無人機載LiDAR系統數據精度檢測及誤差分析

鄭 敏，胡丹暉，杜 勇

（1. 武漢大學 遙感信息工程學院，湖北 武漢 430079；2. 湖北省電力科學研究院，湖北 武漢 430077；3. 國網湖北省電力公司 檢修公司，湖北 武漢 430050）

無人機載LiDAR系統數據精度檢測及誤差分析

鄭 敏1，胡丹暉2，杜 勇3

（1. 武漢大學 遙感信息工程學院，湖北 武漢 430079；2. 湖北省電力科學研究院，湖北 武漢 430077；3. 國網湖北省電力公司 檢修公司，湖北 武漢 430050）

通過對無人機載LiDAR系統獲取的點云數據以及實測檢查數據進行檢測分析，得出不同點云密度以及不同地形條件下的數據精度分布情況，分析誤差產生的原因。

LiDAR；LAS數據；精度檢測；誤差分析

LiDAR技術能夠快速、準確地獲取高精度和高密度的三維點陣數據[1]，比傳統攝影測量方法具有顯著優勢[2,3]。目前，國內外關于LiDAR點云數據的研究很多[4-8]。隨著應用的深入，針對不同的行業需求研制專門的系統成為LiDAR技術發展的新方向。針對電力巡線需求，湖北省超能超高壓電力科技開發有限公司、武漢大學和必威易（北京）商用飛機科技有限公司研制了基于無人直升飛機的超輕型LiDAR硬件及數據處理系統。本文針對該系統采集的數據進行分析，檢測其產品（DSM、DEM和DOM）精度，分析其適用性。

1 系統簡介

系統硬件為V750型無人直升機，搭載必威易公司研制的輕小型LiDAR設備BL-300，使用的處理軟件為武漢大學研制的點云數據處理平臺LiDARPC1．0。V750型無人直升機主要參數為：有效載荷大于30 kg，最大平飛速度40 m/s，最大動升限1 000 m，無地效懸停升限1 000 m，續航時間2 h，任務半徑大于30 km。BL-300型輕小型機載LiDAR設備主要參數為：機身重量小于30 kg，掃描角度80°，飛行速度小于 60 km/h，飛行高度100～300 m，高程精度優于15 cm，水平精度優于20 cm。地面標志物主要輔助LiDAR數據精度檢測，由三腳架和架設在其上的3根高度不同的水平數據采集桿組成。

本文LiDAR數據處理軟件為武漢大學研制的點云數據處理平臺LiDARPC1．0，如圖1，主要有點云三維顯示、漫游、縮放、偽彩顯示、數據分割等基本操作，以及密度統計、距離測量、精度統計、濾波、約簡、構網、斷面計算和等高線生成等高級功能。

圖1 LiDAR PC1.0點云處理平臺

2 精度檢測方法及指標

2.1 精度檢測方法

數據處理流程如圖2所示。量測和解算功能是指通過人工方式獲取3根水平桿的端點，然后在XOY平面內解算其對應的3條直線方程，求交后對應3個點的坐標，求均值得（X，Y）；高程值為頂桿所有點高程的均值Z。此時得到的三維坐標為標桿頂部坐標，通過標桿高度值h，則最終得到同名點坐標為（X，Y，Z-h）。所有同名點都解算出來后，讀取檢查點，進行精度檢測，并最終以*．txt格式輸出精度檢測結果。

圖2 精度檢測方法實現流程圖

2.2 精度檢測指標

2.2.1 中誤差

本文采用的測量精度評價方法為中誤差法，計算式為：

式中，?為真誤差，?=X1-X2；X1為測量值；X2為真實值；

n為實際測量數據個數。

2.2.2 極限誤差

由中誤差定義可知，σ越小，則絕對值較小的誤差就越多。根據正態分布原理，大量同精度測量獲取的數據列當中，誤差值分布在（-σ，σ），（-2σ，2σ）和（-3σ，3σ）的概率分別如式（2）所示：

其中，P表示概率大小，Δ表示隨機誤差值。由此可知，在大量同精度觀測數據中，誤差絕對值大于σ的概率為31.7%，大于2σ的概率為4.5%，大于3σ的概率僅為0.3%。通常將3σ作為隨機誤差的極限值，即Δ限=3σ。實踐中，常取2σ作為極限誤差。

3 實驗與分析

3.1 實驗數據

實驗線路區段位于河南省，線路全長約40 km，其中20 km按常規模式采集數據，航飛帶寬2 km；另外20 km按比較高的點云密度采集數據（簡稱“高清區域”），航飛帶寬1 km。線路區段所處地形為丘陵，最高點與最低點高程差約為60 m，最大坡度約55°。整個數據采集區域共設有7個控制點（如圖3）和108個檢查點（N1～N108）。為便于誤差分析，這108個點被設置在不同的地形環境中，其坐標由GPS靜態觀測得到。最終，采集到的點云數據高清區密度約為13．12 點 /m2，低清區約為3．21點/m2。

