無人機LiDAR點云與無人機影像匹配點云分析比較

繆志修 羅遠剛

摘? 要：隨著無人機技術的不斷發展，無人機數碼航測技術和無人機LiDAR技術在測量領域的應用越來越廣泛。為分析無人機LiDAR點云和無人機影像匹配點云2種點云的差異，該文通過對西南某鐵路一個測區在同一飛行高度的情況下同時進行無人機數碼航攝及無人機LiDAR航攝2種方式航攝。對2種不同的攝影方式獲取的點云進行比較，分析出2種方法獲取點云在形態表現、濾波分類，以及利用2種點云制作DEM高程精度方面的差異，為實際工程航飛方式的選擇提供一個參考。

關鍵詞：無人機LiDAR點云；無人機匹配點云；濾波分類；DEM；點云數據

中圖分類號：V279+.2? ? ? 文獻標志碼：A? ? ? ? ? 文章編號：2095-2945（2024）19-0086-05

Abstract： With the continuous development of UAV technology， UAV digital aerial survey technology and UAV LiDAR technology are more and more widely used in the field of measurement. In order to analyze the difference between UAV LiDAR point cloud and UAV image matching point cloud， this paper simultaneously carries out UAV digital aerial photography and UAV LiDAR aerial photography at the same flight altitude in a survey area of a railway in southwest China. This paper compares the point clouds obtained by two different photography methods， and analyzes the differences between the two methods in morphological performance， filter classification and DEM elevation accuracy using two kinds of point clouds， so as to provide a reference for the selection of practical engineering flight methods.

Keywords： UAV LiDAR point cloud; UAV matching point cloud; filtering classification; DEM; point cloud data

近年來，隨著無人機技術的不斷發展，無人機航攝因其飛行靈活、航攝成本低等特點已經廣泛被應用于地形圖的測量工作。無人機航測點云主要是通過影像匹配技術進行生成，目前無人機航測點云采用的匹配算法主要有：帶共線條件約束的多片最小二乘影像匹配法、基于多基元多影像匹配法、基于物方面元的多視立體匹配算法等，相對于無人機LiDAR技術來說，無人機航攝需要布設外控點，以及在密林地區獲取地面點云較為困難。無人機LiDAR是通過發射激光束并測量激光束反射回來的時間計算距離并根據搭載的激光設備進行激光設定的參數，直接獲取得到物體表明的激光點云數據，無人機LiDAR獲取得到的激光點云更加簡便、直接。目前，利用無人機航攝進行地形圖制作的技術已經較為成熟，在進行地形圖及模型制作時，匹配的點云往往作為附加產品，不能有效地合理應用。本文從無人機匹配點云和機載LiDAR生成的點云獲取方式、點云形態分布、濾波分類方法以及生成的DEM精度4個方面分析出2種點云的差異，為實際生產項目時選用合理的航飛方式提供參考。

1? 點云數據獲取方式

1.1? 無人機影像匹配點云數據獲取

本次項目點云生產采用三維建模，使用的軟件為Context Capture。Context Capture是Bentley旗下的一款三維實景建模軟件。使用Context Capture，用戶可以快速為各種類型的基礎設施項目生成三維模型。

無人機獲取航攝匹配點云數據的主要步驟如下。

1）根據測區大小合理布設外控點。

2）進行航線的規劃。

3）進行航飛相關參數的設置。

4）導出航飛影像數據及POS數據。

5）在Context Capture軟件中，加載影像數據、導入相機參數，并導入影像位置信息、提交空三測量（相對定向）。

6）相對定向完成后，將外業實測控制點導入，并設置好坐標系統，然后在影像上進行刺點。

7）根據刺點成果進行聯合平差計算。查看刺點精度，精度滿足規范要求后輸出三維彩色點云。

1.2? 無人機LiDAR數據點云獲取

無人機LiDAR數據點云獲取的主要步驟如下。

1）根據測區大小、點云密度及點云精度，進行航線的合理規劃。

2）地面基站的布設。

3）航線飛行前需要進行慣導的初始化工作。

4）在航飛控制軟件導入規劃好的航線，并檢查點云密度、飛行高度、飛行速度、航向重疊度和旁向重疊度等參數設置是否滿足項目精度的要求。在實際項目中盡量保證航向點間距和旁向點間距保持一致。

