應用無人機LiDAR的道路勘測DEM構建技術探討

張庭

摘要：當前道路建設的增速趨勢和當前道路勘測方法的效率低下產生了嚴重割裂，其矛盾日益加深，限制了當前社會經濟的發展速率。如何改進道路勘測方法使其效率能跟上不斷增速的道路建設是當前道路勘測所面臨的重要問題。選取貴州某地作為測區，采集無人機?LiDAR點云數據，對DEM?構建環節中的點云數據濾波和數據內插及?DEM?的應用開展了一系列的研究和實驗，通過構建道路勘測中的立體?DEM，獲得道路斷面的數據，提高獲取道路勘測中的勘探精度和效率。

關鍵詞：濾波??LiDAR??無人機??DEM構建

中圖分類號：P231

Exploration?of?the?Technology?of?Constructing?the?DEM?for?Road?Survey?by?UAV?LiDAR

ZHang?Ting

Geological?Exploration?Team，?Guizhou?Bureau?of?Coal?Geology，?Guiyang，?Guizhou?Province，?550001?China

Abstract：?The?current?growth?trend?of?road?construction?and?the?current?low?efficiency?of?road?survey?methods?have?caused?a?serious?separation，?and?their?contradiction?is?deepening，?which?limits?the?current?rate?of?social?and?economic?development.?How?to?improve?road?survey?methods?to?make?their?efficiency?keep?up?with?the?constantly?increasing?speed?of?road?construction?is?an?important?issue?faced?by?current?road?survey.?This?article?selects?a?certain?area?in?Guizhou?as?the?survey?area，?collects?UAV?LiDAR?point?cloud?data，?conducts?a?series?of?research?and?experiments?of?point?cloud?data?filtering?and?data?interpolation?in?the?process?of?constructing?the?DEM，?as?well?as?the?application?of?the?DEM，?and?obtains?the?data?of?road?sections?by?constructing?a?three-dimensional?DEM?in?road?survey，?so?as?to?improve?the?survey?accuracy?and?efficiency?in?road?survey.

Key?Words：?Filtering;?LiDAR;?Drone;?DEM?construction

無人機LiDAR是近年來發展較快的一種新型對地觀測技術，其將激光測距、計算機控制以及慣性測量等技術融為一體，利用無人機搭載設備，實現非接觸、遠距離、高效率對地面點云數據采集[1]。數字高程模型（Digital?Elevation?Model，DEM）作為重要的基礎地理數據之一，已經成為國家經濟發展、全球戰略實施的核心，而隨著空間數據應用的不斷擴大，如何快速獲取高精度的DEM數據已經成為測繪行業的熱點問題。

傳統的DEM主要依靠數字化地形圖或者空中三角立體測量技術制作，前者需要外業采集大量地形數據，一般使用RTK進行外業數據采集，耗時耗力，并且對于復雜區域，人工無法到達，將導致部分DEM數據缺失；而后者包括航空攝影、攝影處理、地面測量（空中三角測量）、立體測量和制圖生產等過程，生產周期長，難以適應當前信息化社會需求[2]。作為新型的對地觀測技術，無人機LiDAR為DEM獲取提供了一種全新的技術手段，由于其能夠準確地獲取地物的三維坐標，具有航空攝影測量和地面常規測量的綜合優勢，因此能夠將復雜的地形（地貌）精確形象地展示出來。

1?無人機LiDAR點云數據獲取

1.1?無人機LiDAR外業測量

本文利用無人機LiDAR技術獲取貴州某地地形數據，測量面積約5.65×105?m2，利用無人機LiDAR技術外業采集數據流程如圖1所示。

1.2?外業數據處理

為了生成測區的點云數據，還需對無人機LiDAR外業采集數據進行進一步處理。其主要處理工作有基站數據結算、POS數據解算、影像數據融合、點云坐標轉換等[3]。數據處理流程如圖2所示。

