機載LiDAR基礎測繪關鍵技術及應用

盧小平，龐星晨，武永斌，李 珵，，李國清，于海洋

(1.河南理工大學礦山空間信息技術國家測繪地理信息局重點實驗室，河南焦作 454003；2.河南省遙感測繪院，河南鄭州 450003)

機載LiDAR基礎測繪關鍵技術及應用

盧小平1，龐星晨1，武永斌2，李 珵1，2，李國清2，于海洋1

(1.河南理工大學礦山空間信息技術國家測繪地理信息局重點實驗室，河南焦作 454003；2.河南省遙感測繪院，河南鄭州 450003)

針對激光掃描系統高精度檢校與相機標定、點云數據濾波處理與高精度DEM構建、地物要素自動提取等技術難題，自主設計建立了機載激光雷達(LiDAR)檢校場，實現了LiDAR系統各個組成部分的高精度一體化檢校；利用改進的各向異性擴散濾波算法模型有效濾除了高分辨率DEM數據中的高頻噪聲，提高了等高線提取和水文分析的質量；基于激光點云和高分辨率航空影像構建的面向對象的地物要素主被動遙感協同提取模型實現了居民地、道路等主要地物要素的自動提取。實際應用結果表明，地物要素的整體提取準確度超過90%。

機載激光雷達(LiDAR)；基礎測繪；高精度檢校；協同提取

一、引 言

我國測繪地理信息獲取與更新長期以來主要依賴航空攝影測量方法，存在易受天氣影響、數據獲取周期長、作業效率低等問題，而且在植被高覆蓋地區難以獲取準確的地面信息，難以滿足經濟社會發展對測繪地理信息數據現勢性的要求。機載激光雷達(airborne light detection and ranging，LiDAR)能夠全天時、全天候快速獲取各種地表環境下的高精度三維激光點云數據[1]，雖然該技術目前已在我國基本比例尺地形圖測繪中得到應用，但地物要素提取仍然依靠人工解譯的方法，不僅效率低，而且成圖質量易受作業員水平和責任心的影響。航空攝影測繪地形圖方法中居民地、道路和水系3種主要地形圖要素的測繪工作量超過50%，在城市地區甚至超過80%，因此研究LiDAR地物自動提取方法、提升測繪技術的自動化水平是測繪工作者急需解決的技術難題。

激光點云數據系統誤差的處理方法可以分成兩類：一類是數據驅動方法，通常稱為條帶平差；另一類為模型驅動方法，也稱系統檢校[2]。系統檢校方法是采用嚴格的物理模型來描述各項系統誤差對于激光點坐標的影響，通過平差直接解算系統誤差項。文獻[3]對LiDAR系統誤差源及檢校流程進行了闡述；文獻[4]給出了一種分步手工檢校方法；文獻[5]介紹了利用共面條件進行表面匹配的方法；文獻[6]設計了一種安置參數自檢校方法。現有的點云濾波方法根據技術路線可分為形態學、基于內插和基于曲面約束3類方法[7]，基于內插的方法以Axelsson提出的基于不規則三角網(TIN)加密濾波算法最為典型[8]。程亮等提出了一種LiDAR輔助下利用高分辨率遙感影像進行輪廓提取的方法[9]，準確率達到91%。李怡靜等采用集成LiDAR和遙感影像分別進行了城市道路提取試驗[10-11]。然而，利用機載LiDAR進行系列比例尺基礎測繪的研究則鮮有報道。本文針對激光掃描系統高精度檢校與相機標定、點云數據濾波處理與高精度DEM構建、地物要素自動提取等進行攻關，解決了關鍵技術難題，并進行了規模化生產應用。

二、總體技術方法

點云數據具有精確的地物高程信息，航空影像具有高分辨率的紋理、光譜及三維立體影像信息，本文將兩者數據源優勢互補，開展主被動遙感數據的同化、影像匹配、特征提取、結果評價、地面驗證及規模化應用等一系列研究和應用工作，總體技術路線如圖1所示。

