車載LiDAR在城市部件采集中的應(yīng)用

袁德寶，張帆宇揚(yáng)，梁 晨，侯曉波，馬 旭(中國礦業(yè)大學(xué)(北京)地球科學(xué)與測繪工程學(xué)院，北京 100083)

數(shù)字化城市管理系統(tǒng)[1]是一種基于城市數(shù)字化的綜合指揮系統(tǒng)，它將城市劃分為若干單元網(wǎng)格，并在此基礎(chǔ)上繪制數(shù)字化地圖，利用現(xiàn)代數(shù)字信息技術(shù)，將傳統(tǒng)地圖上的數(shù)學(xué)要素、地理要素和輔助要素與城市服務(wù)及相關(guān)部件相結(jié)合，通過采集城市部件的位置、屬性等信息，對相關(guān)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，實(shí)現(xiàn)城市管理的數(shù)字化(如圖1所示)。傳統(tǒng)的城市部件位置信息采集[2]一般都是通過GPS進(jìn)行外業(yè)采集，然后經(jīng)過內(nèi)業(yè)分類匯總處理后，將數(shù)據(jù)進(jìn)行入庫，便于使用查詢。

外業(yè)GPS測量過程受外界環(huán)境影響較大[3]，測量人員由于熟練程度不同，往往會在部件采集過程中出現(xiàn)或多或少的錯誤，如輸入數(shù)據(jù)或部件類型錯誤等。這些人為誤差不僅導(dǎo)致傳統(tǒng)部件信息采集方式效率低，而且精度受測量員的能力影響較大；而GPS測量方式又造成了城市部件更新周期慢、現(xiàn)勢性差等問題；同時多數(shù)城市部件在車流量較大的馬路上采集信息時存在一定的安全隱患，這些因素均給城市部件采集工作帶來了一定的難度。因此，需要一種更先進(jìn)的設(shè)備技術(shù)來解決這些問題，以提高外業(yè)工作效率。

車載激光雷達(dá)作為移動測量系統(tǒng)的一種[4]，車身搭載有全球定位系統(tǒng)(GNSS)，為車輛提供位置信息，車輛頂部放置有激光掃描器和數(shù)碼相機(jī)，并在車身中集成相關(guān)加速度傳感器、陀螺儀等慣導(dǎo)傳感器，為航位推算提供物理數(shù)據(jù)，提高定位精度及穩(wěn)定性。由于能夠在短時間內(nèi)獲取大量點(diǎn)的精確位置及影像信息，故將其應(yīng)用在地理信息采集上能夠大大提高工作效率，縮短外業(yè)測量時間。同時，在車載LiDAR測量時，測量人員是在車內(nèi)，提高了外業(yè)測量員的安全保障。這些都較好地滿足了城市部件信息獲取的要求，因此車載LiDAR在城市部件采集方面有很大的研究價值。

圖1 數(shù)字化城市管理系統(tǒng)

1 車載LiDAR部件采集

此次研究所用的車載移動空間測繪系統(tǒng)是Trimble MX8。該系統(tǒng)包括POS LV定位定姿系統(tǒng)、傳感器機(jī)身[5]、傳感器平臺，以及供電存儲系統(tǒng)、數(shù)據(jù)采集軟件、數(shù)據(jù)處理及分析軟件，見表1。激光雷達(dá)子系統(tǒng)參數(shù)見表2。精度符合數(shù)字城管部件采集規(guī)程[6]規(guī)定的精度要求，見表3。

表1 Trimble MX8系統(tǒng)技術(shù)規(guī)格

1.1 測區(qū)概況

此次研究采集數(shù)據(jù)區(qū)域位于北京市石景山區(qū)某路段，全長500 m，道路為雙向四車道，兩旁有行樹、護(hù)樹設(shè)施、交通標(biāo)志牌、路燈、垃圾箱等精度等級較高的點(diǎn)狀城市部件，具有一定的代表性。該測區(qū)地勢平坦、視野開闊，GPS信號較好。

表2 激光雷達(dá)子系統(tǒng)參數(shù)

