機載LiDAR 在城市復雜地形環境大比例尺地形測繪中的應用研究

文／葉紹東 佛山市三水國盛測繪有限公司 廣東佛山 528000

引言：

本文提出了一種城市復雜地形環境下的傾斜模型結合LiDAR 點云的方法，用于小區域大比例尺數字地形圖的更新。通過采用五鏡頭六旋翼無人機進行全區域拍攝，以及機載激光雷達對點云進行采集，并對高度不足10 米的區域進行低空補飛，我們成功地克服了傾斜攝影技術的局限性。通過融合傾斜影像點云和機載激光點云進行建模，我們得到了位置精度和模型質量均最優的傾斜三維模型。基于該模型進行的測圖工作表明，在合理的飛行方案和像控點布設情況下，采集的數字地形圖的平面和高程精度完全滿足并優于1:1000 數字地形圖動態更新的精度指標。

1.試驗區概況

試驗區的面積為0.39 平方千米，地勢起伏較大，地形變化較明顯。在試驗區的中部以及周邊地區，地勢相對平坦，周圍環境較為開闊。在小區內部存在著高層建筑和別墅，這些建筑物的高度變化較大，同時地面上也有著豐富的綠化樹木。由于樹木的存在，建筑物的底部容易受到遮擋的影響。此外，這些建筑物的結構相對復雜，一些陽臺等部分具有內凹的結構特點。如果僅采用單一角度進行拍攝，可能會導致視域盲區的產生，無法獲取完整的建筑物信息。在建立三維模型的過程中，也容易出現空洞、拉花、紋理和信息缺失等問題。因此，在對該試驗區進行三維建模時，需要綜合考慮地勢變化、建筑物結構復雜性以及植被遮擋等因素，采用多角度、多視角的數據采集方式，以確保獲得準確、完整的三維模型信息。這樣的三維模型可以為后續的規劃設計、環境分析和可視化展示提供重要的基礎[1]。

而試驗區南部的地勢較為陡峭，坡度超過6°，屬于山地地形，植被茂密。在攝影過程中，很難穿透植被獲得清晰的圖像。該試驗區面臨無人機傾斜攝影技術中遮擋和植被茂密地區的挑戰。針對這些問題，本研究提出了一種創新的方法，結合傾斜模型和LiDAR 點云數據，以實現小區域大比例尺數字地形圖的更新。

2.技術路線

首先對整個研究區進行激光點云數據采集。特別關注植被茂密的山地地區，以獲取真實的地貌信息。在數據采集前，布設了12 個像控點，確保點位分布均勻。針對地形起伏較大的區域，增加了一些額外的像控點，以提高高程精度[2]。最后，完成地形地貌數據的更新。整個技術路線的流程如圖1 所示。通過本方法，可以有效克服無人機傾斜攝影技術在復雜地形和植被茂密地區所面臨的挑戰，并提供精度滿足要求的數字地形圖數據。該技術路線如圖1 所示。

圖1 技術路線

3.數據采集

3.1 無人機傾斜攝影

為了獲取更全面的數據和補充低空視角的信息，本次使用無人機進行了傾斜攝影。通過兩次全區域的拍攝，我們獲得了大量的數字航攝像片，共計4153 張。為了進一步完善數據，我們進行了低空補飛，采集了額外的141 張原始圖像。這些圖像將為后續的傾斜攝影建模和地形地貌分析提供充分的基礎和素材。

傾斜攝影技術的應用能夠提供更為精細和立體的影像數據，能夠捕捉到建筑物、地形等細節的立體形狀和細節。通過傾斜攝影建模，我們可以更準確地還原目標區域的地貌特征和地物形態，為規劃設計、環境評估、景觀分析等領域提供重要的依據。借助這些采集到的圖像數據，我們將進行傾斜攝影建模，生成高分辨率的三維模型，以便更好地了解和分析目標區域的地形、地貌等特征。這將有助于對地理空間信息進行深入研究，并為相關領域的決策和規劃提供有力支持[3]。

3.2 無人機機載激光雷達數據采集及預處理

在無人機機載激光雷達數據采集及預處理過程中，首先進行了數據采集。采用的激光雷達系統具有較高的采集速率，達到了每秒300,000 個數據點的采集頻率。通過無人機的飛行，我們能夠快速而精確地獲取目標區域的地面點云數據。

采集到的激光雷達數據經過預處理，包括去除噪聲、濾波、點云配準等步驟。首先，通過對原始數據進行噪聲濾除和平滑處理，提高了數據的質量和準確性。其次，對采集到的點云數據進行濾波處理，去除異常點和無效數據，進一步優化了數據的可靠性和一致性。

此外，為了確保數據的精度和準確性，還進行了點云配準操作。通過匹配不同位置的數據集，并根據重疊區域進行點云的對齊，實現了整個數據集的一致性和連續性。這樣可以獲得更完整、準確的地面點云數據，為后續的地形建模和地物提取等工作奠定基礎。

