Nghiên cứu kỹ thuật phân loại dữ liệu LiDAR

Công nghệ LiDAR là sự phát triển và ứng dụng các thiết bị laser, định vị vệ tinh và đo quán tính để thu thập dữ liệu địa lý trên bề mặt trái đất.. Việc phân loại dữ liệu tự động của đám

Tôi xin cam đoan luận văn là công trình nghiên cứu của riêng cá nhân tôi, kết quả của luận văn hoàn toàn là kết quả của tự bản thân tôi tìm hiểu, nghiên cứu dưới sự hướng

dẫn của giáo viên hướng dẫn PGS.TS Đặng Văn Đức

Tôi hoàn toàn chịu trách nhiệm về tính pháp lý quá trình nghiên cứu khoa học của luận văn này

Hà Nội, ngày 10 tháng 11 năm 2019

Học viên

Nguyễn Thị Thanh Huyền

Lời đầu tiên, em xin gửi lời biết ơn sâu sắc đến PGS TS Đặng Văn Đức người

đã tận tình hướng dẫn, chỉ bảo, giúp đỡ em trong suốt quá trình làm luận văn

Em cũng xin gửi lời cảm ơn đến các thầy cô giáo trường Đại học Công nghệ thông tin - Đại học Quốc Gia Hà Nội đã truyền đạt những kiến thức và giúp đỡ em trong suốt quá trình học của mình

Học viên cũng xin gửi lời cảm ơn tới Ban giám hiệu trường Cao đẳng nghề Hòa Bình đã tạo điều kiện thuận lợi cho học viên tham gia khóa học và quá trình hoàn thành luận văn

Và học viên cũng xin gửi lời cảm ơn tới các đồng nghiệp, gia đình và bạn bè những người đã ủng hộ, động viên tạo mọi điều kiện giúp đỡ để học viên có được kết quả như ngày hôm nay

MỞ ĐẦU 1

1 Đặt vấn đề 1

2 Những nội dung nghiên cứu chính 3

CHƯƠNG 1: 4

GIỚI THIỆU VỀ CÔNG NGHỆ LIDAR VÀ CÁC ỨNG DỤNG 4

1.1 Tổng quan về công nghệ LiDAR 4

1.1.1 Cấu trúc hệ thống LiDAR 4

1.1.2 Đặc điểm cơ bản của công nghệ LiDAR 5

1.2 Khả năng ứng dụng của LiDAR 7

1.3 Bài toán phân loại dữ liệu LiDAR 13

1.3.2 Cơ bản về tệp tin LAS 14

1.3.3 Phân loại đám mây điểm LiDAR trong tập tin LAS 16

1.4 Kết chương: 18

CHƯƠNG 2: 19

MỘT SỐ KỸ THUẬT PHÂN LOẠI DỮ LIỆU LIDAR 19

2.1 Nghiên cứu liên quan đến sử dụng thuật toán MCC (Multiscale Curvature Classification) và K-Means trong phân loại dữ liệu LiDAR 19

2.1.1 Thuật toán MCC (Multiscale Curvature Classification) 19

2.1.2 Thuật toán K-Means 21

2.2 Đánh giá kết quả phân loại LiDAR 23

2.2.1 Thuật toán MCC 23

2.2.2 Thuật toán K-Means 26

CHƯƠNG 3: 32

XÂY DỰNG ỨNG DỤNG THỰC NGHIỆM 32

3.1 Giới thiệu bài toán thử nghiệm 32

3.2 Lựa chọn thuật toán phân loại và dữ liệu thử nghiệm 32

3.3 Môi trường và các công cụ sử dụng để xây dựng chương trình 34

3.4 Phát triển chương trình 37

3.5 Đánh giá kết quả thu được 39

3.5.1 Phân loại với MCC 39

3.5.2 Phân loại đám mây điểm với K-means 41

3.5.3 Đánh giá 42

KẾT LUẬN 46

LIỆU THAM KHẢO 47

LiDAR: Light Detection And Ranging

Laser: Light amplification by stimulated emission of radiation

GNSS: Global Navigation Sattelite System

ASPRS: American Society for Photogrammetry and Remote Sensing INS: Inertial Navigation System

