◎周鵬穎 何卉 張學(xué)煒 吳靜媛 中國交通信息科技集團有限公司

1.內(nèi)河航道測繪數(shù)據(jù)類型

隨著我國內(nèi)河航運技術(shù)的快速發(fā)展，智能駕駛技術(shù)等需求，對準確的內(nèi)河航道三維結(jié)構(gòu)測繪提出重要需求，內(nèi)河航道三維結(jié)構(gòu)圖測繪是支撐智能航運的重要技術(shù)基礎(chǔ)。內(nèi)河航道三維結(jié)構(gòu)測繪的主要目的是通過水面和水下的測繪技術(shù)，繪制出河岸、水面以及水下河道的三維地形，得到航道的三維結(jié)構(gòu)，從而為計算航道通航能力、劃分航道等級、輔助航運調(diào)度等提供準確的航道信息基礎(chǔ)。為實現(xiàn)這一目的，現(xiàn)在我國已采用多種內(nèi)河航道的測繪手段，包括無人機、測繪船、多波束超聲測探、激光雷達、RTK技術(shù)等，以及上述技術(shù)結(jié)合的航道測繪手段。

目前主要的內(nèi)河航道三維結(jié)構(gòu)測繪手段包括以下四類，這其中（1）（2）類分別是基于無人機和測繪船的河岸和水面三維結(jié)構(gòu)采集方法，第（3）類基于測繪船的水下三維結(jié)構(gòu)采集方法，第（4）類是基于衛(wèi)星的河岸和水面三維結(jié)構(gòu)采集方法。

（1）無人機+RTK+視覺+雷達的水面、河岸結(jié)構(gòu)采集方法；

（2）測繪船+RTK+視覺+雷達的水面、河岸結(jié)構(gòu)采集方法；

（3）測繪船+激光雷達或單波束超聲、多波束超聲的水下三維結(jié)構(gòu)采集方法；

（4）基于衛(wèi)星影像的航道和岸邊結(jié)構(gòu)采集方法。

測繪數(shù)據(jù)主要包括原始數(shù)據(jù)類型、中間層特征數(shù)據(jù)類型和結(jié)果數(shù)據(jù)類型。表1總結(jié)了內(nèi)河航道三維結(jié)構(gòu)測繪的主要手段及測繪數(shù)據(jù)類型。

1.1 航道測繪的原始感知數(shù)據(jù)

如表1所示，航道測繪的主要手段包括通過無人機、測繪船攜帶多種類型傳感器，進行河岸、水面和水下航道結(jié)構(gòu)的測繪，同時包括基于衛(wèi)星圖像的河岸和河道的測繪。所以，航道測繪的原始感知數(shù)據(jù)主要包括無人機和測繪船攜帶的RTK傳感器返回的無人機、測繪船的位置和姿態(tài)信息；由圖像傳感器所返回的圖像信息；由雷達采集的雷達點云信息；由單波束或多波束超聲采集的超聲成像信息；由衛(wèi)星在不同的軌道位置采集的多視角的衛(wèi)星圖像等信息。

表1 內(nèi)河航道三維結(jié)構(gòu)圖測繪數(shù)據(jù)類型

1.2 中間層特征數(shù)據(jù)

在上述數(shù)據(jù)采集方法獲得原始數(shù)據(jù)之后，基于原始數(shù)據(jù)提取數(shù)據(jù)特征?；诓煌臄?shù)據(jù)類型，所提取的特征數(shù)據(jù)也不相同。其中基于圖像數(shù)據(jù)，提取的圖像特征主要包括不同特征點提取方法所提取的圖像特征點，例如ORB、SIFT特征等提取圖像中的角點為特征點，而目標檢測方法通過深度學(xué)習(xí)等方法檢測圖像中的目標。對于點云數(shù)據(jù)，提取的點云特征主要包括點云的目標檢測結(jié)果，點云中的平面特征點和點云中的邊界特征點。對于無人機和測繪船的運動特征主要提取無人機的運動軌跡、測繪船的運動軌跡和姿態(tài)。對于安裝在無人機和測繪船上的傳感器，主要提取傳感器的位置和姿態(tài)等。在基于衛(wèi)星的航道圖拍攝方法中，中間層特征數(shù)據(jù)主要是衛(wèi)星圖處理后獲得的圖像特征點，或圖像目標檢測所獲得的檢測目標的特征。

1.3 結(jié)果數(shù)據(jù)

各種采集方法所產(chǎn)生的結(jié)果的數(shù)據(jù)類型基本是一致的，都包含水面的3D結(jié)構(gòu)、水下的3D結(jié)構(gòu)以及語義航道圖。其中方法（3）由于只進行水下的三維結(jié)構(gòu)建圖，所以只產(chǎn)生水下3D結(jié)構(gòu)，方法（4）通過衛(wèi)星僅拍攝水面以上的環(huán)境，只建立水面3D結(jié)構(gòu)。

