Nghiên cứu tách dữ liệu địa hình từ đám mây điểm LiDAR phục vụ thành lập dem - thực nghiệm tại quận Long Biên, Thành phố Hà Nội

Công nghệ LiDAR (Light detection and Ranging) là tổ hợp của các công nghệ đo Laser, GPS, INS đã làm nên cuộc cách mạng khoa học kỹ thuật trong ngành đo đạc bản đồ. Với ưu điểm là thời gian đo nhanh, mật độ chi tiết lớn và độ chính xác cao. Sản phẩm của LiDAR là đám mây điểm đo đồ sộ với các yếu tố địa hình và phi địa hình. Tách được dữ liệu địa hình LiDAR để thành lập DEM là công việc quan trọng, góp phần nâng cao độ chính xác độ cao địa hình và tăng hiệu suất công việc. Trong bài báo này tác giả đã sử dụng năm thuật toán để tiến hành lọc điểm cho 03 khu thực nghiệm có địa hình, địa vật khác nhau sau đó so với DEM chuẩn để có đánh giá cho từng địa hình cụ thể phù hợp, nghiên cứu góp phần nâng cao hiệu quả xử lý dữ liệu LiDAR.

GIỚI THIỆU

Công nghệ LiDAR bắt đầu được nghiên cứu từ những năm 1960 và phát triển trong những năm 1970, 1980 với các thử nghiệm tại Mỹ, Canada. Sau đó, với những tiến bộ của phương pháp đo GPS động và độ chính xác ngày càng tăng của công nghệ này khiến công nghệ LiDAR có tính áp dụng thực tế cao. Nhiều khảo sát chi tiết và chuyên sâu được tiến hành tại đại học Stuttgart (Đức) trong những năm 1988 - 1993 đã chứng minh khả năng đạt được độ chính xác cao của công nghệ LiDAR, đặc biệt trong công tác thành lập DEM và DSM. Các khảo sát này cũng đã làm sáng tỏ cơ sở lý thuyết và các tham số quan trọng của hệ thống LiDAR. Tuy nhiên mãi tới những năm 1995 - 1996 thị trường thương mại của công nghệ LiDAR mới thực sự có những bước phát triển đáng kể và cũng kể từ đó công nghệ này liên tục có những bước phát triển rất nhanh và có những tiến bộ vượt bậc về các tính năng của toàn bộ hệ thống nói chung cũng như của bộ thu phát laser (gồm tần số xung, tần số quét, năng lượng xung laser, độ cao bay chụp tối đa, độ chính xác vv...). Hiện nay công nghệ LiDAR đang dần tới mức hoàn thiện.

Ở Việt Nam, việc nghiên cứu ứng dụng chưa thực sự phổ biến vì lý do phổ cập công nghệ và các vấn đề liên quan như thiết bị và phần mềm xử lý đắt tiền, việc bay quét không đơn giản. Tổng công ty TN&MT đã tiến hành đo đạc nhiều khu vực trên cả nước, cùng nhiều nghiên cứu lý thuyết và thực nghiệm [1]. Sau này chắc chắn sẽ còn nhiều đơn vị mua máy đo LiDAR vì sự tiên tiến của công nghệ này trên thế giới. Hiện nay ở các trường Đại học đã đào tạo chuyên ngành trắc địa Bản đồ đều đưa môn học công nghệ LiDAR vào giảng dạy ở bậc đại học và cao học. Các tác giả của bài báo mong muốn đóng góp cho sự pháp triển của môn học này tại Đại học TN&MT Hà Nội qua những nghiên cứu lý thuyết, thực nghiệm về bóc tách dữ liệu địa hình để thành lập DEM.

DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Khu vực thực nghiệm

Trên khu vực nghiên cứu, dữ liệu đám mây điểm đo LiDAR thu thập được lựa chọn ba khu vực cơ bản có những tính chất địa hình khác nhau, có địa vật khác nhau, thuận lợi kiểm tra, dễ dàng tiếp cận trên thực địa và cơ bản giữ nguyên được hiện trạng như thời gian bay chụp cách đây 6 năm để tiến hành thực nghiệm.