DEM: Digital Elevation Model

DTM: Digital Terrain Model

DSM: Digital Surface Model

MCC: Multiscale Curvature Classification

BCAL: Boise Center Aerospace Laboratory LiDAR

Bảng 1 Thuộc tính của dữ liệu LiDAR 13

Bảng 3.1 Thông số của file las 33

Bảng 3.2: Số lượng điểm của mỗi cụm 44

Bảng 3.3:Các độ đo đánh giá độ chính xác phân loại 44

DANH MỤC HÌNH ẢNH

Hình 1 1: Tổng quan về hệ thống LiDAR 5

Hình 1 2: Ứng dụng LiDAR trong khảo sát địa hình và lập bản đồ 8

Hình 1 3: Ứng dụng LiDAR trong lâm nghiệp 8

Hình 1 4: Ứng dụng LiDAR trong lập bản đồ ngập úng 9

Hình 1 5: Ứng dụng LiDAR cho đới duyên hải 9

Hình 1 6:Ứng dụng LiDAR trong lập bản đồ địa hình ven biển 10

Hình 1 7: Ứng dụng LiDAR trong quan trắc dự báo trượt lở 10

Hình 1 8: Ứng dụng LiDAR trong lập bản đồ tuyến truyền tải 11

Hình 1 9: Ứng dụng LiDAR trong lập bản đồ tuyến truyền tải 11

Hình 1 10: Ứng dụng LiDAR trong quy hoạch và quản lý mạng điện thoại di động 12

Hình 1 11: Ứng dụng LiDAR trong lập mô hình đô thị và mô phỏng đô thị 12

Hình 1 12: Hiển thị dữ liệu trong tệp tin LAS 15

Hình 1 13: Ví dụ về đám mây điểm LiDAR được hiển thị dưới dạng 3D 17

Hình 1 14: Quy trình phân loại đám mây điểm LiDAR 18

Hình 2 1: Mô tả thuật toán K-Means 21

Hình 2 2: Ví dụ phân loại với K-Means 22

Hình 2 3: Sơ đồ khối của giải thuật MCC trong phân lớp dữ liệu LiDAR 24

Hình 2 4: Khu vực thực nghiệm trong nghiên cứu 25

Hình 2 5: Tỉ lệ các điểm thuộc hai lớp sau phân loại 25

Hình 2 6: Pseudo code của thuật toán K-means trong phân loại đám mây điểm LiDAR 27

Hình 2 7: Sơ đồ phân loại đám mây điểm LiDAR với K-means 27

Hình 2 8: Kết quả phân loại với k=5 28

Hình 3 1: Đám mây điểm khu vực khảo sát 33

Hình 3 2: Ảnh vệ tinh của khu vực đo vẽ 34

Hình 3 3: Giao diện GUI của lastool 36

Hình 3 4: Công cụ của LASTool trong ARCGIS 36

Hình 3 5: Giao diện chương trình 37

Hình 3 6: Đám mây điểm LiDAR được hiển thị dưới dạng 3D 37

Hình 3 7: Phân loại với MCC 38

Hình 3 8: Các điểm được gán nhãn sau phân loại với MCC 38

Hình 3 9 Kết quả phân loại với K-means 39

Hình 3 10: Tham số được lựa chọn trong giải thuật MCC 40

Hình 3 11: Các điểm được gán nhãn sau phân loại với MCC 41

Hình 3 12: Kết quả phân loại với K-means 42

Hình 3 13: Tỉ lệ phân loại trong mỗi miền tỉ lệ với MCC 43

Hình 3 14: Lịch sử lặp của K-means 43

Hình 3 15: Mô hình DEM của khu vực 45

Hình 3 16: Mô hình DSM 45

Ở mỗi thời điểm phát xung laser, hệ thống định vị vệ tinh GNSS sẽ xác định vị trí không gian của điểm phát, và hệ thống đạo hàng quán tính sẽ xác định các góc định hướng trong không gian của tia quét Với các giá trị đo tổng hợp đó tính được vị trí (tọa độ không gian) của các điểm trên bề mặt đất

Công nghệ LiDAR là một công nghệ tiên tiến hàng đầu trong hệ thống các công nghệ thu thập dữ liệu không gian trên thế giới Với khả năng trực tiếp thu nhận đám mây điểm 3D với độ chính xác cao, LiDAR được áp dụng rộng rãi trong việc thành lập mô hình số độ cao (Digital Elevation Model - DEM) của bề mặt địa hình, dựa vào

đó có thể theo dõi được dòng chảy của nước hay giám sát di chuyển khối, thành lập bản đồ và viễn thám Công nghệ LiDAR là sự phát triển và ứng dụng các thiết bị laser, định vị vệ tinh và đo quán tính để thu thập dữ liệu địa lý trên bề mặt trái đất So sánh với các phương pháp thu nhận và xử lý trắc địa ảnh truyền thống, xử lý dữ liệu

LiDAR dễ dàng hơn, thành lập chính xác mô hình DEM Hơn thế nữa, xung laser có thể xuyên qua các địa hình, địa vật như lá, mặt đất dưới tán cây

