繆志修 羅遠(yuǎn)剛

摘? 要：隨著無人機(jī)技術(shù)的不斷發(fā)展，無人機(jī)數(shù)碼航測(cè)技術(shù)和無人機(jī)LiDAR技術(shù)在測(cè)量領(lǐng)域的應(yīng)用越來越廣泛。為分析無人機(jī)LiDAR點(diǎn)云和無人機(jī)影像匹配點(diǎn)云2種點(diǎn)云的差異，該文通過對(duì)西南某鐵路一個(gè)測(cè)區(qū)在同一飛行高度的情況下同時(shí)進(jìn)行無人機(jī)數(shù)碼航攝及無人機(jī)LiDAR航攝2種方式航攝。對(duì)2種不同的攝影方式獲取的點(diǎn)云進(jìn)行比較，分析出2種方法獲取點(diǎn)云在形態(tài)表現(xiàn)、濾波分類，以及利用2種點(diǎn)云制作DEM高程精度方面的差異，為實(shí)際工程航飛方式的選擇提供一個(gè)參考。

關(guān)鍵詞：無人機(jī)LiDAR點(diǎn)云；無人機(jī)匹配點(diǎn)云；濾波分類；DEM；點(diǎn)云數(shù)據(jù)

中圖分類號(hào)：V279+.2? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ? 文章編號(hào)：2095-2945（2024）19-0086-05

Abstract： With the continuous development of UAV technology， UAV digital aerial survey technology and UAV LiDAR technology are more and more widely used in the field of measurement. In order to analyze the difference between UAV LiDAR point cloud and UAV image matching point cloud， this paper simultaneously carries out UAV digital aerial photography and UAV LiDAR aerial photography at the same flight altitude in a survey area of a railway in southwest China. This paper compares the point clouds obtained by two different photography methods， and analyzes the differences between the two methods in morphological performance， filter classification and DEM elevation accuracy using two kinds of point clouds， so as to provide a reference for the selection of practical engineering flight methods.

Keywords： UAV LiDAR point cloud; UAV matching point cloud; filtering classification; DEM; point cloud data

近年來，隨著無人機(jī)技術(shù)的不斷發(fā)展，無人機(jī)航攝因其飛行靈活、航攝成本低等特點(diǎn)已經(jīng)廣泛被應(yīng)用于地形圖的測(cè)量工作。無人機(jī)航測(cè)點(diǎn)云主要是通過影像匹配技術(shù)進(jìn)行生成，目前無人機(jī)航測(cè)點(diǎn)云采用的匹配算法主要有：帶共線條件約束的多片最小二乘影像匹配法、基于多基元多影像匹配法、基于物方面元的多視立體匹配算法等，相對(duì)于無人機(jī)LiDAR技術(shù)來說，無人機(jī)航攝需要布設(shè)外控點(diǎn)，以及在密林地區(qū)獲取地面點(diǎn)云較為困難。無人機(jī)LiDAR是通過發(fā)射激光束并測(cè)量激光束反射回來的時(shí)間計(jì)算距離并根據(jù)搭載的激光設(shè)備進(jìn)行激光設(shè)定的參數(shù)，直接獲取得到物體表明的激光點(diǎn)云數(shù)據(jù)，無人機(jī)LiDAR獲取得到的激光點(diǎn)云更加簡(jiǎn)便、直接。目前，利用無人機(jī)航攝進(jìn)行地形圖制作的技術(shù)已經(jīng)較為成熟，在進(jìn)行地形圖及模型制作時(shí)，匹配的點(diǎn)云往往作為附加產(chǎn)品，不能有效地合理應(yīng)用。本文從無人機(jī)匹配點(diǎn)云和機(jī)載LiDAR生成的點(diǎn)云獲取方式、點(diǎn)云形態(tài)分布、濾波分類方法以及生成的DEM精度4個(gè)方面分析出2種點(diǎn)云的差異，為實(shí)際生產(chǎn)項(xiàng)目時(shí)選用合理的航飛方式提供參考。

1? 點(diǎn)云數(shù)據(jù)獲取方式

1.1? 無人機(jī)影像匹配點(diǎn)云數(shù)據(jù)獲取

本次項(xiàng)目點(diǎn)云生產(chǎn)采用三維建模，使用的軟件為Context Capture。Context Capture是Bentley旗下的一款三維實(shí)景建模軟件。使用Context Capture，用戶可以快速為各種類型的基礎(chǔ)設(shè)施項(xiàng)目生成三維模型。

