城区LiDAR点云数据的树木提取

第4期张齐剪等：城区LiDAR点云数据的树木捉取331節38左第4期2009年8月韵绘学报Acta Geodaetica et Cartographica SmicaVol. 38. Mo. 4Aug. 2009第4期张齐剪等：城区LiDAR点云数据的树木捉取331第4期张齐剪等：城区LiDAR点云数据的树木捉取331文章编号：1001-1595(2009)04-0330-06城区LiDAR点云数据的树木提取张齐勇I 岑微仪1 周国清2 杨晓云Z1 西南交通大学七木工程学院测域工程系.四川成都61003h 2. Depariment of Engineering and Technology. Old Dominion University. Norfolk 23529. USA； 3.广西工学院土木建筑工程系广脚柳州545006Extracting Trees from LiDAR Data in Urban RegionZHANG Qiyong1 CEN Minyi1 ZHOU Guoqmg2 YANG Xiaoyun1*1. Dept, of Surveying Engineering. Southwest Jiaoiong University. Chengdu 610031. Oinai 2 Department of Engineering and Technology. Old Doni mon University Norfolk 23529. USA 3 Dept, of Civil Engineering. Guargxi University Of Technology. Liuzhou 545006 ChinaAbstract:Light Detection and Ranging (LiDAR) can acquire digital surface model quickly. As an important portion of city surface information, tne tree is important to the deveiopmem of 3D digital ci(y This paper presents a tree extracting algorithm from LiDAR data in complicated urban environment. Firstly, a DTM is gen erated from LiDAR data* non-ground points are extracted subsequently Then, tne algorithm tempts to remove conspicuous buiiding area, using reg ion-growi ng algorithm based on area threshold value As fol low i ng. the gradient value is calculated at each point in order to use gradient threshold algorithm to obtain tree points. And finally, the intersection results from region-growing segment and gradient threshold segments are taken as final tree extracting The extracted trees s/iow that new algorithm can extract trees accurately from LiDAR data in urban region The tree extracting ra to s 85.4% and the accurate tree extracting ratio is 86.1%Key words :LiDARj tree extraction； region-growing； gradient threshold value摘姜：机钱激光扫描(LQAR)可以抉速获取地球敦字表面绥型.提出一种适合复篠負带不境的机故激光扫提 取树木的算法：首丸対LQAR數梅滤波生成DTM决取地物点、体后对地物点进行区域增歩运算使用面积闽值诚出大 的区域再计算出LDARA的样度值帳携榻度阐值分离出樹衣点；聂后结合梯度阎值割和U域增玄分豺的结果 实現杨未点的报终枇取.