周文明

(中國鐵路設計集團有限公司，天津 300251)

1 概述

目前，機載激光雷達技術已經(jīng)在鐵路勘察設計中廣泛應用，馮威等對機載激光雷達技術在鐵路勘測設計中專題要素提取關鍵技術進行詳細闡述[1-2]；也有大量研究人員針對基于機載LiDAR 點云的橫斷面制作技術開展了生產實踐[3-5]。 機載LiDAR 系統(tǒng)通常配備有數(shù)碼相機，可在獲取激光點云的同時獲得高分辨率彩色航空影像。 一方面，影像數(shù)據(jù)可以彌補LiDAR數(shù)據(jù)紋理表現(xiàn)上的缺陷；另一方面， LiDAR 數(shù)據(jù)也可以提高影像目標三維幾何信息的效率。 由于激光點云和影像數(shù)據(jù)之間具有很強的互補性，在道路提取、建筑物提取與建模以及橫縱斷面制作等領域有著廣泛的應用[6-8]。

在鐵路勘察設計中，利用機載激光雷達設計獲取的點云與影像結合開展地形圖制作已經(jīng)成為常用的作業(yè)手段，這種作業(yè)方式可以省去等高線繪制和高程點提取等工序，極大提高了工作效率。 然而，在生產實踐中，受數(shù)碼相機安置誤差等影響[9-10]，獲得航空影像的外方位元素易存在較大誤差，導致航空影像與激光點云之間無法很好套合。 由于點云與影像精度不一致，會出現(xiàn)DOM 扭曲過大、平面精度降低，地形與影像錯位等情況，導致三維場景平面發(fā)生移位，地形圖中等高線高程點位置存在偏差等問題，這些問題的存在削弱了影像數(shù)據(jù)的可靠性。 如何借助高精度的點云數(shù)據(jù)，提高影像外方位元素的精度，是需要解決的一個重要問題。

2 像控點自動提取方法

基于機載LiDAR 點云的像控點自動提取方法包含兩個主要技術:點云的分類處理與建筑物屋頂輪廓線提取。 基于TerraSolid 的像控點自動提取流程主要包括:航線匹配、重疊區(qū)刪除、地面點分類、植被分類、建筑物分類、建筑物輪廓提取、建筑物輪廓修整等步驟，整個處理流程環(huán)環(huán)相扣，前面的處理工序直接影響后續(xù)的處理結果，故每個步驟的處理參數(shù)都需要詳細設計。 基于機載LiDAR 點云的像控點自動提取的流程如圖1 所示。

圖1 機載LiDAR 點云像控點提取流程

2.1 機載LiDAR 點云的高精度分類

點云分類主要將地面點、植被點與建筑物點進行分類，其中，地面點與植被點分類主要為建筑物點的分類提供基礎，而建筑物點分離主要用于后續(xù)建筑物輪廓的提取，進而提取房屋角點坐標。 TerraSolid 軟件中的點云分類方法采用Axelsson 改進的迭代不規(guī)則三角網(wǎng)算法[11-13]:先將區(qū)域的點云數(shù)據(jù)構建一個初步的不規(guī)則三角網(wǎng)，通過配置相關參數(shù)(格網(wǎng)大小、分類區(qū)最大建筑物長度)，設定合理的閾值參數(shù)，將滿足閾值的點云歸入地面點，并不斷更新初始格網(wǎng)；然后根據(jù)新構建的三角網(wǎng)計算新的閾值條件，經(jīng)過不斷的迭代計算，對所有的未濾波的點云進行條件判斷；最終實現(xiàn)所有的點云濾波分類。

(1)地面點與植被點分類

分離地面點是整個分類過程中最重要的一步，當?shù)匦螚l件比較復雜時，應限制點云分塊的尺寸。 地面點分類的基本思路是:首先選擇分類區(qū)中高程較低的點，并設定迭代窗口的尺寸，以確定該窗口范圍內至少存在一個地面點，同時考慮分類范圍內最大建筑物尺寸，保證最大建筑物尺寸范圍內的最低點為地面點。如果處理區(qū)域為山地，則建筑物覆蓋面較小，可以將相關閾值調低，如果參數(shù)設置過大，容易將山頂?shù)孛纥c誤分為其他類別，導致山體失真；如果處理區(qū)域為城區(qū)，可將建筑物尺寸參數(shù)設置大一些，以避免無地面點情況。 因此，在不同地形條件下應設置不同的分類參數(shù)，并經(jīng)過反復試驗，以得到最優(yōu)的分類結果。

點云分類中，一般將植被點分為三類，分別為低植被、中等植被與高植被，其中，高植被中地物明顯高于地面，該類別中還包括建筑物及電力線等地物。 植被分類的具體思想為:對分類后的地面點構建一個初始的三角面模型，將其他類別的點云與該三角面模型進行比較，根據(jù)高差值的區(qū)間范圍，將地面點外的其他點云列入為三種不同高度的植被圖層。

按照上述點云分類流程，可以實現(xiàn)點云的全自動分類，圖2、圖3 為分類后的點云結果。

圖2 地面點和植被點分類結果(橘色為地面點，綠色為植被點)

圖3 分類結果剖面

(2)建筑物點分類

基于經(jīng)過地面點和植被點分類后的成果，對點云中的建筑物點進行分類，建筑物點云分類精度直接關系輪廓提取，其分類參數(shù)設計非常關鍵。 在生產應用中，一般認為建筑物高度大于3 m，利用上一步驟的分類結果，可以將建筑物從高植被類中提取出來。 針對規(guī)則建筑物來說，屋頂點云基本在一個平面上。 如果考慮屋頂不規(guī)則，或者屋頂變形，可以在參數(shù)中設置高程方向的閾值范圍，以優(yōu)化建筑物分類結果。

