下载文档原格式
机载LiDAR和软件Terrasolid(2011-01-05 16:05:03)TerraSolid介绍TerraSolid 系列软件是第一套商业化LiDAR数据处理软件，基于Microstation开发的，运行于Micorstation系统之上，它包括：TerraMatch、TerraScan、TerraModeler、 TerraPhoto、TerraSurvey、TerraPhoto Viewer、TerraScan Viewer、TerraPipe、TerraSlave、TerraPipeNet等模块。
Terrasolid系列产品的载入和浏览功能TerraSolid系列软件能够快速的载入lidar点云数据，在足够内存支持下（2G），载入39000000个点只需要40多秒。
Terrasoild软件因受限于Microstation，浏览起来闪烁较为明显，速度不快。
1、 TerraMatch软件模块自动匹配来自不同航线的航带，它是Terrasoild公司用于调整激光点数据里的系统定向差，测激光面间或者激光面和已知点间的差别并改正激光点数据的软件。
这些差别被转化成系统方向，东向，北向，高程，俯仰角（heading）, 横滚角（roll）和倾角（pitch）的改正值。
TerraMatch 能当作激光扫描仪校正工具来用或者当作一个数据质量改正工具。
当把它作为激光扫描仪校正工具用时，它将解决在激光扫描仪和惯性测量装置间未对准问题。
最终将偏角，滚角和倾角的改正值应用到全部的数据中。
实际的工程数据中可能数据源存在错误，TerraMatch可以解决整个数据的改正或对每条航线单独做改正。
主要特征：〃全自动处理激光扫描表面数据的纠正〃方位纠正的严格轨道模型〃最小二乘的定向误差评估调整〃在高程和亮度上的观测是不同的〃采用区域匹配调整激光扫描的几何结构〃采用"Data-snooping"技术检测严重的错误好处:〃自动调整和配置激光数据〃和TerraScan, TerraModeler和TerraPhoto集成处理激光数据2、 TerraScan软件模块TerraScan是TerraSolid公司用来处理LiDAR点云数据的软件。
基于激光雷达的点云处理技术在测绘中的应用激光雷达是一种高精度、高效率的测量设备，广泛应用于航空摄影、航天工程、测绘等领域。
在测绘中，激光雷达通过发送激光脉冲并测量脉冲的回波时间和强度，可以获取地面和物体的三维信息。
这些测量数据被以点云的形式存储，点云处理技术可以对点云数据进行分析、提取和处理，从而实现地理信息的提取和地图的生成。
一、点云数据获取与处理激光雷达通过扫描和测量，可以获取大量的点云数据。
这些数据描述了地面和物体的几何形状，以及点的强度和反射特性。
点云数据处理的第一步是清理和过滤无效数据。
常见的无效数据包括植被遮挡、建筑物反射、传感器噪声等。
清理后的点云数据可以用于地貌分析、地面提取等应用。
二、地面提取与建模地面提取是点云处理中的重要步骤，它可以将地物点与地面点分开，提取出地面表面的点云数据，从而建立数字地面模型（DTM）。
地面模型可以用于土地利用规划、水文分析、城市规划等领域。
地面提取基于点云数据的高度差和曲率变化，常用的方法有地面降采样、方向滤波、局部拟合等。
三、特征提取与目标识别除了地面，点云数据中还包含了各种地物和目标的信息。
特征提取是将这些地物和目标从点云数据中分离出来的过程，常见的特征包括建筑物、道路、树木等。
特征提取可以通过点云的密度、形状、拓扑关系等进行判断。
在城市规划和交通规划中，识别建筑物和道路等地物是非常重要的。
四、点云数据可视化与三维重建点云数据可以通过可视化技术转化为直观的三维模型，提供更具交互性和感知性的视觉效果。
点云数据的可视化可以通过建立三维网格模型、点云渲染和颜色映射等方法实现。
同时，结合图像处理技术，可以进行点云数据的三维重建，从而实现对现实场景的准确描述和模拟。
五、点云数据在测绘中的应用基于激光雷达的点云处理技术在测绘中有广泛的应用。
首先，点云数据可以用于建立高精度的数字地图。
