胡傳文

摘要：介紹了MMS系統(tǒng)在公路勘測(cè)中應(yīng)用的優(yōu)點(diǎn)，同時(shí)給出MMS數(shù)據(jù)后處理成圖的難點(diǎn)，及其解決的方案。通過計(jì)算機(jī)集群與算法置信度疊加方式完成了點(diǎn)云數(shù)據(jù)的分割、分類、識(shí)別、最終成為DLG圖。從而實(shí)現(xiàn)點(diǎn)云到DLG圖的全自動(dòng)化處理過程，為MMS在帶狀勘察中掃除了應(yīng)用障礙。

關(guān)鍵詞：MMS激光點(diǎn)云DLG公路勘測(cè)

中圖分類號(hào)：P2 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2012）08（c）-0025-02

公路MMS系統(tǒng)是一種基于汽車為載體的快速攝影測(cè)量系統(tǒng)，將激光測(cè)距儀、激光掃描儀、全球?qū)Ш叫l(wèi)星系統(tǒng)、慣性測(cè)量單元、距離測(cè)量單元以及CCD相機(jī)等傳感器集成于一體，利用激光測(cè)距原理和近景攝影測(cè)量原理，能夠快速掃描公路周邊場(chǎng)景得到三維點(diǎn)云數(shù)據(jù)的技術(shù)，具有作業(yè)速度快，外業(yè)工作量小、測(cè)量精度高、測(cè)量數(shù)據(jù)量大、自動(dòng)化程度高、最大限度真實(shí)地反映沿路帶狀地表情況等特點(diǎn)。如何快速把點(diǎn)云轉(zhuǎn)化為現(xiàn)有的勘察、設(shè)計(jì)、施工可用的DLG圖是點(diǎn)云應(yīng)用與現(xiàn)有業(yè)務(wù)流程對(duì)接，產(chǎn)生價(jià)值的的關(guān)鍵，本文在濱湖MMS系統(tǒng)采集的點(diǎn)云基礎(chǔ)之上，探討了構(gòu)建DLG制圖大數(shù)據(jù)處理工廠的流程和關(guān)鍵技術(shù)。

1濱湖MMS點(diǎn)云數(shù)據(jù)獲取系統(tǒng)

武漢濱湖電子有限責(zé)任公司隸屬于中國(guó)兵器裝備集團(tuán)公司，是一家大型電子裝備研制生產(chǎn)的高新技術(shù)企業(yè)。多年來一秉持“軍民結(jié)合，寓軍于民”發(fā)展戰(zhàn)略，由于其軍品領(lǐng)域和測(cè)繪行業(yè)具備同源特征，將其軍用技術(shù)有機(jī)應(yīng)用于測(cè)繪行業(yè)，一直是濱湖電子著力于測(cè)繪儀器裝備的目標(biāo)。公司通過自主研發(fā)，實(shí)現(xiàn)了MMS的系統(tǒng)設(shè)計(jì)、產(chǎn)品集成、技術(shù)開發(fā)、基礎(chǔ)工藝平臺(tái)建設(shè)。

