輕小型無人機在房屋建筑結構類型調查中的應用1

鄧 飛 竇愛霞 袁小祥

?

輕小型無人機在房屋建筑結構類型調查中的應用1

鄧 飛 竇愛霞 袁小祥

（中國地震局地震預測研究所，北京 100036）

房屋建筑結構數據是了解房屋抗震設防能力的基礎，獲取房屋建筑結構信息具有重要的現實意義。本文在簡單介紹無人機遙感系統、房屋建筑信息無人機遙感調查技術流程的基礎上，以全國多地多架次飛行任務為應用實例，對無人機照片進行篩選、姿態匹配、照片拼接、紋理映射等處理，獲取了房屋建筑密集區的正射鑲嵌圖和三維場景模型，然后對房屋建筑結構類型進行目視判讀，并與地面調查的真實結果比對分析，計算得到目視判讀的準確率為91.17%，Kappa系數為0.80。結果表明，輕小型無人機輕便靈活，獲取的三維場景模型能有效、直觀、準確地進行房屋建筑結構類型判定，可彌補傳統實地調查的不足，為評估大范圍建筑物的抗震能力提供重要的參考依據。

輕小型無人機 房屋建筑結構 正射影像 傾斜攝影 三維重建

引言

地震災害是當今危害人類最嚴重的自然災害之一，其中地震引起的建筑物破壞是造成人員傷亡和經濟損失的主要原因（周正華等，2008；余世舟等，2014）。房屋建筑結構數據是了解房屋抗震設防能力的基礎，也是發生地震后評估建筑物震害的重要信息。國內已有許多學者開展了對房屋建筑結構、抗震性能的研究分析，多采用傳統實地調查的方法（李書進等，2010；楊欽杰等，2016）。傳統實地調查或問卷調查的方法獲得的數據準確性較高，但存在耗時長、成本高、工作效率低等缺點。近年來迅速發展的無人機遙感技術憑借其機動靈活、作業成本低、快速響應拍攝任務、影像空間分辨率高等特點，在房屋建筑信息調查方面有較廣泛的應用。文獻（魯恒等，2011；丁文銳等，2015；胡勇等，2016）中采用不同方法提取無人機影像中的建筑物，獲取建筑物面積；也可利用無人機影像研究建筑物抗震能力（和仕芳等，2016），提取地震災區房屋建筑物并進行地震烈度遙感評估（王曉青等，2015）；此外，還可利用無人機傾斜攝影技術進行建筑物三維建模（曲林等，2015；李頎，2016），服務于智慧城市建設。

目前，利用無人機遙感技術進行房屋建筑結構調查的相關研究較少，已有的少量研究也是采用油動型或旋翼型無人機。然而，油動型無人機體積相對較大，部署操作較為復雜；旋翼型無人機操控難度相對較低，但續航時間短、數據獲取能力有限。基于以上不足，本文嘗試利用輕小型電動固定翼無人機，以獲取的正射、傾斜影像為數據基礎，初步探討正射鑲嵌圖和三維場景模型相結合的目視判讀方法在房屋建筑信息調查中的應用，研究基于無人機遙感技術調查房屋建筑結構類型的可行性。

1 無人機簡介

1.1 無人機遙感系統

無人駕駛飛機（Unmanned Aerial Vehicle，UAV）是一種集遙測遙控技術、無線通信技術、導航定位技術、定位定姿系統（Positioning and Orientation System，POS）等為一體的無人駕駛航空器。無人駕駛飛機與遙感傳感器技術相結合集成的系統，可稱之為“無人機遙感系統（Unmanned Aerial Vehicle Remote Sensing System，UAVRSS）”（Watts等，2012；李德仁等，2014），該系統組成如圖1所示。

圖1 無人機遙感系統的組成（李德仁等，2014）

1.2 實驗所用的無人機與載荷

與油動型無人機相比，固定翼型無人機具有部署操作簡單、機動靈活等特點；與旋翼型無人機相比，其又有續航時間久、飛行高度高等優勢，可獲取較大范圍的遙感數據。因此，在滿足起降場地的前提下，本研究采用飛馬F系列輕小型固定翼無人機（圖2），規格性能參數如表1所示，其具有飛行高度高、速度快、續航時間久、抗風能力強等特點。該系列無人機采用雙頻差分GPS定位系統，可提供厘米級POS數據，實現無控制點或稀少控制點成圖，分別搭載全畫幅相機、傾斜攝影相機兩種載荷，經數據處理后可獲取正射鑲嵌影像和三維場景模型。