表3 數(shù)字城管部件采集精度要求

1.2 技術(shù)路線

使用車載LiDAR進(jìn)行外業(yè)部件采集的主要工作有兩部分，分別為車載LiDAR測量和GPS基準(zhǔn)點(diǎn)測量。其中，車載LiDAR測量為原始數(shù)據(jù)采集，數(shù)據(jù)精度不能保證，需要與基準(zhǔn)點(diǎn)結(jié)合進(jìn)行平差，從而達(dá)到部件采集的精度要求。總體技術(shù)路線如圖2所示。

圖2 技術(shù)路線

1.3 數(shù)據(jù)采集

在進(jìn)行采集之前，根據(jù)已有資料，先對道路進(jìn)行勘踏，制定行駛路線和基準(zhǔn)點(diǎn)選取，明確待采集的城市部件種類。進(jìn)行基準(zhǔn)點(diǎn)位置選取時，需要選擇地理位置開闊、遠(yuǎn)離大型信號發(fā)射源和大面積反射面的地方設(shè)置基準(zhǔn)點(diǎn)。此外,在進(jìn)行數(shù)據(jù)采集時,為避免立桿類部件上部發(fā)生傾斜或彎曲,均要盡可能掃描到部件底部的點(diǎn)以保證精度。

1.4 數(shù)據(jù)處理

外業(yè)采集作業(yè)完成后，需要對所采集的數(shù)據(jù)進(jìn)行校正處理，以獲得目標(biāo)點(diǎn)的空間坐標(biāo)。首先要將慣導(dǎo)系統(tǒng)(IMU)[7]與GPS基站信息進(jìn)行融合，得到位置姿態(tài)(POS)，然后由POS信息可推算出車載LiDAR的實(shí)時位置姿態(tài)信息和車輛的位置坐標(biāo)(XC,YC,ZC)，根據(jù)式(1)[8]，通過獲取激光發(fā)射角δ、高低角度μ，將激光發(fā)射點(diǎn)與目標(biāo)點(diǎn)的距離(d)、角度值(θy,θp,θr)相結(jié)合即可計(jì)算出目標(biāo)點(diǎn)的空間坐標(biāo)(X,Y,Z)，計(jì)算流程如圖3所示。

圖3 車載LiDAR點(diǎn)云坐標(biāo)計(jì)算流程

(1)

式中，x=dsinμcosδ;y=dsinμcosδ;z=dcosμ;a1=cosθycosθr+sinθpsinθr;a2=sinθycosθr-cosθysinθpsinθr;a3=cosθpsinθr;a4=-cosθpsinθy;a5=cosθycosθp;a6=sinθp;a7=sinθysinθpsinθr-cosθysinθr;a8=-cosθysinθpcosθr-sinθysinθr;a9=cosθpcosθr。

由于車載LiDAR掃描后存在精度不高、原始數(shù)據(jù)量大等問題(如圖4所示)，需要進(jìn)行精度優(yōu)化、點(diǎn)云抽稀和去噪，以提高車載LiDAR掃描點(diǎn)云的精度，減少數(shù)據(jù)處理壓力。

圖4 原始點(diǎn)云數(shù)據(jù)

在掃描點(diǎn)云精度優(yōu)化方面，需對獲取到的車輛GPS坐標(biāo)信息進(jìn)行差分計(jì)算。常用的差分計(jì)算方法分為廣播差分法和自由設(shè)站差分。為滿足規(guī)范對部件采集的精度要求，筆者采用自由設(shè)站法，利用架設(shè)的GPS基站測量出的地面控制點(diǎn)數(shù)據(jù)來對掃描數(shù)據(jù)進(jìn)行整體平差，從而獲得精度較高的車輛空間位置。同時，需要對原始掃描數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理[9]，將3倍標(biāo)準(zhǔn)差值作為極限誤差，對超限數(shù)據(jù)進(jìn)行剔除，通過系統(tǒng)平差及精度優(yōu)化，最終其平面精度及高程精度均達(dá)到5 cm以內(nèi)。

