn)云信息提取理論與方法。
1、基于多基元的點(diǎn)云信息提取
在點(diǎn)云信息提取領(lǐng)域,濾波通常指區(qū)分點(diǎn)云中的地面點(diǎn)和地物點(diǎn)(非地面點(diǎn))的過(guò)程。另外,點(diǎn)云分類有狹義與廣義之分。狹義的點(diǎn)云分類,是將地物點(diǎn)進(jìn)一步區(qū)分為植被點(diǎn)、建筑物點(diǎn)、水體點(diǎn)等更精細(xì)類別點(diǎn)的過(guò)程;廣義的點(diǎn)云分類同時(shí)包含了濾波和狹義點(diǎn)云分類的全部?jī)?nèi)容。點(diǎn)云信息提取中使用的基本處理單元,稱為“基元”。按照基元類型,可以將已有的方法劃分為基于點(diǎn)、剖面、體素、對(duì)象、多基元融合(如圖 1所示)等4類點(diǎn)云信息提取方式。
2、基于點(diǎn)基元的信息提取
點(diǎn)云本質(zhì)上是點(diǎn)的集合,點(diǎn)是點(diǎn)云信息提取中最原始的基元。濾波方面,有代表性的基于點(diǎn)的濾波方法包括漸進(jìn)加密不規(guī)則三角網(wǎng)、分層穩(wěn)健線性內(nèi)插、坡度、漸進(jìn)窗口形態(tài)學(xué)、Top-Hat形態(tài)學(xué)變換、布料擬合濾波等。
分類方面,提出了大量的基于點(diǎn)的點(diǎn)云分類方法。例如,以點(diǎn)為基元計(jì)算特征,進(jìn)行電力線路走廊機(jī)載LiDAR點(diǎn)云分類。以點(diǎn)為基元提取了20余種特征、并顧及空間上下文關(guān)系進(jìn)行機(jī)載LiDAR點(diǎn)云分類。
在分類過(guò)程中,基于點(diǎn)基元的分類方法通常使用了3種近鄰鄰域關(guān)系確定任意一點(diǎn)的特征,這3種鄰近包括:球半徑鄰近、圓柱體鄰近、K最鄰近;且這3種鄰近關(guān)系的查詢均可以借助kd-tree實(shí)現(xiàn)。另外,最優(yōu)鄰域的選擇也是基于點(diǎn)基元的分類方法關(guān)注焦點(diǎn)之一;但是,最優(yōu)鄰域選擇過(guò)程一般計(jì)算復(fù)雜度高、特別耗時(shí)。
3、基于體素基元的信息提取
體素將原始激光點(diǎn)云數(shù)據(jù)劃分到具有一定體積大小的長(zhǎng)方體中,每個(gè)長(zhǎng)方體內(nèi)的點(diǎn)集稱為一個(gè)體素。濾波方面,有文獻(xiàn)提出了一種基于體素的濾波方法。該方法將點(diǎn)云數(shù)據(jù)劃分為不同分辨率等級(jí)的體素,以體素為單位通過(guò)與鄰域體素的高程加權(quán)均值比較剔除植被點(diǎn)、保留地面點(diǎn),從而獲取森林地區(qū)的DEM。有文獻(xiàn)介紹了機(jī)載LiDAR點(diǎn)云的體素剖分過(guò)程及其濾波應(yīng)用。
分類方面,鮮見(jiàn)體素在機(jī)載LiDAR和攝影測(cè)量點(diǎn)云分類中的應(yīng)用。但體素在車載LiDAR點(diǎn)云信息提取中有應(yīng)用。有文獻(xiàn)使用體素組織點(diǎn)云數(shù)據(jù)來(lái)提取點(diǎn)云中的樹(shù)木。有文獻(xiàn)使用體素基元來(lái)提取點(diǎn)云中的建筑物。鑒于體素能夠很好地判別局部點(diǎn)云的共線、共面或球狀分布的狀態(tài),有文獻(xiàn)用體素基元來(lái)識(shí)別點(diǎn)云中的電力線點(diǎn)云。
目前,體素對(duì)機(jī)載LiDAR和攝影測(cè)量點(diǎn)云信息提取的適用性有限,它比較適合作為車載LiDAR點(diǎn)云信息提取的基元。