基于SSW點云數據的矢量地圖平面精度自動校驗方法

羌鑫林，李廣偉，王留召，張偉紅

(1. 江蘇省測繪工程院，江蘇 南京 210013； 2. 中國測繪科學研究院，北京 100039；3. 云南昆明冶金高等專科學校測繪學院,云南 昆明 650033)

矢量地圖作為基礎地理數據的重要組成部分，廣泛應用于土地管理、農業普查、交通建設等各個領域[1]，具有基礎性作用。矢量地圖的質量直接影響工程建設的質量、政府管理的決策走向，具有重要意義[2-3]。

目前，矢量地圖質檢的常規做法是選擇抽樣、野外實地測量、巡查和圖面判讀，通過計算中誤差判定成果質量[4-6]。常規質檢方法在樣本的抽取、檢測數量方面均有明確的規定[7]，外業工作量較大，自動化程度偏低，長期以來少有變化。隨著測量技術的發展，三維激光掃描技術在測繪領域逐漸開始應用[8]，已經能夠進行三維數據采集、矢量繪制、半自動化數據更新等工作[9]。目前，三維點云數據的研究主要集中在采集、識別等領域。在三維點云的采集中，Riegl、Optech、Leica等國外廠商，以及海達數云、四維遠見等公司已經取得了長足的進步[9-10]。三維點云數據的識別與特征提取是重要且基礎的工作，它決定著三維點云數據在測繪領域的應用深度。目前，基于點云識別的研究多集中于算法及特定地物的識別[1，11-12]，基于SSW移動測量系統及SWDY軟件的特征識別，已經在全國各地的測繪行業得到實際應用[13-14]，其基于多特征及多要素的特征識別算法也經過了實際檢測，具有較好的穩定性和識別率[8，15-16]，能夠應用于實際的測繪工作。

本文基于常規的矢量地圖質檢方法與三維激光掃描技術，提出基于SSW三維激光點云的矢量地圖平面精度自動質檢方法。其基本原理為通過采集待檢測矢量地圖區內的激光點云，經過解算、濾波、坐標轉換等步驟獲得高精度點云，進行點云的識別并提取行進路線兩側的立杠、路燈、墻角點、井蓋、路邊線等特征點線[15，17-18]，自動匹配待檢測矢量圖的對應特征點線，計算匹配點對的中誤差，從而快速評定待檢矢量地圖的精度。該方法利用三維激光移動測量系統自動質檢矢量地圖成果，能夠提高當前質檢的效率，提升檢測樣本數量，減少人工的干預與主觀帶入的影響，在測繪質檢工作中具有重要的現實意義。

1 SSW移動測量系統

本文所使用的SSW移動測量系統由中國測繪科學研究院與北京四維遠見信息技術有限公司自主研制，支持全自動融合影像數據、點云數據、位置姿態數據的彩色點云數據生產，可以快速完成高精度測量、街景獲取、要素采集等測量任務。該系統集成激光掃描儀、IMU、POS、天寶GPS、里程計(DMI)、面陣相機、全景相機等多種設備于一體，具有速度快、精度高、性能穩定等特點。

基于獲取的點云數據自動提取分類地物數據是后續精度檢驗操作的前提。本文使用的SWDY軟件能夠完成噪聲處理、立杠、行道樹、路面、路邊線、交通標志線、井蓋、建筑物墻角線等地物元素的自動分類與提取，便于后續自動檢測矢量地圖平面精度，算法詳細可以參見文獻[15，17-18]。

2 點云數據與矢量地圖雙向檢測方法

2.1 總體流程

基于點云數據的矢量地圖自動平面精度檢測流程主要包括3個部分：數據的采集、數據預處理、點云特征和矢量地圖雙向檢測，流程如圖1所示。首先對測區內矢量地圖進行抽樣，獲取待檢測矢量地圖數據，通過車載激光掃描平臺沿預訂路線獲取點云數據，沿途使用GPS RTK測量設備獲取GPS RTK數據；然后使用GPS RTK數據和SWDY軟件，處理獲得高精度點云數據并作精度校驗，在此基礎上采用SWDY軟件提取點云數據地物特征；最后使用提取得到的特征點與待檢測矢量地圖進行雙向檢測。

