基于机载激光雷达数据的地形图成图技术浅析

基于机载激光雷达数据的地形图成图技术浅析（精选2篇）

基于机载激光雷达数据的地形图成图技术浅析 篇1

基于机载激光雷达数据的地形图成图技术浅析

首先介绍了机载激光雷达技术,包括机载激光雷达系统组成、原理以及机载激光雷达数据等,随后针对不同的测区条件,提出了基于DEM+DOM以及基于POS辅助航空摄影测量两条技术路线,并分别介绍了作业流程,并通过实验证明了其技术可行性.最后,展望了基于机载激光雷达数据的地形图成图技术在我国测绘行业中的应用前景.

作 者：黄家武 HUANG Jia-wu 作者单位：广西电力工业勘察设计研究院,广西,南宁,530023刊 名：红水河英文刊名：HONGSHUI RIVER年，卷(期)：28(5)分类号：P237关键词：机载激光雷达 激光点云 航空数码影像 数字地形图

基于机载激光雷达数据的地形图成图技术浅析 篇2

随着近年数据采集技术的发展,数据的获取量越来越多,随之而来的数据的冗余造成的操作处理不便问题也越发的突出,因此数据的挖掘技术成为处理数据的关键,对于极易获取的雷达点云数据而言,数据的挖掘技术显得尤为重要。

目前对于雷达点云地形数据的分类以及特殊地形的选取主要依据是坡度的大小,构建有关点数据处的TIN,通过对栅格坡度的获取而提取雷达点处的坡度[9],根据坡度分类的标准将雷达点云按照不同地形分类提取[4],但是地形比较复杂的地方分类结果往往会出现偏差,即把不同类型的地形分为一类,或者会分出很多细碎的多边形,这些对于后续的数据利用、处理会带来极大的不便。

本文基于坡度与光照模型对雷达点云数据地形进行立体效果成图,从立体三维效果图中可以看出基本的地形特征,从坡度大小与阴影效果两个方面对地形进行分类[9],借助于成果图可以较为方便地选择研究区域或者特殊地形点,从而对数据的操作、研究带来极大的帮助。

基本的操作流程如图1所示。

1 数据预处理

该实验的所有数据处理都是在Arc GIS中实现,鉴于Arc GIS中所处理的数据主要是栅格数据和矢量数据,但是雷达数据是LAS格式的,因此需要进行数据的格式转换。数据格式转换往往是雷达点云数据处理的第一步。

雷达点云数据的获取一般是通过机载雷达获取的,雷达点的获取是通过激光回波方式形成的,所以回波的点往往是植被、建筑物等地物,因此获取的雷达点的坐标值,尤其是高程坐标值会出现偏差,因此要对数据进行坐标、高程值的纠正,该过程主要是通过滤波处理来解决[4]。数据预处理的作用是保证后续数据利用时的精确度。

2 基于坡度与光照模型的地形数据显示

研究雷达点云数据的成图方式是为了解决专题图的单调问题,同时应用于提高地形点分类时的效率与精度,简化特殊地形点提取过程[5],保证分类、提取的精确度,还可以保证DEM构建时的精度。

2.1 数字高程模型的建立与优化

雷达点云数据是LAS数据,转换成shp矢量数据之后进行高程模型的建立是为了数据更好地显示立体效果[1]。在Arc GIS中数字高程模型的建立是通过构建TIN方法实现的。TIN是根据所选范围内有限个点集将其划分为相等的三角面网络的方法,数字高程由连续的三角面组成,三角面的形状和大小取决于不规则分布的数据点的密度和位置,能够避免地形平坦时的数据冗余,又能按地形特征点表示数字高程特征,因此TIN常用来拟合连续分布现象的覆盖表面[1]。

由于数据点的密度与位置的差距,使得数字高程模型表面略显粗糙,因此需要对高程模型进行优化处理。对于数据高程模型的优化主要是通过对等值线的优化实现的[10],利用雷达点云数据生成等值线,根据需求对等值线进行筛选,一般而言可以根据等值线的长度或者高程进行筛选,去除碎屑等值线,简化分类状况[6],利用筛选过后的等值线重新生成数字高程模型。使得生成的数字高程模型既贴近实际又简单高效(见图2)。

2.2 坡度提取与光照模型的建立

坡度(slope)是地表单元起伏陡缓的程度,通常情况下把坡面的垂直高度h和水平距离l的比叫做坡度。坡度是反映地形状况的一个很重要的指标,平地地形的坡度状况与山地丘陵地形的状况差别很大,而且坡度也是目前地形分类的主要标准。在Arc GIS中坡度的提取是根据坡度工具进行提取计算的,根据地形分类标准将雷达点生成的坡度分为四类,见表1、图3。

光照模型的研究对真实感图形的生成非常重要,光照模型主要通过光学物理的有关定律,采用计算机来模拟自然光的物理过程。在三维建模中,考虑光照效果,才能模拟物体在真实环境下的效果,从而达到模拟现实、降低设计成本和周期的效果。光照模型的原理图如图4所示。

将雷达点云数据进行光照模型的模拟,可以生成地形的立体效果图,借助于阴影图可以更加详细地对雷达点云地形数据进行处理[5]。在Arc GIS中光照模型是通过山体阴影工具实现的,实验数据来自生成的高程模型数据,首先需要将建立好的光照模型进行填洼处理、碎屑多边形的处理以及三角面的平滑处理,然后对处理好的数据进行山体阴影效果的构建,将其立体效果凸显出来(见图5)。值得注意的是,在一些地形起伏效果不明显的地带(如丘陵地区),需要进行拉伸,强化阴影效果,拉伸过程主要利用Arc GIS中的栅格计算器工具实现。

