|
摘要 本文以成都环城生态区生态修复项目为依托，介绍了飞马D200无人机（D-LiDAR200）采用倾斜摄影和机载LIDAR的测量方式，完成了三维模型制作、DEM生产、大比例尺地形图生产和方格网计算的作业流程，并通过精度评定验证了该方式在满足测绘成果精度前提下，能够提高生产效率，提供丰富多样化的测绘成果，为今后的测绘生产具有一定的指导意义。 关键词：倾斜摄影；机载LIDAR；大比例尺地形图；方格网 01 项目背景及任务要求 1.1 项目背景 成都市环城生态区生态修复综合项目是在成都绕城高速（即四环路）两侧各 500 米及周边七大锲形地块100余平方公里区域内，以生态修复、水环境综合治理、构建环城海绵体为重点，通过“六库八湿地”的建设打造，使该生态区域成为成都构建绿意盎然、水韵悠长，规模宏大、独具特色的大都市生态湖泊绿地系统的重要组成部分，项目建成后将为成都市提供生态改善、水资源调蓄、休闲运动、文化景观、城市应急避难五大功能。 在此背景下，本项目与成都为建设国家中心城市而提出的建设城乡统筹示范城市、美丽中国典范城市、和谐宜居生活城市、建设旅游目的地、提升城市文化影响力、提升城市宜居 性和舒适度、创建设优良人居环境、全民健身运动等高度契合。为实现”300米见绿、500米见园”，重现“绿满蓉城、花重锦官、水润天府”的盛景提供技术支撑。 1.2 任务要求 本项目的主要任务是完成竣工范围内的1:500竣工地形图，以及部分未施工范围内5m×5m方格网测绘工作。本次任务区域面积较大，面积总计约27平方公里，任务重工期紧且精度要求较高，同时还需要测量竣工前后的方格网数据，计算土方量。如果采用全野外测量方式既花费人力物力，且在植被茂密区域GPS信号易受遮挡，测量人员较难进入，无法满足方格网精度和密度要求。因此，该项目采用无人机航空测量方式进行，既能保证项目工期和测量成果的精度，同时还能提供丰富多样化的测绘产品。 02 技 术 路 线 本项目采用倾斜航空摄影和机载激光扫描结合的方式，技术路线如图1所示。为保证植被树木密集区域高程密度和精度，飞行平台搭载激光扫描设备，获取高精度高密度激光点云数据。同时，为保证飞行安全和地形图成果精度，倾斜摄影相机选取高分辨率相机。本项目采用飞马D200型无人机搭载OP300和OP400相机获取测区范围倾斜影像，通过空三解算、三维建模、内业成图，外业调绘的技术流程完成竣工地形图，同时通过搭载D-LiDAR200型激光扫描仪获取高精度高密度点云数据，采取点云解算、坐标转换、点云滤波、点云抽稀压缩的技术流程，制作等高线，再通过外业补测方式完成点云空洞修补，利用DEM完成方格网测量任务。
图1 技术路线 03 作 业 流 程 3.1 航线设计 3.1.1 倾斜摄影测量 为满足1:500竣工地形图成果和方格网测量精度要求，以及综合考虑作业效率和空域高度，设置个别存在高层建筑区域相对航高为200米，采用OP400相机，其余范围均挂载OP300相机，设置相对航高为150米，影像的分辨率为2.4厘米/像素，航向重叠度80%，旁向重叠度65%。根据测区范围合理设置航摄分区，航线规划如图2所示。
图2 倾斜摄影测量航线规划方案 3.1.2 机载LiDAR测量 机载LiDAR航线设计采用变高飞行，获取相对高度大致一样的高精度点云数据，考虑到测绘成果的精度要求以及作业效率各方面，设置航速为8m/s，航高为100m，航线重叠度为60%，点云密度为35点/平方米。航线规划如图3所示。
图3 机载LiDAR航线规划方案 3.2 像控点布设与观测 像控点均匀布设在测区范围内，在硬化地表上用油漆标记，尽量保证控制点视野开阔。为保证成果精度，同时考虑到施测条件和航飞情况，本项目采取间隔200-300米布设一个像控点，并适当增加检查点，同时考虑到园区内的环保美观，园区内尽量选用地面明显标志点（如图4所示）。 像片控制点测量按照网络RTK作业模式进行，利用成都市连续运行参考站系统和似大地水准面精化模型，像控点平面精度优于优于±1-2cm，高程精度优于±3cm。每个控制点观测3次，每次观测30秒，并取平均值作为最终结果。
图4 像控点观测 3.3 航飞作业 根据无人机平台的续航时间、操控半径，以及测区地形起伏情况，将测区分为15个航摄分区，总共飞行38架次，获取133095张影像。每次飞行前都要申报空域，配备至少一个观察员，以确保飞行时的安全性。在测区周边选择合适的起飞点，观察天气情况，起飞前检查各项飞行设备状态是否正常，确认满足起飞要求后，严格按照航飞流程进行航飞作业。飞行期间，应该随时监控各项飞行参数，飞行完成后及时下载保存影像、原始POS数据、基站数据，并检查数据是否正确完整。
图5 航飞作业 3.4 模型生产 本项目采用瞰景科技公司的Smart3D软件进行空三解算和三维建模。 3.4.1 数据准备 首先检查影像、基站数据、POS原始数据是否正确完整，检查无误后将基站数据和POS原始数据通过飞马无人机管家进行差分解算，得到十进制格式经纬度和大地高的高精度POS坐标文件。其次，由于每一架次的5相机POS数据均从1开始记号，而对应影像可能由多个架次组成，且每一架次前有试拍影像但并没有对应POS数据。编写小程序可以实现在不删除试拍影像前提下，检查每架次5相机POS数据数量是否一致，并导入多架次POS数据合并统一编号，实现POS数据与影像一一对应，如图6所示。
图6 POS数据合并编号 最后，将外业获取的像控数据和对应照片进行整理检查，确认无误后进行空三解算。 3.4.2 空三解算 将解算后的POS数据和影像导入软件进行影像特征点匹配，完成相对定向；然后导入像控点成果进行转刺，完成连接点、控制点、POS值的光束