地球信息科学学报 ›› 2020, Vol. 22 ›› Issue (11): 2118-2127.doi: 10.12082/dqxxkx.2020.190326
收稿日期:
2019-06-24
修回日期:
2019-10-18
出版日期:
2020-11-25
发布日期:
2021-01-25
通讯作者:
王丽英
E-mail:wangliyinglntu@163.com
作者简介:
王丽英(1982— ),女,河北石家庄人,博士,教授,主要从事激光雷达数据处理及应用研究。E-mail: 基金资助:
Received:
2019-06-24
Revised:
2019-10-18
Online:
2020-11-25
Published:
2021-01-25
Contact:
WANG Liying
E-mail:wangliyinglntu@163.com
Supported by:
摘要:
针对现有的基于机载LiDAR数据的滤波算法未能充分利用数据提供的所有信息及其所采用的数据结构表达复杂、存在信息损失等缺陷,提出了一种灰度体素结构分割模型下的机载LiDAR 3D滤波算法。算法首先以综合利用机载LiDAR数据的高程及强度信息为目的将点云数据规则化为灰度(体素内激光点的平均强度的离散化表示)体素结构,然后基于各体素间的空间连通性和灰度相似性准则,将灰度体素结构分割并标记为若干个3D连通区域,最后依据地面与其它目标的高差特性提取与其对应的3D连通区域。算法优势在于:基于体素结构设计,为3D滤波算法;综合利用了地面目标的几何及辐射特征,对比传统滤波算法可应用于更复杂的场景;滤波结果为3D地面体素形式,可直接用于创建地面3D模型。实验采用国际摄影测量与遥感协会(International Society for Photogrammetry and Remote Sensing, ISPRS)提供的不同密度的机载LiDAR基准测试数据测试了邻域尺度参数的敏感性及提出的算法的有效性,并和其他经典滤波算法做对比。定量评价的结果表明,51邻域为最佳空间邻域尺度;点云密度为0.67点/m2的数据集1的滤波平均完整率、正确率及质量分别为0.9611、0.9248及0.8934;点云密度为4点/m2的数据集2的滤波平均完整率、正确率及质量分别为0.8490、0.8531及0.7404;对比其全经典滤波算法本文算法在高密度点云数据滤波时表现更佳。
王丽英, 赵元丁. 一种灰度体素结构分割模型下的机载LiDAR 3D滤波算法[J]. 地球信息科学学报, 2020, 22(11): 2118-2127.DOI:10.12082/dqxxkx.2020.190326
WANG Liying, ZHAO Yuanding. An Airborne LiDAR 3D Filtering Algorithm based on the Grayscale Voxel Structure Segmentation Model[J]. Journal of Geo-information Science, 2020, 22(11): 2118-2127.DOI:10.12082/dqxxkx.2020.190326
表2
提出的算法在不同邻域尺度下的的误差统计"
样本 | IIe | Ie | Te | ||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
6 邻域 | 18 邻域 | 26 邻域 | 51 邻域 | 56 邻域 | 6 邻域 | 18 邻域 | 26 邻域 | 51 邻域 | 56 邻域 | 6 邻域 | 18 邻域 | 26 邻域 | 51 邻域 | 56 邻域 | |
Samp11 | 0.1901 | 0.1839 | 0.1982 | 0.3085 | 0.3652 | 0.1477 | 0.1434 | 0.1309 | 0.0967 | 0.0971 | 0.1658 | 0.1606 | 0.1596 | 0.1871 | 0.2115 |
Samp12 | 0.0575 | 0.0545 | 0.0721 | 0.0654 | 0.0858 | 0.093 | 0.0913 | 0.0558 | 0.0765 | 0.0805 | 0.0757 | 0.0733 | 0.0638 | 0.0711 | 0.0831 |
Samp21 | 0.0511 | 0.0532 | 0.0588 | 0.0675 | 0.0748 | 0.0056 | 0.004 | 0.0023 | 0.0020 | 0.0021 | 0.0157 | 0.0149 | 0.0148 | 0.0165 | 0.0182 |
Samp22 | 0.3041 | 0.1711 | 0.2025 | 0.2402 | 0.2908 | 0.0485 | 0.0644 | 0.0411 | 0.0583 | 0.0296 | 0.1282 | 0.0977 | 0.0915 | 0.1150 | 0.1110 |
Samp23 | 0.1270 | 0.1515 | 0.1492 | 0.1379 | 0.1506 | 0.1392 | 0.0485 | 0.0390 | 0.0222 | 0.0268 | 0.1335 | 0.0972 | 0.0911 | 0.0770 | 0.0854 |
Samp24 | 0.1215 | 0.1220 | 0.1283 | 0.1599 | 0.2265 | 0.0898 | 0.0709 | 0.0635 | 0.0480 | 0.0563 | 0.0985 | 0.0849 | 0.0813 | 0.0788 | 0.1031 |
Samp31 | 0.0821 | 0.0532 | 0.0504 | 0.039 | 0.0515 | 0.0161 | 0.0260 | 0.0255 | 0.0186 | 0.0252 | 0.0465 | 0.0385 | 0.0370 | 0.0280 | 0.0373 |
Samp41 | 0.0937 | 0.0875 | 0.0877 | 0.0445 | 0.0576 | 0.0616 | 0.0491 | 0.0491 | 0.0029 | 0.0143 | 0.0777 | 0.0683 | 0.0684 | 0.0237 | 0.0360 |
Samp42 | 0.0736 | 0.0637 | 0.0511 | 0.0169 | 0.0407 | 0.0760 | 0.0284 | 0.0241 | 0.0252 | 0.0178 | 0.0743 | 0.0533 | 0.0432 | 0.0193 | 0.0340 |
