測繪新技術在自然資源測繪工程中的應用

羅林峰 LUO Lin-feng

（百色市右江區網格化服務管理中心，百色 533000）

0 引言

隨著可持續發展戰略的提出，自然資源測繪工程受到了越來越多的關注，在此工程開展過程中，需要使用高準確度、科學合理、全面性的測繪技術，以此促使自然資源管理工作的高質高效實施。對此，應當使用測繪新技術推動自然資源測繪工作的順利進行，同時為自然資源的價值更加良好的發揮帶來保障。

1 無人機航測技術在自然資源測繪工程中的應用流程

1.1 航線設計

在進行航拍線路的設計時，需要綜合考慮航線和測區范圍、平均基準面等因素的科學結合。航線的設計應該使無人機在相同區域內開展拍攝工作，同時調整高度差在設計航線高度的1/6 以下，以保證圖像質量和數據精度。此外，重疊率是衡量航線設計優劣的重要指標之一，測區航向重疊應當大于65%。為了確保無人機采集的數據質量，還需要控制旋偏角小于15°和像片傾角最大不超過5°。這些控制措施可以避免數據失真和圖像模糊，提高數據的精確性和可靠性[1]。

1.2 航空攝影

在作業時，把攝像機裝載在無人機上，可以獲得更清晰的圖像，并能夠獲得多方位的拍攝角度。通過對面控制系統的使用，允許技術人員實時監控和操控無人機，對飛行軌跡、航拍參數等進行實時調整和優化，確保航拍任務的順利完成。同時，飛行控制系統則負責穩定無人機的飛行，保證航拍過程中的穩定性和可靠性[2]。

1.3 平臺成果展示與影像對比分析

對不同時期影像信息加以對比分析，展現變化圖斑，能夠更好地分析和研究區域內的地貌和環境變化情況，并為區域開發、規劃和管理提供科學依據。為了更好地利用數據資源，應結合其他基礎地理數據、國土調查數據和業務管理數據等，對變化圖斑的合法性加以評估。對于疑似違法圖斑，需要著重重點展示和核查，以維護區域內的環境和資源保護。此外，巡查結果可以呈現在自然資源綜合監管平臺中，為監管工作提供重要數據支持[3]。

2 尚志市林業資源調查和規劃項目中無人機航測技術的應用

2.1 準備工作

下文主要針對尚志市帽兒山鎮富民風景區實行測繪工作。為使得此次測繪探究活動具有更強的普遍性，另外挑選了一個村落作為參照對象。研究對象的地理位置具體如圖1 所示。

圖1 研究區域地理位置圖

對于測繪設備的選取，其中測區一，即富民風景區使用skyland-DF100 無人機，裝載SONY7R 相機，按照測繪目標規劃了一共六條航帶，總共需要拍攝150 張照片，具體可見圖2。對于測區二，即作為參照的自然村，使用的是CanonELPH110HS 相機，一共規劃了15 條航帶，攝得168張照片（選擇其中的三條航帶，一共包含34 張相片），具體可見圖3。

圖2 測區一航帶設計圖

圖3 測區二航帶設計圖

2.2 成圖精度優化

本文重點探討了無人機航測成圖精準度的影響元素，分別從內外業、創建誤差補償模型等層面展開研究。結合實際測繪數據，優化了成圖效果。

2.2.1 航測像控點布設

為提升無人機航測結果的準確性，針對外業像控點布設方式展開研究，通過明確布點方面的具體影響要素，找出更加科學合理的布點措施。由此，在空三加密中合理引進十九個像控點，再實行同樣數據和操作方式的試驗，將試驗一共劃分成六小組進行比較分析[4]。同時對各個小組所采取的不同的布點方法，利用光束法區域網平差，所得結果可見表1。

表1 不同布點方案平差結果精度統計

針對表1 中的相關數據展開詳細分析研究可以得出，相對于單點布設，點組布點的方式能夠明顯提高數據精準度。特別是在測區地區坡度不高的狀況下，使用在四個角落進行點組布點的方式相對于在四周單點聯合少數布點的方式而言能夠得到更高精度的數據。同時，在使用光束法平差環節，只需對航測地點實行適宜、均勻性的布點，再在四個角落進行點組布點，完全不用再在測繪區域中進行其它布點活動，便能夠取得理想的精度，如此一來有助于減少外業工作量。這一研究成果為航測外業像控點布設提供了重要的指導意義，有助于優化數據處理流程和提高工作效率。

2.2.2 尺度旋轉不變的無人機影像匹配

在當前的特征點提取方法中，為了尋找影像間的同名點，使用較多的方法包括利用角點算子一階微分、二階微分算子和Canny 算子檢測邊緣等。然而，在無人機航測中存在一個挑戰，即姿態角的不穩定性會使得影像呈現出一定程度的傾斜和幾何變化。因此，傳統的灰度值階躍性提取特征點的方式不太適合應用在此種狀況下。

