基于激光雷達(dá)數(shù)據(jù)和遙感影像的立交橋快速自動檢測技術(shù)

基于激光雷達(dá)數(shù)據(jù)和遙感影像的立交橋快速自動檢測技術(shù)

該橋具有復(fù)雜的結(jié)構(gòu)組成和空間特征，是評價和建模人工結(jié)構(gòu)的難度較大的類型。這一研究的進展可以作為其他人工結(jié)構(gòu)研究的參考，以促進gis數(shù)據(jù)自動更新的問題。同時,立交橋作為公路設(shè)施中一個不可或缺的部分,使得研究立交橋在設(shè)施管理、交通控制、緊急救援等相關(guān)城市基礎(chǔ)設(shè)施課題中都有著非常重要的現(xiàn)實意義。國內(nèi)外對于立交橋的自動檢測方法研究較少,而對立交橋三維建模作了大量的研究,文獻(xiàn)對早期的研究情況作了較全面的總結(jié)?？偟膩碚f,雖在交互式建模和可視化系統(tǒng)的開發(fā)方面取得顯著成果,但單純利用遙感影像實施立交橋自動檢測尚存在較大困難。為此,根據(jù)立交橋的空間特性,本文提出了綜合利用LiDAR數(shù)據(jù)和遙感影像實現(xiàn)立交橋的自動檢測與三維建模的方法,力求突破上述困難。1立交橋具有規(guī)則結(jié)構(gòu)立交橋由橋梁、空間交叉和毗鄰建筑物等組成,是道路交通中最復(fù)雜的部分,一般由數(shù)座(或數(shù)十座)跨橋組成,且一般具有兩層(或多層)在空中相互交叉的路面。立交橋一般有曲線流暢、占地面積大、形體比較規(guī)則等特點,且同時具備一些普通建筑物和地形的特性。立交橋的橋面和一般地形的表面都是由連續(xù)曲面組成,但是卻在一定程度上具有普通建筑物的規(guī)則結(jié)構(gòu)。立交橋具有介于地形與建筑物之間的特征,它與地形的相似之處在于立交橋橋面是一種空間連續(xù)曲面,且有一部分與地面直接相連;與建筑物相似之處在于立交橋的空中架設(shè)部分具有相對規(guī)則的形體并有一定的類似房屋的附屬設(shè)施。立交橋的空間特性如圖1所示。其中,(a)為某立交橋地區(qū)的遙感影像全貌,可見該區(qū)域是多條立交橋的交匯之地,結(jié)構(gòu)盤旋復(fù)雜,要實現(xiàn)自動檢測對算法的要求很高。(b)為多層立體交會的LiDAR點云視圖,可見同屬于一個橋面的點云分布在連續(xù)曲面,不同的交叉路面存在高程上的突變。2文獻(xiàn)檢測算法引入LiDAR數(shù)據(jù)可以為立交橋檢測提供三維坐標(biāo)信息支持,提高算法的自動化程度。但是LiDAR數(shù)據(jù)采樣間隔較大,難以獲取精確的目標(biāo)輪廓。近年來,國內(nèi)外學(xué)者已經(jīng)開展的研究表明,這將導(dǎo)致目標(biāo)檢測缺乏精確的斷裂線。為此,本文算法的重點包括融合多源數(shù)據(jù)獲取高精度的立交橋輪廓和立交橋遮擋的檢測和修復(fù)等,其技術(shù)路線如圖2。首先利用LiDAR數(shù)據(jù)實現(xiàn)自動化的立交橋點云分割;再利用中心線檢測克服點云采樣密度變化間接獲得近似的立交橋輪廓;融合遙感影像檢測的邊緣精化輪廓;利用精確輪廓返回LiDAR原始點云,精確分割點云;之后實施立交橋遮擋區(qū)域的檢測和修復(fù);最后實現(xiàn)立交橋的三維建模。3關(guān)鍵步驟3.1有地面點的數(shù)據(jù)文獻(xiàn)提出了漸進加密三角網(wǎng)法濾波算法。但該算法在斜坡以及植被部分密集的地方,很容易將本屬于地面點的數(shù)據(jù)從地形中剔除,導(dǎo)致得到地形數(shù)據(jù)殘缺,不足以表達(dá)真實的地形特點。