激光雷達技術在高速公路改擴建勘察測量中的應用

吳軍

（四川省交通勘察設計研究院有限公司，四川 成都 918100）

0 引言

2021年，四川省高速公路通車里程突破8 600 km，然而隨著私家車數量的增長，四川省部分地區早期建設的高速公路已無法滿足人們舒適出行的要求，這就要求加快對高速公路的改造和擴建。本研究選取的研究對象遂寧至重慶高速公路擴容是《四川省高速公路網規劃（2019—2035年）》中新增的八條擴容路段中的一條，是成渝地區雙城經濟圈4 條高速通道成遂渝通道的組成部分。

改擴建的首要問題是獲取原有道路的基礎數據。由于遂渝高速于2007年建成通車，距今已有十幾年的時間，因長期維護，特別是瀝青路面的多側鋪設，導致原有的竣工資料已無法滿足改擴建高精度基礎資料的要求。僅依靠傳統測量的作業方式，即使用RTK 或全站儀采集數據，首先是作業效率較低、工作量較大、工期較長，人員在交通量非常大的高速公路上作業也存在很大的風險；其次是測量斷面的數量問題，斷面數過少無法反映原有公路路面、邊坡等地形的實際情況，斷面數過多會導致工作量增加，從而導致工期延長。因此，針對高速公路改擴建工程對獲取高精度三維地表數據的需求，采用先進的激光雷達技術進行勘測，可快速、高效地獲取原有高速公路路面、道路兩側邊坡及構造物的三維數據情況，為設計人員提供可靠的高精度基礎數據。

1 激光雷達

近年來，激光雷達技術發展迅速，并逐漸走向成熟，可在載人飛機、無人機、汽車等載體上搭載激光雷達裝置，其集全球定位系統（GPS）、慣性導航系統（INS）、激光掃描儀和光學攝影等先進技術于一體［1］。本研究采用機載激光雷達來獲取高速公路沿線影像和點云數據，采用車載激光雷達來獲取高速路面、高速路邊坡及兩側構造物等點云數據，通過將二者融合，使獲得的數據密度更高、精度更優，能更精準地反映出原有高速路的地表情況。

激光雷達是激光技術與現代光電探測技術融合的先進探測方式，其由信號發射系統、信號接收系統、信息處理等部分組成。激光器產生并發射一束光脈沖，該光脈沖打到物體后會反射回來，最終被接收器接收；接收器能準確地測量出光脈沖從發射到被反射回的時間，由于光速已知，對距離的測量即可轉換為對傳播時間的測量。結合激光器的高度、激光掃描角度，再通過GPS獲得激光器位置、通過INS 獲取激光的發射方向，就可準確地計算出每一個地面光斑的橫縱豎（X、Y、Z）坐標值［2］。通過激光雷達附帶的高清晰照相機可同時獲取高精度影像數據。

2 激光測距設計與實現

四川省交通設計院承接了遂渝高速擴容項目，該項目起于成南高速桂花互通，與成南高速、遂回高速形成十字樞紐互通，路線沿原遂渝高速進行擴容，經遂寧市船山區、經開區、高新區、安居區，止于川渝省界的書房壩處，與遂渝高速擴容重慶段相接，全長約為46.5 km。全線沿道路中心線兩側交叉布設74 個四等控制點，在此基礎上進行像控點測量、路面靶標測量、航空攝影測量、三維點云數據采集、點云精度檢查等工作，最后結合機載與車載點云數據形成最終成果。總體技術路線如圖1所示。

圖1 總體技術路線

機載激光雷達采用羅賓遜R44直升機作為飛行平臺和瑞格公司生產的HS-1600低空激光掃描測圖系統，沿測區線路選取3 個控制點用于獲取航飛數據同步靜態觀測數據。飛行相對高度為400 m、航高浮動允許范圍為100、航間距為250 m、飛行速度為120 km/h、照片拍攝時間間隔為100 ms。為了保證激光點云密度，掃描頻率設定為100 kHz、航向重疊度為69%～77%、旁向重疊度為41%～57%。像控點均勻分布于測區，因測區為帶狀，每2 km 布設一對像控點。

車載激光雷達以三菱越野車搭載瑞格公司生產的HS-1 600 低空激光掃描測圖系統。成果要求點云密度≥100 點/m2，高程中誤差優于2 cm，路面點邊緣與道路寬度基本擬合。考慮到作業的安全性，將靶標點布設在應急車道或路肩位置上，靶標高程糾正點約間隔150 m 布設一個，平面糾正點約間隔300 m布設一個，高速路雙向間隔約為150 m交叉布設。由于高速路的匝道視線不好，容易發生交通事故，故將靶標布設于互通匝道的起終位置。靶標布設主要采用十字形方式，由人工涂刷白色油漆，寬度約為10 cm，測量十字形的中心點位置。在外業測量時，要對靶標糾正點進行編號，且標記于現場，并存取奧維位置。靶標糾正點的平面坐標測量采用架設基準站，用對中桿架設RTK 進行測量，采集時間為60 s，高程采用徠卡電子水準儀進行四等水準測量。全路段共布設平面靶標點383 個，施測靶標水準高程點706 個。靶標水準按照15 km 左右的高速主線段落附合至項目水準控制網，精度統計見表1。

