点云催化剂应用案例六(点云滤波,一个经典却常新的主题)

发布时间: 2019-05-21 05:28:54

次阅读


随着激光雷达(Light Detection And Ranging,LiDAR)测量、多视影像密集匹配技术的完善和行业应用的深入,点云滤波的重要性日益突出。本案例的点云涉及机载LiDAR点云和航空、航天多视立体影像密集匹配的点云等三种类型。在点云处理和信息提取领域,滤波指区分点云中的地面点和非地面点的过程,它是生成数字高程模型(DEM)、分类、目标识别和三维重建的基础和必经的步骤。

产品详情

引言

随着激光雷达(Light Detection And Ranging,LiDAR)测量、多视影像密集匹配技术的完善和行业应用的深入,点云滤波的重要性日益突出。本案例的点云涉及机载LiDAR点云和航空、航天多视立体影像密集匹配的点云等三种类型。在点云处理和信息提取领域,滤波指区分点云中的地面点和非地面点的过程,它是生成数字高程模型(DEM)、分类、目标识别和三维重建的基础和必经的步骤。目前,已经提出了众多点云滤波方法,其中,有代表性的方法有三角网(Triangular Irregular Network,TIN)渐进加密(TIN Progressive Densification,TPD)、分层稳健线性内插、坡度滤波、数学形态学滤波、基于聚类/对象的滤波、布料模拟滤波等。已有方法中,涉及的基元(基本处理单元)有点、对象、体素或剖面等多种类型;且后三种基元具有一定的共性,本质上是点基元的一种集合和再组织方式,本案例仅关注的对象基元。由于点易受粗差、地形断裂的负面影响,而对象比点更能增强点云处理效果,基于对象的点云滤波方法是一个研究的热点。然而,与基于点的滤波方法相比,尽管基于对象的滤波方法可以一定程度的提高滤波精度,但是也存在效率低下的问题。

点云催化剂软件中,设计了一种既能继承基于对象方法的优势、又不显著降低效率的滤波算法,即基于多基元的三角网渐进加密(Multiple-Primitives-based TPD,MPTPD)方法。它有三点新意:(1)使用多基元、而非单一的基元参与运算,其中的多基元包括点、对象、关键点等三种类型,且在不同的阶段使用不同类型的基元;(2)使用关键点的代替对象参与判别,即,在核心判别步骤中,使用对象的关键点替代对象进行运算以提高效率;(3)使用了一种简单、快捷的关键点检测算法。特别指出,本案例的一个“对象”指“点云分割后具有同一标号的点集”,“关键点”又是对象点集的一个子集。即,关键点本质上仍然是原始点云中的点,而非额外创造的,但是关键点具有特殊性。另外,处理一个“对象”,可以通过处理该对象包含的点集来实现,也可以通过处理“关键点”来实现。



技术流程


MPTPD方法包括基于表面生长的点云分割、对象关键点提取、基于关键点的对象类别判别等3个主要步骤。整体技术框架如图1所示;另外,图2展示了某一点云的各个处理步骤的效果。另外,文中数字“1”代表“非地面点类”,数字“2”代表“地面点类”。

图1 点云催化剂软件中滤波的整体技术流程图

                  (a)某机载LiDAR点云数据                                        (b)点云分割的结果

             (c)对象关键点提取的结果                             (d)基于关键点的对象类别判别的结果

图2  点云催化剂中滤波方法的关键步骤处理效果示意图

试验与分析

实验平台的配置:ThinkPad W520笔记本,CPU 为Intel酷睿i7-2760QM 2.4 GHz,内存2.98 GB,装配WindowsXP系统。同时点云催化剂软件集成了TPD、基于对象的TPD等另外两种滤波方法,可以方便进行性能比较。

试验数据与结果:

共使用了4个场景的点云开展实验(见图3),它们的基本信息见表1。前两个为开放的机载LiDAR数据;后两个为摄影测量点云,其中,第三个的原始影像由Trimble Germany GmbH公司免费提供、点云由PixelGrid软件生成,第四个由德国宇航局免费提供。另外,实验数据一为国际摄影测量与遥感协会第三委员会提供的测试数据CSite1,该数据位于德国,如图3(a)所示;实验数据二由IEEE GRSL Fusion Contest 2013提供,该数据位于美国休斯敦大学附近,本案例截取了原始点云的一部分,如图3(b)所示;实验数据三对应的斜影像由天宝公司AOS系统获取,该数据位于德国柏林市和波茨坦市附近,本案例截取了由影像生成的摄影测量点云的一部分,如图3(c)所示;实验数据四由GeoEye-1的立体影像对生成,该数据位于德国的慕尼黑市,本案例截取了该摄影测量点云的一部分,如图3(d)所示。

对四个实验数据进行滤波时,使用的相关参数的值见表2。其中,TPD、OTPD和MPTPD三种方法的参数采用了相同的参数值,OTPD和MPTPD两种方法的参数、、采用了相同的参数值。鉴于篇幅的原因未展示三种方法的滤波结果。后续实验分析表明三种滤波方法均能正确的区分多数的地面点和非地面点,且OTPD和MPTPD两种方法的滤波效果相当、并优于TPD方法的滤波效果。

                            (a)实验数据一                                                         (b)实验数据二

                           (c)实验数据三                                                         (d)实验数据四

图3四个实验数据

精度评价:

采用了一类误差I(将地面点错分为非地面点的数量占地面点数量的比例)、二类误差II(将非地面点错分为地面点的数量占非地面点数量的比例)和总误差T(错分点数量占全部点数量的比例)三个指标定量衡量滤波精度。同时,使用了人工半自动解译的方式识别了四个实验数据的地面点和非地面点,并将每个实验数据的人工识别结果作为真值计算滤波方法的误差。四个实验数据的三类误差值见表3。

表3中,TPD方法的I、II、T三类误差的平均值分别为27.09%、2.27%和12.52%,OTPD方法相关误差的平均值分别为4.96%、2.75%和4.04%,MPTPD方法相关误差的平均值分别为5.03%、2.78%和4.08%。数字说明OTPD方法与MPTPD方法的各类误差均十分接近。且,一类误差I和总误差T均呈现TPD>OTPD≈MPTPD的趋势,而二类误差II呈现TPD<OTPD≈MPTPD的趋势。另外,MPTPD和OTPD两种方法的一类误差I、总误差T的平均值比TPD的分别低约22.10%、8.46%,而两种方法的二类误差II的平均值比TPD的高约0.49%。可见,与TPD相比,MPTPD和OTPD两者会轻微的提高二类误差II,但会显著的降低一类误差I、总误差T。可知,OTPD和MPTPD两种方法的滤波精度相当、且高于TPD方法的滤波精度。

表1  四个实验数据的基本信息

实验数据

点云类型

点数(个)

长宽(m*m)

平均点间距(m)

是否有粗差

地形类型

机载LiDAR

1366408

1100.71*701.46

0.69

城区与森林

机载LiDAR

2335048

1087.47*889.51

0.64

城区

航空影像匹配

2044447

655.12*624.39

0.44

城区

卫星影像匹配

2497638

1011.85*1035.85

0.50

城区

表2  四个实验数据中三种滤波方法的相关参数取值

方法

TPD

OTPD和MPTPD

参数

(m)

(°)

(°)

(m)

()

(°)

(m)

实验数据一

20

80.00

6.00

1.40

20

30.00

0.50

实验数据二、三、四

60

88.00

6.00

1.40

20

10.00

0.50

表3   四个实验数据中三种滤波方法三类误差的统计值

实验数据

误差类型

TPD(%)

OTPD(%)

MPTPD(%)

I

34.74

11.35

11.36

II

2.39

4.21

4.16

T

17.92

7.64

7.62

I

22.46

6.81

6.98

II

3.02

0.79

0.77

T

13.35

4.04

4.07

I

23.71

1.29

1.33

II

1.80

5.74

5.81

T

9.40

4.20

4.26

I

27.45

0.39

0.43

II

1.87

0.24

0.36

T

9.40

0.28

0.38


效率评价:

采用了时间花费衡量滤波效率。为此,分别记录了三种方法对四个实验数据进行滤波的各个阶段耗时及总耗时,具体的统计数据见表4。其中,将滤波过程划分为5个阶段。

表4的统计数据表明,在四个实验数据中,有三个出现了三种滤波方法的总效率均呈现TPD>MPTPD>OTPD的规律。以实验数据三为例,TPD、MPTPD、OTPD三种方法的总耗时由少到多依次为约299s、415s、866s。但在第一个实验数据中,MPTPD的效率高于TPD、OTPD。整体上,TPD的效率最高、MPTPD的次之、OTPD的最低。表4还表明TPD、MPTPD、OTPD三种方法平均在每个实验数据上的总耗时分别为248.76s、355.26s、613.30s。则,如果以效率最慢的OTPD的基准,TPD和MPTPD的效率分别是OTPD的2.47倍、1.73倍。

另外,表4展示了一个很有兴趣的现象。例如,第四个实验数据中,TPD和OTPD两种方法的第2.3节前三步的耗时分别为9.45s、109.70s,但MPTPD的相应耗时仅为7.78s;TPD、OTPD、MPTPD三种方法在第2.3节后两步阶段的耗时分别为13.79s、342.64s、2.09s,即MPTPD方法在此阶段的耗时仅为TPD的15.16%、OTPD的0.61%。其他三个实验数据亦表现出类似的规律。这证明了基元对滤波效率有着显著的影响,MPTPD方法的关键点显著的提高了其后续阶段的效率。但是,与TPD方法相比,MPTPD方法的点云分割和关键点提取耗费了较多的时间,因此该方法的整体效率低于TPD方法。


分析

工程实践证明TPD方法对具有不同场景复杂度的点云数据均具有较高的滤波精度。本案例的统计数据表明,TPD方法的总误差T平均值约12.52%,精度较高,符合既有结论。另外,表2表明TPD方法所需的四个参数的取值对场景的变化不是很敏感,且具有显著的物理意义,根据实际情况微调参数取值即可。但TPD方法存在对低位粗差、地形断裂敏感的问题,因此该滤波方法仍然存在一定的误差。表3表明TPD方法的一类误差I平均值约27.09%,显著的高于其他两种滤波方法的相关误差值。

OTPD方法是对TPD方法的改进,具有对低位粗差、地形断裂不敏感的优势,但是比较耗时。统计数据表明,与TPD相比,OTPD方法的一类误差I、总误差T比TPD的分别低约22.13%、8.48%,但耗时是TPD的2.47倍。

点云催化剂的MPTPD方法,既有与OTPD方法相当的滤波精度,又有更高的效率。统计数据表明,MPTPD方法与OTPD方法的一类误差I、二类误差II、总误差T的差值绝对值分别为0.07%、0.03%、0.04%,但是MPTPD方法的平均耗时却仅有OTPD方法的约58%。与OTPD方法的滤波精度相当、但效率显著提升的原因在于,MPTPD方法中的关键点既能逼近原始点云的三维形态、又能显著的减少参与后续判别的计算量。

另外,与TPD方法相比,MPTPD和OTPD两种方法需要额外的三个参数。但是,表2表明四个实验数据中和两个参数的取值可相同,而的取值在三个实验数据亦相同。这表明额外的三个参数亦“具有显著的物理意义,根据实际情况微调参数取值即可”。

表4  四个实验数据中三种滤波方法的时间花费

实验数据

方法

阶段1耗时(s)

阶段2耗时(s)

阶段3耗时(s)

阶段4耗时(s)

阶段5耗时(s)

总耗时(s)

TPD

261.13

-

-

5.34

7.85

274.32

OTPD

-

171.26

-

59.27

135.29

356.82

MPTPD

-

171.26

47.78

4.21

1.37

224.62

TPD

179.40

-

-

34.77

33.84

248.04

OTPD

-

237.45

-

35.88

161.48

433.81

MPTPD

-

237.45

55.34

17.13

2.94

312.86

TPD

251.70

-

-

13.03

33.97

298.70

OTPD

-

316.20

-

18.39

531.06

865.65

MPTPD

-

316.20

84.05

10.23

4.98

415.46

TPD

150.72

-

-

9.45

13.79

173.96

OTPD

-

344.57

-

109.70

342.64

796.91