文獻(xiàn)結(jié)合了區(qū)域增長的思想,改進三角網(wǎng)逐層加密的算法,在處理過程中將植被覆蓋下的屬于地形的斜坡點添加進初始的地形中,從而得到更為接近真實地形的點云數(shù)據(jù),為后續(xù)的處理提供了更為準(zhǔn)確的數(shù)據(jù)基礎(chǔ)。3.2模型驅(qū)動算法設(shè)計立交橋作為一種特殊人工地物形態(tài),其空間性質(zhì)和物理性質(zhì)具有獨特性和易區(qū)分性。通過建立立交橋空間和物理的描述模型,在非地面點中可以比較容易檢測并分割立交橋點云。在空間性質(zhì)方面,立交橋單體可以簡化為三維空間曲線z=f(x,y),在實際操作中,通常可采用三次樣條函數(shù)描述。同時滿足:(1)寬度遠(yuǎn)小于長度,即w/l?1。(2)立交橋起止點接與地面,中部隆起,即ES=EE=ED<E(S+E)/2式中,S、E代表立交橋起止點;D代表地面點;(S+E)/2代表橋體中部。若不滿足該條件,則可判斷橋體被高層遮擋。(3)徑向曲率近似為常數(shù),且數(shù)值較小,即κl=ΔφΔl≈T?1κl=ΔφΔl≈Τ?1式中,Δl為立交橋延伸方向的局部弧長;Δφ為局部切線變化角度。(4)橫向曲率或者為0,或者近似為常數(shù)且大于徑向曲率,即kw=0或kw>kl。此外,立交橋路面為水泥或混凝土材料,其周邊多為綠化帶、建筑物以及其他路面。對于前者可利用反射強度和色彩紋理等加以區(qū)分,對后者只有利用空間性質(zhì)不同予以區(qū)分。模型驅(qū)動算法的基本思路是,利用移動窗口掃描分離地面點之后的LiDAR點云,然后以局部坡度閾值搜索連續(xù)曲面,對連續(xù)曲面以坡度閾值為條件進行生長。在生長過程中,以徑向曲率和橫向曲率特性判斷立交橋的可能性;在生長結(jié)束時,以長寬比和LiDAR點云提供的強度信息作為最終判決條件。算法步驟如圖3。3.3橋點云的中心線點LiDAR采樣密度低,采樣間隔規(guī)則,因此無法有效地獲取立交橋的精確輪廓。特別是在點云特別稀疏的情況下,采用傳統(tǒng)的邊緣檢測算子無法獲得LiDAR的邊緣。筆者認(rèn)為,相對于LiDAR邊緣的不穩(wěn)定性,立交橋點云的中心線則可利用局部路段的統(tǒng)計值獲得較可靠的結(jié)果。為此,設(shè)計了自適應(yīng)的掃描帶法檢測不同密集程度的LiDAR點云中心線。該算法的基本思想是,首先利用文獻(xiàn)的方法計算LiDAR點云的密度,根據(jù)密度選擇不同的掃描帶寬度和搜索步長;當(dāng)獲得一個LiDAR立交橋點時,在掃描帶寬度內(nèi),以搜索步長向前搜索LiDAR點云數(shù)據(jù),若找到則加入當(dāng)前立交橋,否則當(dāng)前立交橋結(jié)束;最后計算當(dāng)前掃描寬度內(nèi)立交橋點的中心,得到近似的立交橋中心線點。立交橋密度越小,掃描寬度應(yīng)越大,才能盡量保證計算結(jié)果的統(tǒng)計穩(wěn)定性,因此也導(dǎo)致立交橋中心線點間隔越大,這是由數(shù)據(jù)稀疏導(dǎo)致的。反之,越密集的立交橋點云產(chǎn)生越精細(xì)的中心線。3.3.1確定立交橋點云密度設(shè)立交橋最小寬度為w0,此處確定搜索步長s=w0。對每一行掃描,以s搜索立交橋點云,獲得立交橋片段集合S={s1,s2,…,sn}。(1)對每一個片段si,記錄寬度為wi,點數(shù)為m,若m>1,計算立交橋密度di=wi/m;(2)對所有行完成立交橋點云密度計算后,聚類并劃分密度區(qū)間;(3)若某區(qū)域的立交橋密度為d,設(shè)定搜索寬度為2/d,步長為1/(2d)。