Hình 1. Khu thực nghiệm (nền Google Earth Pro)

Khu vực 1: Thuộc đê và khu dân cư Thạch Bàn, cách cầu Vĩnh Tuy 300 mét về phía đông.

Khu vực 2: Là đường giao Đàm Quang Trung và Cổ Linh (cạnh Aeon Long Biên)

Khu vực 3: Nút giao Quốc lộ 5 cũ và đường Đàm Quang Trung

Dữ liệu

Hình 2. Hình ảnh đám mây điểm LiDAR khu 1
(Chiều rộng 370,84 m, chiều dài 566,63 m, số điểm đo LiDAR: 309.239 điểm)

Hình 3. Hình ảnh đám mây điểm LiDAR khu 2
(Chiều rộng 253,15 m, chiều dài 314,94 m,  số điểm đo LiDAR: 91.027 điểm)

Hình 4. Hình ảnh đám mây điểm LiDAR khu 3

(Chiều rộng 260,70 m, chiều dài 306,58 m, số điểm đo LiDAR: 114.445 điểm)

Các thuật toán lọc dữ liệu

Phép lọc đơn giản (Simple)

Theo [3] có nhiều thuật toán khác nhau để lọc điểm, với các đặc tính phức tạp và hiệu suất khác nhau, đã được đề xuất trong thực tế cho đến nay. Bộ lọc đơn giản nhất hoạt động bằng cách luôn lấy độ cao thấp nhất trong một khu vực nhất định làm điểm địa hình. Để thực hiện phép lọc này ta tiến hành chia khu vực đám mây điểm đo LiDAR thành các ô vuông hoặc hình chữ nhật. Sau đó tiến hành tìm kiếm và so sánh cao độ các điểm trong ô lưới, cao độ điểm thấp nhất được chọn là điểm địa hình.

Phép lọc ngưỡng độ cao với cửa sổ mở rộng (ETEW)

Độ cao giữa các điểm mặt đất thường khác biệt với độ cao ngọn cây và các tòa nhà trong một khu vực có kích thước giới hạn. Do đó, chênh lệch độ cao trong một khu vực nhất định có thể được sử dụng để phân tách các dữ liệu trong phép đo LiDAR mặt đất và không gian. Phương pháp ngưỡng độ cao sử dụng cửa sổ tìm kiếm mở rộng để xác định và xóa các điểm phi địa hình (Zhang và Whitman, 2005) [4] .

Đầu tiên, tập dữ liệu đám mây điểm LiDAR được chia thành một mảng các ô vuông theo mặt bằng với kích thước tùy chọn, sau đó tất cả các điểm, ngoại trừ độ cao tối thiểu, đều bị loại bỏ.

Đối với lần lặp tiếp theo, các ô được tăng kích thước và độ cao tối thiểu trong mỗi ô được xác định. Sau đó, tất cả các điểm có độ cao lớn hơn ngưỡng tối thiểu sẽ bị loại bỏ.

Quá trình được lặp lại với các ô và ngưỡng tăng kích thước cho đến khi không có điểm nào từ lần lặp trước bị loại bỏ. Đối với lần lặp thứ i, một điểm pi,j bị loại bỏ nếu:

Trong đó Zi,j là độ cao của điểm thứ j(pi, j) trong một ô, Zi,min là độ cao thấp nhất trong ô này và hi,T là ngưỡng độ cao. hi,T liên quan đến kích thước ô và được xác định bởi:

Với s là độ dốc địa hình tối đa được xác định trước và Ci là kích thước ô cho lần lặp thứ i. Trong triển khai hiện tại, kích thước ô Ci được nhân đôi sau mỗi lần lặp sao cho:

Trong đó : M là tổng số lần lặp.

Phép lọc sẽ dừng lại khi không còn điểm bị loại bỏ trong lần lặp thứ i.

Phép lọc độ dốc tối đa cục bộ (MSL)

Độ dốc địa hình sẽ khác với độ dốc giữa mặt đất, ngọn cây hay tòa nhà, nên độ chênh lệch độ dốc này có thể được sử dụng để tách các trị đo địa hình và phi địa hình khỏi bộ dữ liệu LiDAR. Vosselman (2000) [5] đã phát triển một bộ lọc xác định các trị đo mặt đất bằng cách so sánh các dải cục bộ giữa một điểm LiDAR và các điểm lân cận của nó.