Để thành lập ra được DEM từ tập hợp điểm này, ta phải phân biệt được điểm mặt đất và điểm không mặt đất Quá trình này gọi là phân loại dữ liệu LiDAR Việc phân loại dữ liệu tự động của đám mây điểm được thực hiện bằng phép giải các bài toán lọc điểm, trên cơ sở kết hợp sử dụng ảnh cường độ, kết quả đo vẽ các bãi kiểm định chuẩn trên thực địa và ảnh số chụp được (nếu có trong công nghệ có lắp thêm

hệ thống máy chụp ảnh kỹ thuật số)

Bài toán phân loại đám mây điểm LiDAR thuộc vào bài toán lọc và phân tách đưa các điểm về các lớp riêng biệt Việc phân loại dữ liệu tự động của đám mây điểm phải tách được đám mây dữ liệu thành các lớp khác nhau theo các tính chất riêng như: Lớp chứa điểm mặt đất, Lớp chứa điểm thực phủ, Lớp chứa điểm trên mái nhà tường nhà và các công trình xây dựng, Lớp chứa các điểm trên không, Lớp chứa các điểm

bị lỗi, Lớp chứa các điểm trên mặt nước … Từ đó xây dựng ra lớp Ground và Ground Trên thế giới có nhiều chương trình lọc điểm theo các thuật toán khác nhau

Non-đã được giới thiệu và áp dụng Trong số đó có Vosselman và Sithole (Hà Lan) có thuật toán “mô hình góc nghiêng di động” hay mô hình “độ chênh cao cực đại”, Axelsson đưa ra thuật toán “mô hình TIN di động “, Kraus (Áo) đưa ra thuật toán lọc theo lý thuyết nội suy thống kê, hãng ToyEye (Thụy Điển), TopoSys (Đức) có chương trình lọc đám mây điểm của LiDAR cung cấp kèm với hệ thống thiết bị… Hiện nay, với các thuật toán lọc ngày càng hoàn thiện, công tác lọc điểm đã tự động hóa được khoảng 90-95%, tuy nhiên để đánh giá, so sánh chất lượng giữa các thuật toán thì còn nhiều vấn đề phải tranh luận và kiểm chứng trong thực tế sản xuất Các phần mềm xử

lý dữ liệu LiDAR rất đắt được bán kèm theo thiết bị, hoàn toàn là phần mềm thương mại đóng như ENVI LiDAR

Với mục đích nghiên cứu, tìm hiểu các thuật toán hiện đang được sử dụng trong việc phân loại dữ liệu LiDAR, đồng thời thử nghiệm các kỹ thuật phân loại dữ liệu

LiDAR trên những bộ dữ liệu cụ thể, học viên lựa chọn nội dung: “Nghiên cứu kỹ thuật phân loại dữ liệu LiDAR” làm đề tài thực hiện khóa luận thạc sĩ của mình

2 Những nội dung nghiên cứu chính

Ngoài phần mở đầu trình bày lý do chọn đề tài và phần kết luận trình bày các kết quả đạt được của luận văn này, nội dung nghiên cứu chính được trình bày trong

ba chương như sau:

Chương 1: Trình bày khái quát về công nghệ LiDAR và các ứng dụng, phát biểu bài toán phân loại dữ liệu LiDAR

Chương 2: Trình bày phương pháp phân loại dữ liệu LiDAR với 2 thuật toán MCC (Multiscale Curvature Classification) và thuật toán K-Means

Chương 3: Xây dựng chương trình thử nghiệm phân loại dữ liệu LiDAR bao gồm: Giới thiệu bài toán thử nghiệm, lựa chọn thuật toán phân loại và dữ liệu thử nghiệm, môi trường và các công cụ sử dụng để xây dựng chương trình, phát triển chương trình và đánh giá kết quả thu được

CHƯƠNG 1:

GIỚI THIỆU VỀ CÔNG NGHỆ LIDAR VÀ CÁC ỨNG DỤNG

1.1 Tổng quan về công nghệ LiDAR

1.1.1 Cấu trúc hệ thống LiDAR

LiDAR, Light Detection And Ranging, là thuật ngữ để chỉ một công nghệ viễn thám mới, chủ động, sử dụng các loại tia laser để khảo sát đối tượng từ xa Dữ liệu thu được của hệ thống là tập hợp đám mây điểm phản xạ 3 chiều của tia laser từ đối tượng được khảo sát Công nghệ này cũng mới được áp dụng tại Việt Nam, nó cho phép đo đạc độ cao chi tiết địa hình một cách chính xác và nhanh chóng

Hệ thống LiDAR bao gồm bộ đầu quyết (bộ cảm biến), hệ thống đo quán tính (IMU), hệ thống GPS, hệ thống quản lý bay, hệ thống camera số và hệ thống các thiết

