機場跑道實施HUD飛行程序的地面基準測量關鍵技術研究

莫國軍，周淑霞

(廣州市城市規劃勘測設計研究院，廣東 廣州 510060)

1 引 言

HUD(Head-Up Display)即平視顯示系統，它將重要的飛行信息投影在外部世界的視像上。HUD能顯示基本的飛行信息(飛行參數、姿態信息、能量狀態、導航信息等)，同時還能顯示特殊的告警信息(擦機尾余度、TCAS安全區、迎角限制等)。HUD是中國民航局正在推廣的航空新技術，可實現低能見度起飛和引導著陸，使用HUD實施II類運行與常規II類運行相比可有效降低機場導航和助航燈光設施的配置和改造資金，并可改善飛行品質，提升航空安全水平，大幅減少航班延誤。

白云機場為推進完成02R號跑道HUD特殊II類飛行程序的公布，要對II類儀表著陸系統保護區、航向標臨界區、II類運行航向信標敏感區、下滑信標保護區進行數字化測繪，以此作為HUD實施的地面數據基準。白云機場白天不停場運作，施測區域位于飛行區內，如采用傳統測量方法，只能在深夜跑道關閉后才能進入測繪，光線不足、人員調配困難等原因，無法保證測量效果和效率。因此，本文研究了基于地面激光LiDAR掃描技術的快速、精準機場跑道數字表面模型(DTM)構建、平面虛擬測量及縱斷面等模型生成，可以快速高效獲取地物的三維數據，為機場跑道空間設計管理提供全面的空間數據，并通過實例驗證了本方法的可行性。

2 三維數據的處理

地面三維激光LiDAR掃描技術是一種先進的全自動高精度的立體技術，又稱為“實景復制技術”，能夠在短時間內得到物體表面高精度、高密度的三維點云數據。為了從海量的三維激光點云數據中獲得物體表面的數字化表達，必須對掃描得到的高密度三維激光點云數據進行一系列的加工處理，即點云噪聲剔除、多測站點云數據融合、點云數據壓縮及物體表面模型數字化表達[1，2]。

2.1 三維點云數據的配準技術

由于物體遮擋及掃描儀視場的限制，要獲得機場地面基準表面的完整三維信息，需要對其進行不同視角的多測站掃描，并將多測站三維激光點云數據轉換到統一的坐標系統中，其轉換精度的高低將直接影響點云數據后續應用。目前的配準方法按精度可分為粗拼接和精確拼接。粗拼接就是大致將各測站的不同坐標系的點云數據統一到同一個坐標系下，粗拼接達到的精度并不能滿足實際使用要求；為了使點云數據上的對應點對或者對應的面和距離的誤差更小，就需要在完成粗拼的點云數據基礎上進行進一步的點云精確拼接，采用迭代的計算方法減少誤差以達到更高的拼接精度，在實際作業過程中就是通過迭代優化一組坐標變換矩陣來使誤差值最小化。ICP算法是應用較為廣泛的一種精確拼接的方法，其主要思想是首先進行點云數據的采樣，確定數據的初始對應點集，獲取對應點數據中的錯誤點對，通過迭代計算求解出坐標的變換矩陣。ICP算法具有計算方便、操作簡單、拼接精度高等優點，因此在點云數據融合中得到廣泛應用。

2.2 三維點云數據的濾波技術

對獲取的點云數據來說，由于儀器本身或掃描時的姿態、天氣等原因使點云數據含有噪聲，噪聲數據的存在使得求解的點云法向量和曲率含有一定誤差，同時誤差存在影響點云重建模型發生扭曲變形，因此在進行點云后續處理之前應該進行點云數據的噪聲剔除，去噪的方法具體如圖1所示。

圖1 常用去噪方法

對于有序點云噪聲，采用高斯濾波方法去噪。高斯濾波實質是一種信號濾波器，其用途是信號的平滑處理。一般有兩種實現方式，一種是用離散化窗口滑窗卷積，一種通過傅立葉變換。常用的就是用離散化窗口滑窗卷積實現，只有當離散化的窗口非常大，計算量非常大的情況下，可考慮通過傅立葉變換的實現方法。高斯濾波就是對鄰域內不同位置的像素賦予不同的權值，每一個像素點的值，都由其本身和鄰域內的其他像素值經加權平均后得到，對圖像進行平滑同時能保留圖像的總體灰度分布特征。用于圖像處理消除高斯噪聲，對于抑制服從正態分布的噪音非常有效。

對于散亂點云噪聲，采用拉普拉斯算法去噪。拉普拉斯是一種二階導數算子，是一個與方向無關的各向同性邊緣檢測算子，當鄰域中心像素灰度低于它所在的領域內其他像素的平均灰度時，此中心像素的灰度應進一步降低，當鄰域中心像素灰度高于它所在的領域內其他像素的平均灰度時，此中心像素的灰度應進一步提高，對噪聲點云有雙倍加強作用，從而消除散亂點云噪聲。

因此本文結合高斯濾波和拉布拉斯去噪算法各自的優勢，提出一種高效的點云噪聲剔除算法，算法首先利用高斯算子對有序點云噪聲去噪，然后利用拉普拉斯算法檢測散亂點云噪聲并進行噪聲剔除。通過實驗驗證該方法能夠明顯地提高點云去噪效率[3]。

2.3 三維點云數據壓縮技術

三維點云數據規模龐大，在剔除噪聲之后，數據中仍然包含了大量的冗余數據，這將給后續數據處理帶來很大麻煩。為了提高數據處理效率，需要對點云數據進行篩選和壓縮。點云數據壓縮的基本原則是在保證物體表面有效信息的前提下最大可能地減少點云的冗余數據，壓縮后的點云數據不僅能夠如實準確地反映地物地貌，更縮減了數據量，提高了后續數據處理的速度。

