智能三維技術(shù)在抽水蓄能電站測量中的應(yīng)用

董云濤，李 敏，李宗華，陳雨生，郭 巧，張曉朋

（1.保定易縣抽水蓄能有限公司，河北省保定市 074200；2.廣州南方測繪科技股份有限公司，廣東省廣州市 510000）

0 引言

隨著“智慧地球”[1]等理念的相繼提出，使得傳統(tǒng)的二維地理信息已經(jīng)難以滿足現(xiàn)代信息化發(fā)展的需求。抽水蓄能電站的規(guī)劃、建設(shè)和運營急需從傳統(tǒng)上的二維技術(shù)提升到三維的高度[1]。在抽水蓄能電站前期的勘察與施工測量中，由于其山高坡峭，地形復(fù)雜，交通不便，甚至某些地方作業(yè)人員難以到達，傳統(tǒng)的人工測量方法作業(yè)困難，效率低，精度得不到保障，離散的二維數(shù)據(jù)不能直觀地反映實地地形，施工決策困難[2,3]。

隨著三維技術(shù)的發(fā)展，機載激光雷達測量和無人機傾斜攝影測量[4]等高新技術(shù)的興起，這些新技術(shù)越來越智能化、簡單化，精度也越來越高，在許多領(lǐng)域已經(jīng)代替了傳統(tǒng)人工測量。因此，針對上述抽水蓄能水電站的建設(shè)困難與新需求，本文提出智能三維技術(shù)解決方案，并成功應(yīng)用于某抽水蓄能電站測量項目。

1 智能三維技術(shù)方案

智能三維技術(shù)方案是利用無人機搭載激光掃描儀和相機，采集點云和影像，建立地面數(shù)字高程模型和三維實景模型，將點云、三維實景模型、數(shù)字高程模型等多源數(shù)據(jù)融合于三維可視化共享平臺中，實現(xiàn)三維數(shù)據(jù)共享，輔助決策抽水蓄能水電站的建設(shè)（見圖1）。

（1）采用高效的傾斜攝影和機載激光雷達新技術(shù)，對該抽水蓄能電站工程區(qū)進行原始地形測量，獲取工程區(qū)域高精度三維地形數(shù)據(jù)，建立電站三維模型，作為施工建設(shè)的原始數(shù)字化依據(jù)，涵蓋各處坐標點、高程等數(shù)據(jù)。

圖1 智能三維技術(shù)方案Figure1 Intelligent three-dimensional technology solution

（2）對工程區(qū)范圍內(nèi)需要明挖和填筑的范圍，將工程區(qū)域的道路、建筑、水庫等三維測量數(shù)據(jù)與三維地形數(shù)據(jù)進行融合，計算土方，輸出工程量分析報告，作為工程施工土石方明挖工程量計量的參考。

（3）建立多源數(shù)據(jù)三維可視化共享平臺，通過Server端發(fā)布數(shù)據(jù)，Web端共享數(shù)據(jù)。實現(xiàn)模擬行人視角瀏覽三維數(shù)字化成果，以第一人稱視角查看公路、建筑附近的地形地勢，參考多源數(shù)據(jù)，確保施工輔助決策信息的可靠性。

2 關(guān)鍵技術(shù)

2.1 機載激光雷達技術(shù)

機載激光雷達技術(shù)（LiDAR）是一種激光掃描系統(tǒng)、全球定位系統(tǒng)(GPS)和慣性導(dǎo)航系統(tǒng)(INS)三種技術(shù)集成的三維數(shù)據(jù)采集技術(shù)，其作業(yè)效率高，精度高，能獲取真實地面信息，是獲取地球空間信息的高新技術(shù)之一[2]。機載激光雷達是一種主動式測量方式，不受光線影響，夜間也能作業(yè)；能穿透部分植被獲取高精度的地面三維信息，從而獲得山區(qū)真實數(shù)字地面模型；無需控制快速獲取地形數(shù)據(jù)；數(shù)據(jù)處理高度自動化[5]。對于山區(qū)作業(yè)困難地區(qū)，植被覆蓋較多情況，獲取地面三維數(shù)據(jù)機載激光雷達技術(shù)無疑是一種最佳方式[6]。

機載激光雷達是利用GPS系統(tǒng)實時采集的位置信息，INS測得飛行姿態(tài)，激光掃描系統(tǒng)獲取掃描頭到激光腳點之間的距離。GPS數(shù)據(jù)和INS數(shù)據(jù)，結(jié)合地面基站在航跡處理軟件例如Inertial Explorer中進行事后差分（DGPS），得到高精度的POS數(shù)據(jù)，通過點云解算軟件例如SZTPointProcess，聯(lián)合POS數(shù)據(jù)、激光數(shù)據(jù)和坐標轉(zhuǎn)換參數(shù)解算生成點云。