Hệ thống xác định quán tính IMU: Các giá trị góc xoay, góc nghiêng dọc, nghiêng ngang, hướng bay quét của hệ thống LiDAR được xác định chính xác bằng thiết bị đạo hàng, góc quay gương tức thời và các khoảng cách thu nhận và dữ liệu GPS được dùng để tính toán toạ độ ba chiều của các điểm LiDAR

Hệ thống GPS: Dữ liệu LiDAR được kết hợp với các thông tin vị trí chính xác thu nhận từ thiết bị GPS và hệ thống thiết bị xác định các thông số định hướng góc xoay, góc nghiêng dọc, nghiêng ngang cùng đặt trên máy bay Các thông tin này được lưu trữ và xử lý, để xác định giá trị toạ độ (x,y,z) chính xác của mỗi điểm trên mặt đất Hệ thống GPS gồm một máy thu đặt trên máy bay và một máy thu đặt tại mặt đất, quá trình xử lý dữ liệu này cho ra kết quả vị trí điểm có độ chính xác cao (+/- vài

cm đến vài chục cm)

Hệ thống quản lý bay: Cho phép lập kế hoạch, thiết kế tuyến bay và theo dõi quá trình bay quét LiDAR

Hình 1 1: Tổng quan về hệ thống LiDAR

1.1.2 Đặc điểm cơ bản của công nghệ LiDAR

Bản chất của công nghệ LiDAR là kỹ thuật đo dài laser, định vị không gian GPS/INS và sự nhận biết cường độ phản xạ ánh sáng [3] Xung của laser được phát hướng xuống mặt đất trên một độ cao nào đó Sóng laser được phản hồi từ mặt đất hay từ các bề mặt đối tượng như là cây, đường hoặc nhà , với mỗi xung sẽ đo được thời gian đi và về của tín hiệu, tính được khoảng cách từ nguồn phát laser tới đối tượng Ở mỗi thời điểm phát xung laser, hệ thống định vị vệ tinh GNSS sẽ xác định

vị trí không gian của điểm phát, và hệ thống đạo hàng quán tính sẽ xác định các góc định hướng trong không gian của tia quét Với các trị đo tổng hợp đó tính được vị trí (tọa độ không gian) của các điểm trên bề mặt đất

Công nghệ LiDAR có nhiều tính năng vượt trội so với các công nghệ đo đạc truyền thống, nó có những đặc điểm cơ bản như:

- Độ chính xác xác định vị trí không gian của các đối tượng địa lý rất cao Độ chính xác độ cao < 20cm, độ chính xác mặt phẳng < 25cm

- Thời gian thu thập và xử lý dữ liệu cực nhanh Thời gian bay quét LiDAR với khoảng 1000km2 là khoảng 25-30 giờ, thời gian xử lý tạo DEM với 1000km2

là khoảng 10 ngày

- Không giống như các phương pháp đo ảnh hay đo đạc ngoài trời khác, công nghệ LiDAR chủ yếu là tự động hóa, ít có sự can thiệp trực tiếp của con người Thành quả dữ liệu rất khách quan, mức độ tin cậy cao

- Hệ thống LiDAR thu thập dữ liệu không phụ thuộc vào ánh sáng mặt trời, có thể thực hiện cả ngày và đêm, điều kiện thời tiết không đòi hỏi khắt khe

- Xung ánh sáng của hệ thống LiDAR có thể đi qua đối tượng vòm như tán cây, mặt nước, mái che kính, tấm ni lông mỏng … và phản xạ tới 4 lần Mỗi lần phản xạ là một mức truyền khác nhau và ghi nhận một giá trị tọa độ (XYZ) khác nhau Đây là một tính năng đặc biệt mà công nghệ đo vẽ ảnh khác không thể thực hiện được Với tính năng này việc thực hiện bay quét ở vùng rừng cây hoặc nơi có thực phủ không quá dày đặc vẫn có thể thi công và thể hiện được

bề mặt đất

- Điểm phân giải điểm đo chi tiết cao, khi đầu phát đạt 150.000 xung trên 1 giây,

độ cao bay 1000m thì mật độ khoảng 3 điểm trên 1m2 Hiện nay có nhiều hệ thống LiDAR có đầu phát đạt 240.000 xung trên 1 giây Công nghệ LiDAR với khả năng đo điểm trực tiếp ngoại nghiệp mật độ rất cao, độ chính xác lớn, tốc độ nhanh

- Điểm khống chế mặt đất rất ít, có thể chỉ 1 điểm cho mục đích cải chính DGPS Công nghệ LiDAR đặc biệt lợi ích là công cụ lý tưởng khi nó được áp dụng

cho các vùng xa xăm, hẻo lánh khi mà con người rất khó tiếp cận trong triển khai đo đạc ngoại nghiệp