2.2 數據的采集與預處理

數據的采集包括3類數據：三維點云數據、GPS RTK數據與矢量特征數據。

待檢矢量地圖數據通常以幅為單位，按照《測繪成果質量檢查與驗收》規定，確定檢查的樣本數量；檢驗成果總數大于201時，根據不同的生產單位、作業方式、成果完成時間、測區具體情況等情況劃分，保持作業區域、作業方式、作業習慣、區域特點相對均勻。

三維點云數據通過SSW車載激光掃描平臺掃描獲取。根據抽樣得到的圖幅情況，提前設計掃描路線。路線設計應符合常規檢測習慣且能發揮移動測量的優勢，可采取機動車、兩輪車和背包平臺相結合的方式，全面均勻獲取待檢測圖幅范圍的點云數據，經過組合導航解算、點云濾波、坐標轉換等計算步驟，得到待檢圖幅的高精度點云數據。

使用GPS RTK獲取少量地物對象特征點，作為檢核點驗證點云數據精度。檢核點通常選擇比較明顯、易于分辨的地物特征點，如車道標示線、路燈等。使用GPS RTK檢核數據與點云同名點數據作比較，計算檢核點與點云數據中同名點的歐幾里得距離來檢驗點云數據的精度。

使用SWDY軟件的特征提取功能，提取檢驗后的高精度點云數據中的地物特征點線。提取的地物特征點線包括立杠、路燈、道路邊線、井蓋、房屋墻角點等。SWDY軟件的特征提取算法利用地物屬性特征(如路燈，交通指示牌的材質、寬度、類型，道路線的顏色、寬度等)進行特征匹配，自動提取車道線、桿狀物輪廓及房屋墻角點[15，17-18]。對于道路邊線，利用梯度濾波及鄰域取低點處理，進行邊線粗線提取，并使用管道濾波的聚類分析去除離散點；桿狀物輪廓及房屋墻角點則是采用SSW測量系統的各個傳感器的屬性特征，考慮傳感器與桿狀物間的高度差、距離差、顏色屬性集合，利用已有的專家知識模型進行識別和調整，得到適合本次試驗地區適用的提取參數，從而進行完整提取。

2.3 點云特征和矢量地圖雙向匹配檢驗

點云特征和矢量地圖雙向匹配檢驗方法，分別為利用點云數據特征檢測矢量地圖中粗差與采集丟漏，利用矢量地圖反向驗證點云特征數據是否有漏提取與地物變化。

首先利用點云數據特征檢測矢量地圖，針對點云數據中的特征點，基于最近鄰匹配的原則，在矢量地圖中尋找滿足式(1)的同類型特征點，其中λ為搜索閾值，取值兩倍中誤差，x、y為點云特征點的平面坐標，xi、yi為矢量地圖中與點云特征點同類型，且在搜索閾值范圍內的特征點的平面坐標。

(1)

式中，(x-xi)∈[0,λ)且(y-yi)∈[0,λ)。中誤差公式如下

(2)

如果在搜索閾值范圍內能夠尋找到匹配的xi、yi，則可根據式(2)計算中誤差，并根據中誤差判斷矢量地圖的精度。如果在搜索閾值范圍內未能夠尋找到匹配的xi、yi，則自動標記未匹配點，轉由人工審核，判定為粗差或采集丟漏。

利用矢量地圖反向驗證點云特征數據，檢驗方法原理與點云特征數據檢測矢量地圖的方法相同，如果未能找到匹配點，則自動標記，提交人工審核，并判定是否為未能提取或成圖后地物變化。

通過雙向檢測的方法，可以有效防止點云特征數據有誤而導致矢量地圖誤檢的情況，并且可以快速判斷漏采與成圖后地物變化。根據雙向匹配結果，可以計算矢量地圖數據的中誤差，分析數據的誤差分布及地物的缺失信息。

