從機載LiDAR點云數據中快速提取建筑物的方法研究

龔威平，李云帆，陳卓，龍超

從機載LiDAR點云數據中快速提取建筑物的方法研究

龔威平1?，李云帆1，陳卓2，龍超3

提出一種從機載LiDAR點云數據中快速提取建筑物的方法。首先通過漸進三角網濾波得到地面點和不規則三角網，再通過三角網的區域生長和多條件閾值提取出候選建筑物輪廓，然后對提取出的初始建筑物點云采用兩種策略去除噪聲點，最終得到準確的建筑物點云，并通過實際數據進行了驗證。

LiDAR；建筑物提??；濾波；區域生長

1 前 言

隨著地球空間信息技術及其相關學科的飛速發展，三維數字城市的構建已經成為城市規劃和建設領域的重要組成部分，能夠為城市發展提供科學決策依據，全面提高政府規劃、宏觀調控、市場監管、社會管理與公共服務等方面的水平和效率。數字城市建設的首要內容是城市地區建筑物三維信息的獲取，而作為一種新型的主動傳感器，機載激光雷達(Airborne LiDAR)通過集成定姿定位系統和激光測距儀，無需攝影測量處理的影像匹配過程即可直接獲取目標的高密度三維點云數據，同時可以準確獲取地物間的幾何拓撲關系，是一種經濟、可靠的地表三維空間數據采集技術，目前已經成為城市三維建筑物模型獲取的一種重要手段，具有廣闊的應用前景[1～6]。因此，研究如何快速、準確地從LiDAR點云數據中提取出建筑物具有重要的現實意義。

從機載LiDAR數據中提取建筑點云數據包含以下兩步:①從原始DSM數據中提取出建筑表面點，即建筑腳點；②分割建筑點。通常將這種建筑物提取的策略稱為F-S方法[7]。眾多學者在此領域展開了研究，如Weidner和Ameri等利用DSM和DTM之間的差異檢測出建筑物區域[8，9]；Masaharu等將點云分割成建筑物區域和非建筑物區域，再利用邊界追蹤算法分割單個建筑[10]。尤紅建等直接應用激光采樣點的原始三維位置來提取建筑物的方法，通過DSM影像的分割、邊緣提取、邊緣跟蹤等步驟準確地提取建筑物的邊緣輪廓線[11]?？傮w上說，通常使用的方法都是先檢測出建筑物區域，然后針對這些區域進行邊界跟蹤、提取。

本文在總結現有文獻的基礎上，提出一種從機載LiDAR點云數據中快速提取建筑物的方法，結合了點云濾波、區域生長和點云去噪等多種技術，并通過實際數據對其進行了驗證。

2 機載LiDAR點云濾波

機載LiDAR點云數據濾波是指從點云中分離地面點和非地面點的處理技術和方法[12]，是建筑物提取步驟的重要前提。機載LiDAR點云數據是一種特殊形式的數字表面模型(DSM)，其中包括地面表面和地物表面。地物與地面的高差造成地物邊緣處的不連續性，所有濾波算法本質上都是基于對這種不連續性的估計。依據各種算法對于局部范圍內地面點結構特征的假設不同，產生了各異的表面不連續性的估計方法，一般有:①基于局部腳點間斜率(或高差)的估計方法；②基于局部屬性估計與內插的方法；③基于分割后拓撲關系重建的估計方法。國際攝影測量與遙感學會(ISPRS)曾專門對其中8種濾波算法進行了詳細的測試和評價[13，14]。其中Axelsson提出的漸進加密式三角網濾波算法十分適宜本文研究背景，其優勢在于:①該算法普適性較強，在多種地形條件下均有較好的效果；②濾波的同時可以獲得地面點構成的TIN，便于下文候選建筑物區域提取。

迭代加密三角網濾波算法的基本思想即將整個地形表面逐漸細分為一系列細小的三角形平面面片，從而將LiDAR點云濾波轉換為搜索一系列具有相同地形特征的平面面片的過程，其流程為:

(1)對點云數據構建格網索引，格網的大小由用戶設定，取決于點云數據中最大地物(通常為建筑物)尺寸，以確保每個分塊內必然包含地面點。對于格網中的每個分塊，搜索其最低點作為地面種子點；并對所有地面種子點構建TIN，作為初始的地表模型。

(2)第二步是一個迭代過程，每次迭代中，依次判斷余下腳點是否滿足加入地面的條件。①點到地面高度的判別依據；②點與地面構成坡度的判別依據。

(3)“鏡像點”修正。以上的判別準則對于連續地表效果較好，但是對于地表高程突變處的腳點通常會出現高度閾值超限的情況，從而被錯誤地分為地物點。算法將該點所在的三角形的鄰接三角形都納入考慮范圍，加入“鏡像點”修正在地表不連續處的判斷準則。

(4)算法重復上述過程直到所有點都分類為地面點或者地物點，或者達到用戶事先設定的某個限制條件，如迭代次數上限、三角形個數上線、三角形邊長下限等等。

3 建筑物點云提取

3.1 候選筑物區域提取

如前文所述，應用漸進加密式三角網濾波算法的優勢在于可以直接得到由地面點構成的二維Delaunay三角網，即TIN形式的DEM。由于建筑物點云已經作為地物點被剔除，因此潛在的建筑物區域必然對應著DEM中的空洞區域，也就是TIN中具有較大邊長的三角形組，如圖1所示。本文提出一種基于長度約束的三角形生長算法，對建筑物區域的點云進行定位和提取。此方法旨在快速獲得候選建筑物區域的初始位置，并得到其相應的邊界多邊形。記濾波所得地面點三角網為Dt，這個過程實際上可以轉化為求取Dt中空洞區域的問題。包括以下步驟:

(1)Dt中的三角形具有兩個標記屬性:其一為訪問與否，取值為{Tag_Unvisited=0，Tag_Visited=1}；其二為是否包含長度超限的邊，取值為{Tag_TooLong= 0，Tag_Normal=1}。

(2)設定三角形最大邊長閾值T_EdgeLength，通常為目標區域內最小建筑物的寬度。對Dt中所有三角形進行一次迭代，將包含長度超限邊的三角形標記為Tag_TooLong，其余三角形標記為Tag_Normal，并將所有三角形標記為Tag_Unvisited。

(3)創建一個空的臨時三角形鏈表Ltri和用于保存三角形分組的鏈表Lgroup，進行迭代生長過程:

①迭代Dt中所有三角形，如果當前三角形Tri未訪問且被標記為Tag_TooLong，則作為生長的起始三角形，并加入Ltri中；

②創建一個新的三角形分組G，并將Tri加入其中；

③判斷Tri的三個鄰接三角形，如果其標記為Tag _TooLong且Tag_Unvisited，那么將其加入G，并加入Ltri的末尾，同時將Tri標記為Tag_Unvisited；

④重復①～③的過程，直到Ltri為空，則分組G的生長結束。將G加入Lgroup并跳轉到步驟①。

(4)對于最終生長完成之后的三角形分組，通過搜索組內相鄰三角形標記不一致的邊，并按照逆時針順序將其連接，即可得到建筑物初始區域的邊界。

圖1 候選建筑物區域提取

3.2 剔除非建筑物區域

由上述過程所得到的初始建筑物區域，存在許多錯誤檢測結果。這些錯檢結果通常是由比較茂密的植被區域與低反射率區域(如水體)所造成的。為了能夠準確地從中提取出正確的建筑物初始區域，以下多個參數被用來剔除錯誤檢測結果。

(1)面積大小閾值

通常建筑物面積通常不小于50m2，所以，對于Lgroup中面積小于該閾值的三角形分組G予以剔除。由于本文主要針對城市地區的建筑物提取，一般取50 m2。

(2)最小包含點數閾值

建筑物具有一定的面積下限，因此其所包含的點云數量也具有一個最小值，這個值的大小與建筑物的最小面積與點云數據的平均點間距相關。同時，某些低反射區域(如水體等)僅包含極少的回波點，這些區域僅僅通過面積閾值是無法正確剔除的，而包含點數可以有效去除這些錯誤。本文一般取200為最小包含點數的閾值。

