![](static/image/blog/recommendico.gif)
这篇博客很长,能从头到尾读完的应该是真正对激光雷达和点云处理有兴趣的,也相信应该能有点点收获。说点题外话,这篇博客的主要内容来自一个无聊的申请书,一共提交了三次,其实每次只是修改CSF的引用次数,3.8是187,3.12是189,3.13是190,此外下面这篇文章也刚好今天发表了。
今天,一个经历坎坷的CSF扩展工作终于正式发表了,从2016年产生想法到2021年发表,历时5年。截止2021.5.1的50天内可以免费下载,欢迎使用、引用、拍砖。链接如下:Seed point set-based building roof extraction from airborne LiDAR point clouds using a top-down strategy
Highlights
• A top-down strategy is presented for extracting roofs from airborne LiDAR point clouds.
• The proposed strategy avoids ground filtering and simplifies the workflow of roof extraction.
• The cloth simulation algorithm detects seed points.
• The combination of roughness and connect-component labeling determines roof seed sets.
• The proposed seed point set-based region-growing method reduces oversegmentation.
转贴下文章的highlights,最主要有两点:一、不同于常规先地面滤波再提取地物这种自下而上的方式,借助CSF实现了无需地面滤波直接提取地物的自上而下的新方式;二、CSF可以得到种子点集合,相比于常规基于种子点的区域生长,种子点集可以提前判断地物类型,并且区域生长结果更完整。两种方式的对比见如下文章插图,我相信无论自上而下(top-down)还是种子点集(seed points set)在后面几年一定会成为更多文章的关键词甚至标题。
说这篇文章经历坎坷,不仅因为历时长,被期刊拒过,而且险些被别人抢先。产生想法以后第一个学生开了个头,2017年发了篇会议文章CSF Based Non-ground Points Extraction From LiDAR Data,期刊文章迟迟弄不出来,然后就转行做遥感了(插一句,非常感谢第二个学生,在非课题主要方向的情况下接手并完成了这个工作)。此后,虽然期刊文章没有发表,我还是在2019年厦门大学举办的第五届全国激光雷达大会做的分会场主题报告“基于布料模拟滤波CSF的点云分割分类”中进行了介绍,其实当时报告中有部分内容至今还未发表出来。
在接手学生的努力下,终于达到了期刊发表水平,可惜并不顺利,直到去年3月投稿土木建筑类1区top刊物Automation in Construction,终于没有直接被拒,折腾一年发表了。但在这个过程中,去年先看到一篇中文文章“布料模拟法无人机倾斜摄影建筑点云提取”中明确提到“受文献[14]启发,由于城市建筑物高度通常高于地面和植被, 因此本文假定: 如果能模拟布料下落过程, 通过分析布料与对应点云之间的作用,确定布料由重力下降后所停留的位置, 则布料最后的形状为建筑的顶面。”,然后今年看到摄影测量领域著名人物,普渡大学Ayman Habib教授团队在发表的论文“New Orthophoto Generation Strategies from UAV and Ground Remote Sensing Platforms for High-Throughput Phenotyping”,中写到“The proposed smooth DSM generation approach is inspired by the cloth simulation introduced by Zhang et al. [48] for digital terrain model (DTM) generation.”。此时,我们的文章还在第n轮审稿之中,如果最后被拒掉,就会出现发明人反而发不出文章的可笑情况。好在这种情况没有出现,但给了我们深刻的教训,有想法要尽快实现和发表,没发表的成果讲不讲以后也得考虑下了。
借这个由头再回顾下CSF缘起和发展情况。
缘起:
从激光雷达获取的海量点云中区分地面与地物(例如建筑物和树木等)的过程称为点云地面滤波,其结果直接影响到后续基础地理信息地形数据DEM的生成以及地物分割、分类、识别和参数提取精度,是激光雷达点云数据处理的关键环节。从商品化激光雷达问世至今30年,国内外学者提出众多点云滤波算法,然而绝大多数仍停留在对基于坡度、基于数学形态学和基于表面插值三类传统方法进行改进,没有从根本上改善点云地面滤波算法专业性强不易使用的状况。