無人機(jī)獲取航攝匹配點(diǎn)云數(shù)據(jù)的主要步驟如下。

1）根據(jù)測(cè)區(qū)大小合理布設(shè)外控點(diǎn)。

2）進(jìn)行航線的規(guī)劃。

3）進(jìn)行航飛相關(guān)參數(shù)的設(shè)置。

4）導(dǎo)出航飛影像數(shù)據(jù)及POS數(shù)據(jù)。

5）在Context Capture軟件中，加載影像數(shù)據(jù)、導(dǎo)入相機(jī)參數(shù)，并導(dǎo)入影像位置信息、提交空三測(cè)量（相對(duì)定向）。

6）相對(duì)定向完成后，將外業(yè)實(shí)測(cè)控制點(diǎn)導(dǎo)入，并設(shè)置好坐標(biāo)系統(tǒng)，然后在影像上進(jìn)行刺點(diǎn)。

7）根據(jù)刺點(diǎn)成果進(jìn)行聯(lián)合平差計(jì)算。查看刺點(diǎn)精度，精度滿足規(guī)范要求后輸出三維彩色點(diǎn)云。

1.2? 無人機(jī)LiDAR數(shù)據(jù)點(diǎn)云獲取

無人機(jī)LiDAR數(shù)據(jù)點(diǎn)云獲取的主要步驟如下。

1）根據(jù)測(cè)區(qū)大小、點(diǎn)云密度及點(diǎn)云精度，進(jìn)行航線的合理規(guī)劃。

2）地面基站的布設(shè)。

3）航線飛行前需要進(jìn)行慣導(dǎo)的初始化工作。

4）在航飛控制軟件導(dǎo)入規(guī)劃好的航線，并檢查點(diǎn)云密度、飛行高度、飛行速度、航向重疊度和旁向重疊度等參數(shù)設(shè)置是否滿足項(xiàng)目精度的要求。在實(shí)際項(xiàng)目中盡量保證航向點(diǎn)間距和旁向點(diǎn)間距保持一致。

5）使用PosPac軟件進(jìn)行航線的解算（需要導(dǎo)入機(jī)載POS數(shù)據(jù)以及地面基站數(shù)據(jù)）。

6）導(dǎo)入解算合格的航線以及原始激光測(cè)距數(shù)據(jù)，進(jìn)行點(diǎn)云數(shù)據(jù)的生成。

7）查看每條相鄰航線點(diǎn)云的匹配精度。匹配精度滿足規(guī)范要求后，輸出每條航線的激光點(diǎn)云數(shù)據(jù)。

8）對(duì)航線匹配合格的激光點(diǎn)云數(shù)據(jù)進(jìn)行濾波分類處理，生成滿足要求的DEM數(shù)據(jù)。結(jié)合DEM數(shù)據(jù)及影像數(shù)據(jù)制作DOM數(shù)據(jù)。

2? 點(diǎn)云的比較分析

2.1? 點(diǎn)云特點(diǎn)比較

圖1為西南某鐵路一測(cè)區(qū)內(nèi)2種方式獲取的點(diǎn)云。圖1（a）為無人機(jī)航攝匹配點(diǎn)云，圖1（b）為機(jī)載LiDAR獲取得到的點(diǎn)云。

從圖中可以看出，目前2種生成方式的點(diǎn)云都能夠疊加色彩信息。無人機(jī)航攝點(diǎn)云由采用的影像匹配的算法得到，在影像匹配較好的區(qū)域（無云朵遮擋等）生成的點(diǎn)云較為密集，在陰影遮擋等區(qū)域點(diǎn)云密度較低，且匹配點(diǎn)云邊界信息模糊和分布不均勻。而機(jī)載LiDAR獲取的點(diǎn)云由于飛機(jī)飛行高度相對(duì)于不同的地方高差不一樣，容易造成海拔高的地方點(diǎn)云密度較為密集，而低海拔區(qū)域點(diǎn)云密度較為稀疏。同時(shí)還由于飛機(jī)飛行速度及激光不同的掃描方式，容易造成航向和旁向點(diǎn)云密度的不均勻。

無人機(jī)航攝匹配點(diǎn)云在水域中也均勻分布了點(diǎn)云數(shù)據(jù)。而無人機(jī)LiDAR由于激光在水域區(qū)域被水吸收，而造成在水域區(qū)域無點(diǎn)云數(shù)據(jù)，如圖2（b）中黑色區(qū)域即為水域區(qū)域，該區(qū)域無激光LiDAR點(diǎn)云數(shù)據(jù)。

