第5讲LiDAR数据处理(4)1-预处理及点云滤波
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
15
设置仪器的检校参数
16
17
2）LiDAR定位方程
通过激光对地面的扫描 得到扫描仪与地面上各 点的距离，由GPS接收 机得到扫描仪的位置， 由高精度姿态量测装置 （惯导量测装置IMU）， 量测出扫描仪的姿态， 即φ、ω、κ角度，由 这些量测值计算出地面 上各点的三维坐标。 上各点的三维坐标
18
a1 A b1 c1 a2 b2 c2 a3 b3 c3
是传感器坐标系相对于地面坐标系的旋转矩阵，是传 感器姿态角的函数。
20
21
22
x 0, y S sin , z S cos
23
代入通用构像方程，有：
X Y Z
A为旋转矩阵： 为旋转矩阵
投影变换
椭球变换
地方局部坐标系坐标
下一页
29
投影变换：
Gauss投影 UTM投影 Mercator投影 Lambert投影 Albers投影 ……
返回
30
椭球变换：
七参数法（包括布尔莎模型 七参数法（包括布尔莎模型，一步法 步法 模型，海尔曼特等），即X平移，Y平 移 Z平移， 移， 平移 X旋转， 旋转 Y旋转， 旋转 Z旋转， 旋转 尺度变化K。 三参数（莫洛登斯基模型），即 三参数（莫洛登斯基模型） 即X平移， 平移 Y平移，Z平移，而将X旋转，Y旋转， Z旋转，尺度变化K视为0，所以三参 数只是七参数的一种特例。 ……
航迹文件（每条行带一个航迹文件）， 处理软件
POSProc •GPS差分处理（GPS数据+基站数据）
7
8
9
“*.LAS” 文件——ALS Post Processor
解算每个目标点的三维坐标； 每条航带生成一个二进制格式的LAS文件； 存储格式： 存储格式 lat/ lat/lon /lon/el/intensity / / /el/intensity data 或者 northing/easting/el/intensity in useruser-selected projection； 记录顺序：shot shot-by shot, return by return。
夹角，以及待定点到 夹角 以及待定点到TIN的距离，按照阈值进行判断，将 的距离 按照阈值进行判断 将 满足条件的点加入地面点集合，并更新TIN
判别待定点性质
基于不规则三角网的滤波算法
34
基于LiDAR数据生成DEM的工作包含：
点云滤波 DEM内插 DEM精度分析
35
36
37
点云滤波定义？ 图像处理、信号处理中，滤波是指对各种噪声 图像处理 信号处理中 滤波是指对各种噪声 的剔除和平滑工作。
LiDAR点云滤波：借用数字信号处理中滤波的 概念 即把地形表面当作信号 而将地物(建筑 概念，即把地形表面当作信号，而将地物(建筑、 树)当作噪声，从LiDAR点云中得到地面点的过程。
49
2、基于不规则三角网的滤波算法
获取一定的地面种子点组成初始的稀疏不规则三角网 对各点进行判断，如果该点到三角面的垂直距离及角度小
于设定的阈值，将该点加入地面点集合，实现TIN的不断 加密。 加密
重新计算不规则三角网，然后再对非地面点集合内的点进
行判别。 行判别
如此迭代，直到不再增加新的地面点，或者满足给定条件
X S 0 Y A S sin S ZS S cos
a1 b A 1 c1
a2 b2 c2
a3 b3 c3
24
式中：
25
26
27
XP XG Ssin2 sin Y Y A S cos2 P G ZP ZG Ssin2 cos
a2 b2 c2
a3 b3 c3
b3 sin ;
c1 sin cos cos sin sin ;
c 2 sin sin cos sin cos ;
c3 cos cos
28
坐标转换 标转换
WGS84坐标系大地坐标 标系大 标
39
40
LiDAR数据 数据中的对象 中的对象
地貌（Landscape）
裸露地面（Bare Earth）
地物对象（Object）
分离对象（Detached Object）
附着对象（Attached Object ）
点云数据（Point-cloud）
根据地物表面邻近点云之间的高差程度及成因的差 异，可以将概括为以下几种类型 ：
第五讲 机载激光雷达数据处理 ——点云预处理及滤波
内容回顾
LiDAR数据获取三个阶段八个方面 ：
2
主要内容
