Сегментация исходного облака точек лиственной массы lidar-данных на отдельные облака деревьев Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 004.925

СЕГМЕНТАЦИЯ ИСХОДНОГО ОБЛАКА ТОЧЕК ЛИСТВЕННОЙ МАССЫ LIDAR-ДАННЫХ НА ОТДЕЛЬНЫЕ ОБЛАКА ДЕРЕВЬЕВ

А. А. Ткачева

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева

Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31

Е-mail: tkacheva@sibsau.ru

Описываются методы классификации исходного облака точек воздушного лазерного сканирования поверхности Земли, приводятся их преимущества и недостатки. Рассматриваются основные проблемы возникающие при решении задач классификации больших массивов данных пространственных координат. И для повышения скорости вычислений предлагается усовершенствования метода линейного вычисления превышений.

Ключевые слова: сегментация облака точек, лазерное сканирование, LiDAR, трехмерное моделирование.

SEGMENTATION LIDAR POINT CLOUD OF FOREST INTO INDIVIDUAL

POINT CLOUD OF TREE

A. A. Tkacheva

Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation E-mail: tkacheva@sibsau.ru

There are described methods of classification of the original point cloud airborne laser scanning the surface of the earth, are their advantages and disadvantages in the article. The main problem of classification the large data sets of spatial coordinates is examined. It is proposed the method of calculating the linear elevations for improving the computing speeds.

Keywords: segmentation of point clouds, laser scanning, LiDAR, three-dimensional modeling.

Сегментация облака точек предназначена для того, чтобы выделить точки рельефа земли и точки лесных массивов из первоначального облака точек. Выполнение сегментации возможно при помощи следующих методов:

- метод определения минимумов ячеек сетки,

- метод линейного вычисления превышений.

Метод определения минимумов ячеек сетки основан на выделении точек путем нахождения точки с минимальной высотой в определенной области, поскольку точки земли по своей природе находятся ниже точек других объектов [1]. Для выделения областей используется квадратная сетка, в которой каждая ячейка является областью минимизации. Данный метод прост в реализации, но дает результат с большой погрешностью. Также использование данного метода без использования других не рекомендуется, целесообразно его использовать для прореживания облака точек в качестве предварительной обработки данных.

Метод линейного вычисления превышений основан на предположении, что отрезки поверхности, построенной из набора точек, могут иметь угол поворота не больший, чем некоторое предельное значение. Первым шагом при выполнении задачи классификации точек лазерной локации является сегментация всего облака на множество прямых. Две точки рассматриваются как принадлежащие к профилю Земли, если между соседними сегментами нет острых углов (обычно более 50 градусов), а также под этими сегментами отсутствуют смежные сегменты [2]. Такое определение профиля Земли позволяет вылавливать резкие изменения по поверхности (перепады высот) между соединенными точками и смежными с ними линиями. Исходя из этого, мосты, кусты дороги и т. д. могут быть клас-

Актуальные проблемы авиации и космонавтики - 2015. Том 1

сифицированы как поверхность Земли, если перепад высоты будет укладываться в погрешность системы и наоборот, точки земли могут быть не опознаны.

В методе линейного вычисления превышений сегментация профилей проводится следующим образом:

- соединяются все точки профилирующими линиями,

- из профилей убираются точки с превышением на много выше окружающих [3].

Превышение точки V можно рассчитать по следующей формуле:

V =(х; - хг)2 + к • - 2г)2, (1)

где (х7, 27), (х;, ■ - являются профильными координатами оконечных точек 7 и■ на отрезке; к - задается пользователем и является шкалой функции приближения координат х и 2 на заданном отрезке.

Для решения задачи классификации исходного облака точек было принято решение взять за основу метод вычисления линейного превышения. Если рассматриваемая точка в определенном радиусе вокруг себя находит другую точку, которая расположена ниже на предельное значение чем исходная, то исходная точка будет считаться точкой от постороннего объекта, и будет удалена из облака точек. Такой метод требует больших вычислительных затрат, так как для его выполнения необходимо для каждой точки проанализировать расстояние до всех других точек. Для оптимизации данного метода было использовано хеширование облака точек по принципу пространственного расположения. Суть хеширования заключается в следующем:

- исходное облако точек разбивается на множество более мелких;

- множество точек группируется по их расположению в пространстве.

Таким образом, визуально, исходное облако точек будет поделено на квадратные области (см. рисунок). Размеры этих квадратных областей должны быть не меньше радиуса, определенного для классификации точек. После чего каждая точка рассматривается в паре не со всеми имеющимися, а лишь с теми точками, что находятся в её же квадрате и в соседних квадратах.

Наложение пространственной сетки на исходное облако точек моделируемой сцены

Для определения эффективности хеширования рассмотрим следующий пример. Прямоугольную область размером 200 на 300 метров, состоящую из 2 млн. точек, необходимо проклассифицировать со значением радиуса 1 метр. Следовательно, делим всю область на 200^300 = 60 000 квадратов. В среднем, в каждом квадрате будет находиться 2 млн/ 60 000 = 33 точки. Значит, количество анализируемых пар точек сокращается с 2*1 012 до 33*9*2 млн = 6*108. Как можно видеть, количество вычислений сокращается почти на 4 разряда, что существенно влияет на скорость выполнения программы.

Библиографические ссылки

1. Tymkow P., Borkowski A. Land cover classfication using airborne laser scanning data and photographs // Department of Geodesy and Photogrammetry Wroclaw University of Environmental and Life Sciences Wroclaw, C. K. Norwida 25/27, POLAND. 2007. P. 327-355.

2. Rabbani T., Heuvel F. van den, Vosselmann G. Segmentation of point clouds using smoothness constraint // International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 36. 2006. P.248-253.

3. Жигалов К. Ю. Векторизация и конвертация данных лазерной локации в гис-технологиях : автореф. дис. ... канд. тех. наук. М., 2007. 24 с.

© Ткачева А. А., 2015