三維場景更新下無人機激光點云數據應用研究

摘 要：本文首先探討了無人機激光點云數據在實景三維地理場景更新中的應用前景。通過無人機獲取遙感衛星監測的變化圖斑點云數據，利用TerraScan點云分類濾波算法對地面點進行批量提取。其次，采用CloudCompare軟件中的拉普拉斯平滑算法對提取的點云數據進行平滑處理，以進一步消除離散噪點，并輸出數字高程模型。最終，實現了地形級實景三維地理場景的更新。研究結果表明，無人機激光點云數據能夠提供高精度的地理信息，為實景三維地理場景的更新提供了堅實的數據支持。

關鍵詞：實景三維地理場景；無人機；激光點云" " "中圖分類號： P 217" " " " " 文獻標志碼：A

實景三維地理場景更新是地理信息系統中的關鍵應用領域，廣泛應用于城市規劃、土地管理以及環境監測等方面[1]。傳統場景更新方法主要依賴人工測量和遙感影像解譯，但這些方法存在成本高、效率低以及精度不夠等問題[2]。隨著無人機技術的不斷進步，無人機激光掃描系統已成為獲取高精度地理數據的一種全新途徑。

1 試驗區和數據源

本文選擇某縣國土變更調查與新型基礎測繪試點區域作為試驗區，該區域的地形類別為丘陵地，其空間分布示例如圖1所示。試驗區包括8個變化圖斑，其中最小面積為1 200 m2，最大面積為27 300 m2。在這個試驗區域中，AA1300機載激光雷達系統利用激光束掃描丘陵地的表面，記錄每個點的三維空間坐標，即點云數據。激光雷達系統還會記錄激光束反射的強度、GPS時間和回波次數等信息。

1.1 變化區點云數據獲取

使用航拍無人機或其他飛行器執行航拍任務，拍攝變化圖斑及其周邊區域。在飛行過程中，保證飛行器沿預定航線，依據預設參數飛行，以采集高質量的航拍影像數據。在采集完成后，進行影像處理，包括圖像配準、影像融合等環節，將不同時間段的影像數據進行配準，旨在檢測并分析變化。運用遙感影像變化檢測算法，對配準后的影像數據進行比對分析，識別地表變化區域，即變化圖斑，這些變化可能涉及建筑物、道路和植被等地物。在確定變化區域后，利用專業點云數據處理軟件提取該區域的點云數據。點云數據由大量離散點構成，形成三維數據集，能精確反映地物的形態和位置，為后續的分析和建模提供關鍵數據支撐。在獲取變化區域的點云數據后，進行點云數據分析與處理，包括點云配準、特征提取和地物分類等步驟，以獲取更詳盡、準確的地物信息。變化區域點云數據的獲取過程如公式（1）所示。

式中：P為圖斑A最近點x的集合，x的最小歐氏距離≤r；r為外擴距離，其長度根據具體情況來定。在某些情況下，為保證變化圖斑及其周圍環境的完整性，須設定較小的外擴距離；而在其他情況下，由于空間范圍更廣泛或相關因素影響，則須設定較大的外擴距離。

1.2 地面與非地面點分離

在TerraScan中進行數據處理。首先進行數據重分類工作。建立宏處理程序，并明確重分類規則，例如高度閾值和點密度等，將點云數據歸類至Default層，以提高后續處理的準確性和效率。地面點與非地面點的分離步驟見表1。其次，利用緩沖區分析功能，設定5 m的緩沖區范圍，將孤立點從Default層轉移至孤立點圖層，從而有效識別并處理異?；蛟肼晹祿?，提升數據整體質量。再次，運用坡度分析功能計算各點的坡度角，并設定最大坡度角為88°。通過迭代分離功能（迭代角設為15°，迭代距離設為1.4 m）提取地面點，進行地形分析和建模，這是激光點云數據處理的關鍵環節。此外，還提取低洼區域或水體特征，為水文分析和土地利用規劃提供數據支撐。最后，創建并保存包含處理規則的宏文件，設置相關參數，并新建項目文件（Project File，PRJ），選擇須處理的激光點云數據進行批量處理，以提高處理效率，并保證后續操作的一致性和可重復性。

1.2.1 數據重分類

在TerraScan中建立宏處理程序，編寫包括數據重分類的一系列操作步驟和規則。在宏處理程序中，使用TerraScan提供的功能和命令來進行數據重分類。在具體的宏處理程序中，需要定義數據重分類的規則。指定相應的參數和條件，將無人機航攝采集的所有點云數據重歸類至Default層。設置地面點和非地面點的分類標準，例如高度閾值、點密度等。在定義了重分類規則后，宏處理程序將自動對點云數據進行處理。根據規則，將符合地面點條件的點云數據重新歸類至地面層，不符合條件的點云數據留在原層或被歸類至非地面層[3]。在完成數據重分類后，利用可視化工具，采用其他分析方法對地面與非地面點進行驗證和檢查，保證數據處理的準確性和有效性。

