無人機載LiDAR測深系統進行海岸帶測繪的可行性分析

宿殿鵬1,2，陽凡林1,2，陳 亮3，王仕強，陳 雨3，陳 濤

(1.山東科技大學 測繪與空間信息學院，山東 青島 266590； 2.自然資源部 海洋測繪重點實驗室，山東 青島 266590；3.中測瑞格測量技術(北京)有限公司，北京 100125； 4.北斗智云(天津)科技有限公司，天津 300160)

海底地形數據可為生態環境保護、災害防治、旅游開發以及交通規劃提供基礎地理數據支撐[1]，也是相關海洋科學研究、海洋工程應用、海洋軍事決策的重要數據來源[2]。然而，由于海岸帶、海島礁周邊淺水海域地形變化大、環境復雜，采用常規的海洋測繪方式效率低、成本高、難度大、風險高，會存在一定的測量空白區域(圖1)。如何突破復雜淺水海域快速高精度測量，成為當前亟待解決的海洋測繪技術問題。

圖1 復雜淺水區域傳統水下測量方式的局限性Fig. 1 Limitations of traditional underwater survey methods in complex shallow water area

機載LiDAR測深(airborne LiDAR bathymetry, ALB)同時具備水陸地形測量功能，具有測量效率高、覆蓋面廣、水陸兩用等諸多優勢。其測深能力受水質限制，理論最大測深一般不超過70 m[3]，可以解決復雜淺水水域測量的技術難題，特別適用于淺水海岸帶附近區域等復雜地形的快速探測[4]，實現海岸線水上水下地形的無縫拼接[5]。由于機載LiDAR測深和船載聲學測深(圖2)在測量區域和測量范圍方面具有一定的互補性，將二者數據融合可以獲得水上水下全覆蓋三維地形數據(圖2(c))。早期多采用有人機搭載測深LiDAR設備獲取水陸一體化空間數據[6-7]，隨著技術發展，目前出現了體積更小、質量更輕的便攜式測深LiDAR和無人機平臺，無人機載LiDAR測深系統應運而生。相較于有人機載LiDAR測深系統，無人機載LiDAR測深(UAV-borne LiDAR bathymetry, UAV-ALB)作業空域申請更為方便，成本控制也更有效[8]。現階段，無人機載LiDAR測深系統在國內尚未得到廣泛應用。

圖2 機載LiDAR測深機理及應用Fig. 2 Principle and application of airborne LiDAR bathymetry

為全面深入了解、驗證無人機載LiDAR測深系統測量性能及其適用性，特別是在我國海岸帶區域作業的可行性，利用RIEGL VQ-840-G ALB系統，在山東青島開展了無人機載LiDAR測深綜合實驗，獲得一批有價值的測量數據。從測點密度、最淺探測深度、最大探測深度和測深精度4個方面定量分析無人機載LiDAR測深系統的測量性能，并進一步分析采用無人機載LiDAR測深系統進行海岸帶測繪的可行性。

1 測深原理及典型設備

1.1 測深原理

機載LiDAR測深是一種主動式遙感測量技術，利用藍綠色激光能夠穿透水體的傳播特性實現水深測量。海水對波長為520～535 nm的綠激光吸收最弱，因此該波長被稱為“海洋光學窗口”[9]。基于這一光學特性，研發出機載LiDAR測深系統，按照激光波段數量分為單色激光機載LiDAR測深和雙色激光機載LiDAR測深。

圖3 單色激光機載LiDAR測深原理圖Fig. 3 Working schematic of monochrome airborne LiDAR bathymetry

以單色激光機載LiDAR測深為例，利用裝在飛機下部的激光發射器(波長為532 nm的綠光)向水面以掃描測量的方式發射激光脈沖，激光束以一定傾斜角入射至海面。532 nm綠色激光既透氣也透水，因此在大氣-水界面發生折射效應，光束通過在水體中的光路傳輸到達海底，并在海底界面發生反射，沿著路徑返回，被激光接收器所接收。通過信號檢測、處理獲得綠激光從海面、海底返回的時間差，結合綠激光的入射角、大氣-水界面折射角等因素進行綜合計算，即可得到測量點的瞬時水深值(圖3)。通過與衛星-慣導組合定位系統(global navigation satellite system/inertial navigation system, GNSS/INS)測得的實時位置信息、姿態信息(側滾角、俯仰角和航向角)、潮汐數據等進行數據融合處理，即可得到測量點在地理坐標系下的坐標和基于深度基準面的水深值[10]。