圖2為該區(qū)域的用2種方式獲取得到點(diǎn)云的高程分色的顯示。

為了能夠更好地分析2種點(diǎn)云，通過對(duì)2種特殊的地物（植被和房屋）進(jìn)行橫斷面的裁剪，直觀地分析出2種點(diǎn)云的差異。

圖3中為一房屋的剖面圖。圖中紅色點(diǎn)云為無人機(jī)LiDAR生成的點(diǎn)云。白色點(diǎn)云為無人機(jī)匹配點(diǎn)云，可以看出無人機(jī)匹配點(diǎn)云比較連續(xù)、光滑、分布比較均勻且密度較高。而機(jī)載LiDAR點(diǎn)云比較離散，分布不均勻。造成這種現(xiàn)象的原因主要是2種點(diǎn)云的獲取方式不同。機(jī)載LiDAR點(diǎn)云由于飛行速度，飛機(jī)高度以及地面的變化起伏等，造成不同地方獲取得到的點(diǎn)云密度不同。而無人機(jī)點(diǎn)云采用的影像匹配算法，點(diǎn)云密度均勻，同時(shí)會(huì)獲取得到大量的線性特征信息和邊緣信息，如圖3的建筑物邊緣等。

圖4為植被區(qū)域的剖面圖。圖中白色點(diǎn)云為無人機(jī)航攝點(diǎn)云。紅色點(diǎn)云為無人機(jī)LiDAR點(diǎn)云。從圖4可以看出，無人機(jī)航攝點(diǎn)云在密林區(qū)域只能反映樹冠上的一些信息，而不能得到地面信息。而無人機(jī)LiDAR由于多回波等特性，具有一定的穿透性，能夠獲取一定的地面信息。因此在制作DEM時(shí)，無人機(jī)LiDAR更能獲取真實(shí)的地面信息。而影像匹配點(diǎn)云只能獲取植被的表面信息，如需獲取該區(qū)域的DEM數(shù)據(jù)，可以采用外業(yè)實(shí)測(cè)等手段。本文對(duì)2種點(diǎn)云數(shù)據(jù)的特點(diǎn)進(jìn)行分析，并對(duì)濾波、分類等點(diǎn)云數(shù)據(jù)進(jìn)行處理為選擇合適的技術(shù)手段提供一個(gè)參考依據(jù)。

2.2? 點(diǎn)云濾波結(jié)果的比較

使用點(diǎn)云數(shù)據(jù)進(jìn)行DEM制作時(shí)，需要對(duì)激光點(diǎn)云數(shù)據(jù)進(jìn)行濾波分類處理。

機(jī)載LiDAR點(diǎn)云的濾波算法主要有：基于坡度的濾波算法、基于數(shù)學(xué)形態(tài)學(xué)濾波算法、基于曲面擬合濾波算法以及基于不規(guī)則三角網(wǎng)的濾波算法等。目前常用的點(diǎn)云分類軟件TerraScan中采用的地面點(diǎn)云分類算法是基于不規(guī)則三角網(wǎng)迭代濾波算法，該算法是選取區(qū)域內(nèi)少量的最低點(diǎn)來構(gòu)建不規(guī)則三角網(wǎng)，同時(shí)通過設(shè)置一定的迭代角度，以及迭代距離，將滿足要求的點(diǎn)加入到三角網(wǎng)中，直到所有點(diǎn)迭代完畢。采用該軟件在進(jìn)行無人機(jī)航攝點(diǎn)云地面點(diǎn)濾波分類時(shí)，無人機(jī)航攝點(diǎn)云采用的影像匹配算法獲取的建筑物邊緣信息點(diǎn)云光滑，樹木冠頂?shù)狞c(diǎn)云也比較連續(xù)光滑。無人機(jī)航攝匹配點(diǎn)云由于這一特性在一定程度上影響到點(diǎn)云地面點(diǎn)分類效果，容易將含有邊緣點(diǎn)云的房屋歸類到地面點(diǎn)云當(dāng)中。同時(shí)在點(diǎn)云的自動(dòng)分類算法中，容易將山脊、陡坎等地物錯(cuò)誤地剔除掉。因此在自動(dòng)分類完成后，往往需要結(jié)合正射影像進(jìn)行手動(dòng)的人工編輯。

針對(duì)無人機(jī)匹配點(diǎn)云的特點(diǎn)，目前有學(xué)者提出了針對(duì)無人機(jī)匹配點(diǎn)云的濾波算法，如董友強(qiáng)等提出了一種改進(jìn)的適用于DIM點(diǎn)云的PTD濾波算法。張剛等提出了基于區(qū)域特征分割的密集匹配點(diǎn)云漸進(jìn)形態(tài)學(xué)濾波算法。總的來說，相對(duì)于機(jī)載LiDAR點(diǎn)云的濾波算法，無人機(jī)匹配點(diǎn)云的濾波算法研究較少。