1.2.2 分離孤立點

在宏處理程序中，利用TerraScan的緩沖區分析功能，將緩沖區大小設置為5 m，以保證包含足夠多的點。構建空間三維緩沖區，將目標點周邊的點匯聚于一個區域，以便進行深入分析。運用TerraScan的統計功能，計算緩沖區內的點數量。如果緩沖區內的點數少于預設值，則判定該點為孤立點。根據統計結果，將緩沖區內點數少于設定值的點從Default層轉移至孤立點圖層。通過單獨分離孤立點，可以有效識別并處理異?；蛟肼晹祿@個步驟能進一步提升地面與非地面點分類的準確性和可靠性。孤立點的存在表明數據中存在異?；蛟肼暎瑢ζ溥M行單獨處理，可以避免對后續分析產生干擾，同時提高地理信息數據的質量和可用性。

1.2.3 分離地面點

在宏處理程序中，利用TerraScan的坡度分析功能，計算每個點的坡度角。設定最大坡度角閾值為88°，篩選出坡度角超過此值的點，并將其標記為非地面點，旨在排除陡峭斜坡或垂直結構的影響，以便更精確地識別地面點[4]。隨后，利用TerraScan的迭代分離功能，進一步提取地面點。設置迭代角為15°，迭代距離為1.4 m，在周圍區域進行迭代處理，從Default層中分離出地面點。這個過程能夠有效識別并提取地面點，實現地面點與非地面點的準確分離。

1.2.4 分離低點

在宏處理程序中，利用TerraScan的高程對比功能，比較某個點與其周圍點的高程差異。通過分離低點，可以更有效地提取地形中的低洼區域或水體等特征，這對水文分析、洪水模擬等地理信息處理和分析任務至關重要。在執行低點分離過程中，須依據實際需求和數據特性設定恰當的閾值。例如，根據地形特征和應用需求，將高程差閾值設定為大于5 m。

1.2.5 批量處理點云數據

在TerraScan中，首先創建并保存一個包含處理規則的宏文件。宏文件中須設定地面點提取的相關參數和規則，例如最大坡度角、迭代角及迭代距離等。其次，新建一個PRJ項目，并選擇待處理的激光點云數據。在TerraScan中定位到批量處理功能，利用宏處理程序進行數據處理。在運行宏程序后，TerraScan將根據宏文件中設定的規則和參數，自動處理每個選定的激光點云數據[5]，并根據規則提取地面點，實現地面點的自動分離。

2 地形級實景三維場景更新

從變化區域獲取原始激光點云數據作為數據采集的成果。利用無人機搭載的AA1300機載激光雷達系統獲取丘陵地變化區域的原始激光點云數據。這些數據包括每個點的三維空間坐標、反射強度、GPS時間和回波次數等信息。

2.1 DEM數據拉普拉斯平滑

利用宏處理程序對原始激光點云數據進行篩選，提取地面點（與地表接觸的點）來構建地形表面模型。篩選地面點，生成數字高程模型（Digital Elevation Model，DEM）。在生成DEM后，為了進一步提高數據的質量，對DEM進行平滑處理。在CloudCompare軟件的工具欄中找到拉普拉斯平滑處理功能，在進行處理前，設置平滑的迭代次數和平滑系數等參數。迭代次數表示進行平滑處理的次數，平滑系數表示移動頂點的比例。設置合適的參數來控制平滑程度和保留細節的程度。執行拉普拉斯平滑處理操作，軟件會根據設置的參數將每個頂點移動至其相鄰頂點的平均位置。去除數據中的毛刺和噪點，使數據更加連續，如公式（2）所示。

式中：為節點i的新位置；N為節點i的相鄰頂點的數目；j為相鄰頂點的索引，表示節點 i的相鄰頂點在其鄰接列表中的位置；為第j個相鄰頂點的位置。

在TerraScan中，通過宏處理程序批量處理點云數據，并根據需求執行重分類操作。當建立宏處理程序時，依據具體需求添加各項濾波規則。這些規則用于對點云數據進行過濾和清洗，以剔除無用或干擾的點，并提取出感興趣的特征。濾波規則涵蓋高程過濾、密度過濾及離群點過濾等，具體設置須根據實際情況來定[4]。所有點云數據均歸類至Default層，為后續處理做好準備。通過統一重分類，使數據的組織結構更為清晰，便于后續操作。