表1 靶標水準測量精度統計表

點云檢查點、線時，使用RTK 來采集高速公路應急車道白線外邊緣。考慮到高速路中央隔離帶產生的影響，還有匝道車輛上下等問題，為了能夠獲取最優的數據成果，分別在高速路雙向車道進行兩次測量（見圖2、圖3）。為了使車載雷達的掃描區域能夠覆蓋更廣的范圍，提高數據覆蓋的完整性，部分地方的快慢車道都進行測量。

圖2 RTK靶標點測量

圖3 檢查線采集位置

在對外業數據采集完畢后，首先通過像控點和靶標點分別對預處理后的機載雷達和車載雷達點云數據進行整體平差與精度優化，可在MicroStation平臺上面開發的TerraSolid軟件中的TerraScan模塊對點云數據進行細化分類。在進行分類處理前，用工作區及分類宏對整個工程項目的點云數據進行濾波處理，剔除部分空中、地面粗差的點。然后利用軟件法將地面和非地面的點云進行分類，再手動分出鐵搭和光纜線，最后進行人工檢查，利用TerraModeler 和TerraScan 模塊查看點云分類情況，對分類錯誤的點云進行改正。將分類處理后的點云導入外業測量的點云檢查點，檢查成果質量（見圖4），對發現的問題找出根源并解決。

圖4 實測檢查線與點云套合檢查圖

3 結果分析

在該項目實施過程中，依據項目檢查內容對關鍵工序質量進行檢查，主要有以下4方面。

3.1 飛行質量控制檢查

航向重疊度為69%～77%，旁向重疊度為45%～57%，影像質量良好，紋理清晰，色彩均勻，無云霧遮擋、曝光過度等現象。

3.2 POS解算結果質量檢查

POS 解算使用雙基站聯合平差解算，解算精度誤差滿足規范要求。

3.3 點云質量檢查

點云數據格式為.las，采集到的數據分為高程檢查點、平面檢查點，用這兩類點分別對項目的高程、平面精度進行評估。高程檢查點外業共采集218 個點，經統計得到的激光點云高程精度評定結果如下：平均高差為0.073 m、最小高差為0.001 m、最大高差為-0.290 m、中誤差為0.089 3 m，點云高程中誤差滿足規范中誤差小于0.35 m 的要求；平面實地檢測時，選擇不同地形、不同高程的點進行實測，從而分析地形狀態對成果精度的影響。檢測對象包括圍墻轉角、四角方形建筑、硬質地面明顯轉角處等容易在影像上分辨的地物，此測區共計616個外業實測檢查點。根據檢查結果得到的點云平面精度指標：平均平面差為0.094 m、最小平面差為0.005 m、最大平面差為0.174 m、中誤差為0.104 m，點云平面中誤差滿足規范中小于12 cm的要求。使用點云處理模塊TerraScan 自動檢測，得到全線點云密度平均值為590 點/m2。高速路面高程點檢查使用點云處理模塊TerraScan 自動檢測383 個高程點數據生成的激光點云精度報告。高程偏差最大值為0.034 m、高程偏差最小值為0.000 m、高程中誤差為0.012 m，高程精度誤差滿足低于2 cm 的設計要求。高速路面點云成果的平面精度檢查，采用特征檢查線對比距離檢查。檢查線采集675 處均勻分布于全線，對每條檢查線采集三點連線，采集線長4～5 m，與最終點云成果擬合車道線同一位置進行距離對比，距離值取檢查線與車道線之間的最大值。最大距離差為0.051 m，最小距離差為0.000 m，距離中誤差為0.018 m。

3.4 DOM質量檢查

DOM 地面分辨率為0.037～0.050 m。DOM 影像色彩均勻、紋理清晰，滿足矢量化要求。DOM 投影方式及坐標系統采用與項目工程坐標系一致的工程獨立坐標系，即橢球CGCS2000，中央子午線為105°30'，投影高為300 m。DOM 平面精度檢查采用實測地物與影像上的地物進行對比。實地檢測時，選擇不同地形、不同高程的點進行實測，以分析地形狀態對成果精度的影響。檢測對象包括圍墻轉角、四角方形建筑、硬質地面明顯轉角處等容易在影像上分辨的地物，此測區共計616 個外業實測檢查點。平均平面差為0.105 m、最小平面差為0.008 m、最大平面差為0.213 m、中誤差為0.115 m，影像平面中誤差滿足小于12 cm的要求。

在車載激光雷達測量的靶標布設中，共布設三類靶標，分別為“X”型、“O”型及“”型。其中，“X”型作為主要靶標點，均勻地分布在高速路應急車道上；“O”型及“”型作為試驗靶標點，主要分布在收費站外側道路上。通過試驗發現，“O”型靶標在內業作業中較難捕捉其圓心，“”型靶標在內業中能較好地捕捉其扇形交叉點，但在外業涂刷靶標時比較費時，且圖形有時涂刷不準確。最終，仍使用“X”型靶標，在外業涂刷時較為方便，且內業捕捉交叉點也較準確。

4 結語

在對既有遂渝高速公路改擴建中，對既有路面的高程精度要求較高，因此采用車載激光雷達方法進行測量。但車載點云與航測點云數據存在交叉部分，且兩種點云數據量非常大，融合非常困難。內業組通過安排多名參與過成南高速擴容項目的優秀技術人員，參考成南高速擴容的相關經驗，并在此基礎上改進作業方法，通過多次檢查、修改點云融合部分的成果數據，最終使車載點云數據與航測點云數據實現較好的融合，給設計人員提供精度可靠的成果數據。激光雷達點云巨大的數據量為三維數據成果的精度提供保障，但仍須對點云平差、分類進行更加深入的研究，使點云分類更快速、高效。