传统的测绘方法需要在地面上进行实地测量，费时费力，而激光雷达可以实现对地理信息的高精度测量。
基于激光点云处理软件Terra Solid对水下地形测量的研究摘要：水下地形测量是我国新型基础测绘重要组成部分。
本文通过Terra Solid对海量水下多波束数据和两岸地形数据中的噪声和非地形数据进行自动滤波和人工交互滤波处理，形成真实的水上水下一体化地形模型，对提高对水下地形数据一体化获取和处理的效率至关重要。
关键词：多波束测深；Terra Solid；数据处理引言多波束测深系统是一种具有高效率、高精度和高分辨率的水下地形测量新技术。
近年来，丹麦Reson公司研制的eaBat7125－SV2型多波束测深系统在水下地形测量广泛应用，应该系统属浅水型双频高分辨率多波束测深系统，工作频率为200/400KHZ，水深分辨率为6mm，扫宽为165°，最大测深范围为500ｍ。
同时集成三维激光扫描系统，其获取数据密度高、全覆盖、能够准确全面反映地形起伏变化情况，但同时数据中存在水下生物、漂浮物以及定位漂移等造成的噪声数据，由于数据量巨大，如何快速又准确的从海量数据中滤除噪声，是制作水下地形模型的关键步骤。
针对如何对海量多波束数据进行处理的问题，本文提出了Terra Scan与Terra Modeler相结合的方法对海量多波束点云数据和三维激光点云滤波处理的方法步骤：海量多波束数据可被看作海底的点云数据，利用随机软件分区导出最大密度的三维点数据，利用Terra Scan软件的宏批量对海量多波束数据的后处理结果进行质量检查并抽稀后，再通过与Terra Modeler软件生成三维模型来检查、编辑影响正确模型的多波束点云数据。
1.多波束测深系统与Terra Solid软件简介eaBat7125－SV2型多波束测深系统由甲板单元和水下单元两部分组成。
水下单元主要包括由压电陶瓷换能器阵列组成的发射和接收换能器，用于声波的发射和接收；甲板单元主要包括处理器主机、控制计算机和实时水深显示等设备。
甲板同时集成三维激光扫描系统，可以同时测量水底地形和岸边地形地貌，真正实现水上水下数字化无缝衔接，为航道、港口、水利建设提供精确完整的数据。
第４３卷第３期２０２０年３月测绘与空间地理信息ＧＥＯＭＡＴＩＣＳ＆ＳＰＡＴＩＡＬＩＮＦＯＲＭＡＴＩＯＮＴＥＣＨＮＯＬＯＧＹＶｏｌ.４３ꎬＮｏ.３Ｍａｒ.ꎬ２０２０收稿日期:２０１８－０９－２５作者简介:王㊀瑚(１９９３－)ꎬ男ꎬ安徽芜湖人ꎬ助理工程师ꎬ学士ꎬ主要从事自然资源利用和开发㊁土地出让等方面的工作ꎮ基于ＴｅｒｒＳｏｌｉｄ对机载雷达ＤＥＭ重提取方法研究王㊀瑚１ꎬ周光耀２ꎬ周海龙２(１.芜湖县国土资源局ꎬ安徽芜湖２４１００４ꎻ２.山东科技大学测绘科学与工程学院ꎬ山东青岛２６６５９０)摘要:ＤＥＭ的提取是激光雷达数据采集的重要用途之一ꎬ但由于目前算法的局限性ꎬ无法高精度地自动分类ꎬ如何在算法分类的基础上重新进行人工分类ꎬ以一定的原则和标准进行重提取从而得到更高精度的ＤＥＭꎬ仍然是专业领域的一大难题ꎮ本文对某.ＬＡＳ数据重提取ꎬ极大提高了其ＤＥＭ的精度ꎬ为今后相关单位和个人使用ＴｅｒｒＳｏｌｉｄ软件对机载雷达ＤＥＭ重提取提供一些经验ꎮ关键词:ＴｅｒｒＳｏｌｉｄꎻ机载雷达ꎻ重提取ꎻＤＥＭ中图分类号:Ｐ２２８㊀㊀㊀文献标识码:Ａ㊀㊀㊀文章编号:１６７２－５８６７(２０２０)０３－０１２７－０４ＲｅｓｅａｒｃｈｏｎＤＥＭＲｅ－ｅｘｔｒａｃｔｉｏｎＭｅｔｈｏｄｏｆＡｉｒｂｏｒｎｅＲａｄａｒＢａｓｅｄｏｎＴｅｒｒＳｏｌｉｄＷＡＮＧＨｕ１ꎬＺＨＯＵＧｕａｎｇｙａｏ２ꎬＺＨＯＵＨａｉｌｏｎｇ２(１.ＬａｎｄａｎｄＲｅｓｏｕｒｃｅｓＢｕｒｅａｕｏｆＷｕｈｕＣｏｕｎｔｙꎬＷｕｈｕ２４１００４ꎬＣｈｉｎａꎻ２.ＣｏｌｌｅｇｅｏｆＧｅｏｍａｔｉｃｓꎬＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙꎬＱｉｎｇｄａｏ２６６５９０ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:ＤＥＭｅｘｔｒａｃｔｉｏｎｉｓｏｎｅｏｆｔｈｅｉｍｐｏｒｔａｎｔｕｓｅｓｏｆＬｉＤＡＲｄａｔａａｃｑｕｉｓｉｔｉｏｎ.