温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,汇文网负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
网站客服:3074922707
基于
结构
车载
行道树
提取
方法
研究
李丰翔
第 卷 第 期 年 月测绘与空间地理信息 ,收稿日期:作者简介:李丰翔(),男,山东利津人,工程师,双学士,主要从事基础测绘、数据处理、遥感及地理信息系统开发等方面的应用研究工作。基于体元结构车载点云行道树提取方法研究李丰翔,杨春光,许 鹏(山东省国土测绘院,山东 济南)摘要:充分挖掘车载激光扫描系统获取地物点云三维空间信息、回波强度信息,提出一种基于体元空间特征分析的行道树提取方法。首先完成原始数据预处理提取道路附属物点云数据,建立三维体元结构;以体元结构为基本单元计算体元单元中点云回波强度、曲率特征,后分析邻域范围内体元特征联系,构建体元邻域特征描述规则,提取行道树树干结构;在树干结构提取的基础上,确定行道树位置,建立冠层投影面积模型,进而提取冠层结构。实验结果提取显示:在复杂道路场景下,算法具有一定的稳健性,能够较为完整地提取道路两侧行道树信息。关键词:车载点云;体元;行道树提取;空间邻域中图分类号:文献标识码:文章编号:(),(,):,;,;,:;引 言道路两侧的行道树是道路资产重要的组成部分,在城市景观、生态功能等方面起着积极作用。因此,对行道树信息的快速自动化获取是智慧城市建设中不可或缺的环节。传统行道树信息获取主要使用全站仪、对行道树信息进行采集,效率低且获取信息不足,无法进行深入研究。车载 扫描系统在数据获取过程中无区别获取所能获取的所有目标的空间分布、反射强度等一系列信息,能够从多视角描述行道树三维空间、反射强度等多方位信息,为行道树信息的提取提供有力保障。对于车载点云行道树信息提取,国内外学者进行了一定的研究。主要有两种思想:)对城市点云数据进行统一分类处理,提取行道树;)地行道树信息的单独针对性提取。以上行道树提取思想主要通过四种方法实现:扫描线法:基于扫描线构建行道树树干分布特征,完成树干的提取工作,对分布较为散乱的树冠层点云提取效果较差;语义模型:将原始数据分割为独立的点云块,构建行道树几何空间特征作为约束信息建立语义模型,完成行道树提取。但计算量较大,易受周边邻域点云影响,。投影法:将原始点云投影到二维平面网格中,通过统计点云分布的空间特征、点密度等信息,对行道树进行提取。亦或生成点云特征强度图,基于图像提取行道树,有效完成对点云数据的降维操作,提高运算效率,但在投影与特征图生成过程中,存在精度损失。体元分析法:将行道树分割为一系列体元,保留点云原有空间三维要素特征及反射强度特征等细节特征,充分利用已有特征,减少运算提高效率。等提出了一种新的基于体素的标记邻域搜索算法有效识别行道树,该算法仅采用单一体元密度特征,无法进行人造杆等与行道树树干的识别区分,。以上算法无法对体元内部信息进行分析,切断了体元邻域之间的联系性。同时当行道树与其他道路附属地物交叉时易造成误提取。针对以上问题,本文提出一种基于体元为基本单元,并考虑体元邻域间内在联系的行道树提取算法,为城市道路资产管理普查提供支持。行道树信息提取行道树作为道路附属物的组成部分,是道路装饰必不可少的组件。通常分布于道路两侧绿化带区域与路灯、广告牌等道路部件混合。行道树信息提取,将行道树从大场景点云数据分离,进而对行道树进行单株化提取分析。行道树提取分析主要分为以下 个主要步骤:)滤除地面点及低矮植被;)行道树判别与提取;)行道树单株化及分析。地面点及低矮植被滤除当前使用较为广泛的点云滤波采用迭代 加密算法,迭代 加密算法具有使用性广、滤波效果好等优势,但在对高密度点云进行滤波时,算法运算复杂,耗时较长。本文研究区内高程地面起伏较小,综合考虑效率及精度问题,本文采用数学形态学中的格网滤波算法,用于低矮植被及地面点的滤除。