2.內(nèi)河航道測繪數(shù)據(jù)清洗方法

上述各類內(nèi)河航道三維結(jié)構(gòu)測繪方法所產(chǎn)生的多種類型的原始數(shù)據(jù)，在進行建圖計算之前，首先要進行數(shù)據(jù)處理，解決數(shù)據(jù)噪聲、數(shù)據(jù)不完整、數(shù)據(jù)偏差等問題，即數(shù)據(jù)清洗。根據(jù)數(shù)據(jù)類型的不同，數(shù)據(jù)清洗主要方法見表2。

表2 航運測繪數(shù)據(jù)的數(shù)據(jù)清洗問題與方法

2.1 位姿數(shù)據(jù)的清洗

對于無人機、測繪船、檢測傳感器的由RTK設(shè)備計算的位置和姿態(tài)數(shù)據(jù)，由于在橋梁或者兩岸的其它障礙物的遮擋環(huán)境下，RTK定位的結(jié)果可能存在較大的誤差，所以不能完全信任RTK的定位結(jié)果。為濾除定位的噪聲減小定位誤差，需要結(jié)合視覺、點云的檢測結(jié)果，利用SLAM（同步定位和建圖）方法，通過環(huán)境地圖中特征點的匹配和計算結(jié)果，反過來糾正RTK給出的位置誤差，通過這種方法消除姿態(tài)和位置數(shù)據(jù)的誤差影響。SLAM方法能夠利用感知數(shù)據(jù)，同步進行環(huán)境建圖和對無人機進行位置姿態(tài)的計算，所以其計算結(jié)果可以反饋修正RTK的定位結(jié)果。

2.2 圖像類數(shù)據(jù)的清洗

對于圖像類型數(shù)據(jù)，例如無人機、衛(wèi)星拍攝的圖像數(shù)據(jù)，常會存在圖像失焦、亮度異常、偏色、曝光過度、鏡頭畸變等問題。為解決這些問題需要首先對圖像數(shù)據(jù)進行預(yù)處理。

①圖像失焦主要表現(xiàn)為畫面模糊，衡量畫面模糊的主要方法是梯度的統(tǒng)計特征，通常梯度值越高，畫面的邊緣信息越豐富，圖像越清晰，所以可以通過圖像梯度檢測的方法檢測失焦。對于檢測失焦的圖像，可以采用去卷積和盲去卷積的方法，將失焦的模糊圖像重新對焦，獲得清晰的圖像。

②色偏檢驗一般將RGB圖像轉(zhuǎn)換到均勻色空間，即CIE1976L＊a＊b＊色空間，其中L表示光亮度、a是紅綠分量，b是藍黃分量。通常存在色偏的圖像，在a＊和b＊分量上的均值會偏離原點很遠，方差也會偏小，通過這種方法可以檢測色偏。亮度檢測與色偏檢測相似，計算圖片在灰度圖上的均值和方差，當(dāng)存在亮度異常時，均值會偏離均值點，通過計算灰度圖的均值和方差，就可評估圖像是否存在過曝光或曝光不足。對檢測存在色偏，可以通過將顏色向量的均值調(diào)回原點，消除色偏的影響。對檢測存在亮度異常的圖像，可以通過調(diào)整圖像整體的灰度值上移或者下移,使圖像整體變亮或者變暗，消除弱爆或者過曝光影響。

③鏡頭的畸變分為徑向畸變和切向畸變兩類，徑向畸變主要包括桶形畸變和枕形畸變兩種，切向畸變是由于透鏡本身與相機傳感器平面（成像平面）或圖像平面不平行而產(chǎn)生的。為解決畸變問題，可以通過學(xué)習(xí)5個畸變參數(shù)，將畸變的圖像矯正為正常的圖像。

2.3 點云數(shù)據(jù)的清洗

由激光雷達或單波束超聲、多波束超聲采集的航道3D結(jié)構(gòu)的點云數(shù)據(jù)，具有對光照不敏感、對紋理不敏感、測量更為穩(wěn)定的特點，但也存在著很大的噪聲問題。例如，對航道的水下結(jié)構(gòu)進行掃描時，受到水中懸浮物質(zhì)甚至魚的影響，掃描得到的水下激光點云或超聲點云存在很多噪點。這些噪點不能夠反映河床和河底的地形，需要在3D建模過程中進行濾除。現(xiàn)有點云濾噪的方法較多，主要包括以下幾點。

①直通濾波：直接濾除一些坐標在可行范圍之外的噪聲點或者離群點。適用于所有類型點云數(shù)據(jù)。

②高斯濾波（標準差去噪）：考慮到離群點的特征，可以定義某處點云小于某個密度，既點云無效。計算每個點到其最近的k個點平均距離來評估點云密度，從而濾除密度低的離群點，適用于較為稠密的雷達點云數(shù)據(jù)。