圖1 技術路線圖

1.LiDAR系統的高級檢校

徠卡ALS60 LiDAR系統主要由機載GPS、INS、激光掃描測距系統、數碼相機等組成，系統獲取的數據精度只與飛行相對高度有關，而不受脈沖頻率的影響。

(1)檢校場的設計原則

為準確檢校ALS60系統的激光掃描儀、IPAS定位定向裝置及CCD數碼相機的各項系統誤差和實際測量精度，必須建立與之相適應的檢校場。在設計檢校場時應遵循以下原則。

1)檢校場環境應與LiDAR系統的實際工作環境相似。

2)檢校場的地物分布呈近似“十”字型分布。

3)檢校場內應有平地、不同高度的樓房和不同頂部形態的建筑物。

(2)檢校場的建立

建立的ALS60系統檢校場位于鄭州市上街區，范圍為3 km×3 km。檢校場范圍內地勢平坦，平均高程約為150 m。區域內建筑物大小及高度適中，數量密集，頂部形態多樣，符合檢校要求。

2.航飛檢校的設計與實施

設計了1350 m和2300 m兩個飛行高度，共計8條航線。其中低空交叉對飛2條，反向交叉對飛2條；高航高交叉對飛2條，反向飛行1條，平行飛行30%重疊度1條。

高航高飛行獲取的數據用于檢校激光數據，低航高飛行的4條航線用于檢校RCD相機，航向重疊度為80%，旁向重疊為20%。所有航線視場角FOV均為45°，使用多脈沖模式和最大掃描頻率。

3.激光掃描儀檢校及精度分析

(1)激光掃描儀的檢校

激光掃描儀的檢校包括視準軸檢校、距離檢校、扭轉(Torsion)檢校、傾斜誤差(Pitch error slope)檢校和高程偏移檢校5項內容。其中，視準軸檢校和距離檢校稱為常規項檢校，扭曲誤差和傾斜誤差檢校則為高級項檢校的內容。

(2)激光掃描儀的高級項檢校

在對LiDAR激光掃描儀檢校過程中，發現僅利用出廠檢校值無法取得高精度的檢校結果，實際工作中仍需要自主對扭曲檢校和傾斜誤差進行檢校，從而提高點云數據的精度和可靠性。

①扭轉誤差檢校的技術流程

掃描條帶邊緣掃描鏡在最大加速度時，其實際鏡面位置與編碼器計算位置的細微差別稱為扭轉誤差，它與掃描鏡旋轉軸的彈性和機械性能有關。扭轉誤差具體的檢校流程如下：

a.在平坦地面沿直線布設控制點。選擇垂直于地面控制點的航線數據，將Torsion值設為0，并裁剪激光條帶數據范圍-20°～-50°(條帶邊緣)。

b.Torsion值設為0，裁剪激光條帶數據范圍為20°～50°(條帶另一邊緣)。

c.加載檢校場測量的主干道地面高程控制點作為已知點，統計控制點與激光點云的高程差值dz；利用平均dz值，使用雙曲線函數計算對應的扭轉誤差檢校值。

②傾斜誤差檢校的技術流程

傾斜誤差是指條帶中心與邊緣傾斜值的差值。該差值是由于掃描鏡在高速旋轉時不是嚴格意義上的平面，從而造成掃描線不直，出現輕微的彎曲。傾斜誤差被定義為每度上的弧度值，通常利用高航高上相反航線數據進行校正。具體的檢校流程如下：

a.選擇高航高對飛的航線數據，該數據在條帶邊緣具有尖頂房等傾斜地物，并設置Pitch error slope的初始值為0。

b.在兩個激光條帶邊緣選擇尖頂房屋(要求屋脊線垂直于航向)，并沿航線方向畫斷面，則尖頂房屋的房頂剖面線之間的偏離就是傾斜誤差存在的表現。

c.測量房頂剖面線之間的偏離值。測量房頂剖面線之間的偏離值S，傾斜誤差的改正值公式為

式中，H為航高。

通過自主進行的高級項檢校，對扭轉誤差值和傾斜誤差值進行了重新標定，提高了激光點云數據的精度和可靠性。高級項檢校得到的扭轉誤差值和傾斜誤差值見表1。

表1 激光掃描儀高級項檢校值對比

三、地貌地物要素提取

1.地貌要素提取

本文基于自適應TIN濾波算法[8]對點云進行分類，以獲取地面點云數據，然后進行插值運算，得到DEM數據。

(2)DEM噪聲平滑

LiDAR獲取的數據中包含有大量高頻干擾信息，研究中采用各向異性擴散濾波算法對DEM數據進行濾波處理[3-4]。試驗表明，該方法能有效去除噪聲，同時能夠保留地形信息[5]。