次检绘果表明使用併*法在城UXF境中能从LiDAR中校好比提取出捕木疋区卅木提取卓达到854%提取正确辜为86. 1%.关W：LiDAR5M*JK；区城增长样废阎值分割中图分类号f237文駅标识码：A第4期张齐剪等：城区LiDAR点云数据的树木捉取331第4期张齐剪等：城区LiDAR点云数据的树木捉取331在数字城市屮可视化是其中一项重要的研 究内容因此城止表面信息的提取显得I分朿變。 树木作为城市表面信息的一部分在可视化中不 可忽视利用LiDAR点加数据提取树木是苴接 可靠的方法。目前LiDAR点云数据的城M地表信息提取 研究大多集中在建筑物上对城区树木信息提取 的研究年常稀少，树木提取研究乂大部分集中在 森林地区。芬兰学者Juha Hyyppa从激光扫描 数据中建立3维榊高模型.然后采用分割原理从 3维树高模型中自动提取出树冠。加拿大学者 Marek B. Zaremba HA合髙分辨率的卩星彫像和 LiDAR数据来进行独立树的识别用于命将度的 森林管理叭 关1*1徳克萨斯大学的Christopher A. Weed在有辅助数据的悄况F对已冇样本数 据进行训练然后采用监督分类对LiDAR数据 进行分类。荷兰代夫特大学的Sagi Filin对测 高数据进行表面聚类并分析衣面纹理通过非监 管分类来识别具有相同属性的点聚类.武汉大 学的蒋晶珏通过计算毎一个LiDAR点的标凰值 (曲率)然后用分水岭的解决方案实现点云数据 的分割.意大利罗马大学的Carla Nardinocchi 通过格网梯度方向连贯性与格网单元的局部分析 对LiDAR数据分类.这些方法适用于淼林中 成片的或单株树木的提取。在复杂的城市环境中，树木可能成片集中也 可能以单株树木岀现同时还有建筑物以及其他 地物相伴。2006年加州大学伯克利分校的John Secord针对城区树木的特点计算点与点之间的 相似性再利用区域增K算法分割LiDAR点云 数据最后计算每一分割区域的轩征向虽再采用 第三方软件LIBSVM对分割结果进行分类 但该算法在区域增长运算中由于利用影像的特 征(主要为饱和度)以及LiDAR数据自身特征 (主翌为高稈(fl与局部扁稈变化)计算点的待術向 厳通过两个点之间的待征向橄与和应的权来进 行区域增长，算法过于复杂在使用支持向撤机 (SVM)对LiDAR数据进行分类时，需要从分割 结果中选取训练数据来进行学习即属于监督分 类方法该分类将度虽较离但它的结果H接依赖 于所选取的训练样本为此需要大量奇质最的冇 标记样本而采用SVM的学习算法在对大規模 的数据集进行学习时计算复杂度高、学习时间较 长因此还需进一步探索适用于城区LiDAR 点云数据榊木提取的优化算法.1 LiDAR数据预处理1.1 DTM提取LiDAR系统直接获取的是对象衣面点的3 维坐标 UDAR系统发射的激光束具有一定的 尺寸大小对于钠木激光束可能先打在树冠的顶 端其中的一部分继续向F打在树叶或枝干上有 些甚至打在地面卜.被返冋这样就会有一组多次 返冋的点记录。对于植被密集区域激光束的穿 透率很低会产生一次回波较低的树叶或者枝干 点可能产生多次何波真正穿透杭被打到地面产 生的多次回波相对较少对于人工建筑物当激光 東打在建筑物边缘处时也会产生多次冋波。考虑 到这种情况仅仅利用多次回波还不足以准确区 分植被和建筑物因此可采用前次回波数据对 LiDAR点云数損进行榊木提取。LiDAR接收信号来源于H标表面的反射由 UDAR点云数据可以直接生成数字表面模型 (DSM).图 1(a)为 Virginia 城区一块 780 mX 420 m的LiDAR点云数据生成的DSM.由于 DSM中包含大兹的建筑物点与树木点以及梵他 非地面点为了更好地提取树木需把数据点分成 地物点与地面点.为此首先生成数字地形模型 (DTM).采用Vossehnan提出的以形态学理论为 基础的坡度滤波算法通过滤波处理山滤掉 非地面点最后更用逐点内插法生成DTM. 最厉DTM效果如图1(b)所示。在图1(a)中用 线条圈住了具有代表性的两类地物建筑物与树 木点柱图1(b)中图1(a)中类似线条圈住的地 物已经被滤除DTM比较平滑达到了滤波 要求.(a) l.iI)ARS(始点ZttIK生成的DSM(b) DTMtt取结果图1 DSM提取的DTMFig. 1 DSM and DTM1.2地面点与地物点的区分地面点与地物点通过高程園值区分需要对 DSM进行规则化得到规则化的DSM(nDSM). 在1.1小节中已经实现DTM的提取规则化的 过程采用从原始的DSM中减去DTM来实 现； DTM.DSM及nDSM关系如图2所示.