張庭

摘要：當(dāng)前道路建設(shè)的增速趨勢和當(dāng)前道路勘測方法的效率低下產(chǎn)生了嚴(yán)重割裂，其矛盾日益加深，限制了當(dāng)前社會經(jīng)濟(jì)的發(fā)展速率。如何改進(jìn)道路勘測方法使其效率能跟上不斷增速的道路建設(shè)是當(dāng)前道路勘測所面臨的重要問題。選取貴州某地作為測區(qū)，采集無人機(jī)?LiDAR點(diǎn)云數(shù)據(jù)，對DEM?構(gòu)建環(huán)節(jié)中的點(diǎn)云數(shù)據(jù)濾波和數(shù)據(jù)內(nèi)插及?DEM?的應(yīng)用開展了一系列的研究和實(shí)驗(yàn)，通過構(gòu)建道路勘測中的立體?DEM，獲得道路斷面的數(shù)據(jù)，提高獲取道路勘測中的勘探精度和效率。

關(guān)鍵詞：濾波??LiDAR??無人機(jī)??DEM構(gòu)建

中圖分類號：P231

Exploration?of?the?Technology?of?Constructing?the?DEM?for?Road?Survey?by?UAV?LiDAR

ZHang?Ting

Geological?Exploration?Team，?Guizhou?Bureau?of?Coal?Geology，?Guiyang，?Guizhou?Province，?550001?China

Abstract：?The?current?growth?trend?of?road?construction?and?the?current?low?efficiency?of?road?survey?methods?have?caused?a?serious?separation，?and?their?contradiction?is?deepening，?which?limits?the?current?rate?of?social?and?economic?development.?How?to?improve?road?survey?methods?to?make?their?efficiency?keep?up?with?the?constantly?increasing?speed?of?road?construction?is?an?important?issue?faced?by?current?road?survey.?This?article?selects?a?certain?area?in?Guizhou?as?the?survey?area，?collects?UAV?LiDAR?point?cloud?data，?conducts?a?series?of?research?and?experiments?of?point?cloud?data?filtering?and?data?interpolation?in?the?process?of?constructing?the?DEM，?as?well?as?the?application?of?the?DEM，?and?obtains?the?data?of?road?sections?by?constructing?a?three-dimensional?DEM?in?road?survey，?so?as?to?improve?the?survey?accuracy?and?efficiency?in?road?survey.

Key?Words：?Filtering;?LiDAR;?Drone;?DEM?construction

無人機(jī)LiDAR是近年來發(fā)展較快的一種新型對地觀測技術(shù)，其將激光測距、計(jì)算機(jī)控制以及慣性測量等技術(shù)融為一體，利用無人機(jī)搭載設(shè)備，實(shí)現(xiàn)非接觸、遠(yuǎn)距離、高效率對地面點(diǎn)云數(shù)據(jù)采集[1]。數(shù)字高程模型（Digital?Elevation?Model，DEM）作為重要的基礎(chǔ)地理數(shù)據(jù)之一，已經(jīng)成為國家經(jīng)濟(jì)發(fā)展、全球戰(zhàn)略實(shí)施的核心，而隨著空間數(shù)據(jù)應(yīng)用的不斷擴(kuò)大，如何快速獲取高精度的DEM數(shù)據(jù)已經(jīng)成為測繪行業(yè)的熱點(diǎn)問題。

傳統(tǒng)的DEM主要依靠數(shù)字化地形圖或者空中三角立體測量技術(shù)制作，前者需要外業(yè)采集大量地形數(shù)據(jù)，一般使用RTK進(jìn)行外業(yè)數(shù)據(jù)采集，耗時耗力，并且對于復(fù)雜區(qū)域，人工無法到達(dá)，將導(dǎo)致部分DEM數(shù)據(jù)缺失；而后者包括航空攝影、攝影處理、地面測量（空中三角測量）、立體測量和制圖生產(chǎn)等過程，生產(chǎn)周期長，難以適應(yīng)當(dāng)前信息化社會需求[2]。作為新型的對地觀測技術(shù)，無人機(jī)LiDAR為DEM獲取提供了一種全新的技術(shù)手段，由于其能夠準(zhǔn)確地獲取地物的三維坐標(biāo)，具有航空攝影測量和地面常規(guī)測量的綜合優(yōu)勢，因此能夠?qū)?fù)雜的地形（地貌）精確形象地展示出來。