應根據(jù)不同的點云密度、質量及不同建筑物的形狀設置不同參數(shù)，在具體的項目過程中，為獲取相對準確的建筑物點云數(shù)據(jù)，需要反復調試不同的參數(shù)。 建筑物點云分類成果如圖4、圖5 所示，其中，紅色點云為建筑物，橘紅色點云為地面點，綠色點云為低矮植被與中等植被。

2.2 建筑物輪廓矢量化與房角點提取

經(jīng)過點云分類后，即可充分利用分類后的地面和建筑物的高程信息，實現(xiàn)建筑物輪廓的矢量化。 根據(jù)不同項目點云的數(shù)據(jù)情況，對點云間隔、平面容差、最小建筑物面積進行合理設置，如果需要比較詳細的房屋輪廓信息，局部最小面積的參數(shù)可以相應減小，但會增加數(shù)據(jù)處理的時間。 經(jīng)過該步驟，可以提取整個區(qū)域的建筑物外部輪廓和內部結構信息[14-16]，具體結果如圖6 所示。 利用點云提取的建筑物輪廓信息具有三維坐標。 因此，外部輪廓可采用三維立體模型的方式展示，為后續(xù)房角點位置精確確定提供更形象化的展示，同時將提取的建筑物三維模型應用于批量自動化建模中。 其三維立體顯示與三維模型如圖7、圖8所示。

圖4 建筑物點云分類后成果

圖5 分類結果剖面

圖8 建筑物三維模型展示

將生成的矢量邊界導出(DXF 格式)，根據(jù)航飛范圍的影像外方位元素，確定像控點的目標位置，將目標位置與自動生成的建筑物房屋矢量疊加顯示，提取目標范圍內的三維坐標，并將每個像控點坐標記錄在表格中，為后續(xù)的空三加密工序提供控制點成果。

3 精度對比分析

為真實評價該方法提取房角像控點的精度，以國外某鐵路航飛項目為試驗區(qū)，該鐵路位于南美洲境內，線路全長約400 km，80%以上線路經(jīng)過區(qū)域屬于山地，地形起伏較大、溝谷縱橫，以森林、林地、牧場、耕地為主，70%以上區(qū)域植被非常茂密。 采用OPTECH 設備獲取的點云數(shù)據(jù)，分別按照傳統(tǒng)手動提取像控點方法和自動方法提取項目中有實測像控點位置的房角點，并將兩種方法提取的坐標與外業(yè)實測數(shù)據(jù)進行對比分析。

(1)像控點坐標提取

首先對點云進行精細分類，對于每個目標位置，分別采用自動方法與傳統(tǒng)手動方式提取房角點坐標；然后將實測像控點坐標、手動提取坐標與自動提取坐標進行對比。 實驗中，共選擇33 處位置作為研究對象，選擇的33 個房角點坐標均采用GPS 快速靜態(tài)方式進行實地觀測。 圖9(a)、圖9(b)為基于點云數(shù)據(jù)采用自動方法識別建筑物輪廓的示例。 不同方法獲取的房角點坐標信息如表1 和圖10 所示。

圖9 建筑物輪廓自動矢量化示例

表1 實測坐標與手動/自動提取坐標對比 m

續(xù)表1

圖10 兩種方法提取坐標與實測的距離差統(tǒng)計

根據(jù)表1 和圖10 的數(shù)據(jù)，計算了手動方法提取像控點坐標與實測坐標的差值，兩者差值的均值為0.35 m，中誤差為0.39 m；自動方法提取的像控點與實測坐標兩者差值的均值為0.24 m，中誤差為0.28 m。

(2)綜合評價

在精度方面，根據(jù)兩種方法提取的像控點坐標與實測數(shù)據(jù)對比分析發(fā)現(xiàn)，自動方法與實測像控點坐標差值的中誤差為0.28 m，手動方法與實測像控點坐標差值的中誤差為0.39 m，自動方法較手動方法提取的坐標精度提高0.1 m 左右。 采用自動方法提取的房角點坐標與實測數(shù)據(jù)仍存在一定差值，除了自動方法在提取精度方面的原因外，點云的平面位置精度、點云的密度(影響較大)都是重要的影響因素。

在提取效率方面，兩種作業(yè)方式均需要對點云數(shù)據(jù)進行精細分類，故在點云分類步驟兩者的作業(yè)效率一致；在后續(xù)的房角點坐標提取中，手動方法需要采用手動矢量化建筑物邊界，交匯出房角點或采用剖面線的方式識別房角點坐標；而自動方式無需過多的人工參與，只需設置合理的參數(shù)，即可完成建筑物邊界矢量化，能夠同時獲取建筑物多個房角點位置，提供了更多的像控點選擇。 兩種方法作業(yè)效率如表2 所示，可以發(fā)現(xiàn)，自動方法比手動方法的作業(yè)效率能夠提高50%以上。

表2 兩種方法作業(yè)效率比較

4 結論

針對機載LiDAR 在鐵路工程應用中點云與影像平面位置精度不一致問題，基于高精度分類的點云數(shù)據(jù)，采用自動提取航飛范圍內的建筑物矢量方法，將建筑物角點作為像控點應用于影像空三加密工序中。 通過生產項目驗證，采用自動方法提取像控點平面位置精度較傳統(tǒng)手動方式提高0.1 m 左右，作業(yè)效率提高50%以上。 目前，該工序已經(jīng)廣泛應用于鐵路機載LiDAR 生產項目中，提高了內業(yè)生產效率，產生了顯著的經(jīng)濟效益。