5）使用PosPac軟件進行航線的解算（需要導入機載POS數據以及地面基站數據）。

6）導入解算合格的航線以及原始激光測距數據，進行點云數據的生成。

7）查看每條相鄰航線點云的匹配精度。匹配精度滿足規范要求后，輸出每條航線的激光點云數據。

8）對航線匹配合格的激光點云數據進行濾波分類處理，生成滿足要求的DEM數據。結合DEM數據及影像數據制作DOM數據。

2? 點云的比較分析

2.1? 點云特點比較

圖1為西南某鐵路一測區內2種方式獲取的點云。圖1（a）為無人機航攝匹配點云，圖1（b）為機載LiDAR獲取得到的點云。

從圖中可以看出，目前2種生成方式的點云都能夠疊加色彩信息。無人機航攝點云由采用的影像匹配的算法得到，在影像匹配較好的區域（無云朵遮擋等）生成的點云較為密集，在陰影遮擋等區域點云密度較低，且匹配點云邊界信息模糊和分布不均勻。而機載LiDAR獲取的點云由于飛機飛行高度相對于不同的地方高差不一樣，容易造成海拔高的地方點云密度較為密集，而低海拔區域點云密度較為稀疏。同時還由于飛機飛行速度及激光不同的掃描方式，容易造成航向和旁向點云密度的不均勻。

無人機航攝匹配點云在水域中也均勻分布了點云數據。而無人機LiDAR由于激光在水域區域被水吸收，而造成在水域區域無點云數據，如圖2（b）中黑色區域即為水域區域，該區域無激光LiDAR點云數據。

圖2為該區域的用2種方式獲取得到點云的高程分色的顯示。

為了能夠更好地分析2種點云，通過對2種特殊的地物（植被和房屋）進行橫斷面的裁剪，直觀地分析出2種點云的差異。

圖3中為一房屋的剖面圖。圖中紅色點云為無人機LiDAR生成的點云。白色點云為無人機匹配點云，可以看出無人機匹配點云比較連續、光滑、分布比較均勻且密度較高。而機載LiDAR點云比較離散，分布不均勻。造成這種現象的原因主要是2種點云的獲取方式不同。機載LiDAR點云由于飛行速度，飛機高度以及地面的變化起伏等，造成不同地方獲取得到的點云密度不同。而無人機點云采用的影像匹配算法，點云密度均勻，同時會獲取得到大量的線性特征信息和邊緣信息，如圖3的建筑物邊緣等。

圖4為植被區域的剖面圖。圖中白色點云為無人機航攝點云。紅色點云為無人機LiDAR點云。從圖4可以看出，無人機航攝點云在密林區域只能反映樹冠上的一些信息，而不能得到地面信息。而無人機LiDAR由于多回波等特性，具有一定的穿透性，能夠獲取一定的地面信息。因此在制作DEM時，無人機LiDAR更能獲取真實的地面信息。而影像匹配點云只能獲取植被的表面信息，如需獲取該區域的DEM數據，可以采用外業實測等手段。本文對2種點云數據的特點進行分析，并對濾波、分類等點云數據進行處理為選擇合適的技術手段提供一個參考依據。

