基于自適應估計的機載三維激光軌跡校正研究

曾 凱

（福州市勘測院，福建 福州 350300）

0.引言

機載三維激光掃描系統是現階段高精度獲取地面信息的新型測量技術，在激光測距的基礎上融合了差分定位技術、姿態分析技術、高分辨率影像采集技術[1,2]。

三維激光掃描技術精度高、數據獲取快、數據量大，憑借其優勢，被廣泛應用在各領域測繪工作中，尤其在數字城市、地形圖測繪、文物修復等領域被廣泛應用[3]。現階段，激光三維掃描技術高度集成，設備體型已具備在無人機平臺上搭載的可行性[4]。

機載三維激光掃描系統的定位精度受多個因素影響，其中軌跡解算精度對點云數據獲取精度影響較大，在硬件設備限制的情況下，很多學者通過構建函數模型和動力學模型對無人機的飛行軌跡進行修正，以提高機載三維激光掃描系統軌跡解算精度，從而提高點云數據精度。

卡爾曼濾波（Kalman）數據處理算法普遍應用在動態定位數據分析中，但其原理是在高斯白噪聲的基礎上構建的，在機載三維激光掃描系統中，動態GNSS（Global Navigation Satellite System）的觀測誤差存在有色噪聲，不屬于高斯白噪聲序列，直接將卡爾曼濾波算法應用在機載三維激光掃描系統的軌跡解算修正中，獲取的數據精度較低，結果不可靠[5]。

針對機載三維激光掃描系統存在有色噪聲的問題，一般通過函數模型補償濾波或隨機補償函數濾波進行濾波解算實現有色噪聲控制。本文主要以函數模型補償濾波實現了對有色噪聲的濾波控制。函數模型擬合濾波是函數模型補償濾波的一種，利用有色觀測噪聲和有色狀態噪聲可實現函數模型擬合濾波的構建，首先利用預報有色觀測噪聲和狀態噪聲，修正觀測值和狀態預報值，經修正后的觀測值和狀態預報值可實現濾波處理，實現有色噪聲控制。卡爾曼濾波算法可利用觀測殘差序列和狀態殘差序列進行模型補償，同時觀測殘差序列和狀態殘差序列也可對有色噪聲的隨機模型進行調節，控制有色噪聲對狀態參數估值的影響。

本文針對機載三維激光掃描系統軌跡解算精度問題，首先對其機載三維激光掃描系統構成、工作原理以及精度影響因素進行了分析，并根據有色噪聲的特點，基于BDS/INS緊組合的觀測殘差和狀態預測殘差，通過有色噪聲建模對無人機軌跡解算過程中的有色噪聲進行削弱，以四星座GNSS/INS緊組合的軌跡作為參考值，對比了顧及有色噪聲與否對軌跡解算精度的影響，再通過在實驗測區采集的檢核點對比顧及有色噪聲與否對點云精度的影響。

1.機載三維激光掃描系統

機載三維激光掃描系統是將多種技術進行融合并搭載到飛行器平臺上的組合系統（如圖1所示），核心構成包括用于激光發射的激光探測及測距系統，用于飛行器定位導航和坐標實時采集的差分定位系統，用于測定激光掃描儀實時姿態的慣性測量系統INS（Inertial Navigation System），用于航攝影像同步記錄的CCD（Charge Coupled Device）相機設備，以及中心控制系統、存儲系統、在線處理軟件等。

圖1 機載三維激光掃描系統

1.1 載體平臺

三維激光掃描系統無人機搭載平臺可分為固定翼無人機平臺和多旋翼無人機平臺，其中固定翼無人機平臺續航時間長，而多旋翼無人機平臺環境適應能力較強，垂直起降功能可適用于復雜地形。

1.2 激光測距系統

激光測距技術主要依靠激光器發出激光，發射器進行激光信號發射，經物體反射后，由接收器進行信號接收，此過程包括光信號向電信號轉換，結合時間延遲測量處理后進行存儲。現階段主要以脈沖測距為主，可由式（1）計算測量目標到激光測距系統距離：