Area 2 | 0.0830 | 0.1056 | 0.1055 | 0.0578 | 0.0915 | 0.1577 | 0.1531 | 0.1414 | 0.1604 | 0.1466 | 0.1074 | 0.1215 | 0.1176 | 0.0901 | 0.1096 |
Area 3 | 0.0549 | 0.0440 | 0.0500 | 0.0561 | 0.0634 | 0.2289 | 0.2063 | 0.1966 | 0.1416 | 0.1391 | 0.0983 | 0.0835 | 0.0862 | 0.0775 | 0.0827 |
表3
基于像元的评价方式下的提出算法的算法精度"
样本 | Rcom | Rcor | Rq | Kappa |
---|---|---|---|---|
Samp11 | 0.9033 | 0.7973 | 0.7346 | 0.6087 |
Samp12 | 0.9235 | 0.9368 | 0.8693 | 0.8578 |
Samp21 | 0.9980 | 0.9811 | 0.9792 | 0.9511 |
Samp22 | 0.9417 | 0.8964 | 0.8493 | 0.7236 |
Samp23 | 0.9778 | 0.8876 | 0.8701 | 0.8447 |
Samp24 | 0.9520 | 0.9402 | 0.8976 | 0.8003 |
Samp31 | 0.9814 | 0.9672 | 0.9498 | 0.9436 |
Samp41 | 0.9971 | 0.9572 | 0.9545 | 0.9526 |
Samp42 | 0.9748 | 0.9598 | 0.9366 | 0.9535 |
Area2 | 0.8396 | 0.8699 | 0.7459 | 0.7892 |
Area3 | 0.8584 | 0.8362 | 0.7348 | 0.7952 |
表4
提出的算法和其他算法的总误差对比"
样本 | 孙美玲[ | Chen等[ | Shao和Chen[ | Axelsson[ | Pingle等[ | Mougus和?alik[ | Wang等[ | 本文 |
---|---|---|---|---|---|---|---|---|
Samp11 | 0.1330 | 0.1301 | 0.1188 | 0.1076 | 0.0900 | 0.1101 | 0.1949 | 0.1871 |
Samp12 | 0.0288 | 0.0338 | 0.0402 | 0.0325 | 0.0297 | 0.0517 | 0.0402 | 0.0711 |
Samp21 | 0.0140 | 0.0134 | 0.0467 | 0.0425 | 0.0146 | 0.0198 | 0.0205 | 0.0165 |
Samp22 | 0.0452 | 0.0467 | 0.0551 | 0.0363 | 0.0322 | 0.0656 | 0.0497 | 0.1150 |
Samp23 | 0.0461 | 0.0524 | 0.0480 | 0.0400 | 0.0748 | 0.0583 | 0.0591 | 0.0770 |
Samp24 | 0.0452 | 0.0629 | 0.0497 | 0.0442 | 0.0416 | 0.0798 | 0.0634 | 0.0788 |
Samp31 | 0.0124 | 0.0111 | 0.0121 | 0.0478 | 0.0220 | 0.0334 | 0.0158 | 0.0280 |
Samp41 | 0.0361 | 0.0558 | 0.0491 | 0.1391 | 0.0923 | 0.0371 | 0.0217 | 0.0237 |
Samp42 | 0.0096 | 0.0172 | 0.0214 | 0.0162 | 0.0305 | 0.0572 | 0.0107 | 0.0193 |
平均值 | 0.0412 | 0.0470 | 0.0490 | 0.0562 | 0.0475 | 0.0570 | 0.0529 | 0.0685 |
表5
提出的算法与其他算法的自然地面分类精度对比"
算法 | Area2 | Area3 | ||||
---|---|---|---|---|---|---|
Rcom | Rcor | RQ | Rcom | Rcor | RQ | |
本文 | 0.8400 | 0.8700 | 0.7460 | 0.8580 | 0.8300 | 0.7350 |
CAL1 | 0.3260 | 0.9100 | 0.3160 | 0.3780 | 0.9310 | 0.3680 |
HANC1 | 0.8310 | 0.7260 | 0.6330 | 0.8970 | 0.6540 | 0.6080 |
LJU1 | 0.6870 | 0.8520 | 0.6140 | 0.8340 | 0.6060 | 0.5410 |
TUM | 0.8050 | 0.8570 | 0.7100 | 0.7890 | 0.8420 | 0.6870 |
WHUZ | 0.6040 | 0.6980 | 0.4790 | 0.4720 | 0.7220 | 0.3990 |
KNTU | 0.6200 | 0.6470 | 0.4630 | 0.6430 | 0.7770 | 0.5430 |
ITCM | 0.3720 | 0.8590 | 0.3510 | 0.5440 | 0.8350 | 0.4910 |
ITCR | 0.6940 | 0.8220 | 0.6030 | 0.7560 | 0.7620 | 0.6120 |
CAL2 | 0.7480 | 0.8200 | 0.6430 | 0.7310 | 0.8150 | 0.6270 |
[1] | Wack R, Wimmer A. Digital terrain models from airborne laser scanner data-a grid based approach[J]. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2002,34(3B):293-296. |
[2] | Gomroki M, Jafari M, Sadeghian S, et al. Application of intelligent interpolation methods for DTM generation of forest areas based on LiDAR data[J]. Journal of Photogrammetry, Remote Sensing and Geoinformation Science, 2017,85(4):227-241. |
[3] |