無人機機載激光雷達數據采集及預處理的過程是獲取高質量地理空間數據的關鍵步驟。通過采用先進的激光雷達技術和精細的數據處理方法，我們能夠獲取準確、詳細的地面點云數據，為地理信息分析和應用提供有力支持。

4.內業數據處理

4.1 空中三角測量

在空中三角測量中，首先需要獲取高分辨率的影像數據。這些影像數據可以通過航空攝影或無人機航拍等方式獲取。接著，我們使用專業的軟件（如Context Capture）進行第一遍空中三角測量，通過對影像進行特征點匹配、像控點測量和相對定向等處理，得到初始的三角測量結果。

隨后，進行第二遍空中三角測量，主要包括絕對定向和精確的空中三角測量。絕對定向是通過引入地面控制點，將影像與地理坐標系統進行校正，使得影像數據與實際地理位置相對應。而精確的空中三角測量則是通過對影像進行更精細的特征點匹配和測量，計算出更準確的三維坐標信息。

通過以上步驟，我們可以得到高質量的空中三角測量結果，包括具有準確地理坐標的特征點、地物的三維坐標以及地表的數字高程模型等。這些數據對于地理信息系統、城市規劃、地形分析等領域具有重要意義，并為后續的數據處理、分析和應用提供可靠的基礎。空中三角測量的精度符合要求，可以滿足各種工程和科學研究的需求，為空間數據的獲取和利用提供有效支持[4]。

4.2 三維模型構建

在三維模型構建過程中，我們采用了無紋理的方法，即不考慮物體表面的紋理信息，主要關注物體的幾何結構。首先，我們使用空中三角測量得到的高質量的特征點和三維坐標數據作為基礎，然后進行三維模型的生成和重建。

在三維模型構建過程中，我們嘗試了不同的建模方法和算法，如點云處理、體素化、網格生成等。通過對這些方法的評估和比較，我們可以選擇最適合的建模方法來生成高質量的三維模型。

此外，在建模過程中還進行了數據的預處理，包括噪聲去除、點云濾波、采樣和數據配準等。這些預處理步驟有助于提高模型的精度和質量，減少數據中的噪聲和誤差。

通過以上步驟，我們可以生成無紋理的三維模型，即注重物體的幾何結構和形狀。這種無紋理的三維模型適用于一些應用場景，如建筑物建模、地形分析、虛擬現實等領域。它可以提供準確的物體形狀信息，并為后續的數據分析和可視化提供可靠的基礎。

4.3 激光點云分類和DEM 制作

針對激光點云數據的分類和DEM 制作，我們采取了一系列的步驟和方法來提高分類的準確性和質量。

首先，我們使用先進的分類算法對激光點云數據進行分類。這些算法包括基于特征的分類方法、機器學習算法等。通過對點云數據進行特征提取和分類，可以將點云數據分為地面點、建筑物點、植被點等不同的類別。這有助于后續的地形分析和建模。

在分類之后，我們還可以參考正射影像進行手動的精細分類。這包括調整分類算法的參數和設置，以適應高程突變區域和復雜地形。通過手動的精細分類，可以進一步提高分類的準確性和質量，確保不同地物類別被正確地分類和提取出來。

同時，為了制作DEM（數字高程模型），我們可以使用分類后的地面點云數據進行插值和平滑處理。通過對地面點云數據進行插值，可以生成高精度的地面模型，反映地表的高程變化。這對于地形分析和地貌研究非常重要。

總之，通過激光點云的分類和DEM 制作，我們可以獲取準確的地物分類結果和高精度的地表高程模型。這為地理信息系統、城市規劃、環境監測等領域的應用提供了可靠的基礎。同時，不斷優化和改進分類算法和制作方法，可以進一步提高分類和DEM 的精度和效果。

4.4 1:1000 數字地形圖數據采集

為了采集1:1000 數字地形圖數據，我們采取了一系列措施以確保數據的精度和準確性。

首先，我們選擇了適當的測圖比例，即1:1000，以確保地形圖的細節和準確度。該比例可以提供足夠的細節，同時又不會造成數據過于冗雜。

在數據采集過程中，我們采用了傾斜攝影技術。傾斜攝影能夠提供更為真實和立體的地貌信息，使地圖更加真實和精確。通過使用傾斜攝影，我們可以獲得具有高精度的三維模型數據，用于測繪和制作數字地形圖。

為了確保測繪的精度，我們采用了房棱繪圖方法。通過選擇建模效果較好的區域進行繪制，我們可以確保地圖中的地物位置和形狀的準確性。這種繪圖方法可以提高地圖的精度，并確保地圖中的地物與實際情況一致[5]。

運用經典的蠕蟲狀鏈模型來描述DNA等剛性分子已很普遍[5-8],持續長度也可以用計算機進行模擬[9-10],投影長度對分子鏈形態的描述也有其獨到之處[11-12].隨著高分子科學向生命物質的不斷滲透,采用蠕蟲狀鏈模型來處理分子鏈形態與構象關系將越來越多[13-15].為此,更正一些不當的處理過程,發展計算機模擬方法,將使蠕蟲狀鏈模型得到進一步的發展和補充.