式（1）中，R為測量目標到激光測距系統距離；c為光速；t為激光發射到接收的時間間隔。

1.3 差分GPS與慣性導航組合系統

在測量范圍內均勻設置多個參考站，構建差分GPS系統（DGPS，Differential Global Position System），工作原理如下：飛行器平臺上的接收機實時接收衛星信號，計算其空間三維位置，基準站獨立觀測，為用戶提供衛星星歷校正數、鐘差改正數和大氣延遲模型。其優勢在于能夠高精度實現定位和測速，誤差不累計，但其數據輸出頻率較低，無法記錄姿態參數，容易失鎖。

慣性導航系統（INS）內安置有陀螺、加速計等設備，根據空間力系原理，可測定飛行器三個坐標的加速度與角速度，以此計算飛行器飛行狀態下的姿態、位置和速度等信息。其優勢在于能夠高精度實現定位和測速，可實現姿態參數記錄，輸出頻率高，可瞬時記錄，但其誤差存在累計。

差分GPS系統與慣性導航系統結合，互相彌補短板，克服了INS系統誤差累計的情況，進而提高了姿態參數的測量。

1.4 定位原理

結合式（1），可計算出激光發射器到待測目標的距離（如圖2所示），利用IMU（Inertial Measurement Unit）系統記錄的相對位置、姿態、速度參數，DGPS系統記錄的飛行器位置數據，利用式（2）、（3）即可計算點P三維坐標（Xi，Yi，Zi）。

圖2 機載三維激光掃描系統定位原理

式（2）中，φ，ω，κ分別為IMU系統提供的俯仰角、側滾角、航偏角；β為掃描角；R為激光向量的模，即距離。

由上述可知：待測點的三維坐標由上述8個參數計算可得，即待測點坐標精度取決于這8個參數測量精度，同時參數精度受激光掃描儀機架的翻滾角、俯仰角和航偏角，IMU機體同載體坐標軸間的視軸偏心角等系統誤差影響，在系統誤差不可避免的情況下，為提運動軌跡觀測精度，通常利用函數模型和運動學模型進行參數修正。

2.基于有色噪聲及其協方差矩陣的自適應估計算法

將BDS/INS緊組合系統的待估參數，設為狀態矩陣x，對卡爾曼濾波進行線性化處理結果，如式（3）、式（4）所示：

式（3）、式（4）中，Lk為觀測向量；Hk為觀測設計矩陣；xk分為k時刻的系統狀態；xk-1為k-1時刻的系統狀態；Φkk為k時刻的狀態轉移矩陣；Φk-1為k-1時刻的狀態轉移矩陣；wk為統計特性為零的狀態噪聲；ek為統計特性為零的觀測噪聲。當wk、ek為統計特性不為零時，可表示為一階自相關模型。

根據卡爾曼濾波線性估計可知，新息序列和觀測殘差與觀測值有色噪聲可以相互體現，利用多個歷史觀測歷元的觀測殘差作為有色觀測噪聲樣本，狀態殘差序列作為有色狀態噪聲樣本，分別計算有色觀測噪聲估值和有色狀態噪聲估計，有色噪聲修正后的觀測值以及修正后的狀態預報值的協方差矩陣。

差陣的擬合精度具體計算方法：把有色噪聲樣本值的每次觀測歷元都進行更新，每次都將最新的N個觀測歷元觀測殘差作為樣本。當k＞N時，即可得到N組觀測殘差序列，由最小二乘求得，如式（5）所示：

由式（5）可得：有色噪聲系數矩陣估值以樣本Vk-1替代ek-1，將有色觀測噪聲相關系數矩陣估值帶入，計算有色觀測噪聲估計和有色狀態噪聲估值。將ri作為噪聲ηi的樣本值，將開窗法自適應的估計ni的協方差矩陣應用在卡爾曼濾波解算中，利用狀態殘差序列結合開窗法自適應的估計應用在卡爾曼濾波解算中，可求解有色狀態噪聲w?k和協方差矩陣Q?k，其公式如式（6）所示：

式（7）中，

3.實驗與分析

測區位于福建省福清市，以將近3km的現狀硬化道路為項目，兩側地形主要是居民地、農田。根據項目要求，現狀道路高程精度要求較高，需低于3cm，通過上述理論對無人機飛行軌跡解算精度進行改進，以此提高點云精度。