1?無人機(jī)LiDAR點(diǎn)云數(shù)據(jù)獲取

1.1?無人機(jī)LiDAR外業(yè)測量

本文利用無人機(jī)LiDAR技術(shù)獲取貴州某地地形數(shù)據(jù)，測量面積約5.65×105?m2，利用無人機(jī)LiDAR技術(shù)外業(yè)采集數(shù)據(jù)流程如圖1所示。

1.2?外業(yè)數(shù)據(jù)處理

為了生成測區(qū)的點(diǎn)云數(shù)據(jù)，還需對無人機(jī)LiDAR外業(yè)采集數(shù)據(jù)進(jìn)行進(jìn)一步處理。其主要處理工作有基站數(shù)據(jù)結(jié)算、POS數(shù)據(jù)解算、影像數(shù)據(jù)融合、點(diǎn)云坐標(biāo)轉(zhuǎn)換等[3]。數(shù)據(jù)處理流程如圖2所示。

1.3?點(diǎn)云數(shù)據(jù)去噪處理

獲得點(diǎn)云數(shù)據(jù)后，在對點(diǎn)云數(shù)據(jù)進(jìn)行相關(guān)處理應(yīng)用前，必須先進(jìn)行去噪處理。無人機(jī)LiDAR掃描作業(yè)過程中非常容易受到各種因素的干擾，產(chǎn)生各種各樣的噪點(diǎn)，此類噪點(diǎn)往往突兀于正常點(diǎn)云數(shù)據(jù)。為獲得更準(zhǔn)確的激光數(shù)據(jù)，需要進(jìn)行點(diǎn)云去噪處理[4]。

1.4?無人機(jī)LiDAR點(diǎn)云數(shù)據(jù)獲取結(jié)果

本文利用貴州某地獲取的點(diǎn)云數(shù)據(jù)來構(gòu)建DEM，其覆蓋面積約為5.65×105?m2，含有激光雷達(dá)點(diǎn)約3.72×107個，點(diǎn)云平均密度為65.791?per/m2，點(diǎn)的間距在0.01～0.18?m之間，測區(qū)最小高程為1021.568?m，最大高程為1059.159?m。原始點(diǎn)云如圖3所示。在測區(qū)中河西的沙灘區(qū)只有一些挖機(jī)、吊車等施工車輛和一些生長在沙土中的較稀疏的低矮灌木叢，其余地物類型較少；在河?xùn)|的生活區(qū)內(nèi)包括較多低矮密集的植被、路旁的行道樹、廠房建筑物、低矮棚戶區(qū)、廟宇、輸電塔和電線、防風(fēng)墻等地物。

2?點(diǎn)云數(shù)據(jù)濾波

在構(gòu)建DEM之前，需要進(jìn)行點(diǎn)云數(shù)據(jù)濾波去除掉不用的地物點(diǎn)數(shù)據(jù)。濾波的效果越好，構(gòu)建的DEM精度就越高。本文選用數(shù)學(xué)形態(tài)學(xué)濾波、布料模擬濾波和三角網(wǎng)迭代濾波來進(jìn)行對比實(shí)驗(yàn)。

2.1?數(shù)學(xué)形態(tài)學(xué)濾波結(jié)果

根據(jù)測區(qū)點(diǎn)云數(shù)據(jù)地形地物實(shí)際情況，本次數(shù)學(xué)形態(tài)學(xué)設(shè)置的格網(wǎng)大小為0.2，采取線性增加濾波窗口，初始窗口尺寸為3?m，最大窗口尺寸大小為35?m，地形斜率為0.3，初始高差閾值為0.5?m，最大高差閾值為2?m。

