[点云学习]一“石”二“鸟”，PCA有效改善机载LiDAR林下地面点部分缺失的困局

福尔磨叽

已于 2022-06-17 14:01:57 修改

阅读量349

点赞数

分类专栏：点云智绘点云学习文章标签：学习人工智能经验分享其他

于 2022-06-15 15:57:19 首次发布

本文链接：https://blog.csdn.net/weixin_42621405/article/details/125298572

版权

点云学习同时被 2 个专栏收录

7 篇文章 1 订阅

订阅专栏

点云智绘

5 篇文章 0 订阅

订阅专栏

PCA有效改善机载LiDAR林下地面点部分缺失的困局

一、“有穿透能力、但做不到穿透”的困境
二、激光雷达做不到，PCA来助力
三、技术步骤与案例展示
四、小结

一、“有穿透能力、但做不到穿透”的困境

机载激光雷达测量技术因具有高效、高精度、直接获取反映物理世界的三维几何形态与空间分布的点云的优势而被广泛的应用于地形测绘、林业资源调查、电力巡线等领域。机载激光雷达的工作原理如下图所示：

另外，激光雷达的“穿透性”也是其区别于其他遥感技术的显著特征。激光雷达“穿透性”是指激光光束具有透过植被冠层、获取反映植被内部结构特征的植被点、及林下地面点的能力，如下图所示：

激光雷达的“穿透性”

得益于激光雷达的穿透性，机载激光雷达技术具有了准确获取林下地形、精确获取林木高度、反演植被内部结构特征的能力，如下图所示：
在这里插入图片描述

但是，鉴于物理世界复杂性、激光雷达硬件性能、航高等多种因素，激光雷达“有能力穿透植被”、但并不意味着可以 “任何情况下都做到穿透植被”。部分情况下，林下地面点仍然是缺失的，如下图所示：
在这里插入图片描述

大面积的林下地面点缺失给地形测绘、林业资源调查等行业应用带来了极大的困扰。为了确保地形的完整性和精度，人们采取了各种各样的补救措施：有的需要通过大量人工编辑的方式补点，有的需要采用地基、手持、背包、人工测量等手段进行数据的补齐。

二、激光雷达做不到，PCA来助力

“点云智绘PCA软件”综合利用深度学习、迁移学习、贝叶斯学习等机器学习方法部分解决了穿不透问题。
采用PCA的3.5版本，在“专业版”模式下，可以在点云滤波、地面点识别的同时借助机器学习推算出一套与原始点云范围一致的地面点点云数据。PCA专业版的设置如下图所示：
在这里插入图片描述

“专业版”模式下，运行“大疆L1行业应用模块”下的“精细地形提取”对应的各个子模块的点云滤波工具，在实现原点云文件滤波并保存结果的同时，会额外输出一个“原文件名+InterpolatedPoints.las”的新点云文件，该新文件存储了PCA内插出的地面点点云。
在这里插入图片描述

下图展示了某一区域点云数据通过点云滤波获取的地面点（左视图）、推算出的地面点（右视图）：
在这里插入图片描述

下图展示了点云滤波获取的地面点生成的TIN模型（左视图）、推算出的地面点生成的TIN模型（右视图）：
在这里插入图片描述

另外，我们利用PCA的“土方量计算”工具获取了识别的地面点点集与推算的地面点点集两个点云的高程差数据、并且将高程差赋值给点云作为一个标量场（属性）。下图展示了某一区域点云数据通过点云滤波获取的地面点（左视图）、推算出的地面点与滤波获取的地面点高差（右视图）：
在这里插入图片描述

当由于激光雷达穿不透而导致林下地面点稀疏时，结合上述三个效果图，我们发现PCA获取的结果有下述规律：

PCA滤波本身识别的地面点也稀少；但PCA外推获取的地面点则近似均匀分布。
PCA滤波本身识别的地面点生成的TIN会出现大的三角形、导致TIN模型的局部区域看上去具有明显的凹凸不平；但PCA外推获取的地面点生成的TIN则更加连续光滑。
PCA滤波本身识别的地面点点集与PCA外推获取的地面点点集的高差，大部分区域的高差接近0、但少部分区域的高差较大。本身识别的地面点密度越高的区域，两者的高差越小；反之，本身识别的地面点密度越小的区域，两者的高差越大。但综合场景的地形地貌特征，PCA外推获取的地面点点集更符合固有的地形地貌。这一点需要进步的实例数据验证。
如果原始的点云数据存在数据空洞，则数据空洞区域是无法产生外推点的。即，PCA软件仅仅是在有激光雷达点分布的区域去外推地面点，但无法外推空洞区域的地面点。下图中展示了该规律，原始点云用高程渲染、而外推的地面点用类别渲染（土黄色）。

另外，PCA外推获取的地面点点集的密度是可调整的。调整外推地面点点集密度的参数为“最短三角形边长”。边长越小，则外推地面点点云密度越大；反之，则密度越小。“最短三角形边长”的位置如下图所示：
在这里插入图片描述

注意：与“专业版”不同，“小白业”模式下，用户用同样的模块仅仅可以实现点云滤波和地面点识别。

三、技术步骤与案例展示

我们利用四川某山区的无人机激光雷达点云数据作为案例数据，展示如何利用PCA推算出的地面点来弥补原始点云地面点缺失的不足。该点云数据对应的场景呈现山高林密，获取数据的无人机激光雷达系统由四川某企业研发，概况如下图所示：
在这里插入图片描述

具体操作步骤如下所示：

将PCA软件的“云祥”设置为“专业版”。
将点云数据导入“云祥”中。
“云祥”的“专业版”模式下，使用相应的“大疆L1行业应用模块”下的“精细地形提取”对应的各个子模块的点云滤波工具进行滤波。
将滤波后的点云数据、新产生的推算地面点文件“原文件名+InterpolatedPoints.las”导入到“云图”中。
通过画多边形，把地面点进行补齐

滤波后的点云数据中的确存在由于激光穿不透导致的局部林木覆盖区域缺失地面点的情况，如下图所示：
在这里插入图片描述

PCA推算出的地面点情况如下图所示：
在这里插入图片描述

PCA推算出的地面点的局部放大图如下图所示：
在这里插入图片描述

四、小结

在局部场景中，存在激光雷达无法穿透植被冠层获取林下地面点的不足。PCA软件可以做到在点云滤波、地面点识别的同时推算出一套与原始点云匹配的地面点。在局部林下地面点缺失、但又无法借助其他测量手段补测地面点的情况下，可以用同一局部区域的推算出的地面点补充或替代原始地面点，可以部分解决目前激光雷达“有穿透能力、但做不到穿透”的困境。
但是，我们建议，在激光雷达能获取林下地面点的情况下，用户用原始激光雷达点云中的地面点以确保点云精度。