由于航線規(guī)劃，解算參數(shù)設(shè)置或者天氣等原因，生成的點云可能存在漏洞、高程分層和平面偏移等現(xiàn)象，需要通過點云處理軟件例如Terrasolid檢查點云質(zhì)量，如有漏洞則需補飛；對于高程分層和平面偏移問題通過Terrasolid的Tmatch模塊校正，若誤差過大難以校正需重飛。確保相對精度符合要求情況下，再利用參考面來校正點云的絕對精度。

校正點云后的點云提交給內(nèi)業(yè)人員處理。利用Terrasolid添加不同的算法對點云進行自動去噪濾波（low points，Isolated points等算法）、分類（ground，below surface，by height from ground算法）提取出地面點。通過半自動分類工具人工干預(yù)分類提取出精確的地面點。再基于地面點建立不規(guī)則三角網(wǎng)，生成數(shù)字高程模型DEM，等高線，提高程點數(shù)據(jù)和計算土方量。機載激光雷達技術(shù)原理和工作流程（見圖2、圖3）。

圖2 激光雷達作業(yè)原理Figure 2 Principle of Lidar Operation

圖3 機載激光雷達工作流程Figure 3 Airborne Lidar Workflow

2.2 傾斜攝影與三維實景建模

無人機傾斜攝影測量技術(shù)[7]是通過全球?qū)Ш叫l(wèi)星系統(tǒng) (GNSS)實時獲取無人機位置 ，通過相機拍攝地物多角度的影像，為三維模型的建立提供更豐富、更真實的紋理信息和輪廓信息。三維模型成果的每一個像素都帶有三維坐標，可以在模型上直接獲取坐標、角度、坡度、面積、長度、寬度、高度等信息，直觀地反映真實狀況。無人機傾斜攝影測量技術(shù)是當(dāng)今信息時代的重要產(chǎn)物，由于高效、精度較高，被廣泛應(yīng)用在各種領(lǐng)域的測量工作中。

無人機傾斜攝影技術(shù)原理和工作流程（見圖4、圖5），通過無人機搭載相機獲取多角度的影像數(shù)據(jù)，結(jié)合GPS信息和地面像控點數(shù)據(jù)糾正影像，然后進行特征點匹配，提取出不同影像中相同位置的特征點，基于特征點進行自動空中三角測量，算出外方位元素和特征點坐標，再生成密集點云，構(gòu)建不規(guī)則三角網(wǎng)（TIN），通過影像全自動紋理映射構(gòu)建三維實景模型，也可以從密集點云中提取DEM生產(chǎn)正射影像[8-10]。常見的生產(chǎn)軟件有Capture context（CC）和Inpho。

圖4 傾斜攝影建模原理Figure 4 Principles of Oblique Photography Modeling

圖5 傾斜影像工作流程Figure 5 Oblique photogrammetry workflow

2.3 三維可視化共享平臺

三維可視化共享平臺架構(gòu)（見圖6），包含數(shù)據(jù)處理PC端，Server管理端，共享Web端。其基于Java開發(fā)語言，采用跨平臺統(tǒng)一開發(fā)框架，集成二三維一體化技術(shù)，融合激光點云、傾斜攝影三維實景模型、BIM、數(shù)字高程模型、矢量等多源異構(gòu)數(shù)據(jù)。解決了CAD設(shè)計成果與三維空間信息平臺無縫集成，實現(xiàn)了信息一體化集成表達和共享。

多源數(shù)據(jù)成果數(shù)據(jù)在PC端進行格式轉(zhuǎn)換，輕量化處理，然后導(dǎo)入Server服務(wù)端儲存，基于不同用戶和不同的需求，通過Server服務(wù)端設(shè)置不同的數(shù)據(jù)和權(quán)限，分享發(fā)布，直接打開分享鏈接在Web端瀏覽，分析和應(yīng)用成果數(shù)據(jù)?；谌S可視化平臺Web端的多源數(shù)據(jù)切換瀏覽，自由視角瀏覽，設(shè)置軌跡飛行瀏覽，以第一人稱視角查看地形地勢，通過獲取任一點的三維坐標，測量距離、高度、表面積、角度等工具來確保施工輔助決策信息的可靠性。

圖6 平臺架構(gòu)Figure 6 Platform structure

3 實際工程應(yīng)用

3.1 工程概況

該抽水蓄能電站測區(qū)有效范圍為4.07 km2，主要包括上水庫區(qū)域、下水庫區(qū)域、場內(nèi)公路區(qū)域等。測量任務(wù)為采集項目范圍（見圖7）高精度地形數(shù)據(jù)和建立高精度三維實景模型。測區(qū)面積約7.6km2，最大高差約500m，地形復(fù)雜，高山陡峭，植被較多，交通不便。