2.2?布料模擬濾波結(jié)果

布料模擬濾波算法進(jìn)行濾波時需要設(shè)置五個參數(shù)：格網(wǎng)分辨率、高差閾值、最大迭代次數(shù)、布料硬度和坡度后處理。格網(wǎng)分辨率就是布料格網(wǎng)的大小，設(shè)置過小，則布料模擬粒子數(shù)就會過多，會導(dǎo)致計(jì)算量過大[5]。設(shè)置過大則會導(dǎo)致布料格網(wǎng)過于粗糙，會將很多點(diǎn)云的屬性誤判。原則上格網(wǎng)分辨率應(yīng)和點(diǎn)云密度相當(dāng)或者是點(diǎn)云密度的2～3倍。本文設(shè)置為0.3?m；高差閾值是用來判斷將距離模擬布料多高的點(diǎn)判定為地面點(diǎn)的依據(jù)，本文設(shè)置為0.2?m；最大迭代次數(shù)，布料質(zhì)子運(yùn)動次數(shù)達(dá)到最大迭代次數(shù)時將會停止布料模擬，本文將迭代次數(shù)設(shè)置為500；布料硬度可以結(jié)合地形坡度的變化來確定布料剛性參數(shù)，一般來說，區(qū)域越平坦，則RI值需要越大，反之區(qū)域越陡峭，RI值需要越小。本文將RI值設(shè)置為2。坡度后處理是一個可開關(guān)選項(xiàng)，當(dāng)?shù)匦屋^陡峭時，需要進(jìn)行坡度后處理，當(dāng)?shù)匦屋^平坦時，則不需要進(jìn)行坡度后處理。本文開啟了坡度后處理。

2.3三角網(wǎng)迭代濾波結(jié)果

三角網(wǎng)迭代濾波算法主要參數(shù)有：最大建筑物尺寸，最大地形坡度，迭代角度和迭代距離。每個格網(wǎng)中都需要有一個地面點(diǎn)來作為種子點(diǎn)，所以最大的格網(wǎng)尺寸需要大于等于點(diǎn)云中最大建筑物尺寸[6]，根據(jù)測區(qū)實(shí)際情況，設(shè)置最大建筑物尺寸為35?m。最大地形坡度是改變地形地貌所允許的最陡坡度，以實(shí)際情況為準(zhǔn)，本文設(shè)置其為88°。迭代角度和迭代距離，待定點(diǎn)到三角網(wǎng)的角度和距離是否在迭代角度和迭代距離閾值范圍內(nèi)，將決定其能否被分為地面點(diǎn)并加入到三角網(wǎng)中。本文設(shè)置迭代角度為20°，迭代距離為0.5?m。

3?濾波精度評價(jià)

3.1?評價(jià)指標(biāo)

本文以廣泛使用的點(diǎn)云濾波評價(jià)指標(biāo)對實(shí)驗(yàn)成果進(jìn)行定量分析，其中主要有Ⅰ類誤差、Ⅱ類誤差和總誤差這三個誤差評價(jià)指標(biāo)。Ⅰ類誤差表示錯分地面點(diǎn)占總地面點(diǎn)的比例。Ⅱ類誤差表示錯分非地面點(diǎn)占總非地面點(diǎn)的比例。總誤差表示總的錯分點(diǎn)占總點(diǎn)的比例。

3.2?對比分析

本文為比對數(shù)學(xué)形態(tài)學(xué)濾波、布料模擬濾波、三角網(wǎng)迭代濾波這三種濾波算法對于不同地區(qū)的適應(yīng)性，選取了測區(qū)中廠房、密集低矮植被、防風(fēng)提和行道樹、帶有零散植被的小沙丘等8個具有不同地形特征和土地利用類型的樣本區(qū)域來進(jìn)行濾波精度評定。其參考數(shù)據(jù)是根據(jù)測區(qū)的航攝影像輔助進(jìn)行人工分類所獲得的。下面以密集低矮植被為例進(jìn)行對比說明。

如表1所示，在密集低矮植被區(qū)，三種濾波的Ⅰ類誤差都較小，沒有明顯的丟失地形現(xiàn)象。三種濾波的Ⅱ類誤差都較大，都出現(xiàn)明顯的將部分低矮植被歸為地面點(diǎn)的現(xiàn)象。其主要原因是密集低矮植被的根葉過于密集，激光沒有穿透植被，得到的植被點(diǎn)下沒有地面點(diǎn)，只有一層植被點(diǎn)，對于這類點(diǎn)，三種濾波方法只能靠其與周邊地面點(diǎn)的高差來進(jìn)行濾除，然而低矮植被本身就矮，部分低矮植被點(diǎn)與周邊地面點(diǎn)的高差在閾值范圍內(nèi)，導(dǎo)致三種濾波都難以將這類點(diǎn)給濾除，其中由于三角網(wǎng)迭代濾波除了高差閾值外還有一個角度閾值，對這類點(diǎn)的濾除效果比其他兩種濾波更好，這使得其Ⅱ類誤差是三種濾波中最小的。從總誤差來看，在本區(qū)域三角網(wǎng)迭代濾波較好于其他兩種濾波。