Jiang J J, Zhang Z X, Ming Y. Filtering of airborne lidar point clouds for complex cityscapes[J]. Geo-spatial Information Science, 2008,11(1):21-25.
doi: 10.1007/s11806-007-0157-2 |
[4] |
Wang L Y, Xu Y, Li Y. Aerial LIDAR point cloud voxelization with its 3D ground filtering application[J]. Photogrammetric Engineering and Remote Sensing, 2017,83(2):95-107.
doi: 10.14358/PERS.83.2.95 |
[5] |
刘凯斯, 王彦兵, 宫辉力, 等. 机载LiDAR点云数据的二面角滤波算法[J]. 地球信息科学学报, 2018,20(4):414-421.
doi: 10.12082/dqxxkx.2018.170489 |
[ Liu K S, Wang Y B, Gong H L, et al. Dihedral angle filtering algorithm for airborne LiDAR point cloud data[J]. Journal of Geo-information Science, 2018,20(4):414-421. ] | |
[6] | 王丽英, 王圣, 徐艳, 等. 结合体元数据结构的机载LIDAR建筑物检测[J]. 中国图象图形学报, 2017,22(10):1436-1446. |
[ Wang L Y, Wang S, Xu Y, et al. Airborne LIDAR building detection based on voxel data structure[J]. Journal of Image and Graphics, 2017,22(10):1436-1446. ] | |
[7] | 张杰. 机载LiDAR点云滤波及特征提取技术研究[D]. 徐州:中国矿业大学, 2017. |
[ Zhang J. Study on the technology of feature extraction and filtering for airborne LiDAR points cloud[D]. Xu Zhou: China University of Mining and Technology, 2017. ] | |
[8] | 孙美玲. 机载LiDAR数据滤波及城区汽车目标检测方法研究[D]. 成都:西南交通大学, 2014. |
[ Sun M L. Research on airborne lidar data filtering and urban car object detection method[D]. Chengdu: Southwest Jiaotong University, 2014. ] | |
[9] | 孙蒙, 顾和和. 基于微分形态学断面的机载LiDAR数据滤波新方法[J]. 大地测量与地球动力学, 2016,36(7):591-594,599. |
[ Sun M, Gu H H. A new method for airborne LiDAR data based on differential morphological profiles[J]. Journal of Geodesy and Geodynamics, 2016,36(7):591-594,599. ] | |
[10] | Axelsson P. DEM generation from laser scanner data using adaptive TIN models[J]. International Archives of Photogrammetry and Remote Sensing, 2000,33(B4):111-118. |
[11] | Sithole G. Segmentation and classification of airborne laser scanner data[D]. TU Delft: Delft University of Technology, 2005. |
[12] | 周晓明. 机载激光雷达点云数据滤波算法的研究与应用[D]. 郑州:解放军信息工程大学, 2011. |
[ Zhou X M. Research and application of airborne LIDAR point cloud data filters[D]. Zhengzhou: PLA information engineering university, 2011. ] | |
[13] | 赵泉华, 石雪, 王玉, 等. 可变类空间约束高斯混合模型遥感图像分割[J]. 通信学报, 2017,38(2):34-43. |
[ Zhao Q H, Shi X, Wang Y, et al. Remote sensing image segmentation based on spatially constrained gaussian mixture model with unknown class number[J]. Journal on Communications, 2017,38(2):34-43. ] | |
[14] | ISPRS Commission III, the Working Group III/3. ISPRS test on extracting DEMs from point clouds [DB/OL]. https://www.itc.nl/isprs/wgIII-3/filtertest/downloadsites/, 2003 -08-05. |
[15] | Cramer M. The DGPF test on digital aerial camera evaluation - overview and test design[J]. Photogrammetrie - Fernerkundung - Geoinformation, 2010,2:73-82. |
[16] |
Rutzinger M, Rottensteriner F, Preifer N. A comparison of evaluation techniques for building extraction from airborne laser scanning[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2009,2(1):11-20.