2.2? 點云濾波結果的比較

使用點云數據進行DEM制作時，需要對激光點云數據進行濾波分類處理。

機載LiDAR點云的濾波算法主要有：基于坡度的濾波算法、基于數學形態學濾波算法、基于曲面擬合濾波算法以及基于不規則三角網的濾波算法等。目前常用的點云分類軟件TerraScan中采用的地面點云分類算法是基于不規則三角網迭代濾波算法，該算法是選取區域內少量的最低點來構建不規則三角網，同時通過設置一定的迭代角度，以及迭代距離，將滿足要求的點加入到三角網中，直到所有點迭代完畢。采用該軟件在進行無人機航攝點云地面點濾波分類時，無人機航攝點云采用的影像匹配算法獲取的建筑物邊緣信息點云光滑，樹木冠頂的點云也比較連續光滑。無人機航攝匹配點云由于這一特性在一定程度上影響到點云地面點分類效果，容易將含有邊緣點云的房屋歸類到地面點云當中。同時在點云的自動分類算法中，容易將山脊、陡坎等地物錯誤地剔除掉。因此在自動分類完成后，往往需要結合正射影像進行手動的人工編輯。

針對無人機匹配點云的特點，目前有學者提出了針對無人機匹配點云的濾波算法，如董友強等提出了一種改進的適用于DIM點云的PTD濾波算法。張剛等提出了基于區域特征分割的密集匹配點云漸進形態學濾波算法。總的來說，相對于機載LiDAR點云的濾波算法，無人機匹配點云的濾波算法研究較少。

2.3? 高程精度比較

為了對該測區的高程精度進行分析，在測區均勻地布設了6個標靶，并人工實測出6個點的平面和高程。圖5為無人機LiDAR點云精度統計，圖6為無人機匹配點云精度統計。

可以看出，同一個測區內機載LiDAR生成的DEM精度的標準差為0.065 m。而無人機航測匹配點云生成的DEM高程精度標準差為0.121 4 m。相對于無人機航攝點云生成的DEM來說，無人機LiDAR點云生成的DEM高程精度較高。同時在密林區域，由于無人機航攝點云只匹配到樹冠上的點云，而不能獲取地面點云，其精度較無人機LiDAR獲取的高程精度會更低。

3? 結束語

本文通過對同一個測區進行無人機航攝以及無人機LiDAR進行航飛，從2種設備獲取點云的方式、點云特點、濾波分類算法以及生成DEM精度等方面進行比較分析。相對于無人機LiDAR，無人機航攝設備的價格較低。對于小范圍地面較為裸露，無大面積植被的區域，可以通過布設些外控點。采用無人機航攝技術可以快速獲取得到地形數據信息。而對于精度要求較高、地形復雜且植被較為茂密的山區，由于影像匹配點云數據無法準確地貼近地表，只能得到數字表面模型（DSM），在進行DEM制作時，會存在偏差。采用無人機LiDAR技術由于其多回波特性，能夠部分穿透密林，獲取地面點云，具有更高的優勢。

參考文獻：

[1] 黃俊維.LiDAR點云與影像匹配點云的濾波方法研究與應用[D].徐州：中國礦業大學，2022.

[2] 董友強，張力，崔希民，等.一種改進的適用DIM點云PTD濾波算法[J].中國礦業大學學報，2019，48（2）：459-466.

[3] 張剛，劉文彬，張男.基于區域特征分割的密集匹配點云漸進形態學濾波[J].地球信息科學學報，2019，21（4）：615-622.

[4] 張海榮，程擎.融合無人機LiDAR和高分辨率光學影像的點云分類方法[J].工業控制計算機，2021，34（3）：53-55.

[5] 王志勝.無人機影像密集匹配點云的濾波方法研究[D].成都：成都理工大學，2018.

[6] 趙昕.基于影像匹配技術的點云數據精簡算法研究[D].西安：西安科技大學，2017.

[7] 羅伊萍，姜挺，龔志輝，等.基于自適應和多尺度數學形態學的點云數據濾波方法[J].測繪科學技術學報，2009，26（6）：426-429.

[8] 陳琳，范湘濤，杜小平.基于高程統計的機載LiDAR點云三角網漸進濾波方法[J].遙感信息，2014，29（3）：19-23.