(3)等高線生成

從DEM中內插提取等高線的算法大致可分為高次曲面內插法和線性內插法，又可以分為分段內插和整條內插。本文采用先內插跟蹤、后擬合的方法，利用DEM數據自動生成等高線。

(4)等高線平滑

由于DEM生成的等高線是由追蹤的直線段組成的折線，為使等高線能更準確地描述實際地形變化，必須對其進行平滑處理。本文利用張力樣條和三次B樣條擬合方法對等高線進行平滑處理，并對這兩種方法的平滑效果進行對比分析。

通過對點云數據和DEM反生等高線進行對比分析表明，運用本文研究成果生成的等高線符合規范要求，DLG編輯工作量比直接利用點云生成等高線方法大幅度減少，生產效率顯著提高。

2.建(構)筑物要素提取

人文精神關注對個體的自我關懷，也關注對人類集體精神的繼承和發展。在初中政治教學中，很多章節都與自我關懷以及認同社會精神文明相關，但是，無論書本闡釋得多么清楚，都離不開學生的親自體驗和實踐。因此，需要組織相應的教學活動以凸顯人文精神。

輪廓提取是建立建(構)筑物數字模型的關鍵[12-14]，綜合利用LiDAR點云和影像數據能夠獲取更準確的建筑物幾何信息[15-16]。本文基于面向對象分類的理論建立了一種綜合利用正射影像和LiDAR數據的建筑物輪廓協同提取方法[17]，即利用LiDAR第一次返回的數據建立數字表面模型(DSM)，從DSM中減去DEM，得到地物的高程信息，該模型稱為nDSM(normalized digital surface model)；基于不同分割算法對nDSM數據進行分割，建立目標對象；通過設定地物高度閾值與亮度閾值確定建筑物區域，去除陰影信息；利用建筑物光譜特征的相似性在較高坡度值的區域精確提取建筑物的輪廓；基于綠度指數去除植被信息，保證建筑物輪廓的完整性。

(1)居民地要素提取

本文以河南省鶴壁市作為試驗研究區，選取兩處具有代表性的區域進行居民地建筑物提取研究，一處為農村居民地，主要為較低矮的建筑物；另一處是城市居民地，建筑物較為高大。

①農村居民地建筑物提取

試驗區1為農村居民地，面積為0.56 km2，提取的nDSM和航空影像空間分辨率分別為0.5 m和0.2 m。航空影像數據使用DSM進行正射校正，并與點云數據完全配準，采用面向對象的分類方法對農村居民地建筑物進行提取。

基于兩種類型的形態學算子進一步處理“建筑物”對象的過程為：填充操作，用來填補“建筑物”對象中小于閾值的內孔；閉操作，平滑粗糙的邊界，去除建筑物邊緣的小缺口。結構元素采用5×5，農村居民住宅可通過nDSM高度閾值予以區分。圖2為試驗區1的建筑物輪廓提取結果。

圖2 試驗區1的遙感影像與建筑物輪廓提取結果

試驗共提取了234處農村居民建筑物，總面積為191 539 m2，并通過人工解譯方法對提取結果進行了精度評價。其中，I類誤差(建筑物被錯分為其他地物)和II類誤差(其他地物被錯分為建筑物)分別為4.09%和3.25%，總體精度達到95.94%。

②城市建筑物提取

試驗區2為城區居民地，占地面積0.19 km2，采用面向對象的城區建筑物提取處理步驟包括：基于區域合并的多尺度分割、基于高度閾值的建筑物初步提取、建筑物陡坡邊緣地物重分類、基于綠度指數的植被信息去除和數學形態學處理[17]，總體分類準確度達到了96.72%。

