1、毕业设计论文基于 Lidar 点云数据的真正射影像制作摘 要本文主要介绍 Lidar 数据的主要应用，技术原理，以及利用 Lidar 点云数据制作真正射影像的理论方法。其中，重点介绍了基于 Lidar 点云数据内插 DSM 的理论以及传统 DOM 的制作方法。论文完成的主要工作有：1，分析 Lidar 数据特点，利用 Lidar 数据提取 DSM 的流程以及 Lidar 数据内插 DSM 方法，并对各种方法进行了理论比较。2，介绍传统基于 DEM 的 DOM 制作原理及流程。深入探讨了数字微分纠正的理论和应用方法以及局限性。3，介绍基于 DSM 的 DOM 制作理论。对基于 DSM 制作的 D
2、OM 过程中产生的重复映射现象进行了分析，并提出了常用的几种解决方案。4，分析当代摄影测量的发展趋势。简要介绍数字网格系统像素工厂系统（Pixel Factory） 。索引关键词：LiDAR，DOM，DSM，数字微分纠正，数字网格技术Abstract目录基于 Lidar 点云数据的真正射影像制作 .1摘 要 .1第一章 引言 .3第二章 Lidar 技术原理 .32.1 Lidar 对地定位原理 .32.2 Lidar 数据特点及处理 .32.2.1 Lidar 点云数据提取 DSM 流程 .32.3 Lidar 点云数据内插 DSM 基本算法原理 .32.3.1 反距离加权插值法(IDW)
3、.32.3.2 Kriging 插值法 .32.3.3 自然邻近点插值法(NaN) .32.3.4 样条插值法 .32.3.5 线性插值法 .32.3.6 非线性插值法 .32.3.7 各种插值方法的比较 .3第三章 传统 DOM 的制作方式 .33.1 数字微分纠正 .33.1.1 数字微分纠正的基本原理 .33.2 框幅式中心投影影像的数字微分纠正 .33.2.1 反解法（间接法）数字微分纠正 .33.2.2 正解法（直接法）数字微分纠正 .33.3 线阵列扫描影像的数字微分纠正 .3第四章 基于 Lidar 数据的 DOM 制作 .34.1 基于 DSM 的正射纠正的局限性 .34.2
4、真正射影像纠正过程 .34.3 遮挡区域检测 .34.3.1 Z-buffer 算法 .34.3.2 遮挡区域检测的一般准则 .34.4 真正射影像镶嵌 .34.4.1 辐射纠正 .34.4.2 几何合成 .34.4.3 真正射影像的优缺点 .3第五章 展望和总结 .35.1 Pixel Factory 系统简介 .35.1.1 系统概述 .35.1.2 工作流程 .35.1.3 像素工厂的优缺点 .3第一章 引言激光雷达测量（LIDAR）是一种通过位置、距离、角度等观测数据直接获取对像表面点三维坐标，实现地表信息提取和三维场景重建的对地观测技术。这项技术是继 GPS 空间定位系统之后又一项测
5、绘技术新突破，是一种崭新的革命性的测量工具。该技术优势明显，将对传统摄影测量技术造成冲击，有可能给测绘领域带来一场新的技术革命。利用 LIDAR 进行目标探测属于主动遥感方式，对天气的依赖性小，不易受阴影和太阳角度的影响。与摄影测量技术相比，避免了投影（从三维到二维）带来的信息损失，极大地提高高程获取的精度，且优势明显。利用 LIDAR 技术可快速完成数字高程模型（DEM，Digital Elevation Model）及数字正射影像图（DOM，Digital Orthophoto Map）的大规模生产。激光雷达测量技术在国外研究已经相当成熟，对于绝大部分属于硬件和系统集成方面的许多关键问题已
6、得到解决，然而对于激光雷达测量数据的处理算法仍然处于前期研究发展阶段，还有许多问题没有得到解决。激光雷达点云数据处理主要是指 LIDAR 测量数据的后处理，其中针对点云数据的滤波、分类和地物识别与提取是目前的难点和研究热点。目前的研究方向主要包括激光脚点三维坐标计算、坐标系统的转换、系统误差的校正、粗差剔除、数据滤波处理、DEM/DTM 生成以及后续的地物提取、建筑物三维重建、3D 城市模型等高级处理等。对于机载激光雷达测量来说按照扫描方式的不同，激光脚点的分布形态不同，激光脚点在三维空间的分布形态呈现随机离散的数据“点云” 。在这些点中，有些点位于真实地形表面，有些点位于人工建筑物或者自然植