基于工程数据LiDAR点云解算 数据处理流程 LiDAR定位方程 基于LiDAR点云的DEM生成 滤波概述 点云空间分布特征 LiDAR点云滤波方法
3
基于工程数据LiDAR点云解算
LiDAR数据的滤波处理分为强度图像的滤波处理 和激光点云的滤波处理。 和激光点云的滤波处理
38
2）点云空间分布特征
由于激光脉冲的发射频率一般是固定的，在地形 由于激光脉冲的发射频率一般是固定的 在地形 平坦区域，激光点云在空间上成规则分布； 但当脉冲发射到植被时，点云之间的规则间隔被 但当脉冲发射到植被时 点云之间的规则间隔被 打破，由于脉冲可以穿透植被形成多次回波，空间 分布成团聚等不规则形状； 分布成团聚等不规则形状 由于水、云、雨或烟雾等能吸收近红外波段的激 光脉冲 造成局部区域的点云缺失 光脉冲，造成局部区域的点云缺失； 由于玻璃、光亮金属或建筑物边缘等表面的强反 射 以及脉冲的折射 多路效应等 会引起点云的x 射，以及脉冲的折射、多路效应等，会引起点云的x、 y或z值异常，产生噪点。
43
滤波原理
强度数据滤波——依据强度 依据强度变化 变化
将机载激光雷达数据的回波强度信息转换为灰 度图像，然后分析其灰度分布状态，确定地面点 的灰度范围，将灰度值在该范围内的像素判定为 地面点，从而完成滤波。
点云滤波——依据高程 依据高程突变 突变
不同的地物有不同的高度，在地物相交的边缘 处的高程会发生突变 产生局部不连续的情况 处的高程会发生突变，产生局部不连续的情况。 距离相近的激光脚点高差大于阈值时，可以认 为低点是地面点，高点是地物点。阈值与两点间 为低点是 面点 高点是 物点 阈值与两点间 的距离成正比，距离越大，阈值越大。
构像方程中的坐标系
V W Z Os Ps（U,V,W） U
Y O
P（X,Y,Z） X
19
设地面点P在地面坐标系中的坐标为（X，Y，Z）P， P在传感器坐标系中的坐标为（U、V、W）P，投影中 投影中 心S在地面坐标系中的坐标为（XS，YS，ZS），传感器 的姿态角为： ( , , ) 则通用构像方程为： X X S U Y Y A V S Z P ZS W P 其中：
为止 为止。 Terrasolid软件使用这种原理进行滤波。关键是阈值的选 取，使用不同的阈值会产生不同的滤波结果
基于不规则三角网的滤波算法
获取地面种子点，组成初始的稀疏不规则三角网
种子点在窗口中的位置 种子点在剖面中的位置 种子点在点云中的位置
基于不规则三角网的滤波算法
计算待定点与距其最近的TIN的顶点的连线与TIN平面的
a1 cos cos sin sin sin ;
a 2 cos sin sin sin cos
a3 sin cos ;
b1 cos sin ;
b2 cos cos ;
其中，A为旋转矩阵
a1 A b1 c1
1）LiDAR工程数据处理流程：
外业数据预处理——计算三维点云
坐标变换 文件生成
4
外业数据包括 外业数据 外业数据包括： 包括 包括： “*.SCN” – 扫描数据
存储在移动硬盘中 存储在闪存中
Raw POS 文件
VNAV 实时导航文件
5
数据预处理流程：
6
SBET
（ Smoothed Best Estimated Trajectory ）文件处理
(b) 邻域点加权平均法插值重采样结果
LiDAR点云重采样结果对比
33
数字地面模型(DEM)的生成
1）滤波概述 滤波目的？
LiDAR点云包括：地面点、 房屋点 树木 交通工 房屋点、树木、交通工 具，……。 滤波目的，提取地面点，剔 除非地面点； 基于LiDAR点云生成DEM：从 点云中识别出地面点 并剔除 点云中识别出地面点，并剔除 建筑物、树木等非地面点，接 着利用地面点生成DEM。
TopScan滤波方法 基于TIN的滤波算法 一维双向扫描标记法 维双向扫描标记法 移动曲面滤波方法 基于多分辨率方向预测的点云滤波方法 其他方法
基于数学形态学滤波方法、基于TIN加密的 滤波方法、……
47
1、TopScan滤波方法
1.1 滤波过程：
第一步，采用比较大的移动窗，在窗中搜索最低点， 第一步 采用比较大的移动窗 在窗中搜索最低点 由每次移动窗中找出的最低点的全体，形成了一个初 步的地面模型； 第二步，将所有的点与此模型比较，在每一点上形 成高差，凡高差超过某个阈值，被认为是非地面点， 将这些点滤除。 第三步，减小窗口，重复第一、二步工作，搜索最 低点，形成地面模型，改变阈值，滤除与地面模型高 差大的点，重复数次以后得到比较精确的地面点高程 数据集合 。