圖 7 項目范圍Figure 7 Project region

3.2 數(shù)據(jù)采集與處理

3.2.1 數(shù)據(jù)采集

該項目利用大疆M600pro無人機搭載SZT-R250激光雷達設(shè)備見表1和自帶相機傳感器的大疆精靈4pro（見表2），并行作業(yè)，按預(yù)先設(shè)計的航線分別分區(qū)采集點云數(shù)據(jù)和影像數(shù)據(jù)。同時，在地面控制點上架設(shè)GNSS基站通過事后差分來減小無人機GPS定位誤差，保障GPS定位的準確性。

表1 SZT-R250掃描儀參數(shù)Table 1 SZT-R250 scanner parameters

表2 大疆精靈4 pro參數(shù)Table 2 DJ Phantom 4 pro parameters

3.2.2 數(shù)據(jù)處理

（1）點云數(shù)據(jù)處理。

外業(yè)采集的原始數(shù)據(jù)通過點云解算軟件得到點云。檢查漏洞、點密度、高程分層、平面偏移等問題。校正點云后，利用Terrasolid的Tscan模塊設(shè)置不同的算法對點云進行自動去噪濾波、分類，提取出地面點[見圖8（a）]。針對該項目的地形復(fù)雜，高差較大的情況，采用分區(qū)處理方法。將點云分為地勢較高區(qū)域和地勢平坦區(qū)域，分別利用不同的參數(shù)算法處理，小部分區(qū)域分類效果不佳需要通過半自動分類工具人工干預(yù)分類提取出精確的地面點。再基于地面點建立不規(guī)則三角網(wǎng)，生成數(shù)字高程模型DEM［見圖8（b）］。

（2）影像處理。

在三維實景建模ContextCapture軟件中導(dǎo)入外業(yè)采集的影像和POS數(shù)據(jù)，設(shè)置相機參數(shù)，利用像控點糾正影像位置，然后進行影像匹配、像點量測、空三加密、多視影像密集匹配、三角網(wǎng)的構(gòu)建及紋模型自動理映射等全自動處理，最終輸出三維實景模型［見圖9（a）］和正射影像DOM［見圖9（b）］。

3.3 精度檢查與分析

采用RTK銀河1 plus在測區(qū)內(nèi)重點區(qū)域采集100個作為點云的檢查點，將檢查點導(dǎo)入Terrasolid中通過點云內(nèi)插出高程與檢查點高程進行比較，點云高程精度統(tǒng)計（見表3）。

圖8 點云成果Figure 8 Point cloud data product

圖9 傾斜攝影成果Figure 9 Oblique photography product

表3 點云高程精度統(tǒng)計Table 3 Elevation accuracy statistics of point clouds

表4 三維實景模型精度統(tǒng)計Table 4 Accuracy statistics of 3D scene models

由上表可知點云高程最大誤差為13.4cm，平均誤差波動幅度7.1cm，高程中誤差為7.9cm優(yōu)于15cm，滿足1:500點云精度要求的最高標準。

采用RTK聯(lián)測測區(qū)附近控制點后直接測量檢測點坐標。按測區(qū)范圍有效工作區(qū)，沿主要硬化道路和建筑物明顯地物點均勻?qū)嵉剡x取。采集43個檢查點與三維模型相對應(yīng)的地物點進行坐標檢查。模型精度統(tǒng)計（見表4）。

表4可以看出三維模型的平面誤差都集中在0~10cm內(nèi)，整體平面精度為4.7cm；高程方面大部分誤差在0~10cm內(nèi)，少部分誤差在10~20cm內(nèi)，極個別的山區(qū)模型誤差超過20cm，整體高程精度為7.7cm。整體的平面精度滿足1:500三維模型精度要求。

3.4 成果共享

數(shù)字高程模型、數(shù)字正射影像、三維實景模型、點云以及矢量等項目成果數(shù)據(jù)經(jīng)過處理后儲入Server服務(wù)器中，分享Web端鏈接。在三維可視化平臺Web端（見圖10）中通過切換多源數(shù)據(jù)和瀏覽方式例如以第一人稱視角（見圖11）查看地形。利用分析工具輔助判斷和決策。

圖 10 三維可視化平臺Web端Figure10 Web terminal of 3D visualization platform

圖 11 第一人稱視角Figure 11 The view of first person

4 結(jié)束語

智能三維技術(shù)方案融合了多種先進技術(shù)，在該抽水蓄能項目應(yīng)用中充分體現(xiàn)了智能化生產(chǎn)的高效優(yōu)勢。在保證精度的情況下，克服了傳統(tǒng)測量的困難，數(shù)據(jù)從二維提升到了三維，使得數(shù)據(jù)應(yīng)用更加廣泛，輔助施工建設(shè)的決策更加明確。尤其在地形復(fù)雜，植被較多，人員無法到達的區(qū)域有著明顯的優(yōu)勢。其應(yīng)用價值得到了充分的驗證，在后續(xù)新建抽水蓄能電站中具有借鑒意義。