doi: 10.1109/JSTARS.2009.2012488 |
[17] | Chen C, Li Y, Li W, et al. A multiresolution hierarchical classification algorithm for filtering airborne LIDAR data[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2013,82:1-9. |
[18] | Shao Y C, Chen L C. Automated searching of ground points from airborne LIDAR data using a climbing and sliding method[J]. Photogrammetric Engineering and Remote Sensing, 2008,74(5):625-635. |
[19] | Pingle T J, Clarke K C, Mcbride W A. An improved simple morphological filter for the terrain classification of airborne LIDAR data[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2013,77(1):21-30. |
[20] | Mougus D, Žalik B. Parameter-free ground filtering of LIDAR data for automatic DTM generation[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2012,67(1):1-12. |
[1] | 郭峰, 毛政元, 邹为彬, 翁谦. 融合LiDAR数据与高分影像特征信息的建筑物提取方法[J]. 地球信息科学学报, 2020, 22(8): 1654-1665. |
[2] | 王学文, 赵庆展, 韩峰, 马永建, 龙翔, 江萍. 机载多光谱影像语义分割模型在农田防护林提取中的应用[J]. 地球信息科学学报, 2020, 22(8): 1702-1713. |
[3] | 张永军, 黄星北, 刘欣怡. 一种地形自适应的机载LiDAR点云正则化TPS滤波方法[J]. 地球信息科学学报, 2020, 22(4): 898-908. |
[4] | 郑诗晨, 盛业华, 吕海洋. 基于粒子滤波的行车轨迹路网匹配方法[J]. 地球信息科学学报, 2020, 22(11): 2109-2117. |
[5] | 何红术, 黄晓霞, 李红旮, 倪凌佳, 王新歌, 陈崇, 柳泽. 基于改进U-Net网络的高分遥感影像水体提取[J]. 地球信息科学学报, 2020, 22(10): 2010-2022. |
[6] | 张寅丹,王苗苗,陆海霞,刘勇. 基于监督与非监督分割评价方法提取高分辨率遥感 影像特定目标地物的对比研究[J]. 地球信息科学学报, 2019, 21(9): 1430-1443. |
[7] | 李泽宇,明冬萍,范莹琳,赵林峰,刘思民. 遥感影像监督分割评价指标比较与分析[J]. 地球信息科学学报, 2019, 21(8): 1265-1274. |
[8] | 张俊瑶,姚永慧,索南东主,郜丽静,王晶,张兴航. 基于垂直带谱的太白山区山地植被遥感信息提取[J]. 地球信息科学学报, 2019, 21(8): 1284-1294. |
[9] | 耿仁方,付波霖,蔡江涛,陈晓雨,蓝斐芜,余杭洺,李青逊. 基于无人机影像和面向对象随机森林算法的岩溶湿地植被识别方法研究[J]. 地球信息科学学报, 2019, 21(8): 1295-1306. |
[10] | 陈博伟, 庞勇, 李增元, 卢昊, 梁晓军. 基于随机森林的光子计数激光雷达点云滤波[J]. 地球信息科学学报, 2019, 21(6): 898-906. |
[11] | 田富有, 吴炳方, 曾红伟, 何昭欣, 张淼, JoséBofana. 基于多层神经网络与Sentinel-2数据的大豆种植区识别方法[J]. 地球信息科学学报, 2019, 21(6): 918-927. |
[12] | 吴方明, 张淼, 吴炳方. 无人机影像的面向对象水稻种植面积快速提取[J]. 地球信息科学学报, 2019, 21(5): 789-798. |
[13] | 张刚, 刘文彬, 张男. 基于区域特征分割的密集匹配点云渐进形态学滤波[J]. 地球信息科学学报, 2019, 21(4): 615-622. |
[14] | 陈动, 张振鑫, 王臻, 云挺, 丁惠倩. 骨架优化下的地面激光树木点云重建方法[J]. 地球信息科学学报, 2019, 21(2): 236-248. |
[15] | 马小艳, 摆玉龙, 唐丽红, 王月, 李珊珊. 一种新的基于模糊分析观测信息的局地化方法[J]. 地球信息科学学报, 2019, 21(12): 1855-1866. |
|