Ｈｏｗｅｖｅｒꎬｄｕｅｔｏｔｈｅｌｉｍｉｔａｔｉｏｎｓｏｆｔｈｅｃｕｒｒｅｎｔａｌｇｏ￣ｒｉｔｈｍꎬｉｔｃａｎｎｏｔｂｅｃｌａｓｓｉｆｉｅｄａｕｔｏｍａｔｉｃａｌｌｙｗｉｔｈｈｉｇｈｐｒｅｃｉｓｉｏｎ.Ｈｏｗｔｏｒｅ－ｃｌａｓｓｉｆｙｔｈｅａｌｇｏｒｉｔｈｍａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎｂａｓｅｄｏｎｃｅｒｔａｉｎｐｒｉｎｃｉｐｌｅｓａｎｄｓｔａｎｄａｒｄｓｔｏｇｅｔａｍｏｒｅａｃｃｕｒａｔｅＤＥＭｉｓｓｔｉｌｌａｍａｊｏｒｐｒｏｂｌｅｍｉｎｔｈｅｆｉｅｌｄｏｆｅｘｐｅｒｔｉｓｅ.Ｉｎｔｈｉｓｐａｐｅｒꎬａ.ＬＡＳｄａｔａｒｅ－ｅｘｔｒａｃｔｉｏｎꎬｇｒｅａｔｌｙｉｍｐｒｏｖｉｎｇｔｈｅａｃｃｕｒａｃｙｏｆｉｔｓＤＥＭｆｏｒｔｈｅｆｕｔｕｒｅｏｆｓｏｍｅｕｎｉｔｓａｎｄｉｎｄｉｖｉｄｕａｌｓｕｓｉｎｇＴｅｒｒＳｏｌｉｄｓｏｆｔｗａｒｅｏｎｔｈｅａｉｒ￣ｂｏｒｎｅｒａｄａｒＤＥＭｒｅ－ｅｘｔｒａｃｔｉｏｎｔｏｐｒｏｖｉｄｅｓｏｍｅｅｘｐｅｒｉｅｎｃｅ.Ｋｅｙｗｏｒｄｓ:ＴｅｒｒＳｏｌｉｄꎻａｉｒｂｏｒｎｅｒａｄａｒꎻｒｅ－ｅｘｔｒａｃｔｉｏｎꎻＤＥＭ１㊀ＴｅｒｒＳｏｌｉｄ软件简介ＴｅｒｒＳｏｌｉｄ系列软件是第一套商业化ＬｉＤＡＲ数据处理软件ꎬ基于Ｍｉｃｒｏｓｔａｔｉｏｎ开发的ꎬ运行于Ｍｉｃｏｒｓｔａｔｉｏｎ系统之上ꎮ其涵盖模块较多ꎬ提取ＤＥＭ主要应用到ＴｅｒｒａＳｃａｎ㊁ＴｅｒｒａＰｈｏｔｏ㊁ＴｅｒｒａＭｏｌｅｒꎬ通过机载激光雷达获取的数据包括地面点㊁植被点㊁建筑物点等具有三维坐标的点云数据ꎬ从这些点云中分离出植被点㊁建筑物点和错误的点ꎬ提取出地面特征点ꎬ利用这些点构建不规则三角网或格网得到高精度的ＤＥＭꎮ２㊀原始数据分析原始得到的点云数据是由机载激光雷达获取的ꎬ根据算法对地物㊁地貌进行分类处理ꎬ但由于地物㊁地貌类型的复杂性和算法的局限性ꎬ未能将所有地物进行分类ꎬ或者分类时出现错误ꎬ这时就需要人工去识别ꎬ通过将不同地物反馈回来的点归到不同的层ꎬ经过人工判断地形㊁地物ꎬ将粗处理时归错层的点进行人工归层重新分类ꎬ再编辑机载雷达拍摄的点云文件(.ＬＡＳ)生成ＤＥＭ文件ꎬ最终提交的成果是点云文件以及用该点云文件生成的ＤＥＭ文件和ＤＳＭ文件ꎮ３㊀数据处理原则点云人工再分类主要有两个方面:地物和地貌ꎮ地物包括居民地及设施㊁交通设施㊁植被等再分类ꎻ地貌主要包括山㊁地质和水等再分类ꎮ对地物和地貌进行再分类要依据一定的原则进行ꎮ１)非正常高程杂点噪点ꎬ要分类到１２层噪点层(包括低点和高点)ꎮ２)地貌㊁土质以及底部与地面相连的构筑物(如高台㊁路堤㊁土堤㊁拦水坝㊁水闸等地物)应表示ꎬ保留这些地物顶部的点云数据ꎮ３)立交桥㊁高架路㊁桥梁等架空于地面或水面之上的人工地物范围ꎬ只保留地面或水面上的点云数据ꎬ架空部分点云归入１０－ｂｒｉｄｇｅ层ꎮ４)建筑物㊁高塔㊁路标㊁电线杆㊁电力线㊁输油管㊁输气管㊁热力管线等人工地物㊁植被等应与地面点进行区分ꎮ５)临时地物(如临时土堆等静地物ꎬ车辆㊁行人㊁飞鸟㊁船只等动地物)㊁粗差点等须剔除ꎮ６)对于制作ＤＥＭ需要滤除的地物须放到相应的类别ꎬ不能删除ꎮ７)对分类错误的点ꎬ采用人机交互的方式重新进行分类ꎮ分类时ꎬ以点云剖面为主要判断依据ꎬ粗略正射影像仅作参考ꎻ在比较平滑的或直线区域切剖面时ꎬ剖面宽度可适当放大ꎬ在拐角尤其是立交桥㊁高架公路等接地与架空的临界区域ꎬ剖面尽量要窄ꎬ务求精确ꎮ８)静止水域如池塘㊁湖泊㊁水库应进行置平处理(面积大于２０ｍˑ２０ｍ)ꎮ９)河流㊁沟渠水涯线上的高程值应从上游到下游逐渐降低ꎬ水涯线同一平面位置水涯线高程值相同(宽度大于２０ｍ)ꎮ１０)水域置平时添加的特征点保存至１１－ｗａｔｅｒ层ꎮ１１)点云所有信息不能缺少ꎬ如时间㊁强度㊁航带等信息ꎮ４㊀数据处理过程４.