黃昌狄葛中華杜浩強萬 斐
1浙江省測繪科學技術研究院,浙江 杭州,310012
目前,測繪成果質量檢驗仍以全站儀、RTK(real time kinematic)等傳統(tǒng)測量設備為主要數據采集手段,結合外業(yè)巡檢、內業(yè)輔助檢查等方式實現(xiàn)對測繪成果數學精度、地理精度、屬性精度等不同質量元素的評價。當前測繪成果質量評價手段存在外業(yè)占比高、數據采集效率低、工作環(huán)境艱苦等缺點。不斷增長的測繪產品質量檢驗需求、對新型測繪成果質量檢驗方式及方法的選擇、檢驗人員對降低工作強度和改善當前工作環(huán)境的愿景是當前測繪成果質量檢驗行業(yè)面臨的問題。車載移動測量系統(tǒng)等高新測繪技術裝備的不斷發(fā)展與實際運用,為測繪成果質量檢驗行業(yè)質量評價方式轉型、服務質量優(yōu)化、檢驗效率提升帶來契機。
車載移動測量系統(tǒng)與全站儀、RTK等傳統(tǒng)測量設備相比,具有精度高、速度快、工作強度低等優(yōu)點,近年來在大比例尺數字地形圖、三維模型等不同類型測繪產品生產中得以實際應用[1],但鮮有技術人員在測繪成果質檢領域展開相關技術應用研究。徐壽志、唐德利等[2-4]對車載移動測量系統(tǒng)檢校及精度評定、點云誤差分析等方面開展了研究。在測繪實際生產運用中,吳波等[5]將車載移動測量系統(tǒng)運用于大比例尺測圖工作,利用點云和影像數據進行大比例尺地形圖制作與檢查,與傳統(tǒng)測圖方法進行比較、驗證車載移動測量技術的可靠性及高效性;李俊等[6]在農村土地承包經營權確權工作中運用車載移動測量系統(tǒng),通過對測圖精度的估算分析并篩選出符合成圖精度的點云成果進行作業(yè),改變了原有作業(yè)方式,提升了工作效率;此外車載移動測量系統(tǒng)在三維建模[7]、城市部件[8,9]、地形圖修測[10]、高速公路改擴建[11]等測繪項目中也得以應用,實現(xiàn)了外業(yè)工作量的縮減及工作效率的提升。此外,曾卓、劉如飛等[12,13]對車載點云特性開展分析,提出基于建筑物角點的機載和車載點云數據配準方法,實現(xiàn)建筑物角點的有效提取。為此,本文采用車載移動測量系統(tǒng),基于大比例尺數字地形圖測繪成果質量檢驗工作內容及流程,結合點云精度符合數學精度評價要求的點云成果及地形圖約束的房角點、高程點精度檢測點自動化提取算法,提出一套全新的大比例尺地形圖數學精度快速評價方法。實驗表明,該方法降低外業(yè)數據采集工作強度,改善檢驗人員外業(yè)工作環(huán)境,提升測繪成果數學精度評價效率。
本文方法的主要原理是立足于大比例尺地形圖測繪成果質量檢驗流程,結合車載移動測量系統(tǒng)數據采集精度高、速度快等特性,首先采用車載移動測量系統(tǒng)完成對樣本范圍內道路兩側高精度三維點云的采集,結合車載軌跡及點云解算軟件完成數據解算;其次基于車載軌跡質量篩選,結合基于地形圖約束的精度檢測點自動提取算法,實現(xiàn)檢測點提取并實現(xiàn)精度評價。其主要流程如圖1所示。
圖1 方法流程圖Fig.1 Flow Chart of Method
數據采集與解算,即根據樣本分布和道路通達情況規(guī)劃采集線路并完成樣本區(qū)域內道路兩側高精度三維點云采集并完成數據解算工作。主要包含以下幾個步驟:
1)線路規(guī)劃。根據樣本地形圖道路兩側地物的分布及道路通達情況,規(guī)劃采集線路,確保在數據采集過程中系統(tǒng)無長時間失鎖情況同時樣本圖幅內有足夠的平面、高程精度檢測點。
2)基準架設或選取CORS(continuously operating reference stations)基準站?;诓杉肪€分布,在測區(qū)范圍的概略中心架設采集頻率為1 Hz的GNSS觀測站或選取測區(qū)附近的CORS基準站?;揪嚯x作業(yè)區(qū)域距離一般為20 km左右為宜,最遠不超過50 km,基站應同時接收存儲GPS、GLONASS、BeiDou等衛(wèi)星數據。
3)數據采集。完成車載移動測量系統(tǒng)初始化工作后,沿著采集路線完成數據采集工作。在系統(tǒng)初始化過程中適當延長IMU(inertial measurement unit)動態(tài)激活時長,盡可能縮小GNSS系統(tǒng)與IMU系統(tǒng)之間的誤差;在結束采集做靜態(tài)觀測之前也采用繞8字等形式進行動態(tài)激活,以提升軌跡解算精度。
4)數據解算。對基站數據、車載流動站GNSS及IMU數據進行差分解算,在解算過程中根據項目實際情況適當調整衛(wèi)星高度角、衛(wèi)星PDOP(position dilution of precision)值等參數,使數據采集路段的軌跡分離度盡可能小,最終生成三維激光點云,點云成果如圖2、圖3所示。