1.2 典型無人機載LiDAR測深商業系統

最早開展無人機LiDAR測深系統研發的是奧地利RIEGL公司，相繼推出了RIEGL BDF-1和RIEGL VQ-840-G系統，在國外淺水及岸線地形測量工作中得到應用，包括國外海軍淺水測圖等任務(表1)。近幾年我國中科院上海光機所也開始著手研制國產無人機LiDAR測深系統Mapper4000U，并于2021年研發成功，已在福建漳州、山東青島、海南萬寧等地進行海試，獲得了一批有價值的數據。

1) RIEGL BDF-1是一款專為水深測量設計的激光測深儀(圖4(a))，專為無人機(unmanned aerial vehicle, UAV)系統設計，緊湊、輕小的設計使其可以方便搭載于無人機平臺上。其為線掃描模式(類似于船載單波束測量)，在4 kHz的激光發射頻率下，根據飛行速度和平均比率的不同，測量點間的距離為1～10 cm[11]，成為獲取內陸水體剖面數據的理想工具。

表1 典型商業無人機載ALB系統技術指標[11-12]Tab. 1 Technical index of typical commercial UAV-airborne LiDAR bathymetry system

2) RIEGL VQ-840-G是一款完全集成的緊湊型機載激光掃描儀(圖4(b))，能夠同時進行水文和地形測量。該系統集成了經過原廠檢校過的GNSS/INS系統，其緊湊而輕巧的設計可適用于多種飛行平臺，包括無人機平臺。通過強大的脈沖激光源，發射狹窄的綠色可見激光束，激光束以橢圓掃描模式偏轉，以極小變化的入射角打入水面[12]，實現高分辨率的水下地形測量。

圖4 典型商業無人機LiDAR測深系統[11-12]Fig. 4 Typical commercial UAV-airborne LiDAR bathymetry system

2 實驗與分析

2.1 實驗概況

為充分驗證無人機載LiDAR測深系統在我國進行海岸帶測繪的可行性，山東科技大學測繪與空間信息學院組織開展了無人機載LiDAR測深綜合實驗(圖5)。本次實驗是國內首次使用RIEGL VQ-840-G無人機載LiDAR測深系統(中測瑞格提供)進行海岸帶水陸地形測繪，旨在通過測深實驗分析UAV-ALB系統的測深性能，為國內無人機載測深LiDAR海岸帶測繪提供參考。

本實驗于2021年10月22日在青島膠州灣入海口南側海岸(圖5(a))進行，該測區水質相對清澈，實測賽奇盤平均深度2.6 m(圖5(e))。此次綜合實驗，RIEGL VQ-840-G系統的采集頻率設為50 kHz，航高50 m，航速5～6 m/s，激光發散角1 mrad，掃描天底角20°；共設計飛行了兩個航次，航次一和航次二分別采集了10條和9條航帶的測量數據；慣性導航系統采用APPLANIX APX20。對采集的數據已進行了多傳感器標定校準、點云去噪、測深折射改正、航帶間系統誤差剔除等數據后處理。此外，還同步采集了航空照片(圖5(f)，照片曝光間隔為2 s)。同時，為驗證RIEGL VQ-840-G的測量性能，分別利用船載單波束測深儀(single beam echo sounder, SBES)、實時動態測量(real-time kinematic, RTK)采集了水下點和陸上點。

圖5 無人機載LiDAR測深綜合實驗概況Fig. 5 Comprehensive experiment of UAV-airborne LiDAR bathymetry system

2.2 實驗結果分析

2.2.1 測點密度

表2 點云密度統計Tab. 2 Point cloud density statistics

圖6 RIEGL VQ-840-G采集點云密度統計Fig. 6 Density statistics ofpoint cloud captured by RIEGL VQ-840-G

測點密度可直接反映地形地物的空間分布特點，對海岸帶實景三維模型構建等工作至關重要。為了解點云密度情況，對陸地點、海面點、海底點的密度特征進行了統計。如表2和圖6所示，RIEGL VQ-840-G在陸地和水下均具有極高的測點密度，可以滿足后續海岸帶點云數據應用的需求。

相對于有人機，無人機搭載LiDAR測深系統的飛行高度(50～100 m)相對較低，飛行速度(旋翼5 m/s)較小，測點密度相對較大、測量效率相對偏低。當然，由于其重量較小，對于無人機測量的穩定性要求高，測量時要盡量選擇良好的海況(海面風速小于5 m/s)。