4?無人機(jī)LiDAR點(diǎn)云數(shù)據(jù)的DEM構(gòu)建

點(diǎn)云數(shù)據(jù)濾波完后得到地面點(diǎn)數(shù)據(jù)依舊屬于離散數(shù)據(jù)，同時濾波完后，部分區(qū)域還會出現(xiàn)空洞現(xiàn)象。所以需對地面點(diǎn)數(shù)據(jù)進(jìn)行內(nèi)插生成DEM?？紤]到效率和精度因素，本文選用線性三角網(wǎng)插值法來為點(diǎn)云構(gòu)建DEM。

4.1?點(diǎn)云構(gòu)建DEM

由于點(diǎn)云的數(shù)據(jù)量大，本文首先是利用地面點(diǎn)點(diǎn)云構(gòu)建了TIN，然后將TIN內(nèi)插生成柵格DEM。TIN是通過利用地面點(diǎn)數(shù)據(jù)構(gòu)建不斷連續(xù)的不規(guī)則三角面，以達(dá)到逼近真實(shí)地形。其能夠降低多余數(shù)據(jù)沉積，提高地形模擬的精度。

生成TIN后，由于地面點(diǎn)數(shù)據(jù)密度夠大，要生成的DEM中的每一像元都能有地面點(diǎn)數(shù)據(jù)對應(yīng)，所以對TIN進(jìn)行線性內(nèi)插就能生成逼近真實(shí)地貌的DEM。本文激光雷達(dá)點(diǎn)約3.72×107個，數(shù)據(jù)量大，線性三角網(wǎng)插值法有較快的插值速度，誤差低，能有效提高構(gòu)建DEM的效率。生成DEM如4所示。

4.2?DEM精度評價(jià)

為檢核DEM的精度，在測區(qū)范圍，利用GPSRTK測取檢核點(diǎn)，這些檢核點(diǎn)應(yīng)均勻分布于測區(qū)內(nèi)，數(shù)量適當(dāng)。將DEM與檢核點(diǎn)高程值對比，評價(jià)其精度。采用中誤差、平均絕對誤差、平均誤差作為數(shù)值指標(biāo)。計(jì)算結(jié)果表明，DEM的高程中誤差為0.024?m，最大高程差為0.050?m，滿足1：500地形圖高程精度要求。

5?結(jié)語

本文采用數(shù)學(xué)形態(tài)學(xué)濾波算法、三角網(wǎng)迭代濾波算法和布料模擬濾波算法三種濾波算法對點(diǎn)云數(shù)據(jù)進(jìn)行濾波，并對濾波結(jié)果進(jìn)行精度評價(jià)和對比分析。采用線性三角網(wǎng)插值法對濾波后點(diǎn)云進(jìn)行插值，生成DEM，并利用檢核點(diǎn)法對其進(jìn)行精度評價(jià)，高程精度滿足要求，對道路勘測中的勘探精度和效率起到有效提高的作用。

參考文獻(xiàn)

[1] 劉巍.機(jī)載LiDAR技術(shù)在黃河流域高精度精細(xì)DEM生產(chǎn)中的應(yīng)用[J].測繪技術(shù)裝備，2023，25（1）：95-100.

[2] 崔文化，侯恩兵，朱玉云.基于機(jī)載LiDAR系統(tǒng)的DEM生產(chǎn)實(shí)踐研究[J].測繪與空間地理信息，2022，45（8）：114-117.

[3] 宗銘銘.?基于激光雷達(dá)點(diǎn)云的復(fù)雜地形DEM構(gòu)建研究[D].桂林：桂林理工大學(xué)，2022.

[4] 袁養(yǎng)林.?基于機(jī)載LiDAR點(diǎn)云數(shù)據(jù)生成DEM和等高線研究[D].西安：長安大學(xué)，2021.

[5] 米川，褚寧，王紅奪.基于機(jī)載LiDAR技術(shù)的DEM生成方法研究[J].經(jīng)緯天地，2023?（1）：29-32.

[6] 陳建城.基于LiDAR點(diǎn)云精確快速修復(fù)面狀水域DEM[J].科技通報(bào)，2023，39（5）：25-28.