多噪声点云数据预处理及DEM构建

1、多噪声点云数据预处理及 deM勾建 良好的数据采集精度是数据处理和高精度模型重建的基础， 因此如何高效率、 高精度采集地形表面数据是地形地貌研究的一 个重要内容。 文章详细介绍了使用三维激光扫描仪对黄土高原切 沟地形罗玉沟进行高标准数据采集的过程。 利用三维激光扫描设备采集数据时由于地面物体的遮挡及 激光脉冲受环境的影响，获得的点云数据难以避免存在噪声点 1 。针对实验点云数据脚点分布不均， 地面低矮植被覆盖度高， 虽经过手动去噪、拼接配准，但仍然起伏剧烈，且真实地面脚点 较少且与大量植被点相互混杂，两者界限模糊，难以区分，直接 建模不能够满足精度要求的情况，文章在建立DEM之前利用采集 到的

2、点云数据进行实验与对比， 合理提出多噪声点云数据预处理 的方法，详细讲解了用 Arcgis10.0 进行克里金插值和反距离权 重插值的步骤，并用等高线回放法对建模质量进行定性对比。 1.点云数据预处理 1.1 点云数据采集 通过实地调查， 选择甘肃天水桥子沟一条典型切沟罗玉沟作 为实验数据。该切沟位于东经 105432”，北纬 34 36 59”，切沟长度为 34m沟头深0.9m、宽6.6m，坡度 21，沟底下方有一陡坎长 4m宽1m深0.8m，断面呈典型的 V 字型，切沟表面 90%被低矮豆科类植物和荒草覆盖。 实验地点是典型的黄土沟壑切沟地形， 地处山区，环境复杂， 条件恶劣。 数据采集工

3、作开始前， 首先对实地进行了详细的了解 与勘察，在充分掌握了罗玉沟的形状、规模、地形起伏度、通视 情况之后， 结合一次扫描不能覆盖整个目标的实际情况， 合理地 于切沟周围布置了 5 个测量站点，分别于 5 个站点利用 Leica HDS610C型三维激光扫描仪对切沟进行初始扫描并存储点云数 据，扫描精度为1mm包含激光脚点个数为1498191，回光强度 取值范围为-20482047,点云平均密度为 3345.1个/m2。图1 所示为沟底站采集点云数据图， 图 2所示为沟顶站采集点云数据 图。 1.2 数据手动平滑去噪 由于罗玉沟坡度变化剧烈、 低矮植被覆盖率较高， 因此三维 激光扫描仪扫描到的

4、海量点云中， 有相当大比例是由低矮植被所 造成的噪声点。 在这些噪声点中， 很大一部分是偏离测量区域或 与地面离散较大的偏差点群和孤立点。 对于这部分脚点， 采用人 机交互的手动方式加以去除，进行点云数据的初步平滑。 文中利用徕卡软件 Cyclone 6.0 ，通过对点云数据的旋转、 缩放、平移，找出一些可明显确定的偏差点群和孤立点，通过 Fence Mode 选项，范围选择偏差点和孤立点，使用 Edit-Fence-Delete Inside 命令，手动去除明显噪声点，对点 云数据进行平滑处理。 如图 3 所示，通过操作前后两副图的对比，可以明显看出， 手动平滑去噪去除了大量干扰点， 为下一

5、步点云数据的精确拼接 打下了基础。 1.3 数据拼接 罗玉沟一次扫描不能覆盖所有区域， 采集前沿切沟的周围合 理布设了 5个测量站点， 但是由于每次测量得到的点云数据往往 只覆盖罗玉沟部分地形表面， 并且在测量过程中可能出现平移错 位和旋转错位，为了得到罗玉沟完整表面的点云数据，需要对 5 个站点采集的点云数据进行拼接和配准。 为了便于拼接和实现高 精度配准，实地测量过程中， 在 5个站点能最大范围良好扫描的 基础上合理设置了 6 个目标标靶，标靶中心的三维坐标见表 1。 本文利用 6个标靶信息，通过 Cyclone 专业拼接功能， 对手 动去噪后的点云数据进行了较高精度的拼接，结果见图4。

6、1.4 点云数据滤波 实验首先采用中值滤波的方法进行点云数据滤波， 中值滤波 的原理是采样点的值取滤波窗口内各数据点的统计中值， 这种滤 波器消除数据毛刺的效果较好。 然而实验地区低矮植被茂密， 大量的植被点可能影响到窗口 中值的统计，从得到的结果（图 5）来看，滤波造成了大量稍高 出于地面的低矮植被脚点形成的伪地面，滤波效果不理想。 基于徕卡三维激光扫描仪扫描得到的数据包含回光强度信 息这一情况，实验选用回光强度滤波方法 2 ，由于不同地物对 激光的反射效率不同， 可根据激光扫描仪接收到的回光强度值来 分类不同地物 从回光强度滤波效果来看，去除植被干扰点效果较为理想， 但由于诸多不确定性因素