１㊀居民地及设施地面上的一些特殊地物㊁形状一般比较规则ꎬ如人工搭建的舞台㊁讲台等ꎬ归入非地面点层ꎬ粗略正射影像ꎮ一些建筑物顶面的点云没有或部分归入非地面点层时ꎬ须通过剖面将建筑物顶面的点云归入非地面点层ꎬ建筑物顶面以上的附属设施归为非地面点层ꎮ建筑工地地形比较复杂ꎬ分类时需参考影像判断地物类型ꎬ打在较高管道㊁旗杆等上比较零散的点云要归入非地面点层ꎻ打在乱石堆㊁砖瓦堆等建筑材料上的点云ꎬ须归入非地面点层ꎮ从剖面可以看出是一个厂房ꎬ将厂房建筑物顶面全部归入非地面点层ꎬ建筑物底部保留在地面点层ꎬ如图１㊁图２所示ꎮ图１㊀厂房原始点云和模型Ｆｉｇ.１㊀Ｐｌａｎｔｏｒｉｇｉｎａｌｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌ对于居民地密集的区域ꎬ很难从模型上看出是否分类正确ꎬ要结合参考影像和剖面来判断地物类型ꎬ将高出地面部分的点归入非地面点层ꎬ保留地面点ꎮ对于居民图２㊀归类后的点云和模型Ｆｉｇ.２㊀Ｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ地密集的区域要反复拉剖面ꎬ建筑物的边缘要归到非地面点层ꎬ如图３㊁图４所示ꎮ图３㊀居民地原始点云和模型Ｆｉｇ.３㊀Ｒｅｓｉｄｅｎｔｉａｌｏｒｉｇｉｎａｌｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌ图４㊀归类后的点云和模型Ｆｉｇ.４㊀Ｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ４.２㊀交通设施交通设施分类主要是公路及其附属建筑物和桥梁的分类ꎮ公路道路上的附属物如高架的公路㊁立交桥架空部分ꎬ底部有１０ｍ以上的较宽涵洞穿过的公路㊁桥梁等ꎬ所有架空部分都要归入ｂｒｉｄｇｅ层ꎬ底部跨度１０ｍ以下的涵洞归为Ｇｒｏｕｎｄ层ꎮ电线杆㊁路灯等ꎬ作为非关注信息保存在自动分类层中ꎬ不需要进行人工修改ꎮ如图５㊁图６所示对十字路口进行重分类ꎬ绿化植被㊁花坛等附属物要归到非地面点层ꎮ图５㊀十字路口原始点云和模型Ｆｉｇ.５㊀Ｃｒｏｓｓｐｏｉｎｔｏｒｉｇｉｎａｌｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌ８２１㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀测绘与空间地理信息㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０２０年图６㊀归类后的点云和模型Ｆｉｇ.６㊀Ｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ这里需要注意的是ꎬ架空部分的桥梁不是归入非地面点层ꎬ而是归入到桥层ꎮ如图７㊁图８所示ꎮ图７㊀桥梁原始点云和模型Ｆｉｇ.７㊀Ｂｒｉｄｇｅｏｒｉｇｉｎａｌｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌ图８㊀归类后的点云和模型Ｆｉｇ.８㊀Ｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ４.３㊀地貌和地质坡㊁坎上的激光点ꎬ通过剖面图㊁影像可以判断是实际地形特征的㊁地面无临时性地物的归入Ｇｒｏｕｎｄ层ꎻ低于周围地面的点云ꎬ拉剖面发现高程均匀分布ꎬ影像辅助判断为坑ꎬ须归入Ｇｒｏｕｎｄ层ꎻ堤坝㊁田埂周围植被将堤坝田埂部分覆盖ꎬ导致无激光点穿透到地面ꎬ则该区域的点云归入非地面点层ꎻ如果只是一些零散没有规律的点ꎬ影像辅助判断未发现明显特征ꎬ则归入非地面点层ꎮ如图９㊁图１０所示ꎬ通过人工判读可以发现是一块山地ꎬ属于地面点层ꎬ但由于算法错归类ꎬ这时就需要将非地面点层重新归入到地面点层ꎮ图９㊀地貌原始点云和模型Ｆｉｇ.９㊀Ｇｅｏｍｏｒｐｈｉｃｐｒｉｍｉｔｉｖｅｐｏｉｎｔｃｌｏｕｄｓａｎｄｍｏｄｅｌｓ图１０㊀归类后的点云和模型Ｆｉｇ.１０㊀Ｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ４.