(3)多次回波比例閾值

多次回波是機載LiDAR的特性之一，也是區分建筑物區域與植被區域的重要特性[15]。機載LiDAR發射的每一束激光都具有一定的半徑，當脈沖打到植被樹冠上時，其中一部分能量立即反射回去，形成首次回波；剩下部分能量繼續前行，穿透樹冠打到樹枝或樹干上形成第二次回波；再有部分能量繼續穿透植被打到地面上，形成末次回波，故同一束激光能同時獲得多個距離觀測值。因此最終機載LiDAR系統記錄的回波信息包括單次回波和多次回波(首次回波、中間回波、末次回波)。通常大部分單次回波和末次回波多是來自于地表以及建筑物，而首次回波和中間次回波來自于植被。樹叢分離的主要根據是在由樹叢所形成候選區域中所包含的多次回波脈沖的比例較真實建筑物區域更大。目前絕大多數商業化的LiDAR系統都能夠提供多次回波信息，因此這種方法是可行的。

3.3 噪聲點的剔除

通過上述步驟，得到了候選建筑物區域的輪廓多邊形，通過依次判斷激光腳點是否在某一個建筑物多邊形內可以獲得每一個建筑物區域所包含的點云。這只是一種粗略提取，目的是盡量包含所有建筑物腳點，因此提取的結果中包含了很多的噪聲點，需要進一步的剔除。這主要涉及兩個方面:

(1)利用平均空間距離閾值剔除噪聲點

本文針采用一種基于k-d樹的平均空間距離方法對噪聲點進行剔除[16]，主要包括以下步驟:

①構建k-d樹，建立拓撲關系；

②求點云中任意一點p的KNN鄰域；

③計算該點與鄰域內個點的平均距離值dis；

④判斷平均距離值是否超過設定的閾值。如果超過，則認為該點為噪聲點，予以剔除。根據需求，一般取閾值為平均點間距的2.5倍；

⑤重復步驟②～④，直到所有的點都處理完畢；⑥輸出去噪之后的點云。

在實際應用中，這種方法無論是速度還是去噪效果都能達到比較令人滿意的程度但是也存在一定的缺陷:當有較多噪聲點聚集在一起時，這種方法不容易正確識別，需要加入另外的方法進行進一步處理。

(2)利用平面擬合誤差閾值剔除粗差點簇

由于目前大多數人工建筑物的屋頂都由平面組成，即便是曲面構成的屋頂，在局部范圍內也可以用一個平面進行逼近。這一特點反應在點云數據上表現為對局部范圍內的點進行平面擬合后的中誤差將處于較低的水平。以此為依據，可以將聚集在一起的較大粗差的點簇予以剔除。由于平均空間點距大的同時意味著平面擬合的誤差也較大，因此前一步中實際上已經剔除了大部分的粗差點，同時記錄了每一個點的平均空間點間距，因此本步驟中首先對剩余的點依據其平均空間點間距進行降序排序，然后以一定比例(本文為2%)取排在前列的點，計算其K鄰域點平均擬合的中誤差σ，當σ大于一定閾值T_σ時，則認為該點為粗差，本文中T_σ一般取值0.2 m。

4 實 驗

本文選擇了兩塊城區的數據作為實驗數據如圖2中(A_1)和(B_1)，其中數據A包含307萬個激光腳點，航向平均點間距為0.7 m，旁向平均點間距為0.65 m，在城區范圍平均點密度約為2.04點/m2數據B包含277萬個激光腳點，航向平均點間距為0.6 m，旁向平均點間距為0.67 m，其中建筑物區域平均點密度約為2.5點/m2。兩塊地區的數據采用的濾波參數如表1所示，濾波結果如圖2(A_2)和(B_2)。

圖2 三角網濾波算法結果

濾波參數 表1

圖3 候選建筑物區域檢測結果

候選建筑物區域的提取結果如圖3所示，其中第二列為候選區域提取得到的矢量結果。從圖中可以看出基本上實驗區域內所有建筑物都被正確提取出來。然后對提取出的初始建筑物點云進行去噪處理，圖4展示了對實驗區域內的某個建筑物的處理效果。