點云數據的壓縮遵循下列原則：

(1)壓縮率高，即在保證失真較小的情形下，最大限度地壓縮點云數量；

(2)在誤差限差范圍之內簡化誤差，即點云的簡化結果能滿足應用的精度要求；

(3)簡化算法簡潔，執行效率高。

因此，依據點云壓縮的以上原則，本文研究一種基于區域分割的頂點自適應合并網格簡化的點云數據壓縮算法，該算法的主要思想如下：

首先把網格點分為區域邊界點和區域內部點，邊界點在頂點合并中只能與邊界點合并，內部點可以與兩類點進行合并。再根據誤差代價對所有頂點進行排序，對于任一頂點u合并到頂點v的誤差代價函數公式如下：

式中，Tu表示包含頂點u的三角形集合；Tuv表示包含頂點(u，v)的三角形集合；normal是三角形的法向量；W(u)是u點的區域加權值。頂點u合并到v的誤差代價為邊長乘上曲率和區域加權值，曲率項是為尋找頂點u的鄰近三角形中，與包含頂點(u，v)的三角形法向量相差最大的三角形，(1-f.normal×n.normal)÷2是為了歸一化。對代價最小的頂點進行邊折疊，邊折疊操作不引入新頂點，相當于一對頂點合并為一點。最后，重新計算那些受簡化影響的頂點的代價值，直到總頂點數為零。

2.4 三維點云數據的建模

三維激光掃描技術最終表達的是目標的數字模型。對三維點云數據進行處理后，需要構建其三維模型，就是把散亂的三維點云數據進行空間化組織，構建它們的三角網。因數據采集過程中由于樹木等遮攔，導致在某些地方獲取不到三維點云數據，在構建三角網三維模型會出現空洞的情況，為了利于后續操作中對整個面的構建需要對空洞進行填充修復。針對點云補洞算法，采用分塊處理的方法，將海量點云數據進行分塊后，建立基于三角網格模型的曲面修復方法，該方法不僅計算效率高，而且具有較高的拓撲性。經過空洞填充平滑處理后的三維模型，因為沒有紋理不能從視覺上實現實景三維效果，因此要對構建好的三維模型進行紋理映射，最終完成三維模型的構建[4，5]。

3 應用實例

首先對機場跑道周圍環境如圖2綠線范圍進行考察，確定三維激光掃描儀和靶標的位置，保證盡量少的測站獲取的數據能代表完整的項目范圍，利用GZCORS系統測量測站的WGS84坐標。本次數據采集使用Rigel-VZ400型三維激光掃描儀，其反射距離為 500 m(對反射率為90%的物體)，運用點面采集相結合，全站儀協同作業的技術方法對遮擋的地物進行補充測量，較好地解決了三維激光掃描測量不能直接通過反射獲取數據的局限性。數據采集過程中，每一個測站應對3個以上靶標掃描，為了能夠準確地提取靶標中心點，對靶標分別采取了較高分辨率的掃描。采用全站儀測量靶標，以獲取其WGS84坐標系下的坐標，用于后續多站數據的配準。靶標要均勻分布，離掃描儀的距離也要適中。

圖2 項目范圍

3.1 三維點云數據的成果制作

根據上述方法，獲取了白云機場02R跑道II類儀表著陸系統保護區的三維激光掃描成果圖，其中包含了經過改正的高程信息，如圖3所示，點的顏色表示了不同點的高程值，顏色趨近于綠色表明該點的高程值較大，反之，顏色越趨近于藍色則表明該點高程值越小。這樣通過顏色的變化，可以在整體上了解著陸系統保護區的高程變化情況。

圖3 三維點云成果圖

在對采集的海量三維點云數據經過點云配準、點云濾波、點云壓縮和三維建模處理之后，將目標數據導入ArcGIS平臺上進行矢量化疊加分析，進一步剔除粗差和誤差較大的點，得到目標范圍內的矢量點、線數據，經過人工交互判別之后將數據導入EPS制圖平臺，與其他測量數據進行疊加，形成最終制圖結果[6]，局部成果如圖4、圖5所示。

圖4 白云機場02R跑道北端著陸系統保護區基準地形圖

圖5 白云機場02R跑道中線縱剖面圖

3.2 精度分析比較

選取了項目中的一塊區域作為驗證區域，將三維激光掃描的成果與傳統全站儀測量成果做一對比，從而驗證了三維激光掃描成果的準確性，如圖6所示，顯示了不同特征點在用兩種方法測量后所獲取的高程信息對比，從圖6中可以看出，三維激光掃描的結果與傳統全站儀測量結果具有高度的一致性。兩種測量方法平面較差統計結果如圖7所示。相比較而言，三維激光掃描儀獲取的點數數量更多，涵蓋的信息更全面，所以更能夠精確地反映出項目區域的高程變化情況。

圖6 兩種測量方法高程統計結果(單位/m)

圖7 兩種測量方法平面較差統計結果(單位/m)

4 結 論

地面三維激光掃描測量技術在人員無法到達的地點及測量區域結構復雜等情況下發揮了傳統測量模式無法比擬的優越性。通過三維激光掃描儀對地物場景進行了數據獲取，得到了反映地物表面幾何結構的三維信息，通過這些三維掃描數據即可進行三維模型建立，利于機場管理設計部門快速、直觀、全面判讀項目區域內的地物地表的三維空間數據，為保障飛機起降的安全空間提供精確的基準數據。