在無人機航空測繪影像中，我們可以發現一些實際生活中的角點，比如公路、房屋建筑、圍墻拐彎處等，在無人機航測影像中能夠良好地展現出來，并且通常是相對穩定的區域。這些角點具有一些特性，例如它們在旋轉和尺度變化下保持不變。為了有效地提取無人機航測影像中的特征點，常用的算法有SIFT 算子（尺度不變特征變換）、SURF 算子（加速穩健特征）和MSER 算子（最大穩定極值區域）等。這些算法能夠根據特征點的不變性和穩定性取得較佳的效果。它們能夠在無人機影像中檢測到具有旋轉不變性、尺度不變性和穩定性的特征點，從而實現可靠的特征點匹配和圖像配準。這對于無人機航測任務的成功執行具有重要意義[5]。

SIFT 特征提取為一種以真實地物局部外觀興趣點為基礎的算法，它可以在圖像中檢測出多個具有穩定特征的關鍵點，并提取這些關鍵點的特征描述。與其他特征提取算法相比，SIFT 算法具有尺度不變性和對光線、噪聲等變化的容忍度高的優點，因此在物體辨識、影像縫合和三維建模等領域得到了廣泛應用。SURF 算法是一種基于高斯二階微分模板的特征提取算法，它將模板化處理后對圖像進行濾波，從而減少了尺度不變特性的檢測時間，同時還具有一定的對光線、噪聲等變化的容忍度。MSER 算法是一種區域特征提取方式，它通過利用不同的灰度閾值對圖像實行二值化，從而檢測出最具穩定性的區域。相比于其他特征提取算法，MSER 算法對圖像灰度的仿射變化具有不變性特征，能夠檢測計算得出不同精細度的區域范圍。在本文中，選擇使用SIFT 算法對無人機航測影像進行穩定的特征點采集，并與原始影像進行匹配。盡管SIFT 算法的速度較慢，不過伴隨現代科技的持續發展，其速度已經不會對數據處理速度產生太大影響，而且它具有穩定的特征提取能力和較高的匹配精度，可以有效地解決無人機航測影像的特征點提取和匹配問題。

2.2.3 基于LS-SVM 的誤差補償模型的建立

當對測繪影像實行平差處理時，使用較多的一種方法為光束法區域網平差。然而，因為采集影像和模型坐標點位之時容易受到多方面因素的干擾，不可避免地會出現誤差，如無人機在飛行期間產生的加速度、溫度差異、氣壓的變動等，均會使得相機拍攝效果受到一定程度的影響。

利用光束法區域網平差，重點在于把像點坐標充當觀測數據，當進行影像連接點的匹配工作之時，常會由于匹配算法的局限性而產生隨機誤差。為控制此類問題對數據精準度造成的影響，應當創建針對性的誤差補償模型。支持向量機是一種以統計學原理為基礎發展演變而來的計算方式，其最為突出的特征便是，只需給出小樣本，便可以做到非線性、高維度計算，而且還能夠獲取到高精準度的預測信息，在此基礎上又進一步衍生了LS-SVM，是目前提高模型計算速率以及預測精確性的一項重要措施。

在本次研究活動中，應用的是LS-SVM 模塊來進行建模，然后利用高斯核函數來構建對應的誤差補償模型。而在選擇合適的核函數之時發現，針對同樣的數據選取不一樣的函數，最終取得的訓練結果比較接近，由此得出初步結論——挑選不同的核函數并不會對訓練成果帶來明顯影響，核心的影響要素為有關參數的選取。

把LS-SVM 運用到誤差補償環節中，促使航測成圖精度獲得了明顯提升，關鍵建模步驟包括：①將像控點信息作為內業加密時的地表信息，并且需要將其在影像之中對應的位置詳細記錄下來。②將外業測量結果的誤差準確計算。③創建補償模型。④實行補償處理，以此獲得改善過的地表坐標。

此次研究把測區一航空測繪影像當做實驗信息（已進行平差優化），創建補償模型，針對以POS 平差后的坐標信息展開修正。在研究活動期間，一共在野外設置了二十九個實測點，在此之中選取二十三個測點結果輸入模型，剩下的六個點則用來檢測模型的精確度。把經過修正處理的POS 數據輸入到空三加密內，對經過加密的坐標信息和控制點實測信息予以對比，對比結果可見表2 和表3。

表2 建?？刂泣c信息

表3 29 個控制點實測坐標與加密后量測坐標的水平距離

把待檢驗測點的坐標數據輸入模型之中，計算出相應的偏差值，得出如表4 所示的結果。

表4 補償后平面與高程的誤差統計信息

根據測區一的實驗結果可知，其航測影像經過空三處理后的GSD 是8.25 厘米，為滿足后期DLG 成圖比例尺需求，則模型補償之后的誤差絕對值不可超出補償之前。所以，可得知X、Y、H、S 方向存在的有效補償點分別為5、4、4、4 個，X 方向可用率達到了百分之83.33，其它三個方向的可用率均為百分之66.67。而且針對補償之前與之后的水平、高程方向實行中誤差計算，所得結果表示檢測點坐標精度在補償以后均得到了提升。

3 結束語

本文以尚志市林業資源調查項目為例，分析了無人機航測技術在自然資源測繪工程中的具體應用，著重探討了影響成圖精度的各方面要素與解決辦法。結合實際采集到的信息數據分析，提出了有效的減小成圖誤差的辦法，同時基于對測區二展開數據收集，實現對全部結果的驗證，證實了其正確性，此研究結果對于指導同類型或是相似條件下的無人機航測工作具有可靠的參考意義。