過上述操作，最終得到了所有的建筑物屋頂點云數據，而且同時對屬于一棟建筑物的點云進行了區分，取得了較好的結果，如圖5所示。

圖4 利用平均空間距離閾值剔除噪聲的效果

圖5 建筑物提取結果(右1～3圖中紅色為提取的建筑物點云)

5 結 語

本文首先介紹了從LiDAR點云數據中提取建筑物的研究現狀，在總結和分析各種方法優劣的基礎上，提出一個完整的技術流。首先利用濾波方法得到地面點云；然后提出一種基于邊長約束的三角網區域生長算法從濾波后的LiDAR點云中提取出候選的建筑物區域，得到單棟的建筑物點云數據。實驗證明了本文方法的有效性，能夠快速、準確地從原始點云數據中提取出真實建筑物點云。能夠為進一步的數據分析工作提供保障，具有實用價值。

同時，本文方法雖然無需太多人工干預，但是其中所涉及的多種閾值的設定，其自適應程度不高，需要進一步研究解決。

[1] Zhou，G.，C.Song，J.Simmers，et al.，Urban 3D GIS from Li-DAR and digital aerial images[J].Computers＆geosciences，2004，30(4)：345～353.

[2] Rottensteiner，F.and C.Briese，A new method for building extraction in urban areas from high-resolution LIDAR data. international archives of photogrammetry remote sensing and spatial information sciences，2002，34(3/A)：295～301.

[3] You，S.，Hu，J.U.Neumann，et al.，Urban Site Modeling from LiDAR.Computational Science and Its Applications aICCSA [C].2003：987～987.

[4] Brovelli，M.and M.Cannata，Digital terrain model reconstruction in urban areas from airborne laser scanning data：Themethod and the example of the town of Pavia(Northern Italy).international archives of photogrammetry remote sensing and spatial information sciences，2002，34(2)：43～48.

[5] Miliaresis，G.N.Kokkas，Segmentation and object-based classification for the extraction of the building class from LIDAR DEMs[J].Computers＆geosciences，2007，33(8)：1076～1087.

[6] 李德仁，李清泉，楊必勝等.3S技術與智能交通[J].武漢大學學報·信息科學版，2008，33(004)：331～336.

[7] 任自珍，岑敏儀，張同剛等.LiDAR數據中建筑物提取的新方法Fc-S法[J].測繪科學，2010，35：3.

[8] Weidner，U.and W.F rstner，Towards automatic building extraction from high-resolution digital elevationmodels[J].ISPRS Journal of Photogrammetry and Remote Sensing，1995，50(4)：38～49.

[9] Ameri，B.and D.Fritsch.Automatic 3D building reconstruction using plane-roof structures[A].ASPRS.2000.Washington DC[C].

[10] Masaharu，H.and H.Hasegawa，Three-dimensional city modeling from laser scanner data by extracting building polygons using region segmentation method[J].International Archives of Photogrammetry and Remote Sensing，2000，33(B3/1；PART 3)：556～562.

[11] 尤紅建，蘇林，李樹楷.利用機載三維成像儀的DSM數據自動提取建筑物[J].武漢大學學報·信息科學版，2002，27(4)：6.

[12] 張小紅.機載激光雷達測量技術理論與方法[M].武漢：武漢大學出版社，2007.

[13] Sithole，G.and G.Vosselman，Report：ISPRS comparison of filters[A].ISPRSCommission III，Working Group，2003，3.

[14] Sithole，G.and G.Vosselman，Experimental comparison of filter algorithms for bare-Earth extraction from airborne laser scanning point clouds[J].ISPRS Journal of Photogrammetry and Remote Sensing，2004，59(1-2)：85～101.

[15] 黃先鋒.利用機載LiDAR數據重建3D建筑物模型的關鍵技術研究[D].武漢大學，2006.

[16] Saleem，W.，O.Schall，G.Patanè，et al.，On stochastic methods for surface reconstruction[J].The Visual Computer，2007，23(6)：381～395.