2.2.2 最淺探測深度

受發射激光脈沖波寬和接收器接收帶寬的限制，對于水深小于2 m的極淺水區域，ALB海面波形和海底波形容易混疊在一起，造成位置識別困難，很大程度上限制了ALB的最小深度探測能力，甚至會在水陸交界處留下數據空白帶。因此，最淺探測深度是影響ALB測深性能的關鍵因素之一。為確定RIEGL VQ-840-G的最淺探測深度，通過遍歷查詢采集的波形，分析其最淺探測深度(圖7)。

圖7 水下斜距小于1 m的典型波形Fig. 7 Typical waveforms with underwater slant distances less than 1 m

選擇4組水下斜距小于1 m的典型波形進行分析，如圖7(a)所示，海面與海底的時間差僅為1.5 ns，對應的水下斜距最小值約為0.169 m。顧及綠光進入水體后的入射角θ，由斜距L計算垂向水深h(h=Lcosθ)，其最小測深值約為0.16 m。通過分析知，在現有硬件條件下，研究確定一種極淺水波形分解算法，如何將海表面和海底反射信號從疊加的測深回波信號中準確分離出來，是進一步提高ALB系統最淺探測能力的關鍵所在。

2.2.3 最大探測深度

最大探測深度是衡量ALB測深能力的關鍵指標之一，嚴格意義上，其為ALB所能探測的最深海底點與平均海面間的高差。通常，ALB實驗開始前，需要測量賽奇盤深度，以指導ALB測線布設等測前工作，進而提高測量效率和效果。如表1所示，RIEGL VQ-840-G的最大探測深度為2.5倍的賽奇盤深度(@50 kHZ)。為驗證其指標的準確性，選擇垂直于海岸的剖面進行顯示(圖8)。由于海面點云具有一定的厚度，因此在計算時平均海面高程使用海面點云的平均高程予以表示，最深海底點便是海底點云中高程最低點。

圖8 包含最深海底點的點云剖面Fig. 8 Point cloud profiles containing the deepest seafloor points

經計算，測區平均海面高程為3.394 m，海底最深點高程為-2.746 m，該數據中ALB最大探測深度(基于平均海面)即為6.14 m。本次實驗同步采集的賽奇盤平均深度為2.61 m，因此本次ALB實驗的最大測深約為2.4倍賽奇盤深度，基本滿足系統規定指標。此外，風、浪、太陽輻射等環境因素也對ALB測深能力有重要影響[13]。值得注意的是，此處獲得的最大探測深度是基于平均海面的，最大穿透深度要大于6.14 m。通過此次實驗可知，在實際海岸帶測繪作業中，可先進行賽奇盤深度的測量工作，選擇有利于機載LiDAR測深的作業海域、作業季節，有針對性地開展海岸帶機載LiDAR測深工作，以提升測繪效率、降低作業成本。

2.2.4 測深精度

為評估ALB測量穩定性并驗證測深精度，分別計算ALB航帶間同名點誤差，以及將ALB數據與船載單波束測深、陸上RTK同名點間對比，進行ALB數據內符合與外符合精度分析。其中，航帶間同名點對比采用反距離加權(inverse distance weight, IDW)確定相鄰航帶間的同名點，再進行高程(水深)對比。不同數據源間數據對比則是將RTK與SBES點作為真值，選取臨近的三個ALB點進行IDW處理，確定同名點后再進行高程(水深)對比。對比精度采用同名點間高差的標準差進行衡量：

(1)

式中，Xp,i與Xo,i代表第i組同名點對，n代表同名點對數量。

1) 內符合精度

本實驗相鄰航帶間均具有30%左右的重疊區域。為分析航帶間偏差，驗證ALB探測同一區域的穩定性，在各相鄰航帶間選取一定數量的同名點，計算其內符合精度。選取并計算航次一采集10條航帶的相鄰航帶間誤差，其統計結果見表3、表4。

表3與表4分別統計了各相鄰航帶間陸地和海底的22對同名點高差的最大值、最小值、平均值與標準差。對陸地點進行比較，僅有一對相鄰航帶同名點間標準差較大，為15.3 cm，其他各航帶重疊部分同名點標準差均小于7 cm；對水下點進行比較分析，大多航帶間高差最大值小于20 cm，最小值僅為0.1 cm，平均值與標準差均小于10 cm。綜上，RIEGL VQ-840-G相鄰航帶間具有較高的內符合精度，系統測量結果具有較好的魯棒性。

表3 航帶重疊區域陸地同名點高程誤差統計表(陸地點云)Tab. 3 Elevation errors of land corresponding points in strip overlap areas

表4 航帶重疊區域海底同名點水深誤差統計表(海底點云)Tab. 4 Bathymetric errors of the seabed corresponding points in strip overlap areas