3 試驗與結果

3.1 試驗區域及數據采集

本文所采用的試驗區域為興化城區2 km2范圍，區域范圍內包括房屋、道路、路燈、植被、水系等地形要素，道路通達，通行狀況良好，區域內待檢測矢量地形數據比例尺為1∶1000，部分如圖2所示，成圖時間為2017年。

車載激光掃描平臺依據規劃的路線獲取點云數據。現場激光掃描作業過程中，行車速度保持在30 km/h，耗時1.5 h，掃描里程約25 km，采集過程中GPS信號良好，未出現長時間失鎖。采集過程中架設GPS基站1臺，數據采樣率為1 Hz。本試驗使用GPS RTK測量了44個地物對象特征點，用于檢核點云數據精度，檢核點選擇易于識別的車道線和立桿。

3.2 數據預處理

本試驗采用SWDY數據后處理軟件，綜合車載激光掃描平臺搭載的GPS、慣性測量單元、里程計與基站數據計算得到組合導航數據，據此進一步計算獲得高精度三維點云數據，解算相機采集獲取的全景影像數據三維坐標，并與點云數據融合得到彩色點云數據(如圖3所示)，包含色彩、強度等信息，真實反映了地物地貌的狀態。

本文試驗使用GPS RTK實地測量的44個檢核點與點云數據中的對應點進行對比，檢查點云數據的二維平面精度。對比結果見表1，其中ID為檢核點序號，XRTK和YRTX分別為檢核點的平面坐標，X和Y分別為對應點云數據的平面坐標，坐標系為CGCS2000，ds為檢核點坐標與點云坐標的歐氏距離，計算公式見式(3)，中誤差M計算公式見式(2)。對比結果中誤差為0.063 437 m，遠小于待檢1∶1000比例尺地形圖0.5 m中誤差的要求，因此可判斷該車載激光掃描平臺獲取的點云數據精度符合要求。

(3)

表1 點云平面精度檢核表

使用SWDY軟件中的點云數據矢量特征自動提取功能，預設測量區域的道路寬度、移動載體在道路中的相對位置、路燈高度等參數信息，提取得到立杠、路燈、道路邊線、井蓋、房屋墻角點等矢量特征數據。圖4為使用SWDY提取立桿后的效果，其中白色線段為提取出的立桿。

3.3 檢測結果與誤差分析

使用點云數據中提取的路燈、立桿等特征數據，按照本文提出的雙向匹配方法，完成與待檢矢量地圖上的對應矢量要素的雙向搜索，其中中誤差限差為0.5 m，搜索閾值設置為兩倍中誤差，即1 m。本試驗共提取205個地物特征點，其中雙向匹配成功201個，未成功匹配4個，匹配成功率為98.0%。針對未匹配成功的點，經由人工判讀逐一定性為粗差。

對匹配點進行計算，能夠得到每對匹配點的中誤差，從而計算出整體中誤差及誤差超限的地方，即矢量地圖中有測量錯誤的位置。平面誤差分布情況如圖5所示，其中坐標軸為點云數據和矢量數據的坐標相對誤差，根據式(2)計算檢測中誤差為0.26 m，且95%的點都在0.5 m以內，說明該矢量地圖較好符合精度要求。

4 結 語

本文提出了一種利用車載點云數據自動校驗矢量地圖平面精度的方法，有效提高了矢量地圖數據質檢的效率和可靠性，同時降低了野外數據采集工作量。

傳統質檢中利用GPS RTK實測數據檢測矢量地圖的方法人工成本較高，檢測的特征點較少，本文提出的利用點云數據自動檢測矢量地圖的方法，提升了矢量地圖的檢測點數量和精度，并且點云數據采集速度快，成本低。點云特征和待檢矢量地圖數據雙向檢測的方法能夠快速有效地發現數據粗差、采集丟漏等問題，提升質檢的準確率。

本文中的原始點云數據精度需要通過GPS RTK測量少量檢核點驗證，仍然需要實地測量部分數據，且本文的檢測方法未涉及矢量地形圖的高程檢測，下一步工作將在檢測流程優化、原始點云特征提取等方面進行提升，并研究數據高程精度檢測對比，全面支持矢量地圖質量檢驗。