實踐校企合作辦學模式 成就海西地信服務專家——福州市勘測院在職研究生課程班順利開班

(本刊訊)校企合作辦學，是企業實現人才開發增值的新途徑，也是當前教育改革的重要方向。福州市勘測院作為海峽西岸經濟區城市地理信息服務專家，為加大人才儲備力度，持續提升服務能力，近年來致力于加強校企合作力度，積極推進在職研究生層次教育，不斷為海西智慧城市的發展作出新的貢獻。

2013年，在福建省測繪地理信息局、福州市國土資源局等上級領導的關心與支持下，武漢大學與福州市勘測院聯合開設的測繪工程(GIS方向)在職研究生課程班于5月30日順利開班。福建省測繪地理信息局、福州市國土資源局、武漢大學資源與環境科學學院及福州市勘測院領導出席了開班儀式并做重要講話。

福建省測繪地理信息局林孝文副局長首先對在職研究生課程班的開辦表示祝賀，對福州市勘測院與高校聯合組織在職研究生教育的方式給予高度肯定，對武漢大學一直以來在測繪地理信息領域的科學研究及人才培訓所作的貢獻表示感謝，并對課程班的教學工作做了重要指示，要求校企雙方精誠協作，“把好事辦好、把實事辦實”、“辦真學、辦好學”。武漢大學資源與環境科學學院陳曉榕書記為與會人員深入介紹了我國研究生教育體系以及本次課程班后續的教育模式，并對課程班學員寄予了殷切期望，提出了嚴格要求。

福州市勘測院錢兆向院長在發言中回顧了福州市勘測院60年的發展歷程，強調了人才對企業長遠發展的重要意義，并分析了福州市勘測院培訓工作實施現狀及問題，指出校企聯合辦學將是福州市勘測院人才戰略的重要組成部分，也將是本院測繪地理信息產業戰略目標的強大推進器。希望全院進一步統一思想，把人才上升到戰略資源層面，有效開展“種子計劃”、“樹苗計劃”；要把辦好研究生班作為重要工作，認真抓好教學組織，爭取做到工作學習雙促進；同時希望全體學員珍惜學習機會，明確目標，刻苦學習，努力成長為理論實踐雙過硬的復合型人才。最后，學員代表邱健麗代表全班34名學員對各級領導的關心表示感謝，并承諾將以“最飽滿的熱情，最全面的投入，最實際的行動”完成學業。

本次開班儀式的召開，標志著武漢大學、福州市勘測院校企合作框架的正式啟動。課程班將在各級領導和武漢大學的指導下，嚴格遵照教育部及武漢大學在職研究生教育的各項政策，按照研究生培養方案，嚴格教學管理，為單位及行業輸送更多高學歷、高技能、高素質的測繪地理信息復合型精英。

(福州市勘測院辦公室供稿)

(1.住房和城鄉建設部城鄉規劃管理中心，北京 100835； 2.武漢大學遙感信息工程學院，湖北武漢 430079；3.中國水電顧問集團貴陽勘測設計研究院，貴州貴陽 550083)

A Study of Fast Building Extraction from Airborne LiDAR Point Cloud Data

GongWeiping1，Li Yunfan1，Chen Zhou2，Long Chao3
(1.The Administration Center of Urban-Rural Planning，MOHURD，Beijing 100835，China 2.School of Remote Sensing and Information Engineering，Wuhan University，Wuhan 430079，China 3.HYDRO China Guiyang Engineering Corporation，Guiyang 550083，China)

A method for fast building extraction from airborne LiDAR point cloud data is proposed in this paper. Firstly，ground points are extracted by progressive TIN filtering algorithm.Then a building detection strategy based on region growing algorithm and multiple thresholds is utilized for obtaining initial building points and rough boundary.The accuracy points are finally extracted after two steps of noisy points eliminating.Experiments are conducted to demonstrate the efficiency of the proposed method.

LiDAR；building extracting；filtering；region growing

1672-8262(2013)03-84-05

P237，P234.4

A

2013—01—18

龔威平(1958—)，男，副研究員，主要從事遙感技術在城鄉規劃中的應用研究和管理工作。

住房和城鄉建設部科研開發項目(2008-K9-12)