2.3? 高程精度比較

為了對(duì)該測(cè)區(qū)的高程精度進(jìn)行分析，在測(cè)區(qū)均勻地布設(shè)了6個(gè)標(biāo)靶，并人工實(shí)測(cè)出6個(gè)點(diǎn)的平面和高程。圖5為無人機(jī)LiDAR點(diǎn)云精度統(tǒng)計(jì)，圖6為無人機(jī)匹配點(diǎn)云精度統(tǒng)計(jì)。

可以看出，同一個(gè)測(cè)區(qū)內(nèi)機(jī)載LiDAR生成的DEM精度的標(biāo)準(zhǔn)差為0.065 m。而無人機(jī)航測(cè)匹配點(diǎn)云生成的DEM高程精度標(biāo)準(zhǔn)差為0.121 4 m。相對(duì)于無人機(jī)航攝點(diǎn)云生成的DEM來說，無人機(jī)LiDAR點(diǎn)云生成的DEM高程精度較高。同時(shí)在密林區(qū)域，由于無人機(jī)航攝點(diǎn)云只匹配到樹冠上的點(diǎn)云，而不能獲取地面點(diǎn)云，其精度較無人機(jī)LiDAR獲取的高程精度會(huì)更低。

3? 結(jié)束語

本文通過對(duì)同一個(gè)測(cè)區(qū)進(jìn)行無人機(jī)航攝以及無人機(jī)LiDAR進(jìn)行航飛，從2種設(shè)備獲取點(diǎn)云的方式、點(diǎn)云特點(diǎn)、濾波分類算法以及生成DEM精度等方面進(jìn)行比較分析。相對(duì)于無人機(jī)LiDAR，無人機(jī)航攝設(shè)備的價(jià)格較低。對(duì)于小范圍地面較為裸露，無大面積植被的區(qū)域，可以通過布設(shè)些外控點(diǎn)。采用無人機(jī)航攝技術(shù)可以快速獲取得到地形數(shù)據(jù)信息。而對(duì)于精度要求較高、地形復(fù)雜且植被較為茂密的山區(qū)，由于影像匹配點(diǎn)云數(shù)據(jù)無法準(zhǔn)確地貼近地表，只能得到數(shù)字表面模型（DSM），在進(jìn)行DEM制作時(shí)，會(huì)存在偏差。采用無人機(jī)LiDAR技術(shù)由于其多回波特性，能夠部分穿透密林，獲取地面點(diǎn)云，具有更高的優(yōu)勢(shì)。

參考文獻(xiàn)：

[1] 黃俊維.LiDAR點(diǎn)云與影像匹配點(diǎn)云的濾波方法研究與應(yīng)用[D].徐州：中國(guó)礦業(yè)大學(xué)，2022.

[2] 董友強(qiáng)，張力，崔希民，等.一種改進(jìn)的適用DIM點(diǎn)云PTD濾波算法[J].中國(guó)礦業(yè)大學(xué)學(xué)報(bào)，2019，48（2）：459-466.

[3] 張剛，劉文彬，張男.基于區(qū)域特征分割的密集匹配點(diǎn)云漸進(jìn)形態(tài)學(xué)濾波[J].地球信息科學(xué)學(xué)報(bào)，2019，21（4）：615-622.

[4] 張海榮，程擎.融合無人機(jī)LiDAR和高分辨率光學(xué)影像的點(diǎn)云分類方法[J].工業(yè)控制計(jì)算機(jī)，2021，34（3）：53-55.

[5] 王志勝.無人機(jī)影像密集匹配點(diǎn)云的濾波方法研究[D].成都：成都理工大學(xué)，2018.

[6] 趙昕.基于影像匹配技術(shù)的點(diǎn)云數(shù)據(jù)精簡(jiǎn)算法研究[D].西安：西安科技大學(xué)，2017.

[7] 羅伊萍，姜挺，龔志輝，等.基于自適應(yīng)和多尺度數(shù)學(xué)形態(tài)學(xué)的點(diǎn)云數(shù)據(jù)濾波方法[J].測(cè)繪科學(xué)技術(shù)學(xué)報(bào)，2009，26（6）：426-429.

[8] 陳琳，范湘濤，杜小平.基于高程統(tǒng)計(jì)的機(jī)載LiDAR點(diǎn)云三角網(wǎng)漸進(jìn)濾波方法[J].遙感信息，2014，29（3）：19-23.