(2)道路要素提取

由于路網的復雜性，以及“同物異譜”和“異物同譜”現象的存在，僅依靠單一遙感數據或單一特征提取道路要素，難以滿足地形圖測繪的精度要求[10]。利用航空影像信息中地物的光譜、幾何、上下文等特征進行協同提取，可以大大降低地物分類的不確定性，提高道路特征提取的準確度[11]。本文綜合利用ALS60點云數據與航空影像，構建道路快速協同提取方法。

①自上而下的多尺度分割方法

鄉村道路和高等級道路的形狀特征和紋理特征差別較大，可采用多尺度算法進行大尺度分割。

②地物粗糙度特征

利用地面粗糙度可提高房屋、樹木等地物的提取精度。由于DSM疊加在DEM上，因此DEM的起伏變化對粗糙度影響很小。地物的起伏越密集、高差越大，粗糙度也越大，可據此分離不同類型的地物。

③地物回波強度特征信息

地物的回波強度與多種因素有關，高反射率的介質表面較為光亮，低反射率的一般呈現黑暗表面。在提取的DEM中，瀝青道路為低反射率的表面，而道路邊界一般為綠化帶、土地等高反射率的地物，其反射率有較大的差值。因此，可以先分析和標定地物回波強度，再根據標定的回波信息來提取道路。

3.水系網絡要素提取

水系網絡是地形圖中的主要要素之一。DEM數據可用于水系網絡信息的提取[18-19]，方法主要有兩種：一種是基于局部地形曲面幾何分析的方法(如Puecker＆Douglas算法)，提取水系位置較為準確，但生成的水系網絡不連續；另一種是基于坡面流物理模擬分析的方法(如D8算法)，能夠生成連續的水系網絡，但在地形平坦的區域獲取的匯水線效果較差，易產生錯誤的提取結果。

本文在對LiDAR提取DEM數據進行噪聲平滑的基礎上，利用基于局部地形曲面幾何分析和基于坡面流物理模擬分析相結合的方法，建立了水系網絡提取的技術流程[20](如圖3所示)。

圖3 基于LiDAR數據的水文信息提取技術流程

四、成果的規模化應用

本成果在國家1∶1000～1∶10 000地形圖測繪和地理信息更新中發揮了作用，已廣泛應用于交通、電力、城市規劃、管線勘測等領域。北京、河南、浙江、內蒙、陜西等15個測繪地理信息生產單位，采用本成果關鍵技術在國家基礎測繪工程中，完成了15 000 km2國家基礎測繪任務，生產出大量的DLG、DEM和DOM等數字測繪地理信息產品，完成了超過2000 km以上的道路勘測任務，提高生產效率超過30%。

五、結束語

通過與河南省遙感測繪院產學研的長期合作，制定了機載LiDAR系統各個組成部分的高精度一體化檢校技術規程，研發了基于面向對象的地物要素提取軟件模型，并在國內進行了規模化生產應用。本文研究總結了機載LiDAR技術生產DEM、DOM和DLG產品，以及地物要素自動提取、建筑物三維建模等生產技術流程和作業規范，提供了系列比例尺基礎測繪全新的作業模式。

[1] ALEXANDER B，CHRISTIAN H.Aspects of Generating Precise Digital Terrain Models in the Wadden Sea from LiDAR-water Classification and Structure Line Extraction [J].ISPRS Journal of Photogrammetry＆Remote Sensing，2008，63(5)：510-528.

[2] SHAN J，Toth C K.Topographic Laser Ranging and Scanning：Principles and Processing[M].Boca Raton：CRC Press，2008.

[3] MORIN K W.Calibration of Airborne Laser Scanners[D].Calgary：University of Calgary，2002.

[4] ZHANG X H.Precise Point Positioning Evaluation and Air-born LiDAR Calibration[R].Copenhagen：Danish National Space Center，2005.

[5] SKALOUD J，LICHTI D.Rigorous Approach to Boresight Self-calibration in Airborne Laser Scanning[J].ISPRS Journal of Photogrammetry and Remote Sensing，2006，61(1)：47-59.