7、被。数字正摄影像（DOM）是同时具有地图几何精度和影像特征的影像地图，是地球空间数据框架的一个基础数据层。以往由于影像空间分辨率不高，在传统正摄纠正过程中将建筑物视为地表的一部分，采用 DEM 校正由于透视成像和地形起伏导致的影像变形。近年来，随着高分辨率遥感影像的出现，在城市中建筑物的影像使得传统正摄影像应用面临许多问题，维持有人提出了生成真正摄影像（True OrthoImage-TOI）的思想，在正摄纠正过程中进一步考虑对建筑物的改正。目前一些商业软件例如法国 ISTAR 公司的 PixelFactory 已具备生成数字表面模型（Digital Surface Model-DSM）和进行
8、真正射纠正功能。真正射纠正是一个复杂的工艺过程，研制一套具有 TOI 制作功能的实用软件系统任务量巨大。真正射纠正中最繁琐最耗时的阶段在于提取 DSM，其工作量占据整个流程的 90%左右。本文讨论的重点是从 LIdar 数据中提取 DSM 的理论和方法，以及利用 DSM 制作真正射影像的方法。第二章 Lidar 技术原理2.1 Lidar 对地定位原理机载 lidar 的定位原理不同于传统遥感的二维遥感图像通过立体相对测量，影像相关或空间变换及地面控制点求出传感器获取该图像时的外方位元素（ ， ， ，） ，从而实现定位，而是通过精确测定遥感器的空中位置，测定遥感器的姿态参数和测定遥感器到地面目
9、标距离的方法实现三维对地观测。GPS 定位技术，惯性测量技术和激光测距技术的有效集成和发展实现了上述观测理念。图 2-1 Lidar 对地定位原理已知空间一点 G 的三维坐标（ , , ） ，并可准确测出由 G 点到待测定点 P 的矢量（模、方向余弦） ，那么就可以根据已知点加矢量的方法求出待测定点 P 的三维坐标( ， ， )。通常已知点 G 的三维线坐标由 GPS 提供，方向余弦由观测平台法线的俯仰角 、侧滚角 、航偏角 及观测方向与法线间夹角 组成的矢量矩阵算出（其中观测平台法线的 、 由姿态测量装置给出，矢量的模 s 由激光测距仪给出） 。上述、s 已知，那么任意待测定点 的三维坐标(
10、 ， ， )即可求出。待测定点 的三维坐标精度取决于上述八个参数的测量精度及同步精度。2.2 Lidar 数据特点及处理广义上的机载激光雷达数据不仅包括由激光器获得的三维点云数据，还应包括GPS 数据、IMU 数据及高分辨率数码相机得到的影像数据。目前，机载激光雷达数据大都由硬件制造商提供，而且数据的种类和格式不尽相同。有的提供三维离散点，有的提供内插过的格网数据，有的提供多次回波信息，有的提供强度信息，有的却不提供后几项数据。如何规范 LIDAR 数据格式，制定一个开放的标准，使机载激光雷达系统提供商能够为软件提供商提供通用的数据，对于拓展机载激光雷达的应用具有十分重要的意义。原始 LIDA
11、R 数据为 WGS84 坐标系统下的三维点，根据国际标准格式(.las)以每条扫描线排列方式存放，包含激光点三维坐标及反射强度值，文件中同时储存有多重回波等信息。此时的.las 文件是最原始的点云（一整条航带） ，只有在最后生成格网化 DEM 及 DSM 时，可将其储存为记录三维坐标的 xyz 文件，或其它DEM 格式。LIDAR 点云数据是一系列三维坐标点，点的位置、间隔等在空间中分布不规则，这与 DEM 数据、矢量数据、数字影像每个像元之间的关系都不相同。如何有效组织这些数据直接影响到数据处理效率和数据处理的有效性。目前常用表达LIDAR 数据的拓扑关系有以下几种：（1）三维激光点云：由于
12、点云数据量大、计算机速度和内存限制等各原因，LIDAR 数据的实时渲染和处理仍没有得到很好的解决。武汉大学黄先锋提出了一种通过将点云均匀布置在顺序编码四叉树上，绘制中实时对节点进行裁切，并通过自适应控制绘制的数据量，解决实时渲染大量 LIDAR 点云数据的问题。（2）规则格网：规则格网就是规则间隔的正方形格网点组成的影像阵列，每个格网点和其它周围格网点的拓扑关系已经隐含在该阵列的行列号中。点是一个像元，线是由一串彼此相连的像元组成，它需要将离散点测量值内插成规则格网。在创建格网时，像元大小一经固定，会出现几个点落入一个格网内和一个格网内没有点的情况，这就损失了 LIDAR 数据细节信息。但规则