图2 DTM.DSM及nDSM关系 Fig 2 The relation of DTM. DSM and nDSM从图2 口J以看出房屋与树木都具有一定髙 程因此通过nDSM的值对LiDAR数据进行麻 稈阈值分割提取出地物点图3为提取的地物 点效果图可以舀出大部分的地物点都已提取岀 来由于DTM提取不可能完全精确还会有少 第4期张齐勇等：域区LiDAR点云数据的树木提取333诫坡度较大的地Ifif点被谋判为地物点但在随后 的梯度分割处理中可以被滤掉。图3地物点提取效果图Fig. 3 Non-ground points extracted from LiDAR data2区域増氏按照图像分割原理区域增长是从像索岀发， 按一定的属性一致的原则将属性接近的连通像 索聚集成区域。区域就是指相互连通的、有一致 属性的像素的集合对于LiDAR点云数据来 说其属性一致体现在髙程上因此通过区域增 长把高程接近的LiDAR地物点合并为一个区 域。对已提取的地物点按照其岛程一致性进行区 域增长独必房用一般分割为一个区域多个高度 不同的相连房用会分割成多个区域房屋上的突 出异常点会形成单点区域单株树木可能分割成 多个单点区域或者多个小区域对于成片树木可 能会分割成很多个单点区域以及大駅小区域可 能出现极少数面积较大区域。计算毎一区域面 积大面积区域则作为建筑物被滤除鉴于区域堆长算法适用栅格数据在进行区 域增长前需对LiDAR数据进行格网化组织若 直接对原始DSM数据进行内插格网化在建筑 物边界或者树木点附近的内插会造成很大的精度 损失。为尽呈保LiDAR数据的原始地形，需 进行重采样1. 使用一个2维的格网覆盖在数据LiDAR 点上格网间距通常略小于LiDAR点的平均间 隔本文格网间距取为2 m.2. 然后判断LiDAR数据点落入那一个格网 单元内。如果一个格网號元只有一个点落入取 该脚点在LiDAR数据点中的点号作为格网单元 值；如果在一个格网单元中有一个以卜的点落入. 选择高程最低的数据点的点号作为格网单元值； 如果没有点落入该格网则搜索格网单元的8邻 域选择离英最近点的点号作为格网单元值。通过上述的重采样在尽戢保持原始LiDAR 数据点的情况卜间接实现了 LiDAR点云数据格 网化由于格网单元值保存的是原始IJDAR点 云的索引号因此重采样后还足3维激光数据 点。对IJDAR地物点进行区域增长的步骤 如下叫1. 对取采样后的LiDAR数据点逐格网单元 打描求出不属于任何区玫的地物点对该地物点 赋卩区域标记当找不到这样的地物点时结束2. 把这个地物点的腐程同周围的8邻域的 地物点岛程进行比较若髙程差小于给定的岛程 羞阈假则合并到同一区域，并对合并的地物点赋 于该区域的标记$3. 从新合并的地物点开始反复进行（2）的 操作到不能合并为止：4. 返回第1步操作寻找新区域出发点的地 物点.在城市环境中城区建筑物主要由平顶房屋 与部分倾斜屋顶房屋组成因此区域增长的庙程 差阈值应卑于城市中房庄的最大倾斜度选取。由 于一般建筑物屋顶绘大列度一般不会超过45 应基于此标准选取区域增长高程差阈值，由此岛 程矣阈值应等于亜采样石格网的间距即2 m0 考虑到建筑物周围可能包含树木点大部分与建 筑物边界点的高程不会太接近（一般只冇很少暈 树木点与建筑物点高程接近）同时屋顶町能还有 少植只常点因此在区域增长算法运算中在地物 点同周阖的8邻域的地物点进行比较时髙程走 阈值可以适当放宽这样能尽粧降低屋顶噪声影 响滅少明显的误判。高程差阈值不宜取得过大. 否则会造成和建筑物的比较接近的部分树木点被 谋判为建筑物点.但是高程是阈值也不能太小 否则会造成建筑物顶面异常点被误判为树木点. 合适的拓程差阈侑能降低误判经过反复试验实 际高程差阈值应略大于重采样的格网间距取 2.2m为宜。通过区域增长，町以把地物点分割 成若干祐程一致的区域。在面积阈值分割中阈 值过大会造成小建筑物的残留而闹值过小则 会把一些比较成片的树木点滤除。采用面积阈值 （本文为40 mJ可滤掉大的区域（主契为大建筑 物）最后得到的结果如图4所示。对比原始 DSM图l（a可以看出有一些地物点如小的房 屋仍然没有剔除掉还冇平坦区域但坡度较大的 地面点和房顶的一些极少异常点也被误判为树木 点。因此经过区域增长分割的数据还需要进一 步处理.图4区域增长提取的树木效果图Fig. 4 Extracting tree using region growing algorithm3梯度分割城区建筑物和树木的LiDAR数据在高程上 具有以下特点山：1. 