7、， 仍留下了许多与实地地形不符的高程 突变点（图 6），滤波效果仍需加强。 回光强度滤波是利用了植被与地面具有分离的RGB取值范 围这一原理进行植被点与地面点的分离。 由于实验采集到的点云 数据包含有RGB信息，基于中值滤波、回光强度滤波、RGB滤波 原理上的根本不同与操作上的互不影响， 实验最终采用三种方法 融合去噪滤波， 即对点云数据先进行回光强度滤波去除大量低矮 植被脚点，再进行RGE滤波，进一步去除残留植被点，在达到去 除低矮植被脚点要求的基础上， 对数据进行中值滤波， 消除数据 毛刺，实现较高质量的点云滤波。 图 7 显示对拼接平滑之后的点云数据直接进行建模的效果， 图 8、图 9、

8、图 10 分别显示对点云数据进行对滤波结果进行中值 滤波、回光强度滤波、融合滤波的效果图。从由各方法结果的均 方根误差分析（表 2）可以看出，融合后的滤波效果良好，达到 了构建DEM的精度要求。2.构建DEM 文中使用 Arcgis10.0 软件，分别对预处理后的点云数据进 行基于克里金方法和反距离权重方法的DEM建立，对两种方法建 立的DEM进行比较。 2.1 克里金内插方法 如图 11 所示，克里金插值是建立在半变异函数理论分析基 础上的，对有限区域内的区域化变化取值进行无偏最优估计的一 种方法 3 。 本文用 Arcgis10.0 对点云数据进行反距离权重方法的插 值，具体步骤为： (1

9、)启动 Arcmap,加载 ArcToolbox工具栏。 ( 2)单击 ArcToolbox 下的 3DAnalyst Tool 工具条，在“栅 格插值”中选择“克里金法”选项。 ( 3)在“输入点要素”中,选择预处理之后的点云数据。 (4) 在“Z值字段”下拉列表框中，根据本实验点云数据 存储格式,选择“ Z”。 (5) 在“输出栅格”中选择合适的输出路径，确定DEM名 称。 ( 6)在“克里金方法”选项区域中选择普通方法。 (7) 在“半变异模型”下拉列表框中选择“高斯”。 (8) 单击“确定”，完成克里金方法的DEM内插。 2.2 反距离权重方法 如图 12所示,反距离权重插值原理是以插

10、值点与样本点间 的距离为权重进行加权平均, 离插值点越近的样本点赋予的权重 越大。 本文用 Arcgis10.0 对点云数据进行反距离权重方法的插 值,具体步骤为： ( 1)单击 ArcToolbox 下的 3DAnalyst Tool 工具条,在“栅 格插值”中选择“反距离权重法”选项。 (2) 在“输入点要素”中，选择预处理之后的点云数据。 (3) 在“Z值字段”下拉列表框中，根据本实验点云数据 存储格式，选择“ Z”。 (4) 在“输出栅格”中选择合适的输出路径，确定DEM名 称。 ( 5)在“指数”文本框中选择默认值“ 2”，进行反向距离 平方插值。 (6) 单击“确定”，完成对点云数

11、据的反距离权重插值。 在实验中，两种方法都是基于离散点线性插值方法的DEM勾 建。从原理上分析， 克里金插值方法是以地表的理论变异函数已 知且稳定为前提条件的，而地形表面是不停变化的 4 ，因此若 在插值点较少的情况下， 插值效果不理想； 反距离加权插值要求 样点分布尽可能均匀且布满整个插值区域， 对于不规则分布的样 点，则插值结果的准确度会降低。 为了去掉仪器设备和测量方法对 DEM造成的误差，采用了重 复测量的方法来去除系统误差， 即对同一地方、 采用同样方法进 行重复测量，将两次测量中的 DEM相减(图13)，对差值大于2 倍阈值的点，认为是错误点丢弃。实验中，根据经验，将阈值定 为0.3m，在相同的栅格分辨率和栅格范围基础上，将两测量建 立的DEM进行栅格减法运算，把高程差绝对值大于0.6m的栅格 单元标记为误差单元， 加以舍弃， 误差单元的值用以该单元为中 心的3X3格网中值代替。 从分布图 14 统计显示，共有栅格单元 29081 个，克里金插 值方法有 681 个误差栅格单元，误差率 2.3%，反距离权重方法 有 1339 个误差栅格单元，误差率 4.6%。 3.结语 基于三维激光扫描技术的数据建模与深度信息挖掘是当今 GIS研究的热点，点云数据的预处理质量和 DEM建模方法直接影 响着后期工作的开展。 本文针对由徕卡三维激光扫描仪扫描获