在點(diǎn)云抽稀、去噪方面，需要對掃描到的無用點(diǎn)進(jìn)行剔除，從而減小數(shù)據(jù)量，降低計(jì)算復(fù)雜度。由于在城市部件信息采集中，均以道路邊界外50 m為界限，因此先將道路東西邊界50 m外的點(diǎn)云數(shù)據(jù)進(jìn)行剔除，結(jié)果如圖5所示。

圖5 道路邊界點(diǎn)云剔除

同時，考慮采集到的點(diǎn)云數(shù)據(jù)主要用于部件坐標(biāo)提取，因而大量描述建筑物立面或道路平面的點(diǎn)云數(shù)據(jù)是不需要的。由于掃描過程中存在誤差，而這些誤差會產(chǎn)生一些離群點(diǎn)，需要對其進(jìn)行去噪。在此，筆者對其進(jìn)行Octree點(diǎn)云抽稀，并使用SOR(statistical outlier removal)濾波器移除離群點(diǎn)。其中，Octree是三維空間中點(diǎn)的重要數(shù)據(jù)結(jié)構(gòu)，利用Octree結(jié)構(gòu)下的數(shù)據(jù)，可以高效地對點(diǎn)云進(jìn)行壓縮。SOR利用統(tǒng)計(jì)分析原理，通過對點(diǎn)的鄰域進(jìn)行統(tǒng)計(jì)分析，計(jì)算每一個點(diǎn)到其鄰近點(diǎn)的平均距離，對其標(biāo)準(zhǔn)范圍之外的點(diǎn)進(jìn)行剔除，從而達(dá)到移除測量離群點(diǎn)的目的。

通過多次對比試驗(yàn)，subdivision level最佳值為11，SOR用于平局距離估計(jì)的點(diǎn)數(shù)和標(biāo)準(zhǔn)差乘閾值(nSigma)分別取10和2時，能夠在保留城市部件特征的前提下，盡量縮減點(diǎn)云數(shù)量，獲得較好的處理結(jié)果(如圖6所示)。經(jīng)過點(diǎn)云預(yù)處理，將原始點(diǎn)云的3 860 498個點(diǎn)，縮減至945 294個點(diǎn)，精簡了75.51%，減小了后續(xù)城市部件提取的復(fù)雜度。

圖6 點(diǎn)云抽稀去噪

在此基礎(chǔ)上，對處理過的點(diǎn)云數(shù)據(jù)進(jìn)行分類處理，得到各部件的點(diǎn)云，部分部件如圖7所示。

圖7 處理后各部件點(diǎn)云數(shù)據(jù)

在對點(diǎn)云數(shù)據(jù)進(jìn)行過濾提取后，需要采集部件坐標(biāo)點(diǎn)。坐標(biāo)采集時，為保證精度，必須采集到部件中心點(diǎn)，由于行樹、路燈、交通標(biāo)志牌等桿狀地物只有表面點(diǎn)云數(shù)據(jù)，因此需要對較粗的對象點(diǎn)進(jìn)行位置平移至底部中心來滿足要求。

2 成果精度及分析

測區(qū)位于北京市石景山區(qū)城郊，地區(qū)空曠，周圍無大型輻射源，CORS及GPS信號較好，因此試驗(yàn)采用CORS復(fù)測的方法進(jìn)行數(shù)據(jù)驗(yàn)證。通過對掃描路段進(jìn)行復(fù)測，將兩種方法的測量結(jié)果進(jìn)行比較。根據(jù)式(2)和式(4)[10]，以CORS復(fù)測坐標(biāo)值為真值，計(jì)算車載LiDAR掃描點(diǎn)云提取點(diǎn)與真值的坐標(biāo)及中誤差。

(2)

(3)

(4)

式中，(x,y,z)為點(diǎn)云數(shù)據(jù)坐標(biāo)值；(X,Y,Z)為實(shí)測數(shù)據(jù)坐標(biāo)值；n為點(diǎn)數(shù)。