無人機正射鑲嵌圖覆蓋范圍廣、空間分辨率高，可用于宏觀地了解整個區域地物（如房屋建筑）空間分布、量測地物面積大小等。但其只能提供地物頂部信息，對地物立/側面信息的了解存在局限性，而無人機傾斜攝影技術可彌補正射影像的不足。

無人機傾斜攝影技術以無人機為平臺，搭載多臺傳感器，以垂直、傾斜等不同角度采集數據，獲取的地面地物信息更加全面、豐富、準確（張祖勛等，2003；王偉等，2011）。本實驗使用深圳飛馬機器人“1+2”傾斜相機系統（如圖3（a）），其較為輕便，能獲取范圍相對較大區域的數據。該系統與五相機傾斜系統（圖3（b））的工作方式不同，其作業原理是首先通過下視相機獲取垂直影像，然后兩臺傾斜相機按照航線往返攝影獲取4個方向的傾斜影像，最終獲取前、后、左、右傾斜和垂直5個方向的影像。所以，該“1＋2”無人機傾斜相機系統既可以獲取目標實驗區的正射鑲嵌圖，用于宏觀把握航拍區域地物的空間分布、面積、數量等基本特征，又可獲取傾斜影像，實現具有一定高度的地物三維模型重建，用于識別地物的立/側面信息，更真實、直觀、全面地反映地物的實際情況。

圖2 固定翼型無人機實體圖

圖3 多角度相機系統

表1 F200飛馬無人機規格性能參數

2 房屋建筑無人機遙感調查的技術思路

基于輕小型固定翼無人機航攝技術的房屋建筑信息調查技術路線主要包括計劃準備、航飛實施、數據處理以及實地詳查等4個階段，每個階段具體實施內容和流程如圖4所示。下面簡單介紹計劃準備、航飛實施階段需要注意的事項，重點介紹無人機數據處理和實地調查階段的內容。

固定翼型無人機對起降場地有一定的要求，在計劃準備階段應保證選擇的起降場地視野開闊、遠離大功率無線電發射源、遠離水域及禁飛區（如：機場、邊境線、軍事設施區）。而航飛實施階段需要注意的是：飛機返航后，現場檢查數據質量，主要包括影像色彩和明暗度、有無POS數據及數據完整性等，若出現數據質量問題，應采取重飛或補飛的措施。

數據處理主要包括航拍相片與POS數據匹配、影像畸變差改正、空三解算、相片拼接、紋理映射、三維模型重建等步驟。數據處理借助現有無人機數據處理軟件photoscan完成，最終可得到正射鑲嵌圖和三維場景模型。由于航攝區域往往覆蓋范圍廣、數據量較大，且包括了多種地物類型，而本文關注的是房屋建筑，為了減少數據處理時間、提高處理效率，選擇覆蓋建筑物密集區的相片進行處理。數據處理完成后，利用地理信息軟件ArcMap10.1和Smart3D軟件的Acute3D Viewer模塊分別對正射鑲嵌圖、三維場景模型進行可視化，根據解譯標志，利用目視判讀的方法完成對房屋建筑信息的識別，并將目視判讀結果錄入在ArcMap10.1軟件中。

實地詳查階段主要是驗證目視判讀的房屋建筑信息（本文關注的結構類型）的準確性，是評價工作成果的重要階段。精度評價以抽樣調查的方法，進行實地調查和現場拍照，記錄建筑樣本結構類型并以實地調查的建筑結構類型為準確數據，在室內與目視判讀結果進行比對，最終驗證目視判讀方法是否可行。房屋建筑抽樣以樣本盡量包含各居民點（農村居民點、城市居民點和鄉鎮駐地等）、多種房屋結構類型為原則。