建筑物表面一般校规则除了边缘区域髙 程变化较大其他地方一般变化很小，连续性 明显.2. 树木生长不規则不具备人造建筑物的连 续性。激光脉冲具有一定的穿透能力能穿透一 部分树叶射到地面因此树木区域不仅在边缘上 高程变化较大，内部在各个方向上也不连续3. 如果忽略噪声的影响绝大多数建筑物除 了边缘区域外顶面各点的二阶导数几乎为零而 树木顶面各点的二阶导数较大且不会为零建筑 物表面即使不是严格的平面或斜面其二阶导数 也远小于树木顶圓备点的二阶导数.因此可以利用二阶导数的待性来去棹建筑 物。通常用梯度代荐二阶导数梯度值定义如下 grad /(x)=y7T+7T=对LiDAR数据点取其最邻近的k个点儿 通过最小二乘拟合二次局部曲面丄】为使二次 局部曲面尽虽与数字表面模型变化一致“取值 不能太大此处选取冷=8二次曲面农达式为z ax2 +bxy+cy2 +dr+n of LiDAR Data Using a Ixwer Envelope Follower and Grdient-based Operator C/Proceedings to the IEEE IGARSS Conference. Toronto： s. n. 2002.4 SAG I FILIN. Sodacc Chsifica(ion from Airborne Laser Scanning Data J. Computers & Geo&ciencen. 2004* 30 tur Extraction from LiDAR Point CloudsCl/Geoscicncc and Remote Sensing Sympo- siumi5. S. I. Ji Institute of Electrical and Electronic Engineers. 2005. 5： 3277 32806 CARLA NARDIN(XX：HI. GVIANFRANCO FORLANI. PRIMO Z1NGAXETTI. Classification and Filtering of L- ser DataC/rroceedings of the ISPRS Working Group ffi /3 Workshop 3D Reconstruction from Airborne Laser scnnuaiiun. 2006*32 t 3G-38. X ft 兰光华郁生阳等.一种快速SVM学习算法J卄算机工養与 应用.2006. 42(32)1 36-38.)10 VOSSELMAN G Slope based Filtering of Altime* try Data J InyEdtioml Archiveai of Photogrammetry and Remote Sensing. 20013 DASH J. STEINLE E. SINGH R P et il. Automatic Building Extraction from Laser Scanning Data： an Input Tool for Disater Management J Advincet in Space Research. 2004. 33(3) r 317 322.14 JIA YonRhong. Digital l*nage Processing M. Wuhant Wuhan University Press. 2003： 150-151. (JJJ水红.JJ字 图擁处理M武汉：貳我大学出版|2003： 150-151.)15 LIU Xiuguo. ZHANG Jmg. GAO Wei. CHEN Qihao. Extracting Building Quickly from LiDAR Point Cloud Da ta J. Earth Science-Journal of China University of Geosciences. 2006. 31(5儿615-61 & (刘修国.张靖.离伟. 陈沽LiDAR点云数携中建筑物的快速ffifttJ.堆球 科学一中国地质大学学报.2006. 31(5), 615-618.)