3.3.2橋點云是否有(1)在行方向以寬度w掃描,若發(fā)現(xiàn)第一個立交橋點p,記錄立交橋片段開始;(2)以p為起點,在寬度w,步長s區(qū)域內(nèi)搜索立交橋點云,若有,記錄入當(dāng)前立交橋,并標(biāo)記最遠(yuǎn)點為新的搜索起點,否則立交橋結(jié)束;(3)當(dāng)立交橋結(jié)束時,若記錄有一定數(shù)量的立交橋點,計算其中心pc作為立交橋中心線上的點,否則不予計算;(4)在列方向重復(fù)上述操作。在兩個方向操作是考慮到某些立交橋方向平行于行、列,單個方向的掃描無法獲得中心線。這樣也可以增加其他立交橋中心線上點的數(shù)量,增加算法穩(wěn)健性和提取的中心線的精細(xì)程度。3.3.3確定立交橋內(nèi)部錯誤位置算法在兩種特殊情況可能產(chǎn)生噪音或錯誤:①在立交橋交叉的地方因搜索步長超過立交橋間隙,無法區(qū)分兩條立交橋;②在立交橋靠近圖像邊界的地方,因立交橋無法保持正常寬度,使得根據(jù)點云中心求得中心線偏離實際。第①類錯誤產(chǎn)生的地方,立交橋?qū)挾燃眲≡龃?由此可以定位錯誤的位置,然后刪除這些錯誤中心點,以曲線擬合的方法連接交叉路段兩端的中心線。第②類錯誤產(chǎn)生的地方,立交橋?qū)挾燃眲∽冃?由此可定位錯誤的位置。此時換另一掃描方向掃描,不會產(chǎn)生錯誤,可獲得正確的立交橋中心線。該算法可以有效地解決不同密集程度的LiDAR點云提取精確立交橋信息的難題。3.4確定立交橋邊緣算法的基本思路是,首先利用3.3節(jié)提取的立交橋中心線和估計的立交橋?qū)挾全@得近似的立交橋輪廓;然后對高分辨率遙感影像實施邊緣檢測;融合兩種數(shù)據(jù),利用影像檢測的邊緣精化LiDAR數(shù)據(jù)檢測的立交橋輪廓;最后可利用精確的立交橋輪廓返回原始LiDAR點云中實施精確的立交橋點云分割。設(shè)利用LiDAR數(shù)據(jù)檢測到立交橋R的中心曲線為cL,其一階導(dǎo)數(shù)為dL,由此可概略推估立交橋邊界為L。若在L緩沖區(qū)B(L)內(nèi)存在一個影像邊緣檢測結(jié)果的子集E={e1,e2,…,en},E近似平行于dL,且min(length(E))>T,此處T為減弱偶然誤差影響設(shè)置的長度閥值。因立交橋邊界整體較易識別,則S=max(E)可認(rèn)為是正確立交橋邊界。若n=0,無法識別得到影像立交橋邊緣,以L替代之;若n=1,則認(rèn)為該邊緣為精確立交橋邊緣;若n>1,連接前后最近邊界端點[a,b],結(jié)合立交橋整體徑向曲率和橫向曲率,根據(jù)該路段中心曲線獲得近似的輪廓曲線,計算各個備選邊緣到近似輪廓的距離,取最近的為立交橋邊緣。3.5不符合約束處理的立交橋單體根據(jù)LiDAR數(shù)據(jù)的特點,立交橋被高程橋體遮擋之處,會出現(xiàn)連續(xù)曲面的斷裂現(xiàn)象。因此,立交橋檢測的重要任務(wù)之一是發(fā)現(xiàn)并修復(fù)遮擋現(xiàn)象。遮擋檢測在傳統(tǒng)攝影測量中多采用基于投影射線反算的方法。在LiDAR點云中,立體交會部分造成的遮擋致使連續(xù)橋體出現(xiàn)斷裂,從而不滿足3.2節(jié)立交橋空間模型之條件(2)。由此可以判斷立交橋是否被高層橋體遮擋而出現(xiàn)斷裂。對于不滿足ES=EE=ED<E(S+E)/2的立交橋單體,采用以下規(guī)則尋找其匹配部位:(1)兩段立交橋單體徑向曲率和橫向曲率相等;(2)兩段立交橋單體圓心近似在同一位置;(3)兩段立交橋單體可用三次樣條曲線擬合。