- Công nghệ LiDAR ghi nhận được các giá trị mức phản xạ ánh sáng của các đối tượng trên mặt đất, dữ liệu này có thể được dùng để tạo ra ảnh cường độ xám, phân loại đối tượng, chiết xuất đối tượng trên mặt đất Đây là một đặc tính có giá trị gia tăng của dữ liệu LiDAR

- Một số hệ thống LiDAR ngoài chức năng đo quét trên mặt đất, còn có thể thực hiện chức năng đo sâu (hiện nay có thể đo sâu đến 40m)

- Tổ chức thi công đơn giản, gọn nhẹ hơn các phương pháp khác, số người cần tham gia rất ít (khoảng 10-15 người)

- Hiệu quả kinh tế rất cao khi ứng dụng công nghệ LiDAR cho mục đích thu thập dữ liệu không gian với yêu cầu thời gian ngắn, độ chính xác cao và mật

độ dày đặc [3]

1.2 Khả năng ứng dụng của LiDAR

Công nghệ LiDAR đã thể hiện nhiều ưu thế vượt trội hơn với các công nghệ khác trong việc đo đạc thành lập bản đồ, xây dựng cơ sở dữ liệu hay mô phỏng không gian ba chiều Các nguồn dữ liệu thu nhận được có thể được ứng dụng trong nhiều lĩnh vực khác nhau như giáo dục, viễn thông, theo dõi đánh giá khai thác mỏ, quân

sự, nghiên cứu lập bản đồ khu vực ngập lụt, dự báo thảm hoạ, bản đồ địa hình dải ven biển, quy hoạch đô thị, lập bản đồ đường dây tải điện,…

a) Khảo sát địa hình và lập bản đồ:

Kết quả đầu ra cơ bản là các mô hình số địa hình (DEM – Digital Elavation Model) và mô hình số bề mặt (DSM – Digital Surface Model) với độ phân giải và độ chính xác cao, LiDAR rất phù hợp để ứng dụng trong việc thành lập bản đồ tỷ lệ lớn, các ứng dụng liên quan đến phát triển hoặc quản lý duy trì hạ tầng cơ sở

Hình 1 2: Ứng dụng LiDAR trong khảo sát địa hình và lập bản đồ

Hình 1 4: Ứng dụng LiDAR trong lập bản đồ ngập úng

d) Các ứng dụng cho đới duyên hải:

Do dữ liệu LiDAR có độ chính xác cao cùng mật độ điểm dữ liệu dày đặc trong thời gian thu thập dữ liệu ngắn Dữ liệu này rất phù hợp cho các ứng dụng để quản lý và dự báo xói mòn bờ biển; giúp đánh giá và dự báo bồi lắng, quan trắc cũng như lập dự báo ngập lụt ven biển…

Hình 1 5: Ứng dụng LiDAR cho đới duyên hải

e) Địa hình ven biển:

Công nghệ LiDAR có thể giúp lập bản đồ địa hình đáy biển độ sâu tới 70m, hữu ích trong các dự án xác định luồng lạch tàu vào, thiết kế quy hoạch cảng và các kênh giao thông thuỷ

Hình 1 6:Ứng dụng LiDAR trong lập bản đồ địa hình ven biển

f) Trượt lở:

LiDAR có thể sử dụng để quan trắc và dự báo trượt lở, đặc biệt với ác sườn dốc, nhờ đặc điểm thu thập dữ liệu nhanh chóng với độ chính các cao và mật độ dữ liệu dày đặc Công nghệ này cũng có thể được sử dụng để đánh giá nhanh thiệt hại và thiết lập bản đồ thể hiện tình trạng hậu trượt lở nhanh chóng chính xác

Hình 1 7: Ứng dụng LiDAR trong quan trắc dự báo trượt lở

g) Các tuyến truyền tải:

LiDAR được áp dụng trong việc lập bản đồ các tuyến truyền tải trải dài, giúp thể hiện chính xác vị trí các tháp truyền tải hoặc cột điện, phân định địa hình của hành lang truyền tải và các loại đối tượng tồn tại trong hành lang (cây xanh…) giúp điều chỉnh, sửa chữa duy tu và thiết kế nâng cấp

Hình 1 8: Ứng dụng LiDAR trong lập bản đồ tuyến truyền tải

h) Lập bản đồ giao thông:

Công nghệ LiDAR thường được sử dụng để: quan trắc, giám sát, duy tu bảo dưỡng và quản lý các đối tượng như đường sắt, đường bộ, hệ thống tín hiệu biển báo, các trạm dừng đỗ, nhà ga bến cảng, sự xuống cấp mặt đường, điểm tai nạn, mật độ giao thông, bùng binh,… mà không cần làm gián đoạn các dịch vụ liên quan

