|
摘要：无人机影像匹配点云技术是获取影像的数据经过密集匹配后得到的三维特征点集。经过分析无人机影像匹配点云的技术特点，对生产数据进行数据组织、抽稀简化、噪点去除等处理后，完成数字制品的生产制作。经过在引哈济党项目中的详细实践应用，此办法能够达到加强采集自动化程度，缩短数据生产周期的目的。
关键词： 匹配点云 无人机影像 测绘学 生产周期 自动化
无人机测绘是无人机遥感的一种特殊用途，重点经过无人机对目的区域进行航空摄影，而后利用地面处理系统对数据进行处理，最后制作出目的区域的正摄影像图、数字地形图以及三维地物模型。随着科学技术的进步，无人机技术已然有了很强的发展。在现代测绘中，无人机测绘颠覆了传统测绘的作业方式，尤其在大比例尺测图方面。无人机发展初期，LIDAR技术的发展使得大比例尺测图显现新的发展趋势，然则因为生产设备昂贵、操作繁杂、数据冗余等原由使得此办法无得到快速推广。新的匹配算子(SIFT、Mesh)与平差算法(RANSAC、L-M、C-G、SFM)的显现，使得自动化无人机软件得以普及，常规软件如Pix4dMapper、PhotoScan、INPHO、Smart3D等能够基于影像数据匹配生成点云数据。本文科研对无人机匹配的点云数据进行抽稀、去噪、归类等，自动生成DLG数据。经过与实测检测点的数据对比，得出精度分析数据。高程与平面精度均满足国家规范需求，此办法能够加强工作效率，节约生产成本。
1、无人机影像匹配点云技术
无人机测绘目的是经过无人机获取目的区域影像从而获取目的区域的三维地理信息模型。三维地形一般经过海量地面点空间坐标和地形属性数据来描述[1]。密集匹配是经过摄影测绘基本原理中同名点前方交汇得到地面点坐标的思想，在空中三角测绘结果的基本上，经过各样匹配算法得到测区密集点云的一种办法，其特点是能够生成密度非常高的地面点[2]。常用的影像匹配办法有两种 1)基于像方灰度的匹配算法，如关联系数法、关联函数法、协方差函数法、差平方和法、差绝对值和法、最小二乘影像匹配法;(2)基于特征匹配的算法，如金字塔多级影像匹配算法、SIFT算法等。无人机摄影测绘技术软硬件设备发展快速，使得影像获取更为方便，计算机视觉重建技术的进步，加强了无人机影像匹配点云技术的质量和精度。无人机影像数据预处理后经过密集匹配得出的三维点云，数据集保存了目的场景的纹理与色彩信息，但无人机点云不含有LIDAR点云数据所包括的强度、回波等信息。怎样从无人机点云数据中分离出地面点与非地面点，是重点的科研对象。
2、工程实例
2.1工程概况
引哈济党调水工程是将苏干湖水系的大哈尔腾河河水调至党河流域，重点处理敦煌月牙泉及西湖国家自然守护区的生态用水和阿克塞县城生活生产用水。工程重点包含取水枢纽、输水管道、输水隧洞、梯形明渠、暗涵等输水建筑物。设计最大引水流量12.0m3/s，年调水量为1.0亿m3，调水期为4—9月。
该工程可行性科研周期需要对线路沿线进行1∶2000大比例尺带状地形图测绘工作，面积约800km2，范围如图1所示。
图1引哈济党测图范围
引哈济党调水工程行政区划位置于酒泉市敦煌、阿克塞和肃北三县(市)，其中调水区位置于阿克塞县境内的建设乡所有以及团结乡的大部分，收水点为阿克塞县调蓄池及党河水库。测区属于戈壁丘陵地形，线路经过的党金山海拔约3500m，全部测区高差达到1000m以上。测区气象要求繁杂，工期紧张，因此呢采用CW-20无人机进行作业。
2.2实施方法
