GeoSLAM Horizon 3D系統用于地形圖修測的分析

陳鵬

(福州市勘測院，福建 福州 350003)

1 引 言

SLAM(Simultaneous localization and mapping)，意為“同步定位與建圖”，即掃描儀在一個位置開始移動，利用激光點云的處理算法，從雜亂無章的點云中找到線索，求取其中隱含的更穩定的高階特征點和特征向量，并連續跟蹤這些特征點和特征向量，進而高精度地動態反向解算掃描儀的位置和姿態[1]。

因在進行數據采集時無須GPS信號及大量的標記點，SLAM技術適用于室內室外場景，對于解決傳統測繪中的定位及場景重建問題具有廣闊的前景。基于SLAM技術的移動測量系統在多個測繪領域發揮作用[2，3]。本文中所舉實例福州市人民公園小區的建筑物、植被密集，目前的移動測量系統因需要依賴全球衛星導航系統(GNSS)和慣導系統(INS)，利用它們做地形圖修測項目效果不佳。而SLAM技術因其自身的技術特點，可滿足該小區地形圖修測的需求[4]。

2 測區概況

人民公園小區位于福州市倉山區上三路與復園支路路口，占地約14.6畝，含6座建筑物(8層樓5座，1層樓1座)，本文擬采用GeoSLAM Horizon3D系統對其進行三維激光掃描、數據處理，并更新小區的地形圖。

3 作業方法

3.1 外業作業步驟及耗時情況

GeoSLAM設備外業掃描共分為控制點布設和測量、現場準備與數據采集三個步驟，累計耗時約 1 h 20 min左右。

(1)控制點與檢核點的布測

GeoSLAM生產的點云數據為自由坐標，布設控制點的目的是對點云數據進行坐標糾正，并賦予點云數據絕對坐標。

本次測量在人民公園小區的4個角點布設4個控制點，耗時約 1 h。為節省控制點測量的時間，控制點布設也可與激光掃描同時進行，掃描結束后再對控制點坐標進行采集。小區的控制點位分布如圖1所示。

圖1 人民公園小區控制點分布圖

為檢測激光點云的平面坐標及高程的精度，本文選取54個特征點作為檢核點，并用傳統方法測量其平面位置與高程。其中21個墻角點用以檢測點云的平面位置精度，33個地面點用以檢測點云平面位置及高程精度。

(2)現場準備：從背包里取出儀器，安裝，靜止 30 s后即可進行數據采集。本步驟耗時約 3 min。

(3)數據采集：手持GeoSLAM設備繞測區進行掃描作業，掃描作業時注意覆蓋小區完整的范圍，遇控制點時，將GeoSLAM設備外接的基準標定板十字孔中心對準控制點靜止放置 5 s以上，使GeoSLAM設備能夠自動識別并記錄控制點的位置，最后需確保儀器回歸到初始位置，結束掃描。人民公園小區外業掃描耗時 17 min 23 s。

3.2 數據預處理

(1)原始數據解算

將原始數據導入預處理軟件GeoSLAM Hub里進行解算，解算數據所需時間與電腦的配置以及掃描數據量有關，本步驟耗時約 30 min。

(2)數據坐標轉換

原始數據解算輸出的是自由坐標的點云，將所測控制點坐標輸入GeoSLAM Hub軟件，可進行點云的坐標轉換，誤差解算，生成精度報告等。據測算，本次人民公園小區的測量中誤差為 5 cm。本步驟耗時約 5 min。

4 GeoSLAM horizon3D系統點云精度分析

利用GeoSLAM生成點云的點位中誤差為 5 cm，點云三維模型如圖2所示。

圖2 GeoSLAM生成的點云圖

利用傳統方法測量的檢核點的平面坐標、高程與利用點云刺出的同名檢核點的平面坐標、高程做比較，分析點云數據繪圖的精度。

21個房角檢核點全部成功刺點。21個房角檢核點平面坐標與點云刺點平面坐標平均較差為 2.80 cm，其中最大值為 6.11 cm。

33個地面平面高程檢核點中，因受車輛和植被遮擋、掃描作業時未走到正確的位置等因素影響，15個點位無法有效刺點。剩余18個有效點位的平面精度的平均值為 6.32 cm，最大值為 12.25 cm，高程精度的平均值為 5.98 cm，最大值為 11.01 cm。