Hình 1 9: Ứng dụng LiDAR trong lập bản đồ tuyến truyền tải

i)Mạng điện thoại di động:

Một trong những yêu cầu của việc quy hoạch và quản lý các mạng điện thoại

di động đó là cần có thông tin bề mặt địa hình, lớp phủ thực vật, các toà nhà và công trình một cách chi tiết Công nghệ LiDar xác định cơ sở dữ liệu chính xác và chi tiết các thông tin về các chướng ngại vật tự nhiên và nhân tạo là cực kỳ quan trọng

Hình 1 10: Ứng dụng LiDAR trong quy hoạch và quản lý mạng điện thoại di động

j) Lập mô hình đô thị và mô phỏng đô thị:

Lidar thường được ứng dụng để tạo ra mô hình thành phố ảo với nền địa lý và các công trình xây dựng, kiến trúc, như đô thị thực Mô hình này có thể được khai thác phục vụ rất nhiều đối tượng từ quy hoạch kiến trúc, xây dựng, giao thông Mô hình này cũng được chia sẻ dưới các cách linh động khác nhau như: ứng dụng desktop, ứng dụng web, sử dụng các chuẩn mở, dễ trao đổi và dễ cấu hình phù hợp với từng đối tượng sử dụng

Hình 1 11: Ứng dụng LiDAR trong lập mô hình đô thị và mô phỏng đô thị

1.3 Bài toán phân loại dữ liệu LiDAR

1.3.1 Khái niệm

Bản chất của công nghệ LiDAR là kỹ thuật đo dài laser, định vị không gian GPS/INS và sự nhận biết cường độ phản xạ ánh sáng Xung của laser được phát hướng xuống mặt đất trên một độ cao nào đó Sóng laser được phản hồi từ mặt đất hay từ các bề mặt đối tượng như là cây, đường hoặc nhà , với mỗi xung sẽ đo được thời gian đi và về của tín hiệu, tính được khoảng cách từ nguồn phát laser tới đối tượng Ở mỗi thời điểm phát xung laser, hệ thống định

vị vệ tinh GNSS sẽ xác định vị trí không gian của điểm phát, và hệ thống đạo hàng quán tính sẽ xác định các góc định hướng trong không gian của tia quét Với các giá trị đo tổng hợp đó sẽ tính được vị trí (tọa độ không gian) của các điểm trên bề mặt đất Một tín hiệu phát đi, sẽ có một hay nhiều tín hiệu phản

xạ Kết quả cuối cùng, sẽ có được đám mây điểm

Dữ liệu điểm của LiDAR sẽ được tiền xử lý sau khi hệ thống thu nhận được hệ tọa độ x, y, z có độ chính xác cao của đối tượng bằng cách phân tích thời gian tia quét phản xạ, góc quét, vị trí thu nhận từ GPS, và thông tin INS Thuộc tính của dữ liệu LiDAR ghi nhận được cho mỗi xung bao gồm: cường

độ, số lượng xung phản hồi, giá trị điểm phân loại, góc quét của đường bay chụp, giá trị RGB, thời gian định vị, góc quét và hướng quét

Bảng 1 Thuộc tính của dữ liệu LiDAR

1 Cường độ Độ đậm nhạt của xung dữ liệu LiDAR phản xạ ghi

nhận được từ điểm LiDAR

2 Số lượng xung

phản xạ

Tổng số lượng xung phản hồi

3 Điểm phân loại Mọi điểm LiDAR đều được phân loại trong quá

trình tiền xử lý để xác định được loại đối tượng phản xạ

4 Góc của đường

quét

Các điểm sẽ được ký hiệu với giá trị 0 và 1 Những điểm theo đường góc quét sẽ được gán giá trị là 1, những điểm còn lại được gán giá trị là 0

5 RGB Dữ liệu LiDAR có thể được gán với kênh phổ R,

G, B Giá trị này thường được thu nhận từ ảnh cùng thời gian với đo LiDAR

6 Thời gian định vị Giờ được thu nhận từ hệ thống GPS được phát ra

từ hệ thống không vận

7 Góc quét Giá trị của góc quét thường từ - 900 đến + 900

8 Hướng quét Hướng quét là hướng gương chụp laser đang di

chuyển tại thời điểm xung laser phát ra

9 x, y, z Tọa độ và độ cao của điểm phản xạ

Dữ liệu đám mây điểm LiDAR thường rất lớn, từ vài ngàn đến vài chục triệu điểm tùy thuộc vào độ rộng của khu vực đo vẽ và sự phức tạp của khu vực đo vẽ Định dạng đám mây điểm thường là las hay laz