最終的1:1000 數字地形圖成果展示了通過傾斜三維模型進行測繪所得到的結果（圖2）。這些數據采集和測繪過程保證了地圖的精度和準確性，確保地圖中地物的位置和形狀準確無誤。這對于地理信息系統、城市規劃和其他應用領域具有重要意義。通過采用傾斜攝影和房棱繪圖等技術，我們可以不斷提高數字地形圖的質量和精度，為實際應用提供更可靠的數據基礎。

圖2 1:1000 數字地形圖

5.質量評定

5.1 傾斜三維模型質量分析

5.1.1 位置精度檢測

位置精度是評估傾斜三維模型建模結果的重要指標之一。通過對建模結果進行位置精度檢測，可以評估傾斜三維模型的建模準確性和位置表達能力。

在位置精度檢測過程中，我們通常會與現實世界中的地理標志物進行對比，比如已知位置的控制點或其他具有已知坐標的地物。通過將傾斜三維模型的位置信息與這些已知坐標進行比對，我們可以評估建模結果的位置精度。

研究結果表明，采用傾斜三維模型進行建模的過程具有高精度，并能夠準確地表達地物的位置信息。這意味著傾斜三維模型可以為地圖制作和測繪工作提供可靠的基礎數據。高位置精度的建模結果可以確保地圖中地物位置的準確性和可信度，使地圖更加符合實際地理環境。

因此，在傾斜三維模型的建模過程中，位置精度的檢測是不可或缺的環節。通過對建模結果進行準確性和可靠性的驗證，我們可以確認傾斜三維模型的建模結果是否符合要求，并為后續的地圖制作和測繪工作提供可靠的數據基礎。位置精度的高低對于地圖制作和測繪工作具有重要意義，它直接影響著地圖的準確性和可靠性。因此，在傾斜三維模型建模過程中，我們需要重視位置精度檢測，不斷提升建模技術和方法，以確保建模結果的高精度和優質性。

5.1.2 模型質量

模型質量是評估傾斜三維模型建模結果的重要指標之一。為了確保建模的準確性和完整性，本次試驗采用了一種新的建模方案，與其他方案相比，它具有更好的性能和能力來處理復雜的數據。

為了提高建模的效率，我們還可以考慮采用計算機集群的方式進行協同計算。通過利用多臺計算機的并行處理能力，可以加快建模過程，提高建模的效率和準確性。

總的來說，通過對建模方案進行比較和評估，我們可以確定建模的準確性、完整性和質量。這些評估結果對于保證建模結果的可信度和適用性非常重要。在未來的研究和實踐中，我們應該繼續探索更加先進和高效的建模方法，以進一步提高傾斜三維模型的質量和精度，滿足實際應用的需求。

5.2 數字高程模型精度檢測

根據實測結果和計算，平地區的數字高程模型（DEM）的平地區的誤差優于規范中規定的一級精度（0.2m），而山地區的誤差也優于規范中規定的一級精度（0.7m）。因此，這些數字高程模型的精度達到了1:500 數字高程模型的一級精度要求。

這意味著在實驗區內，針對平地和山地不同地形類別，所生成的數字高程模型(DEM)的精度都能夠滿足規范要求，并且在山地區的精度表現更好。這些結果對于后續的地理信息應用和相關研究具有重要意義。

5.3 1:1000 數字地形圖精度檢測

5.3.1 未遮擋區域位置精度

其中22 個檢查點的平面誤差在5cm 以下，占總數的75.86%；這些結果表明數字地形圖在未遮擋區域的位置和高程信息具有較高的準確性和可靠性。

5.3.2 建筑物房角點平面精度

在評估建模質量時，平面誤差是一個重要的指標。根據對房角點的分析，我們可以看到在平面誤差方面的表現。具體而言，有20 個房角點的平面誤差在5cm 以下，占總數的28.57%。另外，28 個房角點的平面誤差在5～10cm 之間，占總數的40%。然而，還有22 個房角點的平面誤差超過10cm。

經過進一步的分析，我們發現這些平面誤差較大的點主要是由于以下原因：首先，建筑物的復雜結構和內凹部分可能導致了誤差的累積；其次，遮擋物（如樹木）和高度變化也可能影響了測量的精度；此外，數據采集和處理過程中可能存在一些技術因素或操作不當，導致了誤差的產生。

結語：

本研究通過探索機載LiDAR 在城市復雜地形環境下的應用，對大比例尺地形測繪進行了深入研究。通過傾斜模型結合LiDAR 點云數據的采集與處理，我們獲得了高質量的數字地形圖，并驗證了其在平面和高程精度方面的優越性。研究結果表明，機載LiDAR 能夠有效獲取復雜地形環境下的地形數據，包括山地和植被茂密區域。與傳統的測量方法相比，機載LiDAR 具有時間短、效率高和成本低的優勢，能夠提供更精確的地形信息。