全息測繪視域下城市道路測繪的質量控制研究

薛豪杰

(廣東龍泉科技有限公司,廣東 廣州 510000)

0 引 言

不同于傳統測繪由人工測量、標注的數據獲取方式,城市道路全息測繪在獲取數據時一般采用車載三維激光掃描技術,車載三維激光掃描技術的數據采集效率較高、采集速度較快、采集精度較高,利用車載三維激光掃描技術獲取的數據可滿足高精度城市道路地圖的需求。全息城市道路測繪改變了傳統測繪數據制作工藝和測繪成果的形式,在數據制作工藝流程中利用內業處理逐漸取代了高強度的人工外業作業,將傳統二維的測繪圖件成果轉變為三維的道路模型。并通過三維激光掃描、全景影像獲取更加全面的道路地理要素,在保留原有的道路邊線地形要素的基礎上,增加了道路上的交通標示、斑馬線、路燈、攝像探頭、綠化情況等要素,還可以對各要素進行材質、限值信息、歸屬等社會經濟屬性的拓展。全息道路測繪成果突破了傳統道路地圖的比例尺分級概念,采用道路要素精度分級的方式,采用針對性道路要素精度分級可滿足不同的應用需求,完成對城市道路附屬部件、城市部件、城市道路上交通標志的高精度控制。通過對城市道路的全息測繪,利用三維模型將道路現狀信息可視化制作的高精度地圖可應用于無人駕駛、智能交通控制、車道級定位導航等領域,可滿足智慧城市建設需求,因此提高城市道路測繪的質量具有重要意義。

1 城市道路全息測繪技術分析

車載三維激光掃描技術是激光測距技術、慣性技術、圖像攝影技術以及GPS技術的集成[1]。城市道路全息測繪流程如圖1所示。

圖1 全息測繪流程圖

在測繪時,車輛以相對恒定的速度行駛,三維激光掃描儀在移動的過程中采用脈沖式測距方式,通過激光照射被測物時發生的漫反射,通過激光由發生器到接收器的飛行時間得到被測物與三維激光掃描儀的距離,并在三維激光掃描儀的空間坐標系中表示出被測物的點坐標形成點云數據,通過對點云數據進行預處理,篩選出高精度的點云數據,并進行要素提取,當存在數據缺失時則通過外業補測、調整的方式進行綜合調繪。并與車載攝影設備獲得的具有RGB信息的全景影像進行匹配,制作彩色的道路全要素地形點云圖[2]。全要素地形數據圖圖2所示。

圖2 全要素地形數據圖

利用掃描的數據制作單體化傾斜模型,再通過影像數據將紋理映射到模型上,形成逼真的道路全要素三維模型,可將城市道路上的所有要素通過結構件的形式表示出來[3]。全要素實景模型圖如圖3所示。

圖3 全要素實景模型圖

2 質量控制方向分析

根據對全息測繪原理及流程的分析可知,影響測繪質量的因素分為兩大部分,質量控制可從兩方面進行,控制測繪流程的標準性以及控制測繪成果的準確性,測繪整體流程較為復雜,流程的標準程度受測繪人員主觀因素影響較大,本文不予分析。控制測繪成果的準確性的主要方式是對成果質量進行檢查,通過質量檢查找出測繪中的不足之處進行修改和調整。本文從成果質量控制中的質量檢查方向出發,分析全要素地形數據、全要素實景模型質量檢查方式、內容以及成果出現的質量問題[4]。

全要素地形數據檢查可分為內業檢查和外業檢測,其中內業檢查主要通過將模型、點云數據和影像資料進行疊加處理。利用從多角度、多方式的疊加處理,檢查模型制作、影像拍攝時模型的正確性、取舍的合理性、要素完整性以及點云數據處理中選取數據的準確性。對于存在的地形要素缺失、漏項、屬性錯誤以及表達錯誤等進行標注,為后續的處理提高處理依據及處理方式。而外業檢測主要是采用實地檢測,對監測物、點進行打點、量邊等作業進行數據精度校驗,并對內業檢查分析時出現的疑點問題進行實地重新巡檢、排除。

全要素實景模型檢查方式與全要素地形數據檢查方式原理相同,通過將模型、影像資料進行疊加處理,驗證數據來源的準確性和完整性,模型制作時空間坐標系選取的正確性,模型構件物名稱的正確性,以及紋理映射的清晰性、重復性。對道路模型中存在的道路部件單體化錯誤、缺失漏項、紋理映射貼圖與實景不符合、映射圖像扭曲、貼圖拼接不當等問題進行標注,并利用內、外業檢測方式結合的方式,校驗模型的幾何精度。

3 質量控制方法研究

從控制點質量控制出發,完成點云數據糾偏提高點云精度,進而提高全要素地形數據準確性,使建立的全要素實景模型更加貼合實際,精準度更高。本文通過進行測繪實驗,分析道路測繪中影響控制點有效性的因素,以及對控制點的優化方法,并通過實驗驗證優化后檢查點精度,驗證糾正后的點云數據完整性。