1.3.2 Cơ bản về tệp tin LAS

Bộ dữ liệu LAS lưu trữ một hoặc nhiều tệp LAS trên đĩa, cũng như các tính năng bề mặt bổ sung Tệp LAS là định dạng nhị phân chuẩn công nghiệp để lưu trữ

dữ liệu LiDAR trong không khí Bộ dữ liệu LAS cho phép kiểm tra các tệp LAS, ở định dạng gốc, nhanh chóng và dễ dàng, cung cấp số liệu thống kê chi tiết và vùng phủ sóng của dữ liệu LiDAR chứa trong các tệp LAS.Một tập dữ liệu LAS cũng có thể lưu trữ tham chiếu đến các lớp đối tượng có chứa các ràng buộc bề mặt Các ràng buộc bề mặt là đường nét, đa giác nước, ranh giới khu vực, hoặc bất kỳ loại tính năng

bề mặt nào khác được thực thi trong bộ dữ liệu LAS

Bộ dữ liệu LAS cung cấp quyền truy cập ngay vào dữ liệu LiDAR mà không cần chuyển đổi hoặc nhập dữ liệu Các thuộc tính điểm LAS có thể được sử dụng để lọc ra nội dung và tượng trưng cho các điểm trong 2D và 3D Ngoài ra, dữ liệu LiDAR thường xuất hiện dưới dạng một nhóm tệp, tập dữ liệu LAS cung cấp khả năng xác định tập hợp các tệp LAS hợp lý để làm việc trong các dự án được bản địa hóa

Hình 1 12: Hiển thị dữ liệu trong tệp tin LAS

Bộ dữ liệu LAS tương tự như một tập dữ liệu địa hình với các chế độ xem trên

bề mặt, nhưng nó cũng có thể được sử dụng để xem điểm và không yêu cầu tiền xử

lý Người dùng không bắt buộc phải thực hiện bất kỳ quá trình xử lý nào để nhanh chóng hiểu dữ liệu LiDAR đang làm việc Có thể làm việc trực tiếp trên các tệp LAS, dưới dạng tập hợp hoặc dưới dạng tệp riêng lẻ Bộ dữ liệu LAS hỗ trợ đường viền hoặc các ràng buộc bề mặt khác sẽ được thêm vào mô hình bề mặt Nó được hiển thị

như một bề mặt hoặc một đám mây điểm, cho phép nhanh chóng đánh giá và hiểu dữ liệu LiDAR

Có thể hiển thị bất kỳ sai sót hoặc vấn đề dữ liệu nào một cách nhanh chóng

do hiển thị nhanh và phân tích thống kê Phân tích có thể được tiến hành trên mỗi và mọi tập tinLAS hoặc trên toàn bộ tập dữ liệu LAS Nếu có lỗi trong phân loại, có thể sửa đổi việc phân loại các tập tin LAS bằng cách sử dụng LAS Dataset 2D Profile View

Bộ dữ liệu LAS có thể mở rộng, cho phép làm việc với các đám mây điểm lớn một cách nhanh chóng và hiệu quả Đại diện bộ dữ liệu LAS tự động cập nhật khi xoay và thu phóng xung quanh màn hình Bộ dữ liệu LAS là một bổ sung tuyệt vời cho luồng công việc cho bộ dữ liệu địa hình và bộ dữ liệu mosaic, có thể xem nhanh các tệp LiDAR trước khi nhập, phân tích hoặc chia sẻ dữ liệu LiDAR

1.3.3 Phân loại đám mây điểm LiDAR trong tập tin LAS

Dữ liệu LiDAR được lưu trong tệp tin LAS thường là đám mây điểm Các đám mây điểm là tập hợp các điểm thể hiện hình dạng hoặc tính năng 3D Mỗi điểm có tập hợp các tọa độ X, Y, Z riêng và trong một số trường hợp có thêm các thuộc tính

bổ sung Các điểm LiDAR được lưu trữ trong các tệp LAS thường được phân thành các loại khác nhau bằng cách sử dụng các công cụ phân loại chuyên biệt bên ngoài ArcGIS Phân loại này thường được hoàn thành bằng cách đặt thông số dựa trên địa hình, sau đó chạy thuật toán trên đám mây điểm để xác định loại đối tượng được liên kết với mỗi điểm Mã phân loại được gán cho mỗi điểm được ghi vào tệp LAS và, trong hầu hết các trường hợp, tuân theo tiêu chuẩn ASPRS Khi phân loại tự động được thực hiện trên dữ liệu LiDAR, chúng thường không phân loại hoàn toàn tất cả các điểm một cách chính xác nhưng thường chính xác đến khoảng 90 phần trăm của các điểm Để đảm bảo rằng 100% các điểm LiDAR được phân loại chính xác, cần phân loại thủ công và dọn sạch dữ liệu Đây là một công việc rất tốn thời gian, và một

số nhà cung cấp có thể yêu cầu một chi phí bổ sung để thực hiện phân loại thủ công