在實際計算中,對可能出現(xiàn)遮擋的立交橋單體,計算其平均曲率和圓心位置,匹配近似曲率和圓心位置的立交橋單體,并判斷是否可用三次樣條曲線擬合。對于滿足條件的兩段立交橋單體,利用三次樣條曲線擬合已知橋體和遮擋地區(qū),通過距離加權(quán)的曲面平滑之后,可快速重建完整的立交橋三維模型。4城市立交橋點云提取圖1所示數(shù)據(jù)為美國佛羅里達(dá)州戴德市郊立交橋的遙感影像和LiDAR數(shù)據(jù)。其中,LiDAR數(shù)據(jù)于2002—2004年采用OptechALTM1233系統(tǒng)獲取,地面控制點采用AshtechZ-12設(shè)備獲取,數(shù)據(jù)平面間隔1.5m,中誤差12cm,垂直間隔24cm,數(shù)據(jù)采用NAD83投影,位于FloridaEast分帶。遙感影像采用GoogleEarth2009年提供的高分辨率衛(wèi)星影像,分辨率0.5m。本文將上述數(shù)據(jù)作為試驗數(shù)據(jù)驗證算法的可行性和有效性。首先采用文獻(xiàn)提出的改進的漸進加密三角網(wǎng)方法實施LiDAR點云濾波。結(jié)果表明改進算法對于復(fù)雜的斜坡地形區(qū)域能夠提取出更接近真實的地形,能夠較好地解決由于城市立交橋區(qū)域的植被分布的高程和反射強度與地形表面的區(qū)別不明顯所導(dǎo)致的難以將植被從原始地面中準(zhǔn)確有效剔除的問題,能夠在提出植被干擾的情況下,盡可能多地保留地形本身的斜坡等特點。圖4是采用本文方法實施立交橋精確分割試驗。圖4(a)中的點云是采用模型驅(qū)動的分割策略獲得的立交橋點云數(shù)據(jù)。通過與遙感影像的配準(zhǔn)套合可見,分割結(jié)果基本符合實際情況,但是分割精度有待精化。LiDAR點云與遙感影像的配準(zhǔn),是從三維到二維的映射,本文采用直接線性變換方法進行投影。圖中圈注表明,LiDAR點云密度不均勻,該部位特別稀疏,這對于有效提取立交橋幾何特征相當(dāng)不利。為此,筆者采用自適應(yīng)掃描帶法提取立交橋中心線,結(jié)果如圖4(b)。圖中灰色點為本文方法獲取的離散中心點?？梢婋S著點云逐漸稀疏,其中心點之間間距也逐漸增大,這是利用區(qū)域統(tǒng)計性質(zhì)提高中心線的準(zhǔn)確度。圖4(c)中細(xì)實線為在剔除錯誤之后,對離散中心點曲線擬合的結(jié)果,最終提取結(jié)果準(zhǔn)確地反映了立交橋的幾何性質(zhì)。圖5是遮擋檢測修復(fù)的最終結(jié)果。圖5(a)反映了面對復(fù)雜的遮擋情況,利用模型平均曲率和圓心位置,匹配近似立交橋單體,并采用三次樣條曲線擬合的過程。圖5(b)是完成遮擋修復(fù)和曲面擬合之后的立交橋單體三維模型。圖5(c)是試驗地區(qū)立交橋總的建模結(jié)果。可以看到,利用本文提出的方法修復(fù)立交橋遮擋地區(qū),可以很好地擬合立交橋曲面連續(xù)情況。通過距離加權(quán)的曲面平滑,可以有效消除立交橋凹凸表面,更符合立交橋?qū)嶋H情況,同時利用離散數(shù)據(jù)的統(tǒng)計性質(zhì)提高了曲面擬合的精度。5城市立交橋的高效智能化建模技術(shù)立交橋復(fù)雜的結(jié)構(gòu)和特性,使其成為人工構(gòu)筑物檢測的難點問題,本文在研究立交橋空間特性的基礎(chǔ)上,提出了一套集成LiDAR數(shù)據(jù)和遙感影像自動檢測立交橋的流程,對其中關(guān)鍵算法作了詳細(xì)的論述。首先提出了利用區(qū)域增長方法改進的漸進加密三角網(wǎng),