(a) (b) (c)
CSF思想萌芽(a)、算法形成(b)与软件应用(c)过程
结合自身机械专业所受的力学和数学训练,基于机械结构有限元力学分析提出点云地面滤波的新思想。产生该思想萌芽时的草稿见图 (a),即通过立柱对纱巾支撑作用的有限元力学分析,确定地面包络面。算法原理如图 (b)所示,对原始激光雷达点云进行翻转,然后用布料覆盖于翻转后的表面,最终贴合于地表的布料即可视为DEM,通过比较点云和布料曲面之间的距离区分地面点和地物点。主要有3点创新:首先,将点云地面滤波问题转换分析布料受地表支撑的力学问题,开辟了新思路。其次,“逆向思维”将点云倒置,且布料自上而下覆盖,因此与传统方法不同,最终布料形状(即DEM)只与地表有关,不受地物复杂性影响,结果更为稳健。此外,该力学问题采用计算机图形学领域的布料模拟算法实现,经典算法计算量大无法实用,我们针对点云地面滤波特点进行改进,提出的布料模拟点云地面滤波算法CSF(Cloth Simulation Filter)速度提升显著【Zhang WM, et al. Remote Sensing, 2016】,软件应用界面如图 (c)所示。
发展:
我们将CSF泛化为物体因重力和地表相互作用而逐渐达到稳定平衡的物理过程,从而将其从特定算法推广为以物理模拟方式进行通用点云处理的思想。
(d) 建筑物检测 | (c) CHM空洞填补 | |
(a) 简单地形指数 | (b) 组合滤波方法 | |
物理模拟方式进行点云数据处理的新理论体系演变图
在CSF地面滤波扩展方面,为了提高自动化程度,减少参数输入,如图 (a)所示,提出了一个简单的地形指数(Terrain relief index, TRI)。该地形指数可从原始的机载LiDAR点云中直接获取,并为滤波算法中有关地形的参数设置提供依据,提高了算法的自动化程度【Wan P, Zhang WM*, et al. ISPRS Journal of Photogrammetry and Remote Sensing, 2018】。此外,进一步提出多种算法融合的地面滤波思路,如图 (b)所示,结合布料模拟和不规则三角网加密的点云自适应滤波算法,可有效地保留陡峭地区的详细地形【Cai SS, Zhang WM*, et al. Remote Sensing, 2019】。
在其他地物提取方面,用于树冠高程模型(Canopy height model, CHM)空洞填补,如图 (c)所示,模拟布料覆盖树冠的方式代替均值滤波、中值滤波和高斯滤波等传统插值方法,大幅提高CHM空洞填补精度,进而提高森林树高等参数估算精度【Zhang WM, et al. Forest Ecosystems, 2019】。对于建筑物点云提取,突破传统自下而上的思路,模拟布料覆盖于建筑物的过程,创新性提出自上而下的建筑物点云提取新思路,如图 (d)所示,不但避免了地面滤波过程,而且布料覆盖形成的种子点集合也不同于传统的孤立种子点,可以得到更为完整的建筑物点云【Shao J, Zhang WM*, et al. Automation in Construction, 2021】。
除了我们自己做的上述工作,CSF以物理模拟方式进行点云数据处理的新思路带动了一系列创新性研究。从2016年发表就受到点云处理领域研究人员的关注,出现了一系列类似“Improvement of CSF based on a wide range of urban complex scenes”的学术论文。在谷歌学术和知网中搜索标题包含“cloth simulation”以及“布料模拟”和“布模拟”的研究,从2017年至今相关论文已有20余篇(不含我们团队文章)。我很自豪,通常作为关键词出现已经很重要了,而直接出现标题中则说明本身已经成为研究对象。
其中将CSF正反用两次做水下地形滤波的研究很典型,不仅在《武汉大学学报(信息科学版)》和《ISPRS Journal of Photogrammetry and Remote Sensing》两个中英文顶级期刊上发表论文各一篇,而且还申请了专利。对比之下很惭愧,我们自己至今还没有为CSF申请过专利。
后续:
CSF文章自2016年发表至今,谷歌学术引用超过330次,在《Remote Sensing》近13000篇文章中引用次数排名第5,是唯一一篇点云地面滤波ESI高被引论文。190个SCI引用涉及生态、环境、灾害、交通等33个研究领域,可以说一定程度上缓解了不同领域人员难以使用激光雷达点云数据的一个障碍。于2020年全国激光雷达大会荣获首届创新产品奖, CloudCompare论坛中关于CSF的讨论量近13万,被国内外多款主流点云处理软件采用。有可能不久以后大家可以在非常熟悉的软件或编程工具里使用CSF,也一定会看到更多以物理模拟思想解决通用点云处理的算法和文章。
转载本文请联系原作者获取授权,同时请注明本文来自张吴明科学网博客。
链接地址:https://wap.sciencenet.cn/blog-2354721-1276501.html?mobile=1
收藏