在該路段，試驗(yàn)共測得171個部件點(diǎn)，其中包括行樹、護(hù)樹設(shè)施、交通標(biāo)志牌、路燈、垃圾箱等部件，其數(shù)據(jù)及精度對比見表4。

表4 數(shù)據(jù)點(diǎn)精度對比 m

根據(jù)表4的數(shù)據(jù)，通過式(5)得出，在試驗(yàn)路段，x方向中誤差為0.081 m，y方向中誤差為0.032 m，z方向中誤差為0.059 m，其平面誤差分布散點(diǎn)圖如圖8所示。由圖可知，車載LiDAR掃描點(diǎn)與傳統(tǒng)CORS測量點(diǎn)差值均未超過0.15 m，除個別點(diǎn)外，其余點(diǎn)差值均在0.1 m以內(nèi)，精度遠(yuǎn)遠(yuǎn)高于數(shù)字城管部件采集的A類精度要求，將兩種數(shù)據(jù)導(dǎo)入ArcGIS中進(jìn)行對比管理，也取得了很好的效果(如圖9所示)。綜上所述，使用車載LiDAR獲取城市部件的精度完全符合要求，便于管理。

圖8 平面誤差散點(diǎn)分布

圖9 ArcGIS數(shù)據(jù)管理

3 結(jié) 語

綜上所述，將車載LiDAR應(yīng)用在城市部件采集中可以使部件獲取速度大大提高，改變了傳統(tǒng)部件采集時需要測量員在公路上實(shí)地觀測的方式， 大大提高了測量員的安全性，同時所獲取到的部件位置也較傳統(tǒng)的獲取方法更為精確。雖然其優(yōu)勢突出，但該方法仍然存在許多不足，如采集數(shù)據(jù)時對道路進(jìn)行無差別掃描記錄，造成了大量冗余數(shù)據(jù)，增加了內(nèi)業(yè)的工作量。因此，如何高效地對城市部件信息進(jìn)行選擇性采集，減少無部件區(qū)域的掃描頻率，快速提取所需部件，同時與現(xiàn)在的城市管理系統(tǒng)進(jìn)行對接等，是未來需要進(jìn)一步研究的問題。

參考文獻(xiàn)：

[1] 趙云峰，張彭.數(shù)字化城市管理系統(tǒng)的擴(kuò)展應(yīng)用研究[J].價值工程，2015(30)：18-19.

[2] 李淦，魯雪松，陳建偉.城市部件數(shù)據(jù)建庫研究[J].價值工程，2014(8):227-228.

[3] 鄒小兵.施工測量中測繪新技術(shù)的合理應(yīng)用[J].科技與企業(yè)，2012(19):214-214.

[4] 張傳帥.基于車載LiDAR系統(tǒng)的高精度路面高程測量應(yīng)用研究[D].焦作：河南理工大學(xué)，2013:5-8.

[5] LIU J，CHENG S，OUYANG H，et al.The Institute of Geographic Sciences and Natural Resources Research，CAS[J].Journal of Geographical Sciences，2004，14(S1):97.

[6] 范況生.城市網(wǎng)格化管理研究與實(shí)踐[D].上海：華東師范大學(xué)，2006:8-12.

[7] 傅瑜，陳陽，李延軍,等.升力式再入飛行器全程三維自主制導(dǎo)方法[J].哈爾濱工業(yè)大學(xué)學(xué)報，2016，48(4):97-103.

[8] 徐逢亮，李樹楷.機(jī)載激光影像制圖系統(tǒng)中的3維定位技術(shù)[J].測繪學(xué)報，2000，29(2):137-141.

[9] 鄒曉亮，韓濤，趙桂華,等.機(jī)載LIDAR測量原理與數(shù)據(jù)濾波分類處理[J].電子測量與儀器學(xué)報，2008，22(Z2).

[10] 俞濤.散亂點(diǎn)云精簡與自動拼接技術(shù)研究[D].南昌：南昌大學(xué)，2015:20-22.

[11] 史杰.城市綜合管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].天津：南開大學(xué)，2011:28-33.