1.3?點云數據去噪處理

獲得點云數據后，在對點云數據進行相關處理應用前，必須先進行去噪處理。無人機LiDAR掃描作業過程中非常容易受到各種因素的干擾，產生各種各樣的噪點，此類噪點往往突兀于正常點云數據。為獲得更準確的激光數據，需要進行點云去噪處理[4]。

1.4?無人機LiDAR點云數據獲取結果

本文利用貴州某地獲取的點云數據來構建DEM，其覆蓋面積約為5.65×105?m2，含有激光雷達點約3.72×107個，點云平均密度為65.791?per/m2，點的間距在0.01～0.18?m之間，測區最小高程為1021.568?m，最大高程為1059.159?m。原始點云如圖3所示。在測區中河西的沙灘區只有一些挖機、吊車等施工車輛和一些生長在沙土中的較稀疏的低矮灌木叢，其余地物類型較少；在河東的生活區內包括較多低矮密集的植被、路旁的行道樹、廠房建筑物、低矮棚戶區、廟宇、輸電塔和電線、防風墻等地物。

2?點云數據濾波

在構建DEM之前，需要進行點云數據濾波去除掉不用的地物點數據。濾波的效果越好，構建的DEM精度就越高。本文選用數學形態學濾波、布料模擬濾波和三角網迭代濾波來進行對比實驗。

2.1?數學形態學濾波結果

根據測區點云數據地形地物實際情況，本次數學形態學設置的格網大小為0.2，采取線性增加濾波窗口，初始窗口尺寸為3?m，最大窗口尺寸大小為35?m，地形斜率為0.3，初始高差閾值為0.5?m，最大高差閾值為2?m。

2.2?布料模擬濾波結果

布料模擬濾波算法進行濾波時需要設置五個參數：格網分辨率、高差閾值、最大迭代次數、布料硬度和坡度后處理。格網分辨率就是布料格網的大小，設置過小，則布料模擬粒子數就會過多，會導致計算量過大[5]。設置過大則會導致布料格網過于粗糙，會將很多點云的屬性誤判。原則上格網分辨率應和點云密度相當或者是點云密度的2～3倍。本文設置為0.3?m；高差閾值是用來判斷將距離模擬布料多高的點判定為地面點的依據，本文設置為0.2?m；最大迭代次數，布料質子運動次數達到最大迭代次數時將會停止布料模擬，本文將迭代次數設置為500；布料硬度可以結合地形坡度的變化來確定布料剛性參數，一般來說，區域越平坦，則RI值需要越大，反之區域越陡峭，RI值需要越小。本文將RI值設置為2。坡度后處理是一個可開關選項，當地形較陡峭時，需要進行坡度后處理，當地形較平坦時，則不需要進行坡度后處理。本文開啟了坡度后處理。

2.3三角網迭代濾波結果

三角網迭代濾波算法主要參數有：最大建筑物尺寸，最大地形坡度，迭代角度和迭代距離。每個格網中都需要有一個地面點來作為種子點，所以最大的格網尺寸需要大于等于點云中最大建筑物尺寸[6]，根據測區實際情況，設置最大建筑物尺寸為35?m。最大地形坡度是改變地形地貌所允許的最陡坡度，以實際情況為準，本文設置其為88°。迭代角度和迭代距離，待定點到三角網的角度和距離是否在迭代角度和迭代距離閾值范圍內，將決定其能否被分為地面點并加入到三角網中。本文設置迭代角度為20°，迭代距離為0.5?m。

3?濾波精度評價

3.1?評價指標

本文以廣泛使用的點云濾波評價指標對實驗成果進行定量分析，其中主要有Ⅰ類誤差、Ⅱ類誤差和總誤差這三個誤差評價指標。Ⅰ類誤差表示錯分地面點占總地面點的比例。Ⅱ類誤差表示錯分非地面點占總非地面點的比例。總誤差表示總的錯分點占總點的比例。