13、格网简化了数据组织方式，提高了数据处理效率，有利于引入图像处理的成熟算法。（3）不规则三角网 TIN：不规则三角网模型采用不规则多边形拟合数据表面，在 TIN 模型中点的位置控制着三角形的顶点。其三角形大小随点密度变化而自动变化，且能够对不连续对象予以表达，如悬崖、断层、海岸线和山谷底（陈述彭，1999） ，在很大程度上保留了原始激光点的形态。但当原始数据在一个局部的二维区域内有多个不同高程点交替起伏时，会产生严重的锯齿现象，不利于数据处理。另外，如果用二维邻域中最高点（或最低点）进行数据表达，会丢失房屋墙面上或穿透植被树冠的多次回波点。TIN 方法在处理单次回波信号时比较有效，但是没有考虑垂
14、直方向的分布。（4）体元：体元是表达三维空间的基本单位,其作用与二维平面中的像素类似。体元的形状可以是长方体、正方体，也可以是圆柱体。体元通过三维格网能够表达离散、不规则数据（与观察角度无关）还能记录回波强度、数据点个数、光谱信息、密度、材质等信息。但采用离散形式存储、损失了空间(关系)特征，对系统资源要求高。2.2.1 Lidar 点云数据提取 DSM 流程图2-2 Lidar 数据处理流程（着色部分将重点介绍）1)LIDAR 原始飞行数据：机载 GPS 与地面基站 GPS 的空间位置数据、惯性测量单元IMU 测得的姿态数据、激光测距仪通过测量激光传播时间测定传感器到地面测定点的距离数据、激
15、光反射强度信息以及回波数据，有些硬件产品提供波形数据，有些集成数字成像系统的硬件产品提供光学影像。2)航线重构：航线重构为后期的航带拼接，接边检查提供了数据支持。飞机上的GPS 流动站与地面的 GPS 基准站的测量数据联合差分解算，即可确定飞机轨迹。由于 GPS 采样频率远远低于 IMU 的采样频率，因此需要利用 IMU 数据对 GPS 数据进行内插。3)消减系统误差：每个系统不可避免地存在系统误差，如 GPS 测量误差、姿态测量误差、激光测距仪内部误差、系统集成误差、大气折射误差、扫描角误差等。通过射程修正、扫描修正、大地水准面改正、点的精度检查、飞行高度、温度、压力等因素的环境校正进行误差
16、的初步消减，并得出架次的精度报告。4)计算 LIDAR 点云的三维坐标：对差分 GPS 数据、飞机姿态数据、激光测距数据及激光扫描镜的摆动角度数据进行联合处理，最后得到各激光点的 x，y，z 三维坐标数据，即大量悬浮在空中没有属性的离散的点阵数据，我们形象地称之为“点云” 。不同硬件系统的内部坐标、不同摄区的大地坐标、不同数据源所在的坐标系均不相同，需要将其转换到统一坐标系下进行作业。5)点位数据读写：ASPRS 定义的 LAS 格式是比较流行的 LIDAR 文件格式。除此之外，各公司都制定了自己的格式，如 EarthData 公司的EBN、EEBN，TerraScan、TopEye 等公司的
17、二进制文件。6)航带拼接：不同飞行航带数据之间会产生畸变和错位等问题，航带拼接的目的是提高重叠区域数据精度，满足接边地物的连贯性。7)多源数据配准：遥感图像的成像模式具有多样性，通常可以在同一地区获得不同传感器、不同尺度、不同时相的数据，所以在融合这些多源数据时就必须应用图像配准技术，用以校正各类图像之间的差异。8)滤波分类：滤波的目的是过滤噪声点（剔除错误点和高程异常点，如地面以下的点云、飞行中的鸟等） 、非地面点（地物点：如房屋、烟囱、塔、输电线、树、灌木、草等） ，保留地面点云，为提取 DEM 提供支持。分类的目的是根据客户要求，区分不同地物(包括房屋、道路、植被等)激光脚点的数据子集。分类涉及的问题包括感兴趣特征的构造以及分类器的设计。随着实际应用需求的不断提高，快速高精度分类方法是该方面的一个热点研究方向。在海量不规则点云数据组织的基础上，根据三维激光点云数据脚点的高程突变、多种数据源的智能化融合等信息进行 LIDAR 点云的滤波与分类是重点。9)人工编辑：人工交互编辑的目的是剔除自动滤波，自动分类没有滤掉的部分粗差和未分类正确的激光点，为了便于人工作业，工程化的海量数据处理需要界面更友好、处理效率更高的选定工具和算法。10)接边检查：为解决 LIDAR 处理的海量数据问题，在不改变计算机配置、网络