圖3 高清區、低清區以及控制點（高清區范圍黃線所示，低清區范圍藍色所示）

3.2 實驗結果

通過地面標志物解算出檢查點的同名點，將其坐標進行比較，輸出檢測指標結果如表1、表2。

表1 高清區點坐標誤差概率分布/%

表2 低清區點坐標誤差概率分布/%

高清區共有52個檢查點，中誤差：X方向為10．0 cm，Y方向為12．85 cm，Z方向為6．81 cm；誤差概率分布情況：水平方向上X和Y誤差分布情況相同，誤差絕對值小于σ有37個點，位于σ和2σ之間有14 個點，位于2σ和3σ之間有1個點；Z軸方向上誤差絕對值小于σ的有32個點，σ和2σ之間有18個點，2σ和3σ之間有2個點。

低清區共有56個檢查點，中誤差：X方向為18．0 cm，Y方向為21．65 cm，Z方向為15．43 cm；誤差分布情況：水平方向上X和Y的誤差分布情況相同，誤差絕對值小于σ的有35個點，σ和2σ之間有17個點，2σ和3σ之間有4個點；Z軸方向上誤差絕對值小于σ的有45個點，σ和2σ之間有18個點，2σ和3σ之間有2個點。

3.3 實驗結果分析

3.3.1 點云密度差異對精度的影響

由于高清區和低清區點云密度不同，其對應點的三維坐標精度也存在差異，高清區坐標精度明顯優于低清區。高清區水平中誤差約為低清區的1/2，高程差異更明顯，如表3。

表3 高清區與低清區點坐標精度對比/m

3.3.2 不同地表覆蓋對點云精度影響

以高清區為例，分析不同地表覆蓋對數據采集坐標精度的影響情況。高清區共有52個點，以Z軸為準，取2σ為極限誤差，舍去2個高程誤差值超過極限誤差的檢測點，則滿足條件的點有50個。其中，21個點位于平坦區域（裸露區域），15個點所在位置具有一定的地形起伏，14個點位于植被覆蓋區。裸露地區和植被覆蓋區數據分析如圖4。

圖4 裸露區域和植被覆蓋區數據分析柱狀圖

可以看出，植被覆蓋區中誤差明顯比裸露區域高，在Y軸方向上表現尤為明顯，這主要是由于部分區域植被覆蓋密度相對較高，激光無法穿透，導致本算法獲取的距離檢測點最近的激光角點水平位置發生變化；而Z軸方向上裸露區域略小于植被覆蓋區域，這主要是由于水平誤差引起的。植被覆蓋密集區點云密度為21．019 點/m2，同一區域裸露地表為13．729點/m2，植被濾除后，原植被覆蓋區點云密度減小為12．866 點/m2。

3.3.3 地形起伏對點云精度影響

將平坦區域的21個點和地形起伏區域的15個點的相關數據進行比對，如圖5所示。

圖5 平坦區和地形起伏區數據分析折線圖

可以看出，X方向上地形起伏區中誤差略低于平坦區，Y軸方向上則相反，總體上差異不大。Z軸方向上地形起伏區中誤差明顯高出平坦區，這主要是由于地形起伏區域，激光束光斑中心與周圍的高程值存在差異，導致波峰位置發生扭曲和偏移，進而影響了LiDAR系統對激光角點位置的精確計算。此外，在地形存在一定坡度的情況下，水平誤差也會對高程誤差有影響。

通過上述實驗可知，無人機載LiDAR系統采集數據能夠滿足1∶500地形圖的成圖需求，在行業應用，尤其是電力巡線中，具有較好的應用前景。

[1] Li Qingquan，Li Bijun． Research on Laser Range Scanning and Its Application [J]． Geo-spatial Information Science, 2001, 4(1): 37-42

[2] Goodwin N R, Coops N C, Culvenor D S． Assessment of Forest Structure with Airborne LiDAR and the Effects of Platform Altitude[J]． Remote Sensing of Environment, 2006, 103(2): 140-152

[3] Baltsavias E P． A Comparison between Photogrammetry and Laser Scanning [J]． ISPRS Journal of Photogrammetry and Remote Sensing, 1999, 54(2): 83-94

[4] Cossio T, Slatton K C, Carter W, et al． Predicting Topographic and Bathymetric Measurement Performance for Low-SNR Airborne LiDAR [J]．IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(7): 2 298-2 315

[5] Jwa Y, Sohn G, Kim H B． Automatic 3D Powerline Reconstruction Using Airborne LiDAR Data[J]． IAPRS, 2009, 38(4): 105-110

[6] Kwan M P, Ransberger D M． LiDAR Assisted Emergency Response: Detection of Transport Network Obstructions Caused by Major Disasters [J]． Computers, Environment and Urban Systems, 2010, 34(3): 179-188

[7] Hecht R, Meinel G, Buchroithner M F． Estimation of Urban Green Volume Based on Single-pulse LiDAR Data [J]． IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(11): 3 832-3 840

[8] Kabolizade M，Ebadi H, Ahmadi S． An Improved Snake Model for Automatic Extraction of Buildings from Urban Aerial Images and LiDAR Data [J], Computers, Environment and Urban Systems, 2010, 34(5): 435–441

P237.3

B

1672-4623（2014）05-0025-03

10.3969/j.issn.1672-4623.2014.05.009

鄭敏，碩士，研究方向為機載激光雷達數據處理與應用。

2013-10-25。

項目來源：國家自然科學基金資助項目（41171289）；國家科技支撐計劃資助項目(2012BAH34B02)；海洋公益性行業科研專項經費資助項目（2013418025-6）；湖北省電力公司資助項目（201221506）。