本車集成高精度的POS與激光掃描儀系統(tǒng)與全景相機(jī)，可以進(jìn)行RBG彩色點(diǎn)云采集。

2公路行業(yè)的應(yīng)用現(xiàn)狀

20多年來，經(jīng)濟(jì)的快速發(fā)展使我國(guó)公路建設(shè)取得了令世人矚目的巨大成就，與此同時(shí)我國(guó)公路建設(shè)的模式正在發(fā)生巨大改變，由原來的平坦宜建的東部地區(qū)轉(zhuǎn)移到復(fù)雜難筑的西部地區(qū)，由新建公路向老路的改擴(kuò)建轉(zhuǎn)變，由國(guó)內(nèi)建設(shè)向國(guó)際市場(chǎng)進(jìn)軍。這些新形勢(shì)也帶來新問題，地形上山巒起伏、峽谷深邃、地貌復(fù)雜，道路設(shè)計(jì)上平面曲折、縱坡起伏、橫坡深峻、地質(zhì)條件復(fù)雜，建設(shè)條件艱巨、工程難度大、技術(shù)要高，工期越短。特別是我們?cè)趪?guó)際市場(chǎng)上承接的項(xiàng)目很多都是第三世界國(guó)家，這些國(guó)家的安全環(huán)境復(fù)雜，如果派駐大量測(cè)繪人員到實(shí)地勘測(cè)，安全保安成本就很高，而且不能保證萬無一失，一旦有極端勢(shì)力蓄意勒索或者部族沖突，加上我國(guó)的巨大國(guó)際影響力，很容易被這些第三方勢(shì)力選為攻擊目標(biāo)，除了巨大的經(jīng)濟(jì)損失外，還會(huì)造成很惡劣的政治影響。所以這些新發(fā)展態(tài)勢(shì)要求公路勘察設(shè)計(jì)部門必須尋求新的技術(shù)支撐體系。

MMS（移動(dòng)測(cè)量制圖系統(tǒng)）的出現(xiàn)，正為這些問題的提供了恰當(dāng)?shù)慕鉀Q方案。其同步采集高精度激光點(diǎn)云和高分辨率數(shù)碼影像數(shù)據(jù)，與地理信息技術(shù)結(jié)合，在公路建設(shè)中具有廣泛的用途。將該技術(shù)應(yīng)用在道路勘測(cè)設(shè)計(jì)中，可以降低成本，減輕外業(yè)人員勞動(dòng)強(qiáng)度，提高成圖精度和勘測(cè)技術(shù)含量，有效縮短線路工程勘測(cè)設(shè)計(jì)周期，并且大幅度提高內(nèi)業(yè)工作效率。

3DLG制圖工廠組成

點(diǎn)云應(yīng)用是帶動(dòng)MMS成功的關(guān)鍵?，F(xiàn)在點(diǎn)云采集回來以后展示效果是非常出色的，各個(gè)生產(chǎn)單位也都非常有感性的認(rèn)識(shí)，從原來從標(biāo)尺棱鏡測(cè)獨(dú)點(diǎn)到現(xiàn)在點(diǎn)云，的確是質(zhì)的飛躍。一個(gè)共識(shí)是點(diǎn)云未來可以成為某些勘察、設(shè)計(jì)、規(guī)劃等軟件直接利用的數(shù)據(jù)源，但目前點(diǎn)云的應(yīng)用，特別是與現(xiàn)在生產(chǎn)系統(tǒng)的對(duì)接，成為目前一個(gè)大家關(guān)注的焦點(diǎn)，特別是轉(zhuǎn)化為DLG圖，就可以使點(diǎn)云直接為現(xiàn)有的測(cè)繪生產(chǎn)服務(wù)了?，F(xiàn)有的點(diǎn)云成圖軟件大多以手工交互為主來生產(chǎn)DLG圖，效率還不是太高，有的軟件甚至采集一個(gè)坐標(biāo)點(diǎn)，需要從很多不同視圖來相互定位才能確認(rèn)一個(gè)點(diǎn)的位置，由于從點(diǎn)云中人工采集的不便，測(cè)量成圖的工作量，變成外業(yè)工作量降低了，內(nèi)業(yè)工作量上升的局面，致使點(diǎn)云的后處理應(yīng)用上，很多單位不敢大步前進(jìn)。

因?yàn)辄c(diǎn)云是一定蘊(yùn)含著完整的空間信息的，所以面對(duì)這么大數(shù)據(jù)量的點(diǎn)云數(shù)據(jù)，提取DLG圖，屬于典型的大數(shù)據(jù)挖掘領(lǐng)域，而大數(shù)據(jù)生產(chǎn)和挖掘目前算法逐步成熟，綜合上述情況，我院對(duì)于點(diǎn)云數(shù)據(jù)加工，組建了專業(yè)團(tuán)隊(duì)，針對(duì)點(diǎn)云到DLG的自動(dòng)轉(zhuǎn)換中的難點(diǎn)進(jìn)行攻關(guān)，取得了具有生產(chǎn)價(jià)值的解決方案LasAuto。