3 地形分类与特殊地形点的选取

目前地图的出图方式一般都是通过单图层的整饰成图,这样的成图方式使得图像单调,专题图成图效果欠佳[2]。本文的成图方式是通过两个图层的叠加渲染而成,将山体阴影图叠加在上层,同时改变图层的透明度,将坡度图层放在下层,同时将两者的颜色改为一致,这样使得显示的图层效果更为明显(见图6)。

根据图6可以看出地形的起伏变化,同时还可以反映出成图的光照效果,有效模拟了真实地形状况。借助于成图效果可以更好地实现雷达点云数据的分类以及特殊地形点的选取。

传统的雷达点云数据的分类是根据坡度分类标准进行的,但是实际上高山地区也会有较为平坦的地方(如平坦的山顶),平原地区也会偶然出现坡度变化大的地方,这些容易造成分类时雷达点云的破碎,即分类后的雷达点是破碎的、不连续的,这些现象都是与实际地形状况相悖的,这会对后续的数据应用处理造成不便以及对实验结果造成偏差,而基于坡度与光照模型的成图方式可以为雷达地形点的分类提供直观的参考,弥补根据单一的坡度进行分类造成的误差或者错误分类,保证分类效果的精确性。

所谓的特殊地形点这里主要是指的山脊线、山谷线上的点以及山顶点等,根据成果图叠加等值线图层[7,10],利用栅格计算选取位于山脊线、山谷线上的点,这种方法既直观又方便。而山顶点等特殊地形点的选取则可以借助于叠加渲染图直接选取或者根据分类好的地形点云数据中依据高程选取[8],这些点的提取可以便于地形处理以及分析过程,使得操作更加简便,保证了数据的质量,而且此类特殊地形点的选择可以简化水文分析以及差值分析等专业分析过程中对于数据获取方面的复杂度。

4 小结

基于坡度与光照模型的叠加渲染成图方式不仅解决了地形专题图的单调性,而且实现了地形的三维立体效果,成图方式可以解决不同地形的雷达点云数据分类时的粗糙感以及破碎地形,使得地形的分类切近实际、高效率[3]。实验中的操作都是借助于Arc GIS中的工具以及自带的arcpy工具包实现的,特殊地形点的选取使得地形分析、水文分析等可以获得更多的可用数据,此方法操作方便、效率高。

参考文献

[1]黄萌萌.基于DEM分析的山体对象构建[D].成都:西南交通大学,2014.Huang Mengmeng.Constrution of the mountain object based on DEM analysis[D].Chengdu:Southwest Jiaotong University,2014.(in Chinese)

[2]张继成,陈海涛,郑萍等.基于Arc GIS Desktop的大豆田间处方图生成方法的研究[J].大豆科学,2013,32(6):797~800.Zhang Jicheng,Chen Haitao,Zheng Ping et al.Research on prescription method of production based on Arc GIS Desktop[J].Soybean Science,2013,32(6):797~800.(in Chinese)

[3]王志红,任金铜,汪华君等.基于Arc GIS的“天地图·天水”电子地图建设[J].测绘,2014,37(2):63~67.Wang Zhihong,Ren Jintong,Wang Huajun et al.Construction of“Tian Di Tu·Tianshui”electronic map based on Arc GIS[J].Mapping,2014,37(2):63~67.(in Chinese)

[4]杨洋,张永生,邹晓亮等.一种改进的基于坡度变化的机载激光雷达点云滤波方法[J].测绘科学,2008,(53):14~15.Yang Yang,Zhang Yongsheng,Zou Xiaoliang et al.An inproved method slope based on filtering of airborne lidar point cloud[J].Science of Surveying and Mapping,2008,(53):14~15.(in Chinese)

[5]李德文,李逢吉,林勇等.基于Arc GIS的森林分类区划图制作[J].四川林业科技,2011,(5):99~103.Li Dewen,Li Fengji,Lin Yong et al.The output of forestry drawing based on forest classified division in Arc GIS[J].Journal of Sichuan Forestry Science and Technology,2008,(5):99~103.(in Chinese)

[6]李建军,李钊,刘庆宝等.基于DEM的地形特征提取算法[J].信号与信息处理,2008,(2):26~28,31.Li Jianjun,Li Zhao,Liu Qingbao et al.Extraction of terrain features based on DEM[J].Signal and Signal Processing,2008,(2):26~28,31.(in Chinese)

[7]陈捷,陈少勤,张翰超等.多角度地形断面与地形结构特征相结合的山谷山脊线提取[J].测绘地理信息,2015,(5):43~45.Chen Jie,Chen Shaoqin,Zhang Hanchao et al.Extraction of valley line and combined multi-angle terrain section with terrain structure characteristics[J].Journal of Geomatics,2015,(5):43~45.(in Chinese)

[8]高黄玮,代冰辉.基于图像金字塔的山脉线提取方法[J].电脑识别与技术,2014,(10):2375~2377.Gao Huangwei,Dai Binghui.A mountain line extraction method on image pyramid[J].Computer Knowledge and Technology,2014,(10):2375~2377.(in Chinese)

[9]张利明.机载激光雷达点云数据分类方法研究[D].成都:西南交通大学,2013.Zhang Liming.The method of airborne laser scanning data classification[D].Chengdu:Southwest Jiaotong University,2013.(in Chinese)