圖4 房屋建筑無人機遙感調查的技術路線圖

3 應用實踐

基于上述技術思路，在安徽滁州、安徽六安、四川老北川縣城、山西代縣等地進行了基于無人機航攝的房屋建筑結構信息調查，航攝區域包括農村居民點、城市居民點和鄉鎮駐地。本文主要介紹在安徽省六安市（實驗區1）和四川老北川縣城（實驗區2）的應用情況。

3.1 實驗區與航攝數據

實驗區1位于安徽省六安市裕安區，包括徐集鎮、平橋工業園兩個航攝區域（如圖5（a）），屬于丘陵地區，海拔35—50m，地勢相對平坦。平橋工業園正射影像獲取時間為2016年11月11日，天氣晴好，數據質量高；徐集鎮數據（包括正射和傾斜影像）、平橋工業園傾斜影像獲取時間分別為2016年12月11日、12日，天氣陰、有云層，光線偏暗。因無人機在低空飛行，有云層時可同樣獲取影像。實驗區2位于四川省綿陽市老北川縣城曲山鎮（如圖5（b）），是2008年汶川地震受災最嚴重的區域之一，四面群山環繞，海拔627—1068m，高差大，地形復雜。航攝時間為2016年12月21日，天氣陰轉多云，選擇在中午時分光線較好時進行了航拍。各試驗區航攝情況如表2所示。

圖5 實驗航攝區域

表2 無人機航攝數據信息表

3.2 數據成果與分析

按照數據處理流程，選擇覆蓋房屋建筑密集區的相片進行處理，得到數據成果的正射鑲嵌圖與三維場景模型，各實驗區數據成果局部展示如圖6。比較表2和圖6，正射航攝通常航高相對較高，獲取房屋建筑范圍較廣，能直觀獲取航攝區域房屋建筑的空間分布、數量、面積以及房頂等信息，但難以從中識別建筑物的高度、層數、側面紋理等信息，更難以判定房屋建筑的結構類型（圖6左圖）。而根據傾斜攝影技術建立的三維場景模型，可從多角度、全方位了解建筑物立體信息，可更真實地了解房屋建筑情況，彌補了基于正射影像應用的局限性，對房屋建筑結構情況有很好地初定（圖6右圖）。

圖6 正射鑲嵌圖（左圖）與三維場景模型（右圖）

以圖6（a）六安徐集鎮為例，從左側的正射鑲嵌圖可以統計出房屋建筑共有58棟，通過ArcMap10.1軟件的測量工具計算建筑物總面積約為13432m2。結合右圖三維場景模型，該可視化區域內房屋樓層均在6層以下，4—5層建筑有13棟，2—3層建筑有27棟，1層建筑有18棟；初步判定房屋建筑以底框結構和磚混結構為主，有極少數的磚木結構。所以，正射影像和三維場景模型相結合可更加全面地了解房屋建筑信息，而三維場景模型在房屋結構識別方面有優勢。

3.3 房屋建筑結構類型識別

3.3.1 解譯標志

房屋建筑具有多種屬性，正射影像、三維場景模型對房屋屬性信息的表達各有側重，文章針對房屋建筑結構類型進行識別。根據調查區域房屋建筑特點和地震行業建（構）筑物地震破壞等級劃分規范（中華人民共和國國家質量監督檢驗檢疫總局，2009），將房屋結構類型分為鋼/鋼筋混凝土柱排架結構廠房、鋼筋混凝土結構、底框結構、磚混結構和磚木結構等5種結構。各類型在三維場景模型中的判讀標志、三維場景模型中典型實例以及典型類型實地照片如表3所示。

表3 房屋結構判讀標志

3.3.2 房屋結構判讀

根據上述典型房屋建筑結構類型在三維場景模型中的判讀標志和解譯工作者的經驗知識，利用Smart3D軟件的Acute3D Viewer模塊對三維場景模型進行可視化，完成房屋結構的判讀過程。由于ArcMap10.1軟件具有數據輸入、可視化、編輯、查詢和強大的空間分析功能，而Acute3D Viewer模塊不具備這些功能，因此在Acute3D Viewer模塊中判讀房屋結構類型的同時，應在利用ArcMap10.1進行可視化的正射鑲嵌圖上做好相對應的判讀結果記錄，以便與現場調查的真實結果進行比對。