圖2 三維激光點云(俯視)Fig.2 3D Laser Point Cloud(Over Looking)
圖3 三維激光點云(側視)Fig.3 3D Laser Point Cloud(Side View)
車載軌跡質量篩選,即根據車載軌跡中質量因子的分布情況,結合實際項目經驗值,對車載軌跡分割以保留軌跡精度符合質檢要求的區(qū)間,最終實現(xiàn)不同精度點云的分離。
質量因子(Q值)是用以描述模糊度固定的和固定狀態(tài),即浮動/固定模糊度狀態(tài)和衛(wèi)星幾何狀況。質量因子的值域區(qū)間為1~6,其中1表示模糊度完全固定,2~3表示部分模糊度固定,4表示浮點解,5~6表示使用偽距,相關質量因子描述及三維參考精度如表1所示。
表1 質量因子及精度分布Tab.1 Quality Factor and Accuracy Distribution
在實際的檢驗項目中結合高精度平面、高程精度參考點對質量因子所反映的精度進行了驗算,結果表明質量因子為1和2時點云精度可靠、穩(wěn)定,當質量因子超過3時精度差且不穩(wěn)定,精度驗算折線圖如圖4所示。因此,在測繪成果檢驗中,對質量因子超過3的部分點云篩選并刪除,精度檢測點的提取作業(yè)在質量因子為2以內的點云內完成。
圖4 質量因子精度驗算結果折線圖Fig.4 Breakdown Chart of Quality Factor Accuracy Checking Results
特征點自動化提取,即基于地形圖房角點、高程點等位置約束條件,在高精度三維激光點云中實現(xiàn)精度檢測點的自動化提取,結合人工遍歷的方式核實精度檢測點提取的正確性。該環(huán)節(jié)主要包含平面及高程特征點自動化提取兩部分。平面特征點的自動化提取是基于地形圖約束的點云房角點自動提取,該技術是在地形圖中提取某房屋角點的兩條邊線進行緩沖分析,利用Ransac算法對緩沖區(qū)范圍內的點云進行平面擬合并進行空間相交運算,得到擬合房角點。該方法可有效提高房角點搜索的速度和準確性,房角點自動化提取示意圖如圖5所示。高程特征點的自動化提取是利用地形圖中高程點的平面位置構建緩沖區(qū)并與點云進行空間分析,得到相交點云點集,建立基于統(tǒng)計分析原理的篩選規(guī)則對相交點云的高程值進行篩選,得到目標高程點的高程值,高程點自動化提取示意圖如圖6所示。
圖5 房屋角點提取Fig.5 Corner Extraction of Houses
圖6 高程值匹配Fig.6 Elevation Matching
數學精度評價,即根據自動提取的平面、高程精度檢測點結合樣本地形圖,結合數學精度評價機制對樣本地形圖實現(xiàn)數學精度評定,該部分內容基于已有的數字地形圖精度統(tǒng)計軟件實現(xiàn)。
本次實驗以某山區(qū)1∶2 000大比例尺地形圖測繪成果檢驗項目為對象,共選取了6幅50 cm×50 cm的1∶2 000標準圖幅,圖幅內包含房屋、道路、山地等多種地物,樣例如圖7所示。分別采用全站儀、RTK等傳統(tǒng)方式和車載移動測量系統(tǒng)兩種方式對實驗樣本數據開展對比實驗。
圖7 1∶2 000樣本圖Fig.7 1∶2 000 Sample Diagram
選取的6幅樣本地形圖平面精度允許中誤差均為1.6 m,高程精度允許中誤差均為1.2 m。兩種實驗方式的樣本平面、高程精度對比圖分別如圖8、圖9所示。
圖8 平面精度對比圖Fig.8 Plane Accuracy Contrast Map
圖9 高程精度對比圖Fig.9 Elevation Accuracy Contrast Map
對比兩種實驗方式對樣本圖幅的平面、高程精度評定結果可知,兩種實驗方式精度評定結果相近,均能較好反應樣本圖幅的數學精度。實驗還表明,6幅樣本數據平面及高程精度檢測點采集工作采用傳統(tǒng)方式需兩人一天,采用車載測量方式只需兩人半天,工作效率提升2倍。
本文基于車載移動測量系統(tǒng),結合1∶2 000大比例尺地形圖測繪成果質量檢驗內容及流程,在地形圖中房屋角點、高程點等位置約束條件下提出平面、高程等精度檢測點的自動化提取算法,給出了基于車載移動測量系統(tǒng)的新型大比例尺地形圖數學精度評價方法,并與全站儀、RTK等傳統(tǒng)測量方式進行精度對比驗證其有效性。實驗結果表明,該方法能大幅提升大比例尺地形圖數學精度評價效率,改善檢驗人員工作環(huán)境,降低工作強度,為測繪成果檢驗方式提供新思路,為今后進一步開展車載移動測量系統(tǒng)應用研究拓寬新領域。