４㊀水㊀系对河流㊁湖泊等内的点云ꎬ有明显高于水平面或者低于水平面的点㊁孤岛点㊁河岸两边的树木点归入非地面点层ꎬ采集水涯线添加特征点将水域置平ꎬ将特征点读入点云保存至１１－ｗａｔｅｒ层ꎬ特征线范围内的点归入到非地面点层ꎮ干涸或部分干涸的河流㊁湖泊等ꎬ其裸露部分要归入Ｇｒｏｕｎｄ层ꎬ如果河流或湖泊由两条或多条航线拼接而成ꎬ且扫描时间不一致ꎬ造成点云上显示部分有水ꎬ此时ꎬ应该切剖面检查点云是否平整ꎬ如果不平整ꎬ将高出的归入非地面点层ꎬ如平整保留在Ｇｒｏｕｎｄ层ꎻ河流㊁池塘㊁水田等水系中的堤坝㊁拦水坝㊁水闸㊁田埂等区域ꎬ通过切剖面将较低层归入Ｇｒｏｕｎｄ层ꎬ在模型上应保持连续ꎮ如图１１㊁图１２所示ꎬ先用范围线勾勒出水范围ꎬ利用高程查看工具找出范围线上最低点高程赋值给水域ꎬ再置平ꎮ图１１㊀水域原始点云和模型Ｆｉｇ.１１㊀Ｗａｔｅｒｓｏｒｉｇｉｎａｌｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌ４.５㊀植㊀被植被密集覆盖区域(如点云判断ꎬ平均树高大于９２１第３期王㊀瑚等:基于ＴｅｒｒＳｏｌｉｄ对机载雷达ＤＥＭ重提取方法研究１０ｍꎻ影像辅助判断ꎬ树木连续覆盖面积大于１００ｍ２)ꎬ较少激光点穿透到地面ꎬ分类时ꎬ发现与其他区域地面点高程相近的激光点ꎬ归入Ｇｒｏｕｎｄ层ꎬ否则归入非地面点层ꎻ若无较低激光点ꎬ点云剖面比较平滑ꎬ此时ꎬ须进行与其他区域比较㊁影像辅助进行正确判断ꎻ自动分类时ꎬ错归为Ｇｒｏｕｎｄ层的植被点应重新人工编辑分类ꎬ归入非地面点层ꎮ图１２㊀归类后的点云和模型Ｆｉｇ.１２㊀Ｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ图１３㊁图１４是密集植被ꎬ通过拉剖面归入非地面点层ꎮ图１３㊀密集植被原始点云和模型Ｆｉｇ.１３㊀Ｄｅｎｓｅｖｅｇｅｔａｔｉｏｎｐｒｉｍｉｔｉｖｅｐｏｉｎｔｃｌｏｕｄｓａｎｄｍｏｄｅｌｓ图１４㊀归类后的点云和模型Ｆｉｇ.１４㊀Ｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ图１５㊁图１６通过模型判断应该为公园等某一区域ꎬ该区域内植被较多且比较分散ꎬ需将所有分散植被通过拉剖面归入非地面点层ꎮ图１５㊀分散植被原始点云和模型Ｆｉｇ.１５㊀Ｓｃａｔｔｅｒｅｄｖｅｇｅｔａｔｉｏｎｏｒｉｇｉｎａｌｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌ图１６㊀归类后的点云和模型Ｆｉｇ.１６㊀Ｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ５㊀结束语通过以上对比可以发现ꎬ归类后的点云模型相比原始模型分类更加正确ꎬ导出的ＤＥＭ精度也比之前的高很多ꎮ本次试验效果良好ꎬ但美中不足的是需要人工干预的地物㊁地貌较多ꎬ既给内业处理工作人员增加了工作量也减小了企业的经济效益ꎬ相信随着ＬｉＤＡＲ点云分类算法的成熟完善ꎬ将会为机载ＬｉＤＡＲ提取ＤＥＭ带来一次新的革新ꎮ参考文献:[１]㊀张金盈ꎬ胡小庆ꎬ张广庆.机载ＬｉＤＡＲ点云更新１ʒ１万ＤＥＭ关键技术探讨[Ｊ].山东国土资源ꎬ２０１４ꎬ１０(１０):６４－６６.[２]㊀刘全海ꎬ冉慧敏.机载ＬｉＤＡＲ点云数据的后处理及应用[Ｊ].城市勘测ꎬ２０１３ꎬ４(２):９２－９４.[３]㊀李春晓ꎬ丁黎ꎬ刘璐ꎬ等.基于机载ＬｉＤＡＲ数字提取城区数字高程模型[Ｊ].测绘技术装备ꎬ２０１６ꎬ１８(４):８４－８６.[４]㊀樊敬敬.基于机载ＬｉＤＡＲ点云数据的城区植被与建筑物的提取研究[Ｄ].徐州:中国矿业大学ꎬ２０１６.[５]㊀刘少春.基于机载ＬｉＤＡＲ点云数据的ＤＥＭ提取研究[Ｄ].阜新:辽宁工程技术大学ꎬ２０１４.[编辑:刘莉鑫](上接第１２６页)[２]㊀李崇贵ꎬ陈峥ꎬ丰德恩ꎬ等.ＡｒｃＧＩＳＥｎｇｉｎｅ组件式开发及应用[Ｍ].北京:科学出版社ꎬ２０１２.[３]㊀白晓辉ꎬ顾娟ꎬ王红ꎬ等.基于Ｗｅｂ服务的空间数据互操作的 分建共享 方式研究[Ｊ].测绘与空间地理信息ꎬ２０１６ꎬ３７(１１):５９－６１.[４]㊀李德仁ꎬ邵振峰ꎬ黄俊华.面向服务的数字城市共享平台框架的设计与实现[Ｊ].武汉大学学报(信息科学版)ꎬ２００８ꎬ３３(９):８８１－８８５.[５]㊀马英俊.基于Ｏｒａｃｌｅ数据库与ＡｒｃＳＤＥ结合的空间数据库性能优化[Ｄ].北京:北京邮电大学ꎬ２０１１.[编辑:刘莉鑫]０３１㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀测绘与空间地理信息㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０２０年。
