低空攝影測量與機載LiDAR技術融合的交通干線地質災害快速應急研究

武繼峰，武晴晴，張凱南

(長安大學測繪與空間信息研究所，陜西 西安710054)

一、引 言

公路、鐵路等交通干線是典型線型工程，跨越區域多，工程建設過程中形成了許多高陡邊坡，其沿線不可避免會遭到各種地質災害。由于降雨、人為活動或地震等一系列因素可能引起地質災害，根據需求進行應急響應，如何快速獲取災害區域影像信息成為關鍵。采用無人機低空攝影測量技術，利用其獲取數據快、操作簡便的特點，通過災后的實時影像獲取并與災害基礎數據庫的比對，對研究區域內地質災害的具體規模、影響范圍及受災情況可以做出及時、準確的評估。通過機載LiDAR獲取高密度激光點云，并結合濾波手段，剔除植被覆蓋的影響，以獲取精確的DEM和DOM。通過對多種方法的融合應用研究，成果快速提供應急使用，可以為救災和監測預報提供背景資料，同時為以后的研究提供一定的服務。

二、基于低空攝影測量的地質災害體快速應急研究

1．研究背景

以衛星、大飛機等為平臺的航天航空攝影測量技術已經得到廣泛應用，但該類方法受天氣影響較大，在臺風及暴雨季節很難實時獲得質量好的高分辨率影像。而無人機低空攝影測量技術是一種新發展起來的地理空間信息快速采集技術，以無人機作為平臺的低空攝影測量技術能夠在復雜地形條件下及云下低空飛行，獲取高分辨率影像，同時還具備價格低廉、機動靈活、操作簡單、不受重訪周期的限制等優點，能夠根據需求完成低空、超低空飛行任務以獲取不同分辨率的影像。無人機影像在災害中的應用，影像圖的絕對定位精度往往并不是首要的，快速得到感興趣區域的正射影像或準正射影像及地質災害體位置及相對面積通常是災害預警、救災及災害評估部門所需要的。

2．無人機影像快速處理流程

無人機影像快速處理不采用傳統的共線方程的攝影測量流程，首先利用POS參數自動劃分航帶，添加相機文件自動內定向，匹配連接點并進行區域網平差解算，利用空三加密生成的點云內插生成DTM，然后利用DTM糾正影像得DOM，勻光勻色后拼接DOM得全區影像圖。如圖1所示。

圖1 無人機影像快速處理流程

(1)數據準備

處理無人機影像所需數據有:

1)相機檢校文件:相機像主點坐標、相機焦距、像幅大小、像元大小、主點偏移量及相機畸變差等;

2)原始影像數據:TIFF格式;

3)定姿定位數據:影像的概略外方位元素，大地平面坐標系統，定位精度在20 m以內)。

(2)畸變差校正

此次無人機航空拍攝搭配的相機類型為非量測相機，其像片存在邊緣畸變，需對其進行畸變差校正后才能進行空三加密。

相機需經過嚴格的專業檢校，獲取畸變改正參數。部分相機檢校結果如下:像幅為7360像素×4912像素、像素分辨率CCD尺寸為4．88 um。

根據相機檢校報告計算相機參數x0=(x0－寬÷2)×像元大小÷1000=(3 684．646－7360÷2)×0．004 88=0．022 672 48 mm

y0=(y0－高÷2)×像元大小÷1000=(2 482．325 6－4912÷2)×0．004 88=0．128 468 928 mm

f=7 360．323 9÷0．004 88=35．918 380 632 mm

(3)空三加密

由于低空攝影航向重疊度和旁向重疊度都不夠規則，且航攝區域地形起伏大、高程變化顯著，影像間的比例尺差異大、旋偏角大，影像有明顯畸變等情況，直接自動空三會有較大誤差。在試驗過程中，采用基于尺度/旋轉不變特征和多基線影像匹配技術的全自動連接點選取及配準算法，影像金字塔生成后，開始自動匹配連接點并進行區域網平差解算，直至加密完成，輸出空三成果。

(4)成果快速提取

空三加密解算完成后，進行DTM的提取，兼顧影像的全局和局部信息，采用兼顧地形特征線信息的全局概率松弛法影像匹配算法，有效解決了影像紋理缺乏區域的自動地形測繪問題，如圖2所示。