Phủ một lớp lưới hình chữ nhật trên tập dữ liệu LiDAR và tạo một mảng 2D có các phần tử đại diện cho các điểm đặc trưng trong các ô của lưới che phủ tập dữ liệu. Mỗi phép đo điểm pj(xj, yj, zj) từ tập dữ liệu LIDAR được gán vào một ô theo tọa độ x và y của nó. Nếu có nhiều hơn một điểm đặc trưng vào cùng một ô, thì điểm có độ cao thấp nhất được chọn làm thành phần mảng.

Điểm khảo sát LiDAR, p0(x0, y0, z0), được phân loại là phép đo mặt đất nếu giá trị tối đa (s0,max) của độ dốc giữa điểm này và bất kỳ điểm nào khác (pj) trong bán kính R cho trước nhỏ hơn ngưỡng xác định trước (s):

p0 điểm địa hình nếu s0,max <s

Trong đó: s0,j là độ dốc giữa p0 và pj ; xj và yj là tọa độ phẵng của pj và zj là độ cao .

Phép lọc TIN di động (ATIN)

Bộ lọc TIN di động sử dụng khoảng cách điểm trên bề mặt TIN để chọn điểm mặt đất từ bộ dữ liệu LiDAR. Bộ lọc này được phát triển bởi Axelsson (2000) [6] và được triển khai trong phần mềm xử lý dữ liệu LiDAR thương mại TerraScan (www.terrasolid.fi). Cách thức thực hiện thuật toán như sau:

Chia tập dữ liệu thành một mảng các ô vuông và các điểm trong một ô có độ cao thấp nhất được chọn là các hạt giống của tập dữ liệu điểm mặt đất. Kích thước của một ô vuông được đặt là lớn hơn kích thước tối đa của các đối tượng địa vật trong khu vực nghiên cứu. Một TIN được xây dựng bằng cách sử dụng các điểm hạt giống dựa trên thuật toán tam giác Delauney.

Kiểm tra các điểm phía trên mỗi tam giác của TIN về khoảng cách của chúng với bề mặt tam giác, góc lớn nhất của 3 góc giữa bề mặt tam giác với các đường nối giữa điểm xét và các đỉnh của tam giác. Nếu khoảng cách và góc của một điểm nhỏ hơn ngưỡng được xác định trước, điểm đó sẽ được thêm vào tập dữ liệu điểm mặt đất. Ngưỡng góc được sử dụng để kiểm soát điểm gần với điểm mặt đất (khoảng cách bé hơn ngưỡng) nhưng có độ dốc lớn. Để xử lý điểm trên địa hình dốc như vách đá, khoảng cách của điểm đối xứng đến bề mặt tương ứng cũng được sử dụng trong quá trình chọn điểm mặt đất.

Các bước tiếp theo, TIN mới được tạo với các điểm mặt đất mới, và quá trình lọc tiếp tục, phép lọc sẽ dừng lại khi không có điểm mới nào được thêm vào tập điểm địa hình.

Bộ lọc hình thái lũy tiến (PM)

Hình thái toán học sử dụng các hoạt động dựa trên lý thuyết tập hợp để trích xuất các tính năng từ hình ảnh. Zhang và cộng sự (2003) [7] đã phát triển bộ lọc hình thái lũy tiến (PM) để loại bỏ các điểm phi địa hình khỏi bộ dữ liệu LiDAR. Họ đã sử dụng cách tăng dần kích thước cửa sổ và sử dụng các ngưỡng chênh lệch độ cao, bộ lọc PM sẽ loại bỏ các điểm đối với các vật thể có kích thước như nhau trong khi vẫn bảo tồn dữ liệu mặt đất. Quy trình của bộ lọc hình thái lũy tiến như sau:

Phủ một lưới hình chữ nhật trên tập dữ liệu LiDAR. Mỗi ô chứa một trị đo điểm của độ cao thấp nhất trong số các điểm có tọa độ nằm trong ô. Kích thước ô thường được chọn là nhỏ hơn hoảng cách trung bình giữa các trị đo LiDAR để hầu hết các điểm LiDAR được bảo tồn. Nếu không có trị đo nào tồn tại trong một ô, nó được gán giá trị của điểm gần nhất. Độ cao của các điểm trong các ô tạo thành một bề mặt gần đúng ban đầu.