3.2?對比分析

本文為比對數學形態學濾波、布料模擬濾波、三角網迭代濾波這三種濾波算法對于不同地區的適應性，選取了測區中廠房、密集低矮植被、防風提和行道樹、帶有零散植被的小沙丘等8個具有不同地形特征和土地利用類型的樣本區域來進行濾波精度評定。其參考數據是根據測區的航攝影像輔助進行人工分類所獲得的。下面以密集低矮植被為例進行對比說明。

如表1所示，在密集低矮植被區，三種濾波的Ⅰ類誤差都較小，沒有明顯的丟失地形現象。三種濾波的Ⅱ類誤差都較大，都出現明顯的將部分低矮植被歸為地面點的現象。其主要原因是密集低矮植被的根葉過于密集，激光沒有穿透植被，得到的植被點下沒有地面點，只有一層植被點，對于這類點，三種濾波方法只能靠其與周邊地面點的高差來進行濾除，然而低矮植被本身就矮，部分低矮植被點與周邊地面點的高差在閾值范圍內，導致三種濾波都難以將這類點給濾除，其中由于三角網迭代濾波除了高差閾值外還有一個角度閾值，對這類點的濾除效果比其他兩種濾波更好，這使得其Ⅱ類誤差是三種濾波中最小的。從總誤差來看，在本區域三角網迭代濾波較好于其他兩種濾波。

4?無人機LiDAR點云數據的DEM構建

點云數據濾波完后得到地面點數據依舊屬于離散數據，同時濾波完后，部分區域還會出現空洞現象。所以需對地面點數據進行內插生成DEM?？紤]到效率和精度因素，本文選用線性三角網插值法來為點云構建DEM。

4.1?點云構建DEM

由于點云的數據量大，本文首先是利用地面點點云構建了TIN，然后將TIN內插生成柵格DEM。TIN是通過利用地面點數據構建不斷連續的不規則三角面，以達到逼近真實地形。其能夠降低多余數據沉積，提高地形模擬的精度。

生成TIN后，由于地面點數據密度夠大，要生成的DEM中的每一像元都能有地面點數據對應，所以對TIN進行線性內插就能生成逼近真實地貌的DEM。本文激光雷達點約3.72×107個，數據量大，線性三角網插值法有較快的插值速度，誤差低，能有效提高構建DEM的效率。生成DEM如4所示。

4.2?DEM精度評價

為檢核DEM的精度，在測區范圍，利用GPSRTK測取檢核點，這些檢核點應均勻分布于測區內，數量適當。將DEM與檢核點高程值對比，評價其精度。采用中誤差、平均絕對誤差、平均誤差作為數值指標。計算結果表明，DEM的高程中誤差為0.024?m，最大高程差為0.050?m，滿足1：500地形圖高程精度要求。

5?結語

本文采用數學形態學濾波算法、三角網迭代濾波算法和布料模擬濾波算法三種濾波算法對點云數據進行濾波，并對濾波結果進行精度評價和對比分析。采用線性三角網插值法對濾波后點云進行插值，生成DEM，并利用檢核點法對其進行精度評價，高程精度滿足要求，對道路勘測中的勘探精度和效率起到有效提高的作用。

參考文獻

[1] 劉巍.機載LiDAR技術在黃河流域高精度精細DEM生產中的應用[J].測繪技術裝備，2023，25（1）：95-100.

[2] 崔文化，侯恩兵，朱玉云.基于機載LiDAR系統的DEM生產實踐研究[J].測繪與空間地理信息，2022，45（8）：114-117.

[3] 宗銘銘.?基于激光雷達點云的復雜地形DEM構建研究[D].桂林：桂林理工大學，2022.

[4] 袁養林.?基于機載LiDAR點云數據生成DEM和等高線研究[D].西安：長安大學，2021.

[5] 米川，褚寧，王紅奪.基于機載LiDAR技術的DEM生成方法研究[J].經緯天地，2023?（1）：29-32.

[6] 陳建城.基于LiDAR點云精確快速修復面狀水域DEM[J].科技通報，2023，39（5）：25-28.