生成 “quick quick-look edge edge-of of-coverage” 高程图 （ *.TIF）
10
11
12
13
输 出 设 置 选 项：
14
日志文件
“YYMMDD_Lo
gFile.txt” – 记录 操作命令，命令 的响应以及错误 等信息； 等信息 “YYMMDD_Fli ghtPlanFile.txt” – 记录飞行任务的 ID FOV, ID, FOV scan rate, pulse rate, laser power, power attenuator position等信息。
返回
31
文件生成
离散点格式
LAS格式（*.las） 栅格格式（*.asc asc） 其他，如文本格式（*.txt） X Y Z ， X Y Z I， X Y Z I R G B 等； 等
点云生成
32
Байду номын сангаас
—数据重采样 数据重采样（ （*.asc）—ArcGIS Grid格式
(a) 直接重采样的结果
48
1 2 窗口和滤波阈值大小的选取 1.2
窗口小，就可能将 些大房屋顶点保留下来；窗口太大 窗口小，就可能将一些大房屋顶点保留下来；窗口太大 则会将地表面“平滑”，使微小的地形变化部分被滤除。 阈值太大，会将一些植被点作为地面点保留下来； 阈值太小，可能将真实的较小的地形突变点去掉； 窗口和阈值大小与实际地形地貌密切相关。不同的地域， 如平原 丘陵 山地 应该有不同的参量 。 如平原、丘陵、山地，应该有不同的参量
42
一般情况下: 建筑物和高大植被点云都具有较大的z值（在 城区，最大z值的点云一般都是建筑物）； 裸露地表点云的z值最小； 地面突出物（如围墙、立交桥、花坛等）和灌 丛点云的z值介于两者之间； 这些地物在垂直方向上形成层次分布，而在 相邻地物之间，由于地面与地物的高度差异明显， 往往表现出高程突变现象，这就为地面点的识别 提供了依据。
基于高程突变的滤波方法
两个基本前提： DSM 中非地面点高于地面点（DEM） 地面上坡度变化不会太大
基于高程突变的滤波方法
在具体的算法中，构造判别函数的时候， 不同的算法有各自的出发点
基于坡度变化的算法
平面拟合的算法
曲面拟合的算法
聚类及分割的算法
滤波方法介绍 滤波 方法介绍
设置仪器的检校参数
16
17
2）LiDAR定位方程
通过激光对地面的扫描 得到扫描仪与地面上各 点的距离，由GPS接收 机得到扫描仪的位置， 由高精度姿态量测装置 （惯导量测装置IMU）， 量测出扫描仪的姿态， 即φ、ω、κ角度，由 这些量测值计算出地面 上各点的三维坐标。 上各点的三维坐标
18
a1 A b1 c1 a2 b2 c2 a3 b3 c3
是传感器坐标系相对于地面坐标系的旋转矩阵，是传 感器姿态角的函数。
20
21
22
x 0, y S sin , z S cos
23
代入通用构像方程，有：
X Y Z
A为旋转矩阵： 为旋转矩阵
投影变换
椭球变换
地方局部坐标系坐标
下一页
29
投影变换：
Gauss投影 UTM投影 Mercator投影 Lambert投影 Albers投影 ……
返回
30
椭球变换：
七参数法（包括布尔莎模型 七参数法（包括布尔莎模型，一步法 步法 模型，海尔曼特等），即X平移，Y平 移 Z平移， 移， 平移 X旋转， 旋转 Y旋转， 旋转 Z旋转， 旋转 尺度变化K。 三参数（莫洛登斯基模型），即 三参数（莫洛登斯基模型） 即X平移， 平移 Y平移，Z平移，而将X旋转，Y旋转， Z旋转，尺度变化K视为0，所以三参 数只是七参数的一种特例。 ……
航迹文件（每条行带一个航迹文件）， 处理软件
POSProc •GPS差分处理（GPS数据+基站数据）
7
8
9
“*.LAS” 文件——ALS Post Processor
解算每个目标点的三维坐标； 每条航带生成一个二进制格式的LAS文件； 存储格式： 存储格式 lat/ lat/lon /lon/el/intensity / / /el/intensity data 或者 northing/easting/el/intensity in useruser-selected projection； 记录顺序：shot shot-by shot, return by return。
夹角，以及待定点到 夹角 以及待定点到TIN的距离，按照阈值进行判断，将 的距离 按照阈值进行判断 将 满足条件的点加入地面点集合，并更新TIN