測繪區域選取上海市嘉定區,并將測繪分為兩個區域,其中1號區域建筑物較多,道路較為復雜,人流量以及車流量較高,屬于相對復雜的城市道路環境。其中2號區建筑物較為稀疏,道路構建單一,周圍多為農田,人流量以及車流量較低,屬于相對簡單的城市道路環境,兩個區域具有一定的代表性,可以提高為驗證實驗的精準性。區域位置如圖4所示。

圖4 測繪區域位置圖

3.1 測繪過程

通過對兩個區域的車流量進行調查,并結合城市地圖,確定區域中車流量最小時為早上7點之前及晚上11點之后,測繪時確定測繪時間為早4點到早6點,通過避開車流量高峰期,可以減少因車輛遮擋導致的點云長距離缺失情況的發生。利用車載激光雷達進行掃描測繪,為滿足點云密度要求,車輛盡量保持 30 km/h的速度勻速前進。1區域測繪路線全長 15 km,測繪時間為 40 min,2區域測繪路線全長 25 km,測繪時間約為 80 min。除道路中間設置隔離帶進行雙向掃描外,道路均采集一次。在1區域共設置160個控制點,在2區域共設置130個控制點,為避免影響交通以及提高數據獲取精度,本次在控制點設置時主要選取人行斑馬線、道路轉彎處以及面積、色差明顯的車道分割線處,設置時避免了存在遮擋的角點。

3.2 數據處理

使用CGO等有關軟件,結合靜態基站數據、GPS導航信息等對獲取的車載數據進行軌跡解算,并生成車載掃描軌跡POS文件,使用POSPac移動測圖軟件對POS軌跡進行預處理,修復軌跡中存在的扭曲跳變問題,使整個軌跡更加平滑。將修復后的POS軌跡文件與測繪采集的數據進行解算,利用CoPre軟件解算原始點云和照片信息,并將控制點匹配到點云數據中的對應點。通過控制點匹配完成POS數據糾偏,提高點云數據的精度[5]。

3.3 因素分析及優化

在數據處理中控制點與點云匹配時,對控制點的有效性進行檢查。利用對空間坐標系中點坐標值進行差分的方法,將控制點與其點云中匹配點進行坐標值查分,獲取△X、△Y、△Z差值數據。以2倍中誤差設定限值,平面精度限值為 0.14 m、高程精度限值為 0.1 m。通過對異常點的篩選,出現以下2種情況:

(1)控制點坐標與匹配點差值較大

第一種是控制點坐標與匹配點差值較大,如表1所示。

表1 控制點與匹配點精度差值表

該類異常點的坐標與點云數據中坐標的差值較大,說明在測繪時原始點云質量較差,在實地調查重新獲取數據后發現,該控制點布設區域遮擋情況較為嚴重,且衛星信號較弱,獲取數據時可能會出現延遲誤差。而且控制點之間的距離較大,設置控制點的特征不明顯,控制點匹配時容易產生錯誤,從而導致該類數據異常。通過對控制點進行調整、剔除糾正后,重新測量控制點后,精度差值如表2所示。

表2 控制點糾正后精度差值表

(2)控制點出現連續的高程異常

第二種是控制點出現連續的高程異常,如表3所示。

表3 連續高程值異常數據表

該類異常點的坐標與點云數據坐標高程值相差較大,呈現連續性,且△X、△Y差值較小且符合限值要求,表明遮擋情況、信號強度未對數據的精度造成影響,應為設備系統誤差產生,因此通過重新測量高程值,分析該現象出現的原因應為儀器的參數出現設置錯誤,經參數調整后,糾正后的精度差值如表4所示。

表4 高程值糾正后控制點精度差值表

(3)優化處理后控制點精度

經對控制點影響因素的分析可知,為保證點云數據的精度,應檢查所有控制點與其匹配點的差值,保證不同控制點在同一段點云上的差值小于 0.1 m,且需要重復掃描的路段最少要設置1個共同控制點用來驗證重訪點云相對精度。當同一段點云上僅有兩個控制點且出現差值超過 0.1 m限值導致點云發生形變時,應對控制點進行糾正,通過外業校驗的方式對控制點進行位置優化。當同一段點云上存在過多的控制點時,需要通過差值比較對存在的異常控制點進行篩選,通過外業工作對控制點進行校驗優化,必要時可剔除。經對控制點優化后,各區域控制點的精度情況如表5所示。

表5 糾正后各區域控制點的精度情況表

由表5可知,經優化后的控制點精度均滿足平面精度以及高程精度要求。并將糾正后的點云數據導入QTmodeler中進行處理,通過點云圖層可視化檢查點云數據的完整性。經處理后發現,點云圖層不存在錯位分層、扭曲變形等情況,獲得的道路測繪質量可以滿足要求。

4 結 語

本文通過對道路全息測繪的原理及流程分析出發,進行質量控制方向的分析,由于質量控制中對流程規范性控制受測繪人員主觀因素影響較大,因此本文確定對成果質量進行控制的質量控制方向。從對控制點進行優化處理的角度出發,通過對控制點進行優化處理,提高點云數據的精度,提高全息測繪視域下城市道路測繪的質量。本文的控制點優化方法可以提高點云數據的精度、全要素地形數據的準確性以及全要素實景模型的精準度,可提高城市道路全息測繪的質量。