这次航测数据采集运用CW-20无人机航空摄影测绘系统进行作业，搭载NIKON-D810系列数码单反相机。全部测区划分为16个架次，设计测区相对航高940m，航向重叠度为80%，旁向重叠度为65%，影像分辨率为0.15m，分区进行处理。
3、数据预处理
PhotoScan是一款基于影像自动生成高质量三维模型的优秀软件。它无须设置初始值，无须相机检校，按照最新的多视图三维重建技术，可对任意照片进行处理，无需掌控点，经过掌控点能够生成真实坐标的三维模型。利用CW-20无人机航空摄影测绘系统获取的影像经过软件处理，生成点云、DOM、DEM。如图2—3所示，生成的测区数字制品色彩鲜艳、纹理清楚。
4、匹配点云数据处理
因为镜头畸变、相片质量、匹配误差等原因的影响，无人机影像匹配的点云数据存在海量的噪点、边界模糊区域、水面漏洞等。点云的处理、滤波关系到最后制品的精度高低。
图2DOM数据
图3DEM数据
4.1点云粗差的处理
点云处理采用TerraSolid软件进行，它的重点模块是基于Microstation研发的插件系统，运行于Microstation系统之上，其中重点包含:TerraMatch、TerraScan、TerraModeler、TerraPhoto等模块。TerraSolid软件系列能够快速载入点云数据。其中的TerraScan模块用来处理数以千万计的点云数据。从生成的点云数据高程方向分析，粗差点高程大致分为两种。一种为显著高于或小于目的区域地物高程点的点云反常点，另一种为局部地区异于临近地物点的点云反常点。在载入无人机点云数据后，经过设置区别的参数，分出小于地面的点和孤立点，剔除这些显著的粗差点，如图4所示。这里基本上，分出关键模型点，经过计算，此时的点云数据已然无显著的粗差点，能够进行归类地面点的工作。
图4粗差点归类参数
4.2点云数据归类与信息提取
利用TerraScan模块中的地面点归类功能进行数据归类与信息提取，可经过设置参数，先进行建筑物、道路等硬表面点的提取与归类，如图5所示，利用植被指数功能进行植被的滤波提取，最后分离出地面点，并对归类后的地面点进行平滑处理，如图6所示。针对由于参数设置残留未归类的点，采用人工干涉归类方式归类。最后利用清华山维EPS与CASS软件进行DLG数据的生产加工，最后产生1∶2000比例尺DLG数据，如图7所示。
图5地面点归类参数
5、精度分析
判读成图精度是不是满足国家规范需求，是验证成图办法的必要环节[3]。为了验证数据精度，需要计算生产数据与实测检测点的平面与高程中误差。
图6点云地物滤波
图7滤波后的点云与DLG
表1部分检测点精度统计
式中，m—数据中误差;Δi—检查点的不符值;n—评定精度的点数。
检测点利用RTK实测采集，重点采集线路关键位置的地物与地貌点，均匀分布在每一个区块中。经过统计计算，平面中误差为0.22m，高程中误差为0.32m。对比CH/Z3003—2010《低空数字航空摄影测绘内业规范》，生产精度满足规范需求。部分精度统计见表1。
6、结语
本文通过对无人机匹配点云数据特点的科研并结合LIDAR点云数据处理技术，对匹配点云数据进行处理分析，成功归类出目的区域的地面地物信息，并生产出符合国家规范需求的数字制品。做为一项新的航空摄影测绘技术手段，随着软件、硬件的提高与数据处理技术的持续完善，无人机影像点云处理技术在水利水电、城市规划、土地调查、交通设计等工程项目中会起到更加积极的功效[4]。同期怎样真正运用无人机点云处理技术准确归类出地面点信息，滤波各参数怎样选取等问题，还有待于在区别项目中累积、探索和科研。
| 
发表于 2024-10-10 15:09:15