判别待定点性质
基于不规则三角网的滤波算法
34
基于LiDAR数据生成DEM的工作包含：
点云滤波 DEM内插 DEM精度分析
35
36
37
点云滤波定义？ 图像处理、信号处理中，滤波是指对各种噪声 图像处理 信号处理中 滤波是指对各种噪声 的剔除和平滑工作。
LiDAR点云滤波：借用数字信号处理中滤波的 概念 即把地形表面当作信号 而将地物(建筑 概念，即把地形表面当作信号，而将地物(建筑、 树)当作噪声，从LiDAR点云中得到地面点的过程。
49
2、基于不规则三角网的滤波算法
获取一定的地面种子点组成初始的稀疏不规则三角网 对各点进行判断，如果该点到三角面的垂直距离及角度小
于设定的阈值，将该点加入地面点集合，实现TIN的不断 加密。 加密
重新计算不规则三角网，然后再对非地面点集合内的点进
行判别。 行判别
如此迭代，直到不再增加新的地面点，或者满足给定条件
X S 0 Y A S sin S ZS S cos
a1 b A 1 c1
a2 b2 c2
a3 b3 c3
24
式中：
25
26
27
XP XG Ssin2 sin Y Y A S cos2 P G ZP ZG Ssin2 cos
a2 b2 c2
a3 b3 c3
b3 sin ;
c1 sin cos cos sin sin ;
c 2 sin sin cos sin cos ;
c3 cos cos
28
坐标转换 标转换
WGS84坐标系大地坐标 标系大 标
39
40
LiDAR数据 数据中的对象 中的对象
地貌（Landscape）
裸露地面（Bare Earth）
地物对象（Object）
分离对象（Detached Object）
附着对象（Attached Object ）
点云数据（Point-cloud）
根据地物表面邻近点云之间的高差程度及成因的差 异，可以将概括为以下几种类型 ：
第五讲 机载激光雷达数据处理 ——点云预处理及滤波
内容回顾
LiDAR数据获取三个阶段八个方面 ：
2
主要内容
基于工程数据LiDAR点云解算 数据处理流程 LiDAR定位方程 基于LiDAR点云的DEM生成 滤波概述 点云空间分布特征 LiDAR点云滤波方法
3
基于工程数据LiDAR点云解算
LiDAR数据的滤波处理分为强度图像的滤波处理 和激光点云的滤波处理。 和激光点云的滤波处理
38
2）点云空间分布特征
由于激光脉冲的发射频率一般是固定的，在地形 由于激光脉冲的发射频率一般是固定的 在地形 平坦区域，激光点云在空间上成规则分布； 但当脉冲发射到植被时，点云之间的规则间隔被 但当脉冲发射到植被时 点云之间的规则间隔被 打破，由于脉冲可以穿透植被形成多次回波，空间 分布成团聚等不规则形状； 分布成团聚等不规则形状 由于水、云、雨或烟雾等能吸收近红外波段的激 光脉冲 造成局部区域的点云缺失 光脉冲，造成局部区域的点云缺失； 由于玻璃、光亮金属或建筑物边缘等表面的强反 射 以及脉冲的折射 多路效应等 会引起点云的x 射，以及脉冲的折射、多路效应等，会引起点云的x、 y或z值异常，产生噪点。
43
滤波原理
强度数据滤波——依据强度 依据强度变化 变化
将机载激光雷达数据的回波强度信息转换为灰 度图像，然后分析其灰度分布状态，确定地面点 的灰度范围，将灰度值在该范围内的像素判定为 地面点，从而完成滤波。
点云滤波——依据高程 依据高程突变 突变
不同的地物有不同的高度，在地物相交的边缘 处的高程会发生突变 产生局部不连续的情况 处的高程会发生突变，产生局部不连续的情况。 距离相近的激光脚点高差大于阈值时，可以认 为低点是地面点，高点是地物点。阈值与两点间 为低点是 面点 高点是 物点 阈值与两点间 的距离成正比，距离越大，阈值越大。
构像方程中的坐标系
V W Z Os Ps（U,V,W） U
Y O
P（X,Y,Z） X
19
设地面点P在地面坐标系中的坐标为（X，Y，Z）P， P在传感器坐标系中的坐标为（U、V、W）P，投影中 投影中 心S在地面坐标系中的坐标为（XS，YS，ZS），传感器 的姿态角为： ( , , ) 则通用构像方程为： X X S U Y Y A V S Z P ZS W P 其中：
为止 为止。 Terrasolid软件使用这种原理进行滤波。关键是阈值的选 取，使用不同的阈值会产生不同的滤波结果
基于不规则三角网的滤波算法
获取地面种子点，组成初始的稀疏不规则三角网