[6] 張靖，江萬壽.基于虛擬連接點模型的機載LiDAR系統安置誤差自檢校[J].測繪學報，2011，40(6)：762-769.

[7] 黃先鋒，李卉，王瀟，等.機載LiDAR數據濾波方法評述[J].測繪學報，2009，38(5)：466-469.

[8] AXELSSONPE.DEM Generation from Laser Scanner Data Using Adaptive TIN Models[J].IAPRS，2000，33(B4/ 1)：110-117.

[9] 程亮，龔健雅.LiDAR輔助下利用超高分辨率影像提取建筑物輪廓方法[J].測繪學報，2008，37(3)：391-393.

[10] 李怡靜，胡翔云，張劍清，等.影像與LiDAR數據信息融合復雜場景下的道路自動提取[J].測繪學報，2012，41(6)：870-876.

[11] 李卉.集成LiDAR和遙感影像城市道路提取與三維建模[J].測繪學報，2011，40(1)：40-41.

[12] AXELSSON P.DEM Generation from Laser Scanner Data Using Adaptive TIN Models[J].International Archives of Photogrammetry and Remote Sensing，2000，33(B4/1)：110-117.

[13] 錢偉新，劉瑞根，王婉麗，等.基于圖像特征方向的各向異性擴散濾波方法[J].中國圖象圖形學報，2006，11(6)：818-822.

[14] 王毅，張良培，李平湘.多光譜遙感圖像的自適應各向異性擴散濾波[J].遙感學報，2005，9(6)：660-666.

[15] HAALA N，KADA M.An Update on Automatic 3D Building Reconstruction[J].ISPRS Journal of Photogrammetry and Remote Sensing，2010，65(6)：570-580.

[16] SAMPATH A，SHAN J.Building Boundary Tracing and Regularization from Airborne LiDAR Point Clouds[J]. PhotogrammetricEngineeringandRemoteSensing，2007，73(7)：805-812.

[17] 胡偉，盧小平，李珵，等.基于改進RANSAC算法的屋頂激光點云面片分割方法[J].測繪通報，2012(11)：31-34.

[18] LEE D，LEE K，LEE S.Fusion of LiDAR and Imagery for Reliable Building Extraction[J].Photogrammetric Engineering and Remote Sensing，2008，74(2)：215-226.

[19] VU T，YAMAZAKI F，MATSUOKA M.Multi-scale Solution for Building Extraction from LiDAR and Image Data[J].International Journal of Applied Earth Observation and Geoinformation，2009，11(4)：281-289.

[20] YU Haiyang，CHENG Gang，GE Xiaosan，et al.Object O-riented Land Cover Classification Using ALS and GeoEye Imagery over Mining Area[J].Transactions of Nonferrous Metals Society of China，2011，21(S3)：733-737.

[21] 朱慶，田一翔，，張葉廷.從規則格網DEM自動提取匯水區域及其子區域的方法[J].測繪學報，2005，34(2)：129-133.

[22] 張永軍，吳磊，林文平，等.基于LiDAR數據和航空影像的水體自動提取[J].武漢大學學報：信息科學版，2010，35(8)：936-940.

[23] 于海洋，盧小平，程鋼，等.基于LiDAR數據的流域水系網絡提取方法研究[J].地理與地理信息科學，2013，29(1)：17-21.

Key Technologies of Airborne LiDAR and Its Applications in Basic Surveying and Mapping

LU Xiaoping，PANG Xingchen，WU Yongbin，LI Cheng，LI Guoqing，YU Haiyang

P237

B

0494-0911(2014)09-0026-05

2013-09-03

河南省高校科技創新團隊支持計劃(14IRTSTHN026)；河南理工大學2013年度博士基金(B2013-018)；2013年國家測繪科技計劃(測科函[2013]31號)

盧小平(1962—)，男，河南焦作人，博士，教授，研究領域為3S集成應用。

龐星晨引文格式:盧小平，龐星晨，武永斌，等.機載LiDAR基礎測繪關鍵技術及應用[J].測繪通報，2014(9)：26-30.

10.13474/j.cnki.11-2246. 2014.0286