根據以上精度分析，GeoSLAM設備生產的點云數據可基本滿足小區地形圖修測的要求。

5 點云數據處理

首先，利用GeoSLAM Hub軟件讀取GeoSLAM Horizon3D設備中的點云數據。獲取LAS格式的點云數據后，使用Quick Terrain Modeler(QTM)軟件進行點云數據瀏覽、檢查點云數據效果、分析數據分層、查看點云著色、檢查地面標線等操作，以檢查點云數據的質量情況。

其次，利用Terrasolid軟件的濾波去噪功能可平滑密度不規則的點云數據、去除因遮擋等問題造成的離群點、重采樣大量點云數據、去除噪聲數據，進一步提高點云數據質量。利用Terrasolid的抽稀功能可適度減少點云數據量，以此減少點云數據對軟硬件設備存儲及顯示等功能的需求，同時避免人力資源與計算資源的浪費。

最后，利用清華山維EPS軟件點云處理模塊進行地形圖的繪制。清華山維EPS點云處理模塊可同時加載點云數據與影像數據，并可實現二維空間與三維空間的聯動，繪制地形圖方便、快捷。除傳統的繪圖功能外，清華山維的點云處理模塊中的點云切片功能、點云著色、點云編輯等功能讓繪圖更直觀。

6 GeoSLAM Horizon3D系統更新地形圖的優缺點分析

6.1 GeoSLAM Horizon3D系統的優點分析

首先，GeoSLAM生產的點云數據應用于地形圖修測時，外業測量時間大大縮短；其次，點云數據平面精度高，且在保障精度的情況下，覆蓋范圍更全面；第三，點云的地面點高程的精度可靠[5]；第四，點云的穿透能力強，可在一定程度消除遮擋的影響；最后，點云數據可以實現三維瀏覽巡圖。

(1)外業測量耗時少

利用傳統的作業方法，修測人民公園小區地形圖耗時約為 3 h，而利用GeoSLAM設備對人民公園小區掃描外業共耗時 1 h 20 min，除去布設控制點所耗 1 h外，掃描時間僅耗時 20 min。大大節省了外業的人力資源，提高了外業作業效率，為測量數據獲取的技術革新提供了一種新方法。

(2)點云數據平面精度高且覆蓋范圍全面

利用GeoSLAM設備生產的點云數據可全面、清晰、準確地勾繪房屋的輪廓。

圖3為點云切片數據疊加背景地形圖的效果圖，相比矢量數據，此圖可清晰分辨房屋輪廓，勾繪房屋更加方便、快捷；

圖3 編輯前(點云+地形圖) 圖4 編輯后(點云+地形圖)

北側墻體部分在點云掃描之前剛剛完成了地形圖的更新，可認為其精度是可靠的，而此部分墻體的輪廓與點云數據的吻合度非常高，表明點云數據的平面精度是可靠的；

在房屋中間凹處及陽臺等隱蔽區域，背景地形圖的房屋輪廓與點云數據存在多處較大的位置偏差(箭頭處所示)，經檢核，點云精度較為可靠。由此可見，點云數據可在保障精度的前提下，覆蓋范圍更加全面。

圖4為利用點云數據修正地形圖后成果圖。

(3)點云地面高程精度可靠

利用點云數據提取地面以上地物(如花壇、矮墻等)的特征點時，特征點位精度容易受點云密度、操作人員刺點經驗等因素的影響，高程精度浮動較大。而地面點位則不受上述因素影響，僅僅取離地面點位較近的點位即可，在保障點云密度的情況下，精度可優于 3 cm。本文4個控制點的高程與點云數據的較差均在 3 cm以內，點云數據較高的地面高程精度亦適用于土方測量、道路測量等領域。

(4)點云穿透能力強

如圖5所示，GeoSLAM設備的發射源位于地面，其生產的點云數據不僅可體現植被底部的信息，而且可體現植被外邊緣的信息，可見其具備較強的穿透性。因其具備高穿透性能，利用點云數據繪制地形圖可大大減小遮擋的影響[6]，消除繪圖盲點。利用EPS點云處理模塊的切片功能，可參考不同切面的點云數據，從多個角度分析、繪制地形圖，可大大提高作業的效率和準確率。