种子点在窗口中的位置 种子点在剖面中的位置 种子点在点云中的位置
基于不规则三角网的滤波算法
计算待定点与距其最近的TIN的顶点的连线与TIN平面的
a1 cos cos sin sin sin ;
a 2 cos sin sin sin cos
a3 sin cos ;
b1 cos sin ;
b2 cos cos ;
其中，A为旋转矩阵
a1 A b1 c1
1）LiDAR工程数据处理流程：
外业数据预处理——计算三维点云
坐标变换 文件生成
4
外业数据包括 外业数据 外业数据包括： 包括 包括： “*.SCN” – 扫描数据
存储在移动硬盘中 存储在闪存中
Raw POS 文件
VNAV 实时导航文件
5
数据预处理流程：
6
SBET
（ Smoothed Best Estimated Trajectory ）文件处理
(b) 邻域点加权平均法插值重采样结果
LiDAR点云重采样结果对比
33
数字地面模型(DEM)的生成
1）滤波概述 滤波目的？
LiDAR点云包括：地面点、 房屋点 树木 交通工 房屋点、树木、交通工 具，……。 滤波目的，提取地面点，剔 除非地面点； 基于LiDAR点云生成DEM：从 点云中识别出地面点 并剔除 点云中识别出地面点，并剔除 建筑物、树木等非地面点，接 着利用地面点生成DEM。
TopScan滤波方法 基于TIN的滤波算法 一维双向扫描标记法 维双向扫描标记法 移动曲面滤波方法 基于多分辨率方向预测的点云滤波方法 其他方法
基于数学形态学滤波方法、基于TIN加密的 滤波方法、……
47
1、TopScan滤波方法
1.1 滤波过程：
第一步，采用比较大的移动窗，在窗中搜索最低点， 第一步 采用比较大的移动窗 在窗中搜索最低点 由每次移动窗中找出的最低点的全体，形成了一个初 步的地面模型； 第二步，将所有的点与此模型比较，在每一点上形 成高差，凡高差超过某个阈值，被认为是非地面点， 将这些点滤除。 第三步，减小窗口，重复第一、二步工作，搜索最 低点，形成地面模型，改变阈值，滤除与地面模型高 差大的点，重复数次以后得到比较精确的地面点高程 数据集合 。
生成 “quick quick-look edge edge-of of-coverage” 高程图 （ *.TIF）
10
11
12
13
输 出 设 置 选 项：
14
日志文件
“YYMMDD_Lo
gFile.txt” – 记录 操作命令，命令 的响应以及错误 等信息； 等信息 “YYMMDD_Fli ghtPlanFile.txt” – 记录飞行任务的 ID FOV, ID, FOV scan rate, pulse rate, laser power, power attenuator position等信息。
返回
31
文件生成
离散点格式
LAS格式（*.las） 栅格格式（*.asc asc） 其他，如文本格式（*.txt） X Y Z ， X Y Z I， X Y Z I R G B 等； 等
点云生成
32
Байду номын сангаас
—数据重采样 数据重采样（ （*.asc）—ArcGIS Grid格式
(a) 直接重采样的结果
48
1 2 窗口和滤波阈值大小的选取 1.2
窗口小，就可能将 些大房屋顶点保留下来；窗口太大 窗口小，就可能将一些大房屋顶点保留下来；窗口太大 则会将地表面“平滑”，使微小的地形变化部分被滤除。 阈值太大，会将一些植被点作为地面点保留下来； 阈值太小，可能将真实的较小的地形突变点去掉； 窗口和阈值大小与实际地形地貌密切相关。不同的地域， 如平原 丘陵 山地 应该有不同的参量 。 如平原、丘陵、山地，应该有不同的参量
42
一般情况下: 建筑物和高大植被点云都具有较大的z值（在 城区，最大z值的点云一般都是建筑物）； 裸露地表点云的z值最小； 地面突出物（如围墙、立交桥、花坛等）和灌 丛点云的z值介于两者之间； 这些地物在垂直方向上形成层次分布，而在 相邻地物之间，由于地面与地物的高度差异明显， 往往表现出高程突变现象，这就为地面点的识别 提供了依据。
基于高程突变的滤波方法
两个基本前提： DSM 中非地面点高于地面点（DEM） 地面上坡度变化不会太大
基于高程突变的滤波方法
在具体的算法中，构造判别函数的时候， 不同的算法有各自的出发点
基于坡度变化的算法
平面拟合的算法
曲面拟合的算法
聚类及分割的算法
滤波方法介绍 滤波 方法介绍