2.2 邊界DEM接邊融合

變化區域指地理場景中因自然環境因素、人為活動或其他因素而發生改變的區域。為處理這些變化，首先須將變化區域向外擴展，形成一定的緩沖區。原地形級實景三維地理場景的DEM數據，是通過實地測量和遙感技術獲取的高精度數據，能夠生成真實的三維地理場景，準確反映地形形態。其次，須處理變化區域外擴緩沖區與原地形級實景三維地理場景DEM數據的重疊部分。在此重疊區域中，執行邊界接邊融合操作，旨在使2個不同數據源的DEM數據在接邊處實現平滑過渡，達到無縫連接的效果?？刹捎貌逯邓惴ɑ蚱交椒?，根據變化區域外擴緩沖區和原地形級實景三維地理場景DEM數據的高程值，在接邊處進行平滑處理。利用邊界DEM進行接邊融合，保證采用不同技術和方法獲取的DEM數據，在變化區域外擴緩沖區與原地形級實景三維地理場景DEM數據的重疊區域內，能夠平滑過渡并連接。

4種地形類別（平地、丘陵地、山地和高山地）對應的DEM數據精度要求見表2。

由于平地地形變化較小，因此DEM的精度要求設定為0.75 m，以保證數據能準確反映地面高程變化，支撐城市規劃和土地利用等應用。丘陵地形復雜度增高，但高程誤差要求仍較嚴格，精度要求為1.05 m。山地地形變化更復雜，精度要求相應放寬至2.25 m，以適應起伏較大的環境。高山地形變化極端，具有特殊應用需求，因此精度要求設定為3 m。

3 結果分析

3.1 地理場景更新

經過上述數據處理步驟，地形級實景三維場景數據得到更新，更新效果如圖2所示。

更新后的數據包含了經過篩選和平滑處理的DEM，為地理場景提供了更準確、真實的地形信息，進一步完善了地理信息系統（Geographic Information System，GIS）的建設，為地形數據分析提供了更精確的數據支持。通過DEM數據的拉普拉斯平滑、邊界DEM接邊融合以及地理場景更新等步驟，獲得了更準確、真實的地形級實景三維場景數據。這些數據對地理信息的分析、規劃和決策具有重要意義，提供了更可靠的地形信息基礎。

3.2 精度分析

根據《數字高程模型質量檢驗技術規程》（CH/T 1026—2012），本文采用同精度檢測方法，對經過批量濾波和平滑處理后的DEM進行質量檢驗。具體操作步驟為：首先，選擇一個特定的格網，并記錄其高程值，作為DEM在該位置的高程估計。其次，從原始點云數據中獲取該格網附近、位于同一平面的點云高程值。最后，將DEM的高程估計與原始點云數據的高程值進行對比，依據公式（3）評估DEM的準確性和精度。

式中：M為成果中誤差；Δi為比較差；n為檢測點數量。

采用方案選定的29個高程檢測點，對DEM的高程精度進行了全面評估。評估結果顯示，最大誤差與最小誤差的范圍較小，中誤差也相對較小，這表明DEM的高程估計具有較高的穩定性和準確性，足以滿足地理場景更新的要求，為后續的地理信息系統建設和應用提供了基礎。DEM 高程精度統計見表3。

由表3可知，DEM高程與實測高程之間存在一定的差異，在大多數情況下DEM高程低于實測高程。盡管個別誤差較大，但是整體的中誤差為0.28 m，說明DEM數據在該區域的高程精度相對較好，適用于相關的地形分析和應用。

4 結語

本文探討了無人機激光點云數據在實景三維地理場景更新中的應用。研究結果顯示，無人機激光點云數據具有高精度、高分辨率的特性，能夠提供詳盡準確的地理信息。本文采用了科學合理的數據獲取、處理與分析方法，實現了地理場景的快速更新與精確測量。

參考文獻

[1]段祝庚，吳凌霄，江學良.無人機激光雷達點云密度對森林遙感反演指數提取的影響[J].武漢大學學報（信息科學版），2023（12）：1923-1930.

[2]蘆竹茂，龔浩，金秋衡，等.無人機激光雷達點云電力桿塔傾斜狀態測量[J].應用科學學報，2022，40（3）：11.

[3]胡雪晴，毛慶洲，胡慶武，等.無人機機載激光雷達四面塔鏡三維成像方法[J].激光與光電子學進展，2023，60（14）：1428002.

[4]王舶鑒，藺菲，房帥，等.近地面激光雷達點云密度對森林冠層結構參數提取準確性的影響[J].生態學報，2023，43（2）：12.

[5]李友兵.基于傾斜攝影測量技術和點云數據的古建筑三維模型構建[J].測繪科學技術， 2023，11（4）：334-341.