(責任编辑I丛卅平)收積日期：2008-09-)9修回日期：2009-03-09第一作者简介：张齐勇(1983- )男硕士研究生主菱 从LiDAR ft据处理与应用研究.E-mail, zzqylO 163. comFirst author s ZHANG Qiyong ( 1983). male, post- graduate majors in Laser Seanning data processing and its application. E-mail：zzqylO 163. com作者:作者单位:刊名：英文刊名： 年，卷(期): 被引用次数:张齐勇，岑敏仪， 周国清，杨晓云，ZHANG Qiyong CEN Minyi， ZHOU Guoqing YANG Xiaoyun张齐勇，岑敏仪,ZHANG Qiyong,CEN Miny西南交通大学土木工程学院测量工程系四川成都,610031)， 周国清,ZHOU Guoqing(Department of Engineering and Technology,Old Dominion University,Norfolk 23529,USA)， 杨晓云,YANG Xiaoyur西南交通大学土木工程学院测量工程系四川成都610031广西工学院土测绘学报|馆证|面雨TACTA GEODAETICA ET CARTOGRAPHICA SINICA2009,38(4)4次参考文献(15条)1. HYYPPA JFeasibility for Estimation of Single Tree Characteristics Using Laser Scanner20002. ZAREMBA M B;GOUGEON Fusion of High-resolution Satellite and LiDAR Data for Individual TreeRecognition 20063. WEED C A;CRAWFORD M M;NEUENSCHWANDHR5Aiflcation of LiDAR Data Using a Lower EnvelopeFollower and Gradient-based Operator 20024. SAGI FILIN Surface Classification from Airborne Laser Scanning Data外文期刊I 2004(9-10)5. JIANG Jingjue;ZHANG Zuxun;MING Ying Data Segmentation for Geometric Feature Extraction from LiDARPoint Clouds 20056. CARLA NARDINOCCHI;GVIANFRANCO FORLANI;PRIMO ZINGARETlFIcation and Filtering of Laser Data20037. JOHN SECORD;AVIDEH ZAKHOR Detection in LiDAR Data 20068. 居红云;张俊本;李朝峰 基于K-mean与SV结合的遥感图像全自动分类方法期刊论文-计算机应用研究2007(11)9. 张艳;兰光华;郁生阳 一种快速SV学习算法期刊论文-计算机工程与应用2006(32)10. VOSSELMAN Slope Based Filtering of Laser Altimetry Data2000(03)11. LES A PIEGL;WAYNE TILLERAlgorithm for Finding All k Nearest Neighbors外文期刊2002(02)12. 李志林;朱庆 数字高程建模200313. DASH J;STEINLE E;SINGH R PAutomatic Building Extraction from Laser Scanning Data:an Input Toolfor Disaster Management 外文期刊2004(03)14. 贾永红数字图像处理200315. 刘修国;张靖;高伟;陈启浩LiDAES云数据中建筑物的快速提取期刊论文-地球科学-中国地质大学学报2006(05)引证文献(4条)1. 程效军.何桂珍适用于多值曲面修复的空洞边界提取方法及应用期刊论文-测绘学报2012(6)2. 刘义勤.潘懋.彭博.蔡明.李鹏 基于三维GIS技术的城市地下空间数字化一一以天津市塘沽为例期刊论文-测绘通报 2011(2)3. 郭杰.刘建永.张有亮.朱玉 基于扫描线自适应角度限差法的地面点云滤波期刊论文-计算机应用2011(8)4. 程晓光.黄先锋.张帆 机载LiDA数据的城区树木点提取方法期刊论文-测绘科学2014(3) 引用本文格式：张齐勇.岑敏仪.周国清.杨晓云.ZHANG QiyongCEN Minyi. ZHOU GuoqingYANG Xiaoyun城区LiDA点云数据的树木提取期刊论文-测绘学报2009(4)