3.1 制圖數(shù)據(jù)工廠基礎(chǔ)設(shè)施

由于點(diǎn)云本身數(shù)據(jù)量就非常巨大，同時(shí)點(diǎn)云基本是以離散狀態(tài)存在，不具備天然的拓?fù)潢P(guān)系，導(dǎo)致其算法都需要大量的內(nèi)存與CPU資源，同時(shí)每個(gè)算法都不是全功能的可以解決所有的地物信息提取問題，在LasAuto確認(rèn)具有可信度的地物前，一般都是以至少兩種算法達(dá)到置信度后，才予以確認(rèn)。所以在自動(dòng)處理點(diǎn)云過程中，需要的內(nèi)存與CPU資源就遠(yuǎn)遠(yuǎn)突破單機(jī)所能承受的。為了能夠達(dá)到生產(chǎn)價(jià)值的解決方案，采用了集群方案（如圖2）。

3.2 制圖流程

3.2.1 數(shù)據(jù)融合識(shí)別地物

數(shù)據(jù)融合是指?jìng)鞲衅鞯臄?shù)據(jù)在一定準(zhǔn)則下加以自動(dòng)分析、綜合以完成所需的決策和評(píng)估而進(jìn)行的信息處理過程。利用傳感器所獲取的關(guān)于對(duì)象和環(huán)境全面、完整信息，主要體現(xiàn)在融合算法上。因此，選擇合適的融合算法。對(duì)于傳感器系統(tǒng)來說，信息具有多樣性和復(fù)雜性，因此，對(duì)信息融合方法的基本要求是具有魯棒性和并行處理能力。一般來說信息融合有層次結(jié)構(gòu)，本文所用方法為特征層融合，是指不同的特征數(shù)據(jù)源進(jìn)行識(shí)別的結(jié)果進(jìn)行融合如圖3所示，傳感器提供從觀測(cè)數(shù)據(jù)中提取的有代表性的特征，這些特征融合成單一的特征向量，然后運(yùn)用模式識(shí)別的方法進(jìn)行處理。

3.2.2 生產(chǎn)不同種類Level1待處理數(shù)據(jù)（圖4）

對(duì)于車采數(shù)據(jù)，需要經(jīng)過初步的預(yù)處理才能進(jìn)入正式的數(shù)據(jù)分類識(shí)別流程，預(yù)處理主要是依據(jù)POS系統(tǒng)的數(shù)據(jù)，結(jié)算點(diǎn)云中個(gè)點(diǎn)的實(shí)際位置，同時(shí)需要通過過濾器消除統(tǒng)計(jì)上的失敗點(diǎn)，為下一步算法處理提供良好的概率分布環(huán)境，為了加快點(diǎn)云數(shù)據(jù)的計(jì)算過程，還需要對(duì)點(diǎn)云進(jìn)行空間索引化，這里主要以三維的KD樹來建立。沿著車行方向，對(duì)于點(diǎn)云進(jìn)行均勻切割方面生產(chǎn)線分布式加工數(shù)據(jù)。

3.2.3 生產(chǎn)不同種類Level2數(shù)據(jù)（圖5）

Level2數(shù)據(jù)生產(chǎn)目的主要是從原始數(shù)據(jù)衍生出不同特征空間的數(shù)據(jù)，以便于下一步對(duì)于特征提取提供數(shù)據(jù)來源，主要是幀化的點(diǎn)云、DSM-Z、DSM-I，以及原始數(shù)據(jù)的金字塔，特別要說明的是原始數(shù)據(jù)也暗含在Level2數(shù)據(jù)中，很多算法，比如PCA實(shí)施的時(shí)候是以原始數(shù)據(jù)為特征空間的。