Thực hiện thao tác mở (xói mòn+giãn nở) trên bề mặt ban đầu để lấy được bề mặt thứ cấp. Chênh lệch độ cao (dhi,j) của một ô j giữa các bề mặt trước (i-1) và hiện tại (i) được so sánh với ngưỡng dhiT để xác định xem điểm pj trong ô này có phải là phép đo phi địa hình không. Ngưỡng dhiT được xác định bởi:

Trong đó là ngưỡng chênh lệch độ cao ban đầu gần bằng sai số của phép đo LiDAR (0,2-0,3 m), là ngưỡng chênh lệch độ cao lớn nhất, s là độ dốc địa hình tối đa được xác định trước, c là kích thước của ô lưới và wi là kích thước cửa sổ lọc ở lần lặp thứ i.

Tăng kích thước cửa sổ lọc và mô hình bề mặt có được từ bước thứ hai sử dụng làm đầu vào cho thao tác mở tiếp theo. Bước thứ hai và thứ ba được lặp lại cho đến khi kích thước của cửa sổ lọc lớn hơn kích thước tối đa được xác định trước của các địa vật.

Đánh giá độ chính xác

Để đánh giá chất lượng DEM có thỏa mãn yêu cầu về độ chính xác hay không có thể tiến hành bằng hai giải pháp [10]:

1- Đánh giá chất lượng sau khi thành lập DEM dựa vào lưới điểm kiểm tra thực địa hay còn gọi là đánh giá độ chính xác tuyệt đối (exterior accuracy).

2 - Đánh giá chất lượng DEM qua từng bước thực hiện hay còn gọi là đánh giá độ chính xác nội bộ (interior accuracy).

Độ chính xác thành lập DEM bằng công nghệ LIDAR phụ thuộc các yếu tố sau:

+ Độ chính xác xác định toạ độ thực địa điểm quét laser (đám mây điểm)

+ Mô hình toán học xây dựng DEM

+ Mật độ điểm quét laser

+ Mức độ phức tạp của địa hình

Đánh giá chất lượng DEM dựa trên giải pháp thứ nhất có thể được thực hiện dựa trên các tiêu chuẩn như: Sai số trung bình (6) - (Mean Error - ME), sai số trung bình tuyệt đối (7)- (Absolute Mean Error - AME), sai số trung phương (8) -(Root Mean Square Error - RMSE), độ lệch chuẩn (9) - (Standard deviation -SD). Nếu DEM mới xây dựng cần đánh giá chất lượng có độ cao yi còn DEMchuẩn có độ cao là xi tại cùng một điểm xét là i; [8,1,2,9]:

THÀNH QUẢ

Mô hình DEM được xây dựng trên dữ liệu lọc ở phần (2.3) bởi ứng dụng LASedit Utility của phần mềm Cloud Peak Software, Version 1.15.1.

Thảo luận

Khu vực 1 - Đây là khu vực dân cư đô thị, nhà cửa không quá lớn nhưng san sát nhau, ngoài ra còn nhiều cây cối, địa vật như cột điện, cột đèn, cột ATM... Thuật toán lọc điểm phải có khả năng thay đổi ngưỡng để loại được các loại địa vật. Thuật toán lọc điểm hình thái lũy tiến PM thể hiện ưu điểm nhất, sau đó là thuật toán ngưỡng cao với cửa sổ mở rộng và thuật toán Tin di động ATIN còn thuật toán MSL và Simple không phù hợp.

Khu vực 2 - Khu vực địa hình bằng phẳng hơn, ít địa vật hơn, nhìn chung các thuật toán đều phù hợp. Qua kết quả thực nghiệm cho thấy về độ tin cậy, các thuật toán đều đều thể hiện sự tương đồng, thuật toán MSL có độ tin cậy cao nhất. Với các cá nhân không có phần mềm thương mại có thể sử dụng thuật toán đơn giản để thuận tiện cho việc tính toán, có thể tính toán trên Excel.