3.3.3 實地調查驗證與分析

實地調查是驗證目視解譯結果的重要一步。本實驗抽樣調查了各實驗區房屋建筑，總計170個樣本，其中六安徐集鎮60個、平橋工業園60個、老北川縣城50個。經實地走訪發現，實驗區房屋建筑結構類型不止判讀標志中5種，還包括土木結構、私自搭建的鋼架棚等，但數量很少，本文統稱為“其他結構”。

經過實地調查，現場拍照，與遙感判讀結果比對分析，得到了混淆矩陣（Confusion Matrix），如表4，其中真實房屋建筑結構類型來自現場調查結果。本文采用準確率和Kappa系數來衡量房屋結構目視判別的精度。準確率是判讀精度較為直觀的表達；而Kappa系數分析法也是常用來計算分類精度的方法（Congalton，1991），其既考慮了正確判讀的房屋結構類型，也考慮了各類型錯分的情況。準確率為房屋樣本中結構類型目視判定準確的個數與總樣本個數的比值，其公式為：

根據公式（1）、（2）和混淆矩陣，計算得到準確率為91.17%，目視判讀精度較高；Kappa系數值為0.80，根據文獻（Feinstein等，1990；Cicchetti等，1990）對Kappa系數的分類評價標準可知，目視判讀的房屋結構類型與現場調查真實的結構類型是高度一致的，說明基于無人機遙感調查房屋建筑結構類型的方法是可行的。

表4 混淆矩陣

續表

經過實地詳查發現，調查點房屋建筑以磚混結構、底框結構為主。從表4可以看出，目視判讀主要在底框結構、磚混結構之間易出現誤判，這兩類結構主要出現在農村、鄉鎮駐地。誤判的主要原因是房屋結構復雜，特征不明顯。如：農村居民點的低層（1—3層）建筑存在后加蓋的現象，由磚塊堆砌而成，無梁無柱，粉刷外墻之后難以細致判斷其結構類型。此外，沿街建筑存在多種結構類型，底層商用，采用鋼筋混凝土框架結構；上層居住，采用磚混結構，也存在全部采用鋼筋混凝土框架結構或是磚混結構，加之判讀特征不明顯，易造成結構的誤判。為降低誤判率，可通過開展大量的事先實地走訪調查，積累航攝區域房屋建筑特點的經驗知識，然后再進行目視解譯工作，但需要耗費大量人力物力，因此建議將來通過大量實踐增加判讀標志以進一步提高目視判讀的準確率。

4 結論

本文以無人機獲取的正射影像和傾斜影像為基礎數據，經數據處理生成正射鑲嵌圖并建立三維場景模型，按照房屋建筑信息無人機遙感調查的技術路線，初步探討了正射鑲嵌圖和三維場景模型相結合的目視判讀方法在房屋建筑信息調查中的應用，研究了基于無人機遙感技術調查房屋建筑結構類型的可行性，得出了以下幾點結論：

（1）正射鑲嵌圖、三維場景模型對房屋建筑信息表達各有側重。前者可宏觀把握建筑物的空間分布，用于了解建筑物的面積、數量以及房頂材料等信息；后者對房屋建筑側面紋理、高度、樓層數、結構類型等有較好的表達。

（2）在應用實例中，以目視判讀三維場景模型的方法識別房屋結構類型，計算得到的判讀結果準確率為91.17%，準確率較高；Kappa系數為0.80，表明目視判讀的房屋結構類型與實地調查的真實結果高度一致，說明基于無人機遙感調查確定建筑物結構類型方法是可行的。

（3）針對因房屋特征不明顯而出現誤判的情況，建議將來通過大量實踐來增加判讀標志來改善。同時，為建立更精細的三維場景模型，應選擇天氣晴好的條件下航拍，且保證無人機具有較高的航向、旁向重疊率。