基于格网的形态学滤波算法主要分为以下步骤:)建立格网:遍历点云,查找、方向最大、最小值、,以 作为格网边长构建 的格网,、分别为格网行列号及分层号计算过程如下式:()()()()开运算:开运算是数学形态学运算中的一种形式,包含腐蚀运算与膨胀运算。首先对格网执行腐蚀操作,取格网中最小高程值作为格网腐蚀后的格网高程;再进行膨胀操作,遍历所有经腐蚀操作后的格网,对腐蚀后的点云数据进行膨胀操作,并以腐蚀后的高程值代替原高程,去格网内最大高程值作为格网中点云膨胀处理后的高程值。)地物点云提取:完成对原始数据的形态学开运算后,以腐蚀、膨胀高程差作为阈值,可有效分离地面点与地物点。体元邻域特征分析点云数据能够准确反映目标物的空间三维信息,为深入挖掘点云数据中地物的空间特征。点云曲率信息能够反映地物表面平整度,灌木、低矮植被以及树木冠层点云均呈离散无序状,曲率较大;树干部分表现为较规则的圆柱状,曲率对比前者较小。同时点云中包含的反射强度信息能够在一定程度上反映地物的反射能力,人造地物如路灯、隔离栏等表面较为光滑且涂有反光材料,较树干反射强度较高。为提高对行道树树干的精确提取,本文综合点云曲率与反射强度特征,结合行道树特殊的空间结构形态,以体元为基本单位构建体元特征并分析邻域体元间特征联系,挖掘体元在空间特征、反射特征等方面的联系,并构建一下体元联系描述规则。体元邻域联系规则描述见表。表 体元邻域联系规则描述 体元邻域体元联系特征描述平面邻域()()垂直邻域 表 中,、为种子体元及非种子体元的平均反射强度值、曲率均值;、分别为最小矩形中心点与拟合面曲面法向。行道树信息提取数学形态学滤波算法完成了对车载点云,地面点与地物点数据分离。地物点数据中包含的人造杆目标(路灯、交通标志牌等)及灌木丛是完成行道树树干提取的主要干扰因素。人造杆由于表面反光材料的因素,在反射强度方面与树干具有一定差异;点云数据中灌木丛点云分布散乱,曲率信息与树干有别。基于体元的平均回波强度信息及曲率信息作为特征约束,结合表 中的体元水平邻域内特征描述,在同层格网内进行体元水平邻域分析,可有效滤除人造杆目标与灌木体元。行道树树干提取主要包括以下步骤。水平邻域内体元特征分析)遍历地物数据构建体元特征信息,为提高数据分析效率,采用人机交互方式提取部分行道树树干体元进行信息分析,确定树干体元特征阈值。选取距地面 左右的格网选取非空体元,分析体元回波强度、曲率特征信息,若满足阈值则标记为,不满足则标记为。)树干种子体元选取完毕后,为提取完整树干信息进行体元邻域特征分析,分析同层格网中未被标记的体元数据。通过体元邻域特征描述规则,遍历种子体元,以种子体元为中心构建 体元模板,分析邻域范围内的非空体元,计算二者的平均回波反射强度与平均曲率特征在二维欧式空间下的距离,根据距离远近判断体元相似度。)在同层格网内未被标记任何属性的非空体元集合中重新选择种子体元,并重复步骤)、),直到不存在未被标记属性的非空体元为止。垂直邻域内体元特征分析行道树结构可分为树干和树冠两大部分,分析体元 测绘与空间地理信息 年垂直邻域一致性区分树干与树冠结构。树干点云在竖直方向呈连续性分布,基于种子体元分布情况分析相同行列号的费控体元特征,叠加多层网格数据使得树干在各层格网中的竖直邻域关系得以体现完整提取行道树树干结构。对三维格网逐层进行体元水平邻域分析,最终保留一定数量的 体元模板。搜索存在相同行列号体元的体元模板并进行聚类,则聚类体元内点云集合为疑似树干点云。完成同层格网聚类后,采用最小外接 矩 形()算法,计算面积,并确定最小外接矩形中心点;同时利用主成分分析法(,)计算点云拟合面曲面法向。各层树干点云分布呈椭圆状,邻近两层聚类体元最小外接矩形中心 偏移量变化在一定阈值范围内,且拟合平面法向近乎与 轴方向水平,求取与 轴夹角值。()冠层提取行道树树冠结构呈椭球状,沿垂直方向等距分层可分解多个大小不一的椭圆面。提取行道树树冠结构,首先通过树干点确定行道树位置。以树干位置为中心,本文中树冠点云等距分割为 个切面,计算上层格网各层点云投影面积,生成投影面积曲线。冠层投影面积曲线如图 所示。