③聚類濾噪，例如基于DBSCAN的方法，基于密度進行聚類，將離群點濾除掉，適用于較為稠密的雷達點云和多波束超聲數(shù)據(jù)。

④體素濾波：將點云柵格化，每個柵格成為一個體素，非空體素越密集的地方信息越多，噪音點及離群點可通過離群的體素網(wǎng)格去除，適用于各種點云數(shù)據(jù)。

⑤半徑濾波：以某點為中心畫一個圓計算落在該圓中點的數(shù)量，當(dāng)數(shù)量大于給定值時，則保留該點，數(shù)量小于給定值則剔除該點，此算法運行速度快，依序迭代留下的點一定是最密集的，但是圓的半徑和圓內(nèi)點的數(shù)目都需要人工指定。

⑥KD-Tree：構(gòu)建KD樹，隨機取點求平均距離d，刪掉所有大于2d的點，適用于無序點云去噪，但這種方法復(fù)雜度較高。

3.內(nèi)河航道測繪數(shù)據(jù)清洗步驟

基于上述內(nèi)河航道三維結(jié)構(gòu)測繪的數(shù)據(jù)類型和清洗方法，我們總結(jié)和提出了內(nèi)河航道大數(shù)據(jù)的清洗步驟，如圖1所示。圖中，將位姿數(shù)據(jù)進一步分開姿態(tài)數(shù)據(jù)和位置數(shù)據(jù)，因為姿態(tài)傳感器存在零飄和溫漂等問題，所以對其單獨處理。從而將內(nèi)河航道測繪的原始數(shù)據(jù)劃分為四個類別：

圖1 內(nèi)河航道大數(shù)據(jù)清洗步驟

（1）由慣性感知單元（IMU）測量的無人機、測繪船的姿態(tài)數(shù)據(jù)；

（2）由RTK數(shù)據(jù)獲得的無人機和無人船的高精度坐標數(shù)據(jù)；

（3）河道和河岸的激光雷達數(shù)據(jù)與河床的超聲測量數(shù)據(jù)劃分為一類，主要是3D點云和3D超聲數(shù)據(jù)；

（4）由無人機或無人船車輛的河道和河岸的圖像數(shù)據(jù)與衛(wèi)星測量的圖像數(shù)據(jù)劃分為一類，同為圖像數(shù)據(jù)。

圖1中給出了各種類型數(shù)據(jù)的數(shù)據(jù)清洗方法。其中IMU數(shù)據(jù)由于存在零飄和溫漂的問題，所以先通過低通濾波濾除高頻噪聲，再通過零飄矯正和溫漂矯正消除噪聲影響。RTK數(shù)據(jù)一般比較精準，只是在衛(wèi)星信號被遮擋的時候，會產(chǎn)生定位誤差，可以通過Kalman濾波等方法，減小測量誤差。上述兩者輸入到多傳感器融合的內(nèi)河航道圖構(gòu)建的SLAM系統(tǒng)中，根據(jù)SLAM系統(tǒng)計算的傳感器的位置姿態(tài)，得到反饋和修正。

對于河道、河岸的激光雷達數(shù)據(jù)，以及水下測量的超聲數(shù)據(jù)，數(shù)據(jù)清洗的主要目的是減少離群噪聲點的影響，所以擬經(jīng)過點云噪聲處理的整個流程，消除離群點，提高數(shù)據(jù)的可靠性。

對于圖像數(shù)據(jù)，需要經(jīng)過失焦矯正、亮度矯正、色偏矯正、畸變矯正步驟，提高圖像的質(zhì)量。這些數(shù)據(jù)在經(jīng)過數(shù)據(jù)清理之后，進入基于多傳感器融合的內(nèi)河航道圖構(gòu)建的SLAM系統(tǒng)進行建圖和運算，SLAM系統(tǒng)提供無人機和測繪船的位置和姿態(tài)計算結(jié)果，用于修正測繪設(shè)備的位置和姿態(tài)。

4.結(jié)論

本文介紹了內(nèi)河航道測繪的多種數(shù)據(jù)類型的采集方法，采集的原始數(shù)據(jù)，中間層特征數(shù)據(jù)和結(jié)果數(shù)據(jù)類型。將內(nèi)河航道測繪的主要數(shù)據(jù)劃分為采集設(shè)備的位姿數(shù)據(jù)、點云類型數(shù)據(jù)和圖像類型數(shù)據(jù)。對不同類型的數(shù)據(jù)，總結(jié)了數(shù)據(jù)清洗方法，并給出了內(nèi)河航道測繪大數(shù)據(jù)清洗步驟。