摘 要

机载LiDAR(Light Detection and Ranging)系统是一门新兴的技术，该系统能够对地面实现主动的观测功能。在如今的各种观测应用中有很大的作用，该系统能够很精确、快速、精准的得到地面的三维数据，并能够生成数字表面模型。

在如今的信息化时代，信息的提取是非常重要的，而在城市表面信息的提取过程中，LiDAR系统还有一点缺陷，其一，提取的表面信息特征不一，里面的内容很繁杂，必须要经过多次分析才能得到城市建模。目前LiDAR点云数据研究主要集中在地物提取，并且大多数都还是在建筑物的提取上，就算是树木的提取，也大多在密集的森林区域，对像校园这样的环境下树木提取研究是相对较少的。在如今的数字信息时代，树木信息也是城市数字信息的一个很重要的部分，所以，对于校园中LIDAR点云数据的树木提取的研究是具有很重大意义的。

LiDAR点云的树木提取现在主要就两个过程：分割和分类。后面的研究大部分的算法也是和这种思想相关的，分割主要是利用图像处理算法来完成的，而分类则可以利用监督分类来完成。目前很多的树木提取研究算法在分割过程中，算法过于复杂，没有考虑LiDAR点云数据自身的特点。并且在实验过程中，会需要大量的样本，计算量大大提高，计算复杂度也进一步提高。

本文研究了对于初始的LiDAR点云数据的处理效率问题，稍微提高了些LIDAR数据处理效率。然后结合了其他的算法，提出了基于区域增长与梯度分割的树木提取算法，并在实验中发现，对于一些大的建筑物，其顶端的突出点或异常点会被误判为树木点，所以对提出的算法进行了升级，加入了灰度形态学，只有可以把大建筑物上面的突出点或者异常点提前的去除掉。再提取树木就会减少很多的误判，与原算法相比，树木提取率和正确率有提高，更重要的是对于大建筑物屋顶的突出点处理几乎不会出现误判错误。

关键词：机载激光扫描；数据分类；树木提取；滤波

Abstract

Airbome Light Detection and Ranging(LiDAR) is a new technology which can realize the active observation function on the ground. In today's various observational applications have a great role, the system can be very accurate, fast and accurate to the ground of three-dimensional data, and can generate a digital surface model.

In today's information age, the extraction of information is very important, and in the process of extracting the city surface information, the LIDAR system still has a flaw, one, the extracted surface information characteristics are different, the contents are very complicated, and must be analyzed many times to get the city model. At present, the research of LiDAR point cloud data mainly concentrates on the extraction of ground objects, and most of them are still in the extraction of buildings, even if the trees are extracted, and most of them are in the dense forest area, the research on tree extraction is relatively less in environment like campus. In today's digital information Age, tree information is also a very important part of the city's digital information, so it is of great significance to study the tree extraction of LiDAR point cloud data in campus.

The tree extraction of LiDAR point cloud now mainly consists of two processes: segmentation and classification. Most of the algorithms in the following research are related to this idea, and the segmentation is mainly done by the image processing algorithm, and the classification can be done by supervised classification. At present, a lot of tree extraction algorithms in the segmentation process, the algorithm is too complex, not to consider the characteristics of LiDAR point cloud data itself. In the course of the experiment, a lot of samples will be needed, and the computational complexity can be greatly improved.

In this paper, the processing efficiency of the initial LIDAR point cloud data is studied, and some LIDAR data processing efficiency is improved slightly. Then combined with other algorithms, a tree extraction algorithm based on region growth and gradient segmentation is proposed. And in the experiment found that for some large buildings, the top of the prominent point or anomaly will be mistaken for the tree point, so the proposed algorithm has been upgraded, adding gray morphology, only the big buildings above the prominent points or the anomaly points to remove prematurely. The extraction of trees will reduce a lot of misjudgment, compared with the original algorithm, the tree extraction rate and the correct rate has been improved, and more importantly, the big buildings on the roof of the prominent point of processing almost no misjudgment errors.