利用TerraSolid软件处理后的机载激光雷达数据生成油气长输管道纵断面图王军【摘要】文中针对长距离油气管道线路走向多为带状,尤其当管道经过诸如沙漠等困难地区时,采用从机载激光雷达(LiDAR)系统获得的激光点数据中分类出的地面点数据来生成长:距离油气管道的带状数字高程模型(DEM)；带状数字正射影像图(DOM)；带状数字线化图(DLG)及中线纵断面数据和等高线；通过对上述数据的套合制作成纵断面图,为长距离油气管道设计提供了更加详实的基础资料.【期刊名称】《矿山测量》【年(卷),期】2013(000)001【总页数】2页(P28-29)【关键词】LiDAR;TerraSolid;油气长输管道;纵断面图【作者】王军【作者单位】西安长庆科技工程有限责任公司,陕西西安710018【正文语种】中文【中图分类】P288.4油气长输管道纵断面图是集线路纵断面图、DOM、DLG的一体图，其制作方法通常是外业采用工测或航空摄影测量方式来获测量数据，内业应用测图软件来制作完成纵断面图。
但由于长距离油气管道受到投资和工期影响，尤其是当管道经过诸如沙漠、高山等地貌复杂地段时，采用这种方法存在诸多困难，为了克服这些困难，减少现场测量人员的劳动强度，提供工作效率，在外业采用机载激光雷达技术(LiDAR)来获得野外数据，内业应用TerraSolid软件的方法来制作纵断面图。
1 TerraSolid 软件介绍TerraSolid 软件是芬兰TerraSolid公司基于MicroStation平台开发的机载激光雷达点云数据处理软件，包括TerraScan、TerraModel、TerraPhoto、TerraMatch、TerraSurvey 等模块，可根据不同需求供用户选择使用。
该软件在数据处理过程中需要操作人员输入大量参数，这就要求操作人员要有一定的工作实践经验，同时还要熟悉MicroStation的操作才能更好的使用该软件。
一、概述terrasolid是一种用于激光雷达数据处理和三维建模的软件工具，在地理信息系统、测绘和建筑行业中得到广泛应用。
本文将介绍terrasolid 建模原理，包括数据采集、点云处理和模型生成等方面的基本原理和方法。
二、激光雷达数据采集1. 激光雷达原理激光雷达是通过发射激光束并接收反射光束来获取目标物体的位置和形状信息的一种测量技术。
激光雷达设备通过扫描和测量地面上的点来获取三维点云数据。
2. 数据采集参数在进行激光雷达数据采集时，需要考虑激光束的发射角度、扫描频率、波长等参数，以确保采集到的数据质量和精度。
还需要考虑传感器的安装位置和角度等因素，以最大限度地提高数据采集的效果。
三、点云数据处理1. 数据预处理在获取激光雷达数据后，需要对原始数据进行预处理，包括点云滤波、去除离裙点、坐标转换等操作，以减少数据噪声和提高数据质量。
2. 数据配准数据配准是指将多次激光雷达扫描得到的点云数据进行配准，以实现不同位置点云数据的拼接和融合。
配准操作需要考虑标定参数、地面特征提取和匹配等步骤，以实现高精度的数据配准效果。
3. 点云拼接通过数据配准后，可以对不同位置的点云数据进行拼接，生成完整的三维点云模型。
拼接操作需要考虑点云切割、数据融合和去除重叠点等步骤，以获得高质量的点云模型。
四、模型生成1. 特征提取在进行模型生成前，需要根据点云数据提取出地面、建筑物、树木等地物的特征信息。
特征提取操作需要考虑点云分类、特征识别和特征描述等步骤，以实现准确的地物识别和分类效果。
2. 模型重建通过特征提取后，可以进行模型重建操作，生成各种地物的三维模型。
模型重建需要考虑边缘检测、三角网格生成、多视角融合等步骤，以实现真实、精细的三维模型生成。
五、总结terrasolid建模原理涉及激光雷达数据采集、点云处理和模型生成等多个方面的基本原理和方法。