丁文銳，康傳波，李紅光等，2015．基于MSER的無人機圖像建筑區域提取．北京航空航天大學學報，41（3）：383—390．

和仕芳，鄧樹榮，張方浩等，2016．旋翼無人機在建筑物抗震能力調查中的應用．地震研究，39（4）：673—679．

胡勇，張孝成，馬澤忠等，2016．無人機遙感影像中農村房屋信息快速提取．國土資源遙感，28（3）：96—101．

李德仁，李明，2014．無人機遙感系統的研究進展與應用前景．武漢大學學報·信息科學版，39（5）：505—513，540．

李書進，毛羚，陶立龍等，2010．湖北農村民居抗震性能調查與分析．震災防御技術，5（1）：116—124．

李頎，2016．基于傾斜攝影技術在農村房屋權籍調查測量中的應用．測繪與空間地理信息，39（6）：182—183，186．

魯恒，李永樹，林先成，2011．無人機高空間分辨率影像分類研究．測繪科學，36（6）：106—108．

曲林，馮洋，支玲美等，2015．基于無人機傾斜攝影數據的實景三維建模研究．測繪與空間地理信息，38（3）：38—39，43．

王偉，黃雯雯，鎮姣，2011．Pictometry傾斜攝影技術及其在3維城市建模中的應用．測繪與空間地理信息，34（3）：181—183．

王曉青，竇愛霞，王龍等，2015．2013年四川蘆山7.0級地震烈度遙感評估．地球物理學報，58（1）：163—171．

楊欽杰，劉華貴，高鵬飛等，2016．廣西農村民居抗震性能調查研究．震災防御技術，11（1）：100—110．

余世舟，張令心，劉琛等，2014．蘆山7.0級強烈地震的城市住宅震害分析．地震工程與工程振動，34（增刊）：366—371．

張祖勛，張劍清，2003．城市建模的途徑與關鍵技術．世界科技研究與發展，25（3）：23—29．

中華人民共和國國家質量監督檢驗檢疫總局，中國國家標準化管理委員會，2009．GB/T 24335—2009建（構）筑物地震破壞等級劃分．北京：中國標準出版社．

周正華，魏景芝，王玉石等，2008．汶川8.0級地震房屋建筑震害特征．震災防御技術，3（4）：384—390．

Cicchetti D. V., Feinstein A. R., 1990. High agreement but low Kappa: II. Resolving the paradoxes. Journal of Clinical Epidemiology, 43(6): 551—558.

Congalton R. G., 1991. A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, 37(1): 35—46.

Feinstein A. R., Cicchetti D. V., 1990. High agreement but low Kappa: I. The problems of two paradoxes. Journal of Clinical Epidemiology, 43(6): 543—549.

Watts A. C., Ambrosia V. G., Hinkley E. A., 2012. Unmanned aircraft systems in remote sensing and scientific research: classification and considerations of use. Remote Sensing, 4(6): 1671—1692.

Application of Light-small Unmanned Aerial Vehicle inInvestigating Structural Types of Buildings

Deng Fei, Dou Aixia and Yuan Xiaoxiang

(Institute of Earthquake Science, China Earthquake Administration, Beijing 100036, China)

The data of building structure is the basic information of seismic fortification and to gain the data has important practical significance. In this paper we introduced a system of unmanned aerial vehicle remote sensing (UAVSS) and technique of investigating building information by using unmanned aerial vehicle (UAV). Firstly, taking some flight missions as application examples, we conducted some processing steps, which include screening photos, matching posture, stitching images and texture mapping. Then we obtained the orthographic mosaic images and 3-Dimensional scene models in building compact districts. Secondly, the structural types of buildings are interpreted by visual method using 3-Dimensional scene models, and the visual results are compared with realistic consequences of ground surveys. Finally, the visual interpretation accuracy is calculated. The value of accuracy is 91.17% and the Kappa coefficient is 0.80. The result shows that the light-small UAV is flexible and convenient. Using 3-Dimensional scene models which are acquired by UAV, we can directly and accurately interpreted the information of building structure. The approach can make up for the inadequacy of traditional field investigation and provide significant reference frame for a wide range of building aseismic capability assessment.

Light-small unmanned aerial vehicle (UAV); Building structure; Orthophoto; Oblique photography; 3-Dimensional reconstruction

10.11899/zzfy20170407

中國地震局地震預測研究所基本科研業務專項（2013IES0204）；地震行業科研專項（201508010）

2017-04-11

鄧飛，男，生于1991年。碩士研究生。主要從事遙感與GIS應用研究。E-mail：feid163@163.com

鄧飛，竇愛霞，袁小祥，2017．輕小型無人機在房屋建筑結構類型調查中的應用．震災防御技術，12（4）：786—796．