2) 外符合精度

為驗證RIEGL VQ-840-G系統測量點的外符合精度，通過目前較為成熟的陸上與水下地形測繪手段(RTK與SBES)所采集數據分別與ALB點云進行對比分析。本次ALB實驗測區內分布有一定數量的RTK測量點(圖9中黑色點)與SBES測深點(圖10中黑色點)，從中各選取20對同名點進行對比，計算同名點高差(圖11)，統計高差(水深)最大值、最小值、平均值和標準差，如表5所示。

圖9 ALB點云與RTK點相對分布Fig. 9 Relative distribution between ALB point cloud and RTK points

圖10 ALB海底點與SBES點相對分布Fig. 10 Relative distribution between ALB seabed points and SBES point

圖11 ALB與單波束同名點誤差隨水深分布Fig. 11 Error distribution of corresponding points between ALB and SBES

綜合表5和圖11可知，ALB所測陸地點與RTK點間高差最大值為8.8 cm，最小值為1.0 cm，均值與標準差分別為4.4、5.2 cm，說明RIEGL VQ-840-G具備較好的陸地點測量精度。根據《海洋工程地形測量規范》[14]，0～15 m水深范圍，單波束的主、檢點位水深對比時重合深度點的不符值限差<0.3 m，且超限的點數不超過參加對比點總點數的25%。RIEGL VQ-840-G無人機載LiDAR測深系統測深數據與SBES數據進行對比，水深差最大值為38.7 cm，最小值為2.6 cm，水深差平均值與標準差分別為14.4、17.6 cm，較大水深差出現次數較少(圖11)，大多數的對比水深差在20 cm以下，表明RIEGL VQ-840-G具備較好的水下地形測量精度。

表5 ALB水上水下點云成果精度對比Tab. 5 Accuracy comparison of ALB point cloud above water and underwater

3 討論

利用無人機載LiDAR測深系統進行海岸帶測繪前需制定詳細的測量方案，包括測量時間的選擇、天氣情況的考慮、系統參數的設置和輔助數據的采集等。另外，還需要針對性的對采集的數據進行精細化處理。本研究提出幾條實驗經驗與建議，旨在為無人機載ALB數據采集、數據誤差改正提供參考。

1) 掃描軸偏角的大小直接決定著ALB測量精度，系統安裝時要做到掃描軸偏角盡量小或確定其具體的軸系偏轉角度，建議實驗前進行多傳感器標定。

2) ALB測深誤差隨海面傾角的增大而增大，并隨掃描天底角的增大而增大。其中，海面風速決定著海面傾角的變化，風速越大，海面傾角越大。因此，測量時要盡量選擇良好的海況(海面風速小于5 m/s)。另外，較大的掃描天底角會影響測量精度，較小的天底角則會降低測量效率。在保證測深精度和測量效率的前提下，建議掃描天底角設置為15°～20°。

3) 水體折射率精度影響ALB測深精度。通過計算，10 m水深情況下，水體折射率分別采用1.330和1.334時，測距相差約4 cm。因此，為了獲得較為準確的水體折射率，測量實驗設計時建議采用溫鹽深(conductivity temperature depth, CTD)剖面儀采集測區水域的CTD數據作為輔助數據。

4) 無人機載LiDAR測深數據處理對于獲得高精度數據至關重要。對于激光指向誤差，可以通過規范系統安裝來避免一部分，另一部分可以通過系統校準來校正；對于水面折射誤差，可以利用基于水面模型和光線追蹤的ALB折射改正方法進行修正。如果需要更精確的地形數據，還需要考慮水體散射誤差、水體折射誤差、不規則水底地形起伏誤差等[15]。

4 結論

為了評估無人機載LiDAR測深系統進行海岸帶測繪的可行性，基于RIEGL VQ-840-G無人機載LiDAR測深實驗獲得的數據，分別從測點密度、最淺探測深度、最大探測深度、測深精度4個方面定量分析了無人機載LiDAR測深系統的測量性能，得到以下結論。

1) RIEGL VQ-840-G無人機載LiDAR測深青島實驗的水深點密度達603個/m2，最淺探測深度僅有0.16 m，最大探測深度(基于平均海面)達6.14 m，水下測深精度達17.6 cm(與船載單波束測深數據對比)，陸上高程精度為5.2 cm(與陸上RTK數據對比)。

2) 實驗對比結果能夠滿足海岸帶測繪的要求，說明無人機載LiDAR測深系統應用于海岸帶等淺水區域水陸一體化測繪是可行的，相關成果也可為我國機載LiDAR測深技術的研發與應用提供相應參考。