3.2.4 層次化的目標(biāo)分類數(shù)據(jù)（圖6）

目標(biāo)的內(nèi)容是層次化的，主要是先區(qū)分點(diǎn)云中地面點(diǎn)云構(gòu)成，并分化為路面與其他地面，后者可用來生成等高線，地面上，采用歐式生長(zhǎng)分割后用PCA特征化出 體、線、面特征，然后采用在不同空間提取特征，進(jìn)行融合決策的方法，把1∶1000地形圖圖式中出現(xiàn)的地物進(jìn)行循環(huán)偵測(cè)，找到各個(gè)地物。

4手工干預(yù)后處理

生產(chǎn)完畢DLG圖后，根據(jù)系統(tǒng)會(huì)給出分類取樣的置信度高低，作業(yè)人員將置信度低于閥值的點(diǎn)云空間位置調(diào)出，然后添加“視覺提示”模型，對(duì)比生成的DLG數(shù)據(jù)，檢驗(yàn)是否通過，如果不能通過，需要作業(yè)員手工補(bǔ)繪出相應(yīng)位置的地物。由于有了“視覺提示”模型，手工補(bǔ)繪也會(huì)很容易。

5具體案例

某公路設(shè)計(jì)院一起做200公里左右的國(guó)道改擴(kuò)建工程中的應(yīng)用，使用LasAuto作為內(nèi)業(yè)處理的解決方案，生成的一塊MinLas的DLG圖（如圖7）。

6結(jié)論

基于濱湖MMS采集的點(diǎn)云數(shù)據(jù)，經(jīng)過LasAuto生產(chǎn)線后可以自動(dòng)生成帶狀DLG圖，解決了目前點(diǎn)云采集后處理作業(yè)的內(nèi)業(yè)工作量過大的問題，為點(diǎn)云在公路行業(yè)中的應(yīng)用提供比較完備的內(nèi)業(yè)解決方案。下一步的改進(jìn)工作主要是一個(gè)是細(xì)化分類器，針對(duì)不同地物進(jìn)行試驗(yàn)與監(jiān)督分類，找到具有極高置信度的分類器，入庫。第二是針對(duì)不同地理區(qū)域的植被、建筑物等嘗試建立監(jiān)督或非監(jiān)督分類，提高屬性賦值的自動(dòng)化。第三是優(yōu)化分類器的執(zhí)行效率，減小成圖時(shí)間。

參考文獻(xiàn)

[1] 王耀南，李樹濤.多傳感器信息融合及其應(yīng)用綜述[J].控制與決策，2001，16（5）：518-521.

[2] 李圣怡，吳學(xué)忠，范大鵬.多傳感器融合理論及在智能制造系統(tǒng)中的應(yīng)用[M].長(zhǎng)沙：國(guó)防科技大學(xué)出版社.

[3] 張梅，張祖勛.基于微分不變量和區(qū)域增長(zhǎng)法的深度圖分割[J].計(jì)算機(jī)工程，2008，24（19）：15-17.

[4] 曾齊紅，毛建華，李先華，等.機(jī)載激光雷達(dá)點(diǎn)云的階層式分類[J].測(cè)繪科學(xué)，2008，33（1）：103-105.

[5] 王金亮，陳聯(lián)君.激光雷達(dá)點(diǎn)云數(shù)據(jù)的濾波算法述評(píng)[J].遙感技術(shù)與應(yīng)用，2010，25（5）：632-637.

[6] 代明睿，張曉鵬，李紅軍.基于高噪聲深度圖像的樹木模型重建[J].中國(guó)體視學(xué)與圖像分析，2010，15（2）：109-114.

[7] 龐旭芳，宋展.基于點(diǎn)云的谷脊線特征提取算法研究[J].先進(jìn)技術(shù)研究通報(bào)，2010，4（7）：33-38.

[8] 黃磊，盧秀山，陳傳法.基于激光掃描儀數(shù)據(jù)的建筑物立面特征信息提取[M].測(cè)繪科學(xué)，2006，31（6）：141-142.