圖5 激光點云穿透性

(5)點云具備三維效果

相比二維地形圖，點云數據可進行三維展示，選擇不同的著色方式對點云進行著色，點云的視覺效果會相對形象、直觀。在點云數據的三維視圖中瀏覽地形圖，可對地形圖進行查缺補漏、發現地物是否有明顯位置偏差，初步實現巡圖的功能，如圖6所示。

圖6 三維瀏覽地形圖

6.2 GeoSLAM Horizon3D系統的缺點分析

(1)點云數據繪圖不直觀

點云數據由眾多獨立的點聚集而成，相比三維影像模型，點云數據繪制地形圖時缺乏直觀性，需要考驗繪圖人員的想象力。點云密度、點云著色方式等因素影響地形圖地物、地貌的分辨、判斷，內業的作業效率偏低。

從事地形圖修測的任務生產時，繪圖人員尚能借助背景地形圖理解點云數據，若是從事如竣工地形圖等白紙測圖的任務，點云數據缺乏直觀性的問題便會愈發凸顯，繪圖難度大大增加。

(2)點云數據繪圖具有局限性

利用點云數據很難去分辨一些常見地物，如小區內部停車用的植草磚，地面材質如鋪磚、鋪石、水泥、瀝青等，黃色的車位標線，部分井蓋等地物，給地形圖的繪制帶來極大不便。

(3)遮擋的影響仍存在

雖然點云數據具有很強的穿透能力，而且點云處理軟件具有切片功能，但是點云數據依然在一定程度上受到遮擋的影響。本文花圃中的植被過于茂密，大部分點云無法穿透植被至其底部的花壇，導致花壇線的點位密度低，而無法有效完成地形圖的繪制。

6.3 GeoSLAM Horizon3D系統更新地形圖的優缺點總結

點云數據用于地形圖修測任務生產時具備許多優點，同時其缺點也是顯而易見的，表1羅列其優缺點，生產作業時可揚長避短，提高作業效率。

點云數據應用于地形圖修測的優缺點總結 表1

7 建議與展望

7.1 GeoSLAM Horizon3D系統掃描作業方法的改進

外業掃描時作業人員未經過正確的位置，便會導致一些地方點云密度偏低而不足以辨認地物。圖7中，作業人員掃描時途徑花圃左側，因此，花圃左側的點云密度高，花圃輪廓清晰可見。因作業人員未途徑花圃右側與建筑物間的小路，圖中箭頭所示，所以花圃右側邊界線上點云密度低，從而影響花圃地類界的繪制。

圖7 花圃的掃描方法

為此，作業人員在掃描之前，應提前規劃掃描路線，掃描路線應完整覆蓋小區內部的目標地物、地貌，作業時嚴格按照預定的規劃路線進行掃描，以便完整地覆蓋整個小區[7]。

7.2 GeoSLAM Horizon3D系統與傾斜攝影模型完美互補

由本文第6節可知，點云數據用于地形圖修測任務時，優點很顯著，同時缺點也很明顯。而傾斜攝影模型近些年也廣泛應用于地形圖的繪制中，但是傾斜攝影用于繪圖也存在一些缺點。筆者總結一下4個原因說明二者的優缺點完美互補，在實際生產中可配合使用。

(1)傾斜攝影數據源位于空中，地物易受植被遮擋；GeoSLAM Horizon3D系統數據源位于地面，且點云穿透能力強，可有效彌補傾斜攝影模型的盲點。

(2)傾斜攝影模型采集的點位高程精度低；點云數據的高程精度，尤其是地面點高程精度高，在提取地面點高程時，可用點云數據替代傾斜攝影模型[8]。

(3)利用傾斜攝影測量房屋精度易受飛行高度等因素的影響，不穩定；本文點云數據測量房屋精度達 5 cm，利用點云數據繪制建筑物的輪廓可以滿足一般工程測量的需求。

(4)傾斜攝影三維模型繪制停車位、地面材質、井蓋等方便、快捷，可替代點云數據完成此項工作。