Khu vực 3 - Khu vực có địa vật chủ yếu là cầu và đường giao thông, đây là địa vật đặc biệt vì chiều rộng không quá lớn nhưng chiều dài theo tuyến, độ cao thay đổi theo độ dốc của đường, thuật toán lọc tốt phải có độ nhạy linh hoạt. Qua thực nghiệm ta thấy thuật toán tỏ ra có ưu thế nhất là ATIN, các thuật toán PM, MSL, ETEW ở mức trung bình, thuật toán Simple không phù hợp.

KẾT LUẬN

Tách dữ liệu địa hình từ dữ liệu đo LiDAR để thành lập DEM là công việc khá phức tạp, tốn nhiều thời gian, công sức, ảnh hưởng tới chất lượng sản phẩm đo đạc bản đồ. Với khối lượng dữ liệu đồ sộ không thể làm thủ công mà phải sử dụng phần mềm. Việc sử dụng phần mềm nào, thuật toán nào tùy thuộc vào nhiều điều kiện khác nhau tuy nhiên điều quan trọng là phải phù hợp với địa hình và địa vật khu vực khảo sát. Với khu vực dân cư đô thị nên chọn thuật toán PM, khu vực thông thoáng, địa hình ít phức tạp chọn thuật toán MSL, khu vực nút giao thông, cầu nhiều tầng nên chọn thuật toán ATIN.

Lời cảm ơn: Các tác giả bài báo xin cảm ơn Xí nghiệp Bay chụp và Đo vẽ ảnh - Tổng công ty TN&MT Việt Nam đã cung cấp số liệu thực nghiệm, và người đọc duyệt bài báo đã giúp đỡ các tác giả hoàn chỉnh bài báo tốt nhất.

Tài liệu tham khảo

[1] Cáp Xuân Tú, (2011). Nghiên cứu ứng dụng công nghệ tích hợp LiDAR và máy ảnh số trong thành lập cơ sở dữ liệu mô hình số độ cao và bình đồ trực ảnh tại Việt Nam. Luận án tiến sỹ kỹ thuật - Đại học Mỏ Địa Chất.

[2] Đỗ Văn Dương, (2018). “ Nghiên cứu phương pháp nhận dạng tự động một số đối tượng và xây dựng cơ sở dữ liệu 3D bằng dữ liệu ảnh thu nhận từ thiết bị bay không người lái”. Luận án tiến sỹ kỹ thuật - ĐH Mỏ địa chất.

[3] Jie Shan, Charles K.Toth (2008). Topographic laser ranging and scaning Principles and Processing. CRC press

[4] Keqi Zhang, Dean Whitman (2003). Comparison of Three Algorithms for Filtering Airborne LiDAR Data. Photogrammetric Engineering and Remote Sensing - March 2005.

[5] Vosselman, G., 2000. Slope base filtering of laser altimetry Data. International Archives of Photogrammetry and Remote Sensing, Vol. XXXIII, Amsterdam

[6] Axelsson, P., 2000. DEM generation from laser scanner data using adaptive tin models. International Archives of Photogrammetry and Remote Sensing, XXXIII, Part B4, 110-

[7] Keqi Zhang, Shu-Ching Chen,..(2003). A Progressive Morphological Filter for removing Nonground Measurements From Airborne LIDAR Data. IEEE Transactions on geoscience and Remote sensing, VOL.41 No. 4, April 2003.

[8] Zhang K., Daniel G., Michael R., Himadri B., Yuepeng Li , Jamie R. 2019. Comparison of TanDEM-X DEM with LiDAR Data for Accuracy Assessment in a Coastal Urban Area . Remote Sensing MPDI

[9] Veneziano D. (2002), Accuracy Evaluation of LIDAR-Derived Terrain Data for Highway Location, Center for Transportation Research and Education Iowa State University

[10] Lê Minh, Lương Chính Kế (2008). Cơ sở đánh giá độ chính xác DEM thành lập bằng công nghệ LiDAR. Đặc san Viễn Thám và Địa tin học số 4 -06/2008.

ĐINH XUÂN VINH, CAO MINH THỦY

Đại học Tài nguyên và Môi trường Hà Nội