圖2 示范區整體和局部DTM渲染圖

將單幅的正射影像DOM進行鑲嵌勻色處理，成果如圖3所示。

圖3 示范區整體和局部DOM效果圖

3．精度分析

由于GPS點本身的定位精度很低，常規控制點定位檢查意義不大，因此，本項目采用影像疊加的檢查方法，將快速處理成果和帶有坐標的Google Earth影像套合檢查，經目視檢查，在地形平緩區域，道路、田坎、河流等主要地物重合良好，偏差不超過1．5 m，但在山區地形變化較大的區域局部偏差2～5 m。

影響精度的原因主要是:空三加密后提取的DTM，在地形平緩處匹配較好，在房屋及地形變化較大處匹配較差。本文主要研究在應急情況下影像的獲取，未對DTM進行任何編輯，進行快速處理直接生成DOM。

三、基于機載LiDAR的地質災害體快速應急研究

1．研究背景

應用機載LiDAR對地探測技術進行地質災害快速巡查監測與快速評估，針對獲取的海量點云數據處理技術與工藝流程研究，探討了生產工藝的各個關鍵技術。本文選取示范區覆蓋面積約140 km2，LiDAR點云獲取有10條航線數據，激光測量探測數據2．94068666億個點云。對整個測區16 GB數據進行DEM生產，從原始航帶點云到分塊拼接，自動濾波分類批處理到斷面交互編輯，DEM格網計算與標準圖幅拼接、切分，產品自動抽查與檢驗精度評估等海量數據快速自動批處理。研究成果表明，利用LiDAR技術可以有效地獲取示范區微地形地貌信息，生產高精度DEM、DLG等測繪產品，重建三維場景，完善所監測地區的地質基礎資料;在地質災害監測中可運用高密度LiDAR點云精確構建地災體三維模型。

2．機載LiDAR數據處理

(1)數據預處理

LiDAR航帶數據預處理包括:點云數據標準格式轉換、航帶數據坐標定向處理、航帶數據接邊鑲嵌與分區等。

機載LiDAR原數據有二進制、ASCII明碼格式;LiDAR數據標準有1．0、1．1、1．2 3個版本。不同數據格式與不同版本的數據，在讀取數據時的文件是有所差別的，初始流程就是對數據格式標準轉換。

完成LAS數據標準轉換后，需要對點云數據的坐標進行校準。依地面GPS控制點，逐航道數據進行空間定向校準、測區大地坐標投影處理。最后對點云航帶數據進行拼接鑲嵌，重疊帶部分需作高程糾正處理，依設計拼接后進行分區裁剪。

(2)點云數據濾波分類

選取示范區內的典型區域作為研究對象，通過大量的濾波分類試驗研究，根據具體的地形地物及空間分布特征選擇階層式濾波分類策略，形成一套快速準確進行LiDAR點云數據分類濾波的可行性技術方案，解決由于山區植被密集而無法構建精細數字高程模型的問題，也為其他地區點云數據分類濾波提供輔助依據。具體的濾波分類流程如圖4所示。

圖4 LiDAR濾波分類流程

(3)異常點濾波

本文采用絕對高程濾波方法，分離異常點。通過分析示范區的地形圖得知，該區域高程范圍為海拔高度60～500 m，山間平地地勢平坦，高程范圍為70～120 m。因而在不同地形區域超出該高程范圍的點數據可判別為異常點。而有些異常點在整個區域內并未超出最大、最小高程，進一步分離極低點，即計算該點云數據與周邊的點云數據的高程差，來判斷其是否為異常點處理，如圖5所示。

圖5 LiDAR點云數據異常點的篩選

(4)地物分類提取

1)地面點提取:采用的地面點分類算法是基于知識引導的漸進三角網濾波算法，能將地面點與非地面點進行分離。對于個別低矮的建筑物被劃入地面點情況，需要進行人工分類處理。

2)植被點提取:在分離出地面點后，在以地面點為參考，設計低、中、高植被點的域值，將植被點分離出來。

3)建筑物提取:對已分離的植被點再次運用數學形態學算法處理，將建筑物點提取出來。

3．精度分析

1)點云密度:抽樣檢查地面點密度分布，測得點云密度分別為1．41點/m2，滿足測繪行業標準“1∶2 000的點云密度≥1”的要求。

2)高程精度:DEM高程精度檢查主要包括格網點高程中誤差檢查。DEM成果的精度用格網點的高程中誤差表示。依據大比例尺實測地面點高程，按照圖幅散點法進行高程精度的檢查，統計出:平地、丘陵地整體中誤差為0．64 m，山地、高山地整體中誤差為1．7 m，滿足1∶2000數字高程模型精度指標“平地:0．75 m、丘陵地:1．05 m、山地:2．25 m、高山地:3 m”的要求。

