SEARCH

SEARCH BY CITATION

Keywords:

  • 3D reconstruction;
  • automation;
  • DEM/DTM;
  • feature extraction;
  • lidar

Abstract

A lidar filtering technique is used to differentiate on-terrain points and off-terrain points from a cloud of 3D point data collected by a lidar system. A major issue of concern in this low-level filter is to design a methodology to ensure a continual adaptation to variations of terrain slopes and object scales. In this paper, a new lidar filtering technique which hierarchically fragments lidar data into piecewise planar terrain models is introduced. Once a number of hypothetical planar terrain models are generated to fit the terrain surface of the underlying area, the optimal terrain model to produce the minimum labelling errors is determined based on minimum description length (MDL) principles. This hypothesis-verification optimisation is achieved in a coarse-to-fine strategy by which the entire terrain surface is incrementally reconstructed by increasing the number of planar terrain models fitted. The proposed technique was successfully applied to a digital surface model provided within an OEEPE lidar trial, showing 0·94% of Type I errors and 6·75% of Type II errors compared to manually classified reference data.

Résumé

On utilise normalement une technique de filtrage lidar pour séparer les points sur le sol des points hors-sol dans un nuage de points 3D obtenu par un système à lidar. Le principal sujet de préoccupation dans un tel filtre de faible niveau est de s'assurer d'une méthodologie capable de s'adapter en permanence aux changements de pente du terrain et d’échelle des objets. On présente dans cet article une nouvelle technique de filtrage lidar qui fragmente hiérarchiquement les données-lidar en modèles numériques planaires et segmentés du terrain. Une fois que l'on a établi un certain nombre de ces modèles de terrain planaires, supposés représenter la surface du terrain sous-jacent, on détermine le modèle de terrain optimal, sensé produire les erreurs de cotation minimales, en se basant sur les principes de la longueur de description minimale (MDL). On obtient cette optimisation par une stratégie où l'on part d'une valeur approchée pour l'affiner vers la valeur finale dans laquelle la surface du terrain est entièrement reconstruite par incréments, en augmentant le nombre des modèles de terrain planaires qui s'ajustent convenablement. On a appliqué avec succès cette nouvelle technique au modèle numérique de surface par lidar de l'OEEPE, montrant, par rapport aux données de référence classées manuellement, des pourcentages de 0,94% pour les erreurs de type I et 6,75% pour les erreurs de type II.

Zusammenfassung

Durch die Filterung einer 3D Punktwolke aus einem Lidar System werden Bodenpunkte von Nicht-Bodenpunkten unterschieden. Eine wichtige Herausforderung für die dabei eingesetzten Filterverfahren ist die Sicherstellung einer kontinuierlichen Anpassung an Geländeneigungen und Objektmaßstäbe. Es wird eine neuartige Filtertechnik vorgestellt, die in hierarchischen Schritten die Lidar Daten in stückweise planare Geländemodelle unterteilt. Nachdem eine Anzahl hypothetischer planarer Geländemodelle erstellt worden ist, um die Geländeoberfläche des betreffenden Gebietes anzupassen, wird das optimale Geländemodell mit Hilfe der minimalen Beschreibungslänge (MDL) gesucht. Diese Optimierungstechnik wird in einer grob-nach-fein Strategie eingesetzt, in der die gesamte Geländeoberfläche schrittweise durch eine zunehmende Anzahl der angepassten planaren Geländemodelle rekonstruiert wird. Die vorgeschlagene Technik wurde auf das OEEPE Lidar DSM angewandt, und zeigt im Vergleich zu manuell klassifizierten Referenzdaten nur 0·94% Fehler erster Art und 6·75% Fehler zweiter Art.

Resumen

Se usa una técnica de filtrado lidar para diferenciar los puntos en el terreno de los puntos fuera del mismo dentro de una nube de puntos tridimensionales tomados por un sistema lidar. Una cuestión preocupante en este filtrado de bajo nivel es el diseño de una metodología que garantice una adaptación continua a las variaciones de la pendiente del terreno y de la escala de los objetos. En este artículo se introduce una nueva técnica de filtrado lidar que fragmenta jerárquicamente los datos lidar en modelos a trozos del terreno plano. Una vez se ha generado un determinado número de modelos hipotéticos del terreno plano para ajustarse a la superficie del terreno del área subyacente, se determina el modelo óptimo del terreno para calcular los errores mínimos de medida basándose en el principio de longitud de descripción mínima. Esta optimización de la verificación de la hipótesis se hace adoptando una estrategia grueso a fino con la que se reconstruye de forma creciente toda la superficie del terreno incrementando el número de modelos del terreno plano ajustados. La técnica propuesta fue aplicada con éxito al modelo digital de superficie lidar de OEEPE, presentando 0,94% de errores de tipo I y 6,75% de errores de tipo II en comparación con los datos de referencia medidos manualmente.