通过对这些原理和方法的理解和应用，可以实现高效、精确的三维建模效果，为地理信息系统、测绘和建筑行业的应用提供有力支持。
基于Terra Solid的机载激光雷达点云数据处理应用
发表时间：2019-06-20T11:45:12.637Z 来源：《基层建设》2019年第9期作者：姚思贤
[导读] 摘要：机载激光雷达（light detection and ranging，LiDAR）是于20世纪80年代发展起来的一种集全球定位系统、惯性导航系统与激光测距技术于一体的新型主动式空间信息获取技术。
中科遥感科技集团有限公司天津市 300300
摘要：机载激光雷达（light detection and ranging，LiDAR）是于20世纪80年代发展起来的一种集全球定位系统、惯性导航系统与激光测距技术于一体的新型主动式空间信息获取技术。
它可直接获取地面目标的三维坐标，不受阴影和太阳高度角影响，并可与数字航摄仪相结合获取地物光谱、纹理信息，具有控制测量依赖性少、受天气影响小、自动化程度高、成图周期短等特点，基于TerraSolid系列软件构建完整的用于机载激光雷达点云数据处理的详细技术流程，通过优化处理流程提高其数据处理的效率和精度。
对4组实验数据的处理结果表明，该技术具有较好的可行性和较高的工作效率。
关键词：基于Terra Solid；机载激光雷达；点云数据；处理应用
1、前言
近几年，随着机载激光雷达硬件系统的快速发展，其产生的点云数据也变得更加精确，更加海量。
在整个激光雷达的数据处理过程中，占60％～80％的点云数据分类工作已经成为制约LiDAR进一步应用发展的瓶颈问题，设计高效、高精度的海量点云数据处理流程意义十分重大。
2、基于Terra Solid的点云数据处理流程
目前的LiDAR数据处理技术、流程和方法还很不完善，使用TerraSolid软件实现机载LiDAR点云数据的处理，直至生成DEM产品的过程主要可以归为以下五大步骤。
2．1导入原始数据并建立项目流程
导入原始点云数据和建立项目是后面所有操作的阶石，具体操作步骤顺序如下：
1）设置坐标系。
2）导入飞行航线。
3）导入机载LiDAR点云数据，检查覆盖情况，确定点密度及单个作业Block大／]、（2GBRAM：5百万个点，4GBRAM：1．O～1．5千万个点）。
4）定义作业区。
5）裁切飞行航线（值得注意的是，航线不能自相交）。
6）定义项目（新建后要注意保存）。
7）定义作业分区Block（定义后，删除并在指定层重画Block）。
8）导入机载LiDAR点云数据点，生成分区存储的机载LiDAR数据点文件。
9）推测航线号并检查正确性。
2．2数据校正流程
原始数据在使用之前需要进行适当的数据校正处理，任何一个技术环节把握不当都将直接导致项目的失败。
TerraSolid主要是用宏命令的方式帮助校正、平差、纠正相关数据项。
详细流程如下：
1）创建用于数据校正的项目文件（注意只选择几个有不同坡向或多坡的Block区进行测试）。
2）装载TerraMatch模块。
3）运行“Measurematch”命令，量测相邻航线间的匹配差值。
4）运行“Findmatch”命令，计算3个角度偏转误差及镜向比例误差，保存改正数及误差报告。
5）运行“Applycorrection”命令，用上一步保存的改正数纠正整个项目区数据。
6）检查改正效果。
7）运行“Findmatch”计算Z误差（整个测区），保存改正数及误差报告。
8）选择整个项目，Solvefor：individuallines。
9）如果需要，对误差较大的航线调整其质量属性。
10）运行“Applycorrection”命令，用上一步保存的Z改正数纠正整个项目区数据。
11）检查改正效果。
12）运行“Findfluctuation”量测整个测区重叠部分的波动较差，保存改正数及误差报告。
13）对整个测区进行波动较差改正。
14）检查改正效果。
15）检查整体匹配效果。
2．3机载LiDAR点云数据的自动分类流程
机载LiDAR的点云数据的分类处理概括地分为自动分类处理和手动分类两部分。