Hình 1 13: Ví dụ về đám mây điểm LiDAR được hiển thị dưới dạng 3D

Phân loại đám mây điểm là quá trình phân chia các điểm thành các lớp điểm chuyên biệt như mặt đất, nước, thảm thực vật, xây dựng, đường dây điện…Phân loại

có thể là một hoạt động chuyên sâu xử lý và nhiều bộ dữ liệu LIDAR đã trải qua phân loại hạn chế Mặt đất hầu như luôn được bao gồm trong một tệp LAS, vì nó là cần thiết để tạo ra một DTM Các phiên bản thường dùng của định dạng LAS (1.2 và 1.3)

có 8 loại phân loại được xác định trước và có thể xử lý lên đến 32; phiên bản mới hơn (1.4), vẫn chưa được sử dụng rộng rãi, có khoảng 20 lớp được định trước và có thể

xử lý 256

Đám mây

điểm

LiDAR

Đánh giá độ chính xác

Hình 1 14: Quy trình phân loại đám mây điểm LiDAR

Việc phân loại đám mây điểm LiDAR thường được thực hiện theo quy trình sau:

Sau quá trình phân loại đám mây điểm LiDAR sẽ được sử dụng để thành lập DEM/DTM và được ứng dụng trong những bài toán cụ thể

1.4 Kết chương:

Với mục đích sử dụng triệt để các dữ liệu quét LiDAR, việc phân loại các lớp điểm theo từng lớp đặc trưng, theo mục đích nghiên cứu từng loại đối tượng, việc

“Nghiên cứu phương pháp phân loại dữ liệu LiDAR” sẽ góp phần mở rộng ứng

dụng công nghệ LiDAR trong nghiên cứu cấu trúc không gian của lớp phủ mặt đất Điều này là hoàn toàn cần thiết và mang tính thực tiễn cao, đặc biệt có ý nghĩa khi sử dụng công nghệ LiDAR trong nghiên các thảm thực vật, nghiên cứu sinh khối và tầng thứ của rừng đa tầng nhiệt đới, nghiên cứu bờ biển hay thay đổi của bề mặt phủ

CHƯƠNG 2:

MỘT SỐ KỸ THUẬT PHÂN LOẠI DỮ LIỆU LIDAR

2.1 Nghiên cứu liên quan đến sử dụng thuật toán MCC (Multiscale Curvature Classification) và K-Means trong phân loại dữ liệu LiDAR 2.1.1 Thuật toán MCC (Multiscale Curvature Classification)

Thuật toán MCC (Multiscale Curvature Classification) là thuật toán được sử dụng để phân loại đám mây điểm LiDAR 3D được phát triển bởi Moscow Forestry Sciences Laboratory, sử dụng chủ yếu để phân loại các tia phản xạ LiDAR trong môi trường rừng Thuật toán này được sử dụng để phân loại các điểm thành hai lớp là mặt đất (ground) và không mặt đất (non-ground) Đây là thuật toán phân loại đám mây điểm LiDAR tự động MCC là thuật toán lặp đa tỉ lệ để phân loại tín hiệu phản xạ LiDAR mà vượt quá ngưỡng độ cong của bề mặt, cách tiếp cận đa tỉ lệ sẽ xác định

độ lệch của các điểm cần phân loại với bề mặt trung bình và loại bỏ dần những điểm trên bề mặt khỏi nhóm mặt đất Quá trình phân loại bắt đầu bằng việc xác định xem các điểm thuộc những tia phản xạ đơn hay phản xạ cuối cùng cũng như phản xạ đầu tiên từ thực vật Thuật toán MCC sẽ tính toán bề mặt trung bình từ những điểm mặt đất đặc trưng bằng phép lặp TPS (Thin Plate Spline), sau đó sẽ hiệu chỉnh nó thông qua một lõi lọc Những tính năng của thuật toán MCC sử dụng để phân loại đám mây điểm LiDAR hỗ trợ cho quá trình lặp để tìm kiếm bề mặt thật của Trái đất với độ phân giải tương ứng với mẫu

Có bai cải tiến của thuật toán, đó là:

- Phép lặp TPS (Thin Plate Spline)

- Sử dụng cách tiếp cận đa tỉ lệ với bề mặt chuẩn được nội suy với các độ phân giải khác nhau

- Lũy tiến độ cong mở [6]