3)平面精度:通過多軟件平臺逐幅回放DEM等高線與DLG地形等高線、與正射影像圖(DOM)成果疊加檢查平面精度，通過平坦水域、道路、山峰、地貌特征部位檢測套合較好，偏差不超過0．736 m，其誤差符合精度要求。

四、多元融合的交通干線地質災害體應急研究

1．地質災害體解譯

崩塌、滑坡和泥石流是高速公路兩線最易發生的地質災害，嚴重影響工程建設和人民生命財產安全。地質災害作為一種特殊的不良地質現象，無論是滑坡、崩塌、泥石流等災害個體，還是由它們組合形成的災害群體，在圖像上呈現的形態、色調、影紋結構等均與周圍背景存在一定的區別，其特征均能從影像上直接判讀和圈定。由此，通過地質災害解譯，可以對目標區域內已經發生的地質災害點和地質災害隱患點進行系統全面的調查，查明其分布、規模、形成原因、發育特點、發展趨勢及危害性和影響因素。

地質災害體識別的總體思路是對所生成的最新的DOM數據與以往發生地地質災害前的DOM數據進行相關的影像處理，快速勾繪出地物實地有變化的區域，再與事先建立好的地災體解譯標志進行對比識別，最后在影像上勾繪出發生地質災害的區域。

2．結果分析

僅根據無人機高分辨率影像，解譯出69號和83號圖斑，對于88號小地災體在影像上表現特征不明顯易遺漏，而結合采用LiDAR高精度DEM的三維細節展示，則能較易發現小地災體。從影像上分析，69號和83號滑坡主要平面形態呈舌形，屬土質滑坡，具有明顯的滑坡體周界，滑坡體上有裂縫，具有典型的滑坡特征。從三維植被分析上看，原植被類型和覆蓋情況因滑坡遭到破壞，現滑坡后區域的植被一般為裸地、草地、灌木或剛種植的樹苗，滑坡體上的植被(低植被點云賦色為淺綠色，地面點即裸地賦色為土黃色)與周圍植被(高植被點云賦色為深綠色)明顯不一致。從三維形態分析上看，69號和83號滑坡呈舌形，88號滑坡呈簸箕形，3處滑坡均具有明顯的滑坡體周界，呈簸箕形，如圖6所示。

圖6 滑坡體影像對比分析圖

五、結束語

本研究針對無人機低空攝影影像的特點，以及相機定標參數、拍攝時的姿態數據和有關幾何模型，對無人飛機獲取的數據進行快速鑲嵌、拼接、糾正，獲取了示范區高分辨率影像數據，將數據變為直觀的地圖。利用航拍的影像并結合基礎地理信息數據庫資料，快速對示范區進行災害解譯和評估，開展比對分析，獲得了滑坡、泥石流、崩塌等各種災情的位置、分布特征等信息。

機載LiDAR對地探測可全天候接收數據，不受天氣條件影響，高密度的激光雷達束可穿透山區茂密的植被或灌木叢到達實地表面。通過研制的適宜植被灌木茂盛的相關濾波分類精準數學計算模型，可快速分析點云數據，獲取地災體LiDAR點云真實地表信息，構建三維模型，輔助快速巡查監測，辨別是否為地災體和發現無人機影像上表現特征不明顯易遺漏的小地災體。兩者融合分析研究，可以更準確獲取交通干線地質災害信息，為進一步的評價、排險提供服務。

［1］ 曹地．多源數據輔助的LiDAR三維城市快速建模［D］．西安:長安大學，2014．

［2］ 何敬，李永樹，魯恒，等．無人機影像的質量評定及幾何處理研究［J］．測繪通報，2010(4):22-24．

［3］ 劉慶元，徐柳華，沈彩蓮，等．基于無人飛行器遙感影像的數字攝影測量關鍵技術研究［J］．測繪科學，2010，35(1):28-30．

［4］ 彭永超．低空攝影測量的數據處理與誤差分析［J］．物探裝備，2008，18(2):78-81．

［5］ 張建霞，王留召，蔣金豹．基于數字影像的低空攝影測量研究［J］．測繪通報，2006(12):29-31．

［6］ 杜全葉，陸錦忠．無人飛艇低空攝影測量系統及其DOM制作關鍵技術［J］．測繪通報，2010(6):41-43．

［7］ 張建霞，張健雄，王寶山．數碼低空攝影測量應用于大比例尺土地調查［J］．測繪科學，2007，32(6):79-80．

［8］ 汪炯驊，許濤，李響．低空無人機交叉口懸停影像抖動糾正［J］．武漢大學學報:信息科學版，2015，40(6):738-743．