图 冠层投影面积曲线 分析发现,投影面积整体呈先增后减变化趋势,构建行道树冠层面积变化模型:()式中,表示第 个冠层点云投影面积。为保证模型的使用性,随机选取部分树冠进行测试分析发现:不同行道树冠层面积由一定差异,但冠层分层投影面积呈先递增后递减的变化规律,满足投影面积理论模型。实验及分析 实验数据及算法参数设置为验证算法可靠性,采用车载移动测量系统采获取实验区数据,实验区路段点云点位精度优于 。实验路段总长 ,地形平坦,道路两侧的行道树主要为毛白杨,数据总点数为 。行道树树干结构提取极易受人造地物的影响,本文通过多样本分析确定体元空间结构特征、回波反射强度特征阈值,确定体元水平邻域间相似度阈值;体元水平邻域特征基于通过实际测量实验区树木平均胸径为 。基于行道树树干平均胸径以及空间结构、回波反射强度特征,树干点云提取过程设定参数见表,行道树树冠结构提取,主要以树干结构定位分析确定行道树。对上层网格进行均匀化水平切分,分析各层投影面积变化规律,建立行道树冠层投影面积理论模型,完成行道树树冠结构提取。表 算法参数 邻域关系参数阈值参数意义水平邻域关系 点云平均反射强度阈值点云平均曲率阈值体元之间的相似度阈值垂直邻域关系相邻模板内点云质心偏移量阈值 轴夹角值 结论与分析本文算法基于 平台实现,对原始数据预处理完成后。采用设置完成的参数完成对实验区路段行道树信息提取工作。道路两侧行道树树干结构得到准确提取,根据曲率信息、回波强度信息人造杆状物被有效去除;冠层结构基于树干结构定位,对冠层结构提取采用投影面积模型完成。采用本文算法进行行道树提取过程中,对于路面环境复杂的场景,如人造杆状物路灯、交通指示牌、监控探头等与提取目标行道树交错进行,且存在一定的低矮灌木都在一定程度上对行道树提取造成影响,考验算法稳定性。本文算法依据体元的平均回波反射强度与平均曲率特征进行邻域特征分析,可以准确提取树干点云,依树干点云定位准确提取冠层结构,不受邻近地物噪点的干扰。但对于缺少树干结构类型目标,行道树信息缺失,树干结构不能显示的树干提取效果较差。漏提区域如图 所示。图 漏提区域 本文采用准确率与召回率对算法进行评价,通过对原始数据统计及提取结果进行对比分析。统计结果见表,本文算法对行道树提取准确率达到,召回率达到。第 期李丰翔等:基于体元结构车载点云行道树提取方法研究|()式中,为正确提取的数量;未被提取的数量;为错误提取的数量。行道树提取定量分析见表。表 行道树提取定量分析 行道树实际数量(棵)(棵)(棵)(棵)()()结束语车载激光扫描系统能够精确获取目标物的三维空间特征、不同目标回波强度信息。本文充分挖掘三维点云数据空间特征、回波强度信息,提出一种结合体元邻域描述规则的行道树提取方法。采用格网分割法构建体元索引,结合点云回波强度、空间曲率信息,分析体元邻域特征联系。基于城市行道树树干几何结构特征人工选定准确获取行道树树干结构,在此基础上,建立树冠分层点云投影面积理论模型,将计算结果与理论模型进行比较,通过设定分类阈值来识别树冠,最后实现行道树快速提取。实验结果表明本文算法可有效区分人造杆状物与行道树树干结构,提取召回率、准确率较高。参考文献:,():,():,吴宾 基于体元和车载激光扫描数据的行道树提取方法研究 上海:华东师范大学,董亚涵,李永强,孙渡,等 基于车载 数据的行道树信息提取与动态分析 地理与地理信息科学,():姚强强,董广军,邵磊,等 一种城区车载激光点云行道树提取方法 测绘科学与工程,():董亚涵,李永强,孙渡,等 基于车载 数据的行道树信息提取与动态分析 地理与地理信息科学,():,王冬,张焱,姜俊奎 车载激光点云中行道树及属性信息提取 中国科技论文,():李秋洁,袁鹏成,刘旭,等 基于移动激光扫描的行道树树干提取 林业工程学报,():陈辉,马浩 基于车载激光扫描系统的城市行道树调查与管理 测绘与空间地理信息,():乔莲花,刘民士 融合城市行道树特征选取模型的自适应深度学习分类 测绘通报,():梁寒冬 基于车载 数据的城市街道要素提取与三维可视空间品质测度研究 上海:华东师范大学,编辑:张 曦(上接第 页)利用视频监控、监测器等感