这项工作在整个机载LiDAR的数据后处理过程中占六到八成的T作量。
下面详细介绍自动分类处理的流程：
1）删除重叠点（有的项目不需要删除）。
2）创建宏命令进行单航线地面点分类，由4个命令组成：①“Lowpointclassification”ingroups，即成组的低点分类。
主要指明显低于地面的点，如在开着的检修井里的点、反射错误的点等。
②“Lowpointclassification”singlepoints，即单个的低点分类。
③“Groundclassification”，即地面点分类。
④“Belowsurface”，即低于表面的点分类，在非常粗糙的区域稍低于地面的点。
3）运行于一个区，检查结果。
在利用宏进行数据分类时，由于分类宏参数设置的偏差，会导致房屋有些地方分的不到位，有一些不属于房屋的点进入。
这样在后期处理时就要多注意一些。
所以宏的参数设置很重要，需要多试验几次再确定。
4）运行于整个区。
5）还原前面分类为地面的点为默认类（De—fault），创建宏运行并确认结果。
6）最终Ground分类，即地面点分类（注意不要勾选“processflightlineseparately”）。
7）植被和建筑物等分类。
2．4机载LiDAR点云数据手动分类与编辑流程
由于机载I。
iDAR点云数据用宏处理的只是自动的初步分类，仍会存在许多分类误差，如存在飞点、地面点缺失等。
接下来就是手动处理一些宏没有自动处理好的地方。
1）“Pointdisplay”参数。
设置TerraScan模块的主工具栏的SettingT-具“Pointdisplay”参数。
2）“Editablelasermodel”参数。
设置TerraModeler模块的主工具栏Setting工具的“Editablelasermodel”参数。
3）导入*．ptc文件。
在TerraScan工具栏中选“DefineClasses”工具，加载之前已经分类设置好的图层文件（*．ptc）。
4）导入*．prj文件。
需用记事本打开*．prj文件，导入数据路径，即“Directory=数据路径”。
5）检查数据是否完整。
6）使用背景影像。
①有同时获取的航空影像时，使用Terraphoto制作简易正射影像。
②无航空影像时，利用机载I．iDAR数据点生成Intensity灰度影像，或参照Google影像。
7）建立多个视图窗口并同步显示。
8）根据晕渲的TIN表面发现异常点，主要如陡坎、河岸等地形变换较大处的地面点分类。
9）注意大面积没有分类为地面的地方。
10）重点查找。
11）手动处理本应为地面而未被分类为地面的点，工作量比较大。
12）手动处理非地面点，如树冠、桥梁、人工建筑物等被分类为地面点的要予以改正，特别是桥梁，工作量比较大。
2．5最终成果制作流程
原始数据经过前面四大步的处理之后，可以根据客户的具体需求制作最终成果。
1）确保手动编辑的地面点（BareEarth）的分类正确。
2）模型特征点（ModelKeypoints）手动编辑处理后，从地面点抽取尽可能少的能控制住地面精度的点。
3）生成产品。
①生成GRID模型。
由地面点生成规则格网的地面点数据。
②生成TIN模型。
考虑其它方式获取采集的特征线（Breakline）数据的约束生成不规则三角网模型，③生成等高线模型。
也需考虑特征线数据的约束，经平滑处理和等高线关键点的提取处理后，生成等高线模型。
3、结束语
本文针对机载激光雷达点云数据的处理，构建了基于TerraSolid的机载LiDAR点云数据处理详细流程：包括导入原始数据并建立项目流程、数据校正流程、机载LiDAR点云数据的自动分类流程、机载IADAR点云数据手动分类与编辑流程、最终成果制作流程五部分。
本文的流程设计从根源上实现了提高机载LiDAR数据处理效率和精度的目的。
参考文献：
［1］刘瑶，王健，彭福国，等．基于机载ＬｉＤＡＲ点云的岛礁提取方法［Ｊ］．测绘工程，２０１２，２１（６）：３６－３８．［2］龚亮，李正国，包全福．融合航空影像的ＬｉＤＡＲ地物点云分类［Ｊ］．测绘工程，２０１２，２１（１）：３８－４２．。
