利用二维网格投影和生成树从地形点云中提取特征线

《New Scientist》：Feature line extraction from terrain point clouds using 2D grid projection and spanning trees

地形特征线从点云数据中提取的方法研究。通过投影点云到二维网格并利用生成树算法，实现地形特征线（如山脊和山谷）的自动识别与提取。该方法在低噪声数据中表现有效，但高噪声或伪影存在局限性，适用于复杂地形分析的基础框架。

　　

Nehal Kalita | Rajesh Kumar Maurya

印度孟买

摘要

物体表面的特征线对其几何形状和轮廓具有决定性作用，这对于各种分析任务至关重要。然而，由于噪声和数据复杂性，仅从包含位置信息的点云中提取这些特征线颇具挑战性。本文提出了一种新方法，该方法仅利用坐标值即可从点云中提取地形特征线。通过将点云投影到二维网格上，并运用生成树算法，该方法能够有效识别并提取特征线。尽管由于数据规模的原因定量验证较为困难，但实验结果表明，该方法在低噪声数据下能够有效描绘地形特征；但在高噪声或数据异常情况下，其可靠性会降低。这种方法为进一步研究提供了定性基础，并有望在需要详细地形分析和复杂数据集特征线提取的应用中提高效率。

引言

点云已成为捕捉和表示三维物体及环境的重要工具，在地球科学、城市规划和计算机图形学等领域发挥着重要作用。点云由一系列离散数据点组成，每个数据点都精确地定义了其X、Y和Z坐标，共同构成了物体几何形状的详细表示。这种密集且不规则的采样方式使得点云成为传统多边形网格的通用且可扩展的替代方案，尤其是在处理复杂几何形状和大规模环境时。

点云可以通过多种方式生成，包括激光雷达（LiDAR）、摄影测量和三维网格采样。其中，激光雷达因其能够捕获高分辨率地形数据而备受关注。特征线提取对于理解物体结构至关重要，该过程涉及识别数据集中的局部最大值和最小值。在二维栅格数据中，这一过程类似于图像处理中的边缘检测，即根据灰度或RGB值以及相邻像素之间的距离来提取边缘[1]。而在三维多边形网格中，特征线则是通过分析边缘连通性和顶点距离来确定的，通常使用欧几里得距离公式进行计算[2]。然而，由于点云中缺乏明确的边缘或面，特征线提取更为复杂。

地形特征线分析与山脊-山谷分析密切相关，两者都旨在描述地形的地形特征。山脊和山谷能够提供关于地形形态的重要信息，其识别有助于理解表面粗糙度和结构。在轻量级且有效的数据可视化解释中，经常使用地形特征线。如图1所示，基于图的特征线可以通过分析子图距离来近似表示地形的崎岖程度，从而揭示表面的平滑度。因此，从点云中提取的特征线具有类似的功能，为数据提供了紧凑而有效的可视化表示。例如，在图1中，G图及其子图G₁和G₂被创建在具有陡坡的区域上，子图之间的平均距离可以反映该区域的平滑程度。距离越大，该区域越平滑。因此，由G图及其子图形成的特征线可以代表整个三维物体顶点或边缘集合所表现出的特征。

已经提出了多种噪声识别方法。例如，[3]利用最大坡度分析来检测噪声异常；[4]采用空间层次方向关系和区域生长算法来处理来自云层、鸟类和 incomplete 地面扫描的噪声；[5]提出了一种通过投影不同高度的树干点云数据并计算中心坐标来检测树状异常的技术；[6]则通过使用用户定义的阈值来检测和填充点云中的坑洞，以确保连续性。

本文提出了一种基于投影的新方法，该方法仅需要三维坐标值作为输入即可从点云数据中提取地形特征线。该方法仅适用于提取山脊和山谷等结构中的特征线，不适用于用于捕捉陡峭高程变化（如悬崖顶部、堤坝、道路或挡土墙）的断层线。该方法已在真实世界的激光雷达数据上进行了测试，证明了其在存在噪声的情况下仍能有效提取关键地形特征。这项工作为复杂多变地形中的特征线提取提供了一种简化方法，强调了该方法在真实世界和合成数据集中的适用性。

相关研究

相关工作

通过草图绘制提取特征线的方法结合了点云的山脊-山谷线和等高线，以创建直观的可视化结果。Wang等人[7]提出了一种依赖于视口的草图绘制算法，通过融合山脊-山谷线和等高线来生成物体的不同草图。虽然这种方法在视觉表示方面有效，但由于其对视角的敏感性，其在不同视角下的自动化特征提取效果不够稳定。

材料与方法

本实验中使用的所有点云数据均来自OpenTopography，这是一个提供地形数据的综合性在线社区资源，该资源由ISPRS委员会III - 第三工作组（致力于提高活跃微波遥感研究的影响）的网站提供，同时也参考了Maurya等人[24]的研究数据。实验使用Python 3.10.10版本（Python软件基金会，美国俄勒冈州比弗顿）在相应系统上进行。

结果与观察

分析了八种不同的地形样本，其中数据集7和8分别用于与Zhou等人[16]和Maurya等人[24]的方法进行比较。对于数据集1–6，使用卫星图像和方位图像作为参考，以验证提取的特征线的准确性。卫星图像是在日光条件下拍摄的真实世界数据集的照片，这在根据地形植被类型（如森林）对结果进行分类时非常有用。

结论

本研究提出了一种基于投影的特征线提取方法，该方法能够有效地从点云数据中提取特征线，并适用于多种地形类型。该方法将地形数据划分为二维网格，通过关注从俯视角度可观察到的显著表面特征来简化分析过程。在岩石和沙漠地形中，这种方法尤为有效，因为这些地形中缺乏明显的表面噪声和植被，从而提高了特征线提取的准确性。

作者贡献

Nehal Kalita：概念构思、数据整理、形式化分析、方法研究、项目管理、资源获取、软件开发、可视化处理、初稿撰写。 Rajesh Kumar Maurya：概念构思、资源协调、监督工作、结果验证、可视化处理、修订编辑。

CRediT作者贡献声明

Nehal Kalita：初稿撰写、可视化处理、软件开发、资源协调、项目管理、方法研究、数据整理、概念构思。 Rajesh Kumar Maurya：修订编辑、可视化处理、结果验证、监督工作、资源协调、概念构思。

利益冲突声明

本研究不存在需要声明的利益冲突。

致谢

我们感谢Sushil T. Kulkarni博士（Nilkamal数学、应用统计与分析学院院长）提供了用于本分析的数据集。