Dual Scheme Adaptive Slope-Based Filtering of Photogrammetric Point Clouds for Digital Terrain Model Generation

想象一下，你是一位试图绘制森林下方地面地图的制图师。你有一架在头顶飞行的无人机，它拍摄了成千上万张照片，并将它们缝合在一起，构建出一个世界的 3D 模型。这个被称为数字表面模型（DSM）的模型极其精细，但它有一个问题：它显示了一切，包括树木、建筑物和电线。要获得一张真正的地球本身地图——即数字地形模型（DTM）——你需要从数字层面“剥离”掉所有不属于地面的东西。这就像是在试图寻找蛋糕的形状，同时又要去掉所有的糖霜、装饰颗粒和蜡烛，却又不至于压扁下面的蛋糕。

挑战在于，地面并不总是平坦的。有时地面会有起伏，而那些“装饰颗粒”（如树木）可能和地面一样崎岖不平。旧的方法试图用一条单一的规则来应对所有情况：“如果它很陡，它就是建筑物；如果它很平，它就是地面。”但这就像是试图仅凭大小来对混合在一起的大理石和岩石进行分类；你可能会不小心扔掉一块小岩石，或者留下一个大鹅卵石。本文探讨了热带景观中混乱的现实情况，即茂密的植被与起伏不平的地形并存，这使得那些旧有的“一刀切”规则彻底失效。

双头过滤器：一种清理无人机地图的聪明方法

来自印度尼西亚苏门答腊理工学院的研究人员意识到，试图用一条规则来清理无人机拍摄的校园地图，就像试图用一把剪刀同时剪开精致的蕾丝和厚重的皮革。你要么会毁掉蕾丝，要么无法剪开皮革。因此，他们发明了一种“双重方案”（Dual Scheme）过滤器——一个聪明的系统，它就像俱乐部的保安，先检查你的身份证，然后根据你的外貌决定让你进入哪条队伍。

设置：充满线索的校园
团队驾驶无人机飞越了他们大学校园内 121 公顷的一块区域。这个区域是完美的实验场：它有 70 米高的山丘和谷地，有高大的多层建筑（带有平坦的屋顶），还有茂密且浓密的次生林。无人机从不同的角度（不仅是垂直向下，还有倾斜角度）拍摄照片，以构建一个分辨率为每像素 4.15 厘米的 3D 点云。这个精度足以看清每一块砖头和每一片叶子。

问题：“一刀切”的陷阱
传统的过滤器使用“基于坡度”的方法。它们观察一个位置有多陡。如果地面倾斜得很厉害，过滤器就会假设它是建筑物墙壁或树干并将其删除。如果坡度较缓，则将其保留为地面。但在一个既有陡峭山丘又有平坦建筑的地方，这种方法会失效。

• 如果你设定规则为“删除任何陡峭的部分”，你会误删真实的丘陵。
• 如果你设定规则为“保留任何陡峭的部分”，你会留下建筑物。

解决方案：两种规则对应两个世界
作者的大胆想法是在应用规则之前，先将地图分为两个区域。他们创建了两个“描述符”——特殊的地图，用于描述地面的纹理。

1. “粗糙度”图（方案 A）： 这观察一小块地面有多颠簸。想象一下用手触摸一个表面。森林冠层就像一块毛茸茸的地毯；它非常颠簸且不规则。而平坦的屋顶或铺设好的道路就像一张光滑的桌子。过滤器利用这种“粗糙度”来识别森林。在这些颠簸的区域，过滤器会变得“宽容”。它知道地下的地面可能很陡，因此它只删除那些极其陡峭的部分，从而保留真实的丘陵。
2. “边缘”图（方案 B）： 这寻找像建筑物轮廓那样的锐利线条。它使用了一种名为 Canny 边缘检测的技术，这就像是一幅高对比度的铅笔素描，只在事物发生剧烈变化的地方画出边界。平坦的屋顶内部是光滑的，但其周长具有尖锐、坚硬的边缘。过滤器利用这一点来寻找建筑物。在这些光滑的区域，过滤器会变得“严格”。它知道如果这里有陡峭的坡度，那几乎肯定是一面墙，所以它会立即将其删除。

过程：分类与平滑
一旦地图被划分为“颠簸森林区”和“光滑建筑区”，过滤器就会对每个区域应用正确的规则。

• 在森林中： 它保留陡峭的山丘，但移除树木。
• 在城市中： 它移除建筑物，但保留平坦的地面。

在“非地面”物体（树木和建筑物）被移除后，地图会出现空洞。这就像吃掉了蛋糕上的糖霜，留下了空白处。为了修复这个问题，团队使用了一种“混合插值”方法。想象你在毯子上有一个洞；你从边缘拉取线条来填补缺口。他们使用了两种方法：一种是从最近的邻居处提取，另一种是计算与周围所有点的距离平均值。最后，他们应用了一个“高斯平滑”过滤器，这就像用温热的熨斗轻轻按压织物，使缝隙变得不可见，确保真实地面与填充后的空洞之间的过渡看起来自然。

结果：一个基本有效的地图
团队通过他们在地面上测量的 12 个真实 GPS 点对新地图进行了测试。

• 好消息： 新地图的准确性极高。误差仅为 0.148 米（约 6 英寸）。这几乎与进行任何过滤前的原始无人机照片精度相当。这证明了他们的智能双规则系统并没有意外破坏真实的地面数据。
• 不足之处： 论文承认了一个局限性。在最大、最茂密的森林斑块中，无人机根本看不见地面。当过滤器移除树木时，留下了一个巨大的空洞。其“填充”方法必须猜测那个洞中间的地面长什么样。结果是一个过于平滑和平坦的表面，看起来像是一个坡道，而不是真实的、起伏不平的森林地面。

为什么这很重要
作者并不是在声称这是一种解决了世界上所有问题的完美方法。他们没有使用需要庞大计算机和训练数据的复杂人工智能或深度学习。相反，他们展示了通过仅仅观察世界的几何特征——它是如何粗糙的以及它的边缘在哪里——你可以创建一个比旧有的“单规则”系统更聪明的过滤器。

他们发现，对于具有混合地形（山丘、树木和建筑）的区域，你需要一种灵活的方法。你不能把陡峭的山坡和建筑物的墙壁同等对待。通过将问题拆分为两个区域并为每个区域使用正确的工具，他们成功创建了一个干净、准确的裸地地图，而无需昂贵的激光扫描仪或超级计算机。主要的启示是，虽然我们无法用相机看穿厚厚的丛林冠层，但只要我们承认自己的猜测仅仅是猜测，我们就可以在猜测地下情况时做得更加聪明。