外業數據采集使用大黃蜂多旋翼無人機，搭載RIGAL VUX-1LR激光雷達，測量距離可達920m，激光測距精度為1cm，點頻達到50萬點/s。具體航線（如圖3所示），飛行高度為150m，來回航線間距為60m，飛行速度設置為7m/s，為確定無人機精確位置，需通過地面GNSS、CORS基站進行數據獲取采集，完成GNSS/IMU數據和激光數據的外業采集。在測區中間選取已知點架設GNSS基準站（基站位置如圖3中綠色三角形所示），與激光雷達系統中的定位模塊同步進行采集，高度截止角可設為15°，基站接收機采樣時間間隔可設為1s。完成外業數據采集后，利用后差分BDS/INS緊組合模式進行無人機軌跡解算，在解算過程中應注意，需顧及有色噪聲的卡爾曼濾波算法和不顧及有色噪聲的標準卡爾曼濾波，再以四星座GNSS/INS緊組合的軌跡作為參考值，對比顧及有色噪聲與否對軌跡解算精度的影響。

圖3 無人機飛行航線

在改正有色噪聲的情況下得到的誤差較未改正有色噪聲的要更接近零值（如圖4所示），且無人機軌跡的波動更小，有效抑制了一些無人機機動或擾動的誤差，尤其是無人機中間轉彎部分，高程出現明顯誤差，顧及有色噪聲進行改正可以明顯降低誤差，提高無人機軌跡解算精度。顧及有色噪聲的定位精度較未顧及有色噪聲的定位精度在三個方向分別提升了14.5%、17.8%、15.5%，三維點位精度提升了17.7%。（如表1所示）：

圖4 無人機軌跡精度對比

表1 道路形態不同時顧及有色噪聲與否的定位誤差單位：cm

為檢驗兩種方法解算精度，采用檢核點四等水準測量結果與每種解算方法進行精度對比分析，具體方法是在硬化地面內均勻布設80個地面檢核點，分別計算每種方法點云數據相應檢核點的高程值，并進行對比分析。

首先將顧及有色噪聲改正解算的軌跡數據與激光雷達點云數據融合，再將正常解算出的軌跡數據與激光雷達點云數據融合，生成有位置信息的激光點云數據。

分別將四等水準測量所獲取的檢核點高程數據，在上述融合后的點云數據中進行點云內展點，部分檢核點展點結果（如圖5所示）。完成展點后，即可獲取顧及有色噪聲改正算法融合點云和正常軌跡解算融合點云的檢核點所在位置高程。分別提取兩種算法下的檢核點位置高程，并與四等水準測量檢核點高程進行對比，并取差值記為dz。

圖5 部分檢核點在點云中位置

計算80個檢核點四等水準測量高程和檢核點兩種算法高程差值dz，得到統計結果（如表2所示）。由表2可知：顧及有色噪聲改正的點云與檢核點之間的高差明顯比未顧及有色噪聲改正的高差更小，有71個檢核點高差小于3cm，只有9個點的高差超過3cm，而改正之前超過3cm的點有22個，可見顧及有色噪聲可以提高點云精度。

表2 不同檢核點高差分布 單位：個

分別計算80個檢核點四等水準測量高程與檢核點兩種算法高程差值dz的平均差和中誤差，結果（如表3所示）。由表3可知，顧及有色噪聲改正的高差dz較未顧及有色噪聲改正的高差dz在平均差方面降低了32.3%，在中誤差方面降低了31.3%，由此證明了基于有色噪聲及其協方差矩陣的自適應估計算法可以削弱有色噪聲的影響以提高無人機軌跡精度，進而提高點云精度。

表3 點云誤差 單位：cm

4.結束語

無人機機載三維激光掃描儀的航測技術相比傳統測繪方式縮短了工作時間，可獲取海量數據，但點云精度受多個因素影響，本文主要探討了無人機軌跡解算對點云的影響情況，并提供了解決方法。本文將基于有色噪聲及其協方差矩陣的自適應估計算法應用于無人機軌跡解算中，通過削弱有色噪聲的影響提高無人機軌跡精度，進而提高點云精度。實驗表明顧及有色噪聲的定位精度較未顧及有色噪聲的定位精度在三個方向分別提升了14.5%、17.8%、15.5%，三維點位精度提升了17.7%，顧及有色噪聲改正的點云高差dz較未顧及有色噪聲改正的點云高差dz在平均差方面降低了32.3%，在中誤差方面降低了31.3%。這證明基于有色噪聲及其協方差矩陣的自適應估計算法可以有效提高點云精度。