Key words:LiDAR;Data Classification;Tree Extraction;Filtering

目 录

第一章 绪 论 1

1.1 研究背景 1

1.2 国内外研究现况 2

1.3 研究目的和内容 3

第二章 机载激光测高系统 4

2.1 机载LiDAR简述 4

2.2 LiDAR系统组成 4

2.3 LiDAR系统与常见系统比较 5

2.4 LiDAR系统应用 6

第三章 LiDAR原始数据预处理 8

3.1 LiDAR数据波及DTM生成 8

3.1.1 LiDAR滤波简介 8

3.2 DTM生成 9

3.2.1 DTM内插基本知识 9

3.2.2 移动曲面拟合法内插 10

3.2.3 滤波结果分析 12

3.3 地物点提取 14

第四章 基于区域增长与梯度分割的树木提取 16

4.1 LiDAR数据重采样 16

4.2 基于区域增长与梯度分割的树木提取算法 16

4.2.1 区域增长 18

4.2.2 梯度分割 19

4.3 最终树木提取与评估 22

结 论 24

致 谢 25

参考文献 26

第一章 绪 论

1.1 研究背景

由于如今处在经济高速发展的时代，所以城市校园的地形地貌变化也是非常的快。在这种情况下，就要求能更快速测量出城市的地表信息。并且现在的数字信息城市，不能仅靠人工测量和航空摄影测量，虽然也是一种很精确、可靠的技术，但是需要大量的人力，物力。已经很难满足如今数字城市发展的程度。机载激光扫描系统^[1]是一门在70年代初新起的技术，能够对地面实现主动的观测。在如今的数字城市信息提取过程中起很大的作用。

机载激光扫描是一门新兴的独立技术，该技术原理是利用激光扫描雷达传感器向地面发射激光脉冲，反射后的激光被机载LiDAR系统接收，分析其中激光器的高度、扫描的角度，确定激光器的位置，再分析激光发射时的方向信息就能够得到地面的光斑位置坐标。综合所有的光斑坐标，就能够得到一个三维的地表坐标信息。并且该系统还能够自动化生成DSM（Digital Surface Models）^[2]。机载LiDAR系统和传统测量方法相比有很多优点。因为现如今数字城市发展太快，对于数字城市的信息提取就要求能够更快速、更低耗、更精准、更密集了。LiDAR技术都拥有这些优势，满足了这些需求，使它在如今各种测量应用中拥有很大程度上的欢迎。

因为机载激光扫描测高技术在如今信息化时代拥有很大的前景，而我国在这方面的应用研究是相对较少的，为了让这项技术能够在我国快速发展，刘经南院士^[3]也提出了需要更多研究激光测高技术，以及激光测高所得数据处理的算法的研究，这些研究都具有很重大的现实意义。在国内，对于激光测高数据的处理算法研究还是比较少的，主要都是对数字高程的研究和建筑物地物点提取上面，对于LIDAR点数据的研究是相对较少的。所以，在这样的国内背景下，校园中LIDAR点云数据的树木提取研究就具有很重大的意义。

1.2 国内外研究现况

如今国内外也是有许多LiDAR点云数据树木提取的研究，但是大部分都是研究森林区域的树木提取，对于校园环境下的树木提取研究是非常少的。芬兰学者Juha Hyyppa^[4]就是对对森林区域的树木提取做了不少的的研究，先从分析扫描出来的LIDAR数据，从中提取了林地数字地形模型(Digital Terrain Model,DTM)，然后利用数字植被模型减去数字地形模型就能够得到三维树高模型，其中分割区域的最高点位置决定了树冠的位置以及高度。通过树冠区域计算，可以得到树冠的直径，通过树冠模型的建立，得到森林区域树木的多个参数。该法如果在很密集的森林区域，分割结果会受影响，影响单株树木模型的建立。加拿大学者Marek^[5]利用了高分辨率的卫星影像和高密度的LiDAR数据来对树木进行单独的识别，可以利用该方法进行高精度的森林管理。美国德克萨斯大学的Christopher A.weed^[6]利用了很多辅助的数据，对许多的实验研究数据进行了分析，然后利用监督分类对LiDAR数据组织了分类，分类之后的数据可以区分为地面点、植被点和人造地物。荷兰代夫特大学的Sagi Filin^[7]利用测高数据，研究了LIDAR数据的表面纹理，利用非监督分类的方法来区分具有相同属性的数据类。2006年，加州大学伯克利分校的John Secord^[8]分析了城市区域环境的树木特点，利用遥感影像，分析数据中的点与点之间的相似性，然后利用区域增长算法把数据进行了分割，对于每个分割区域，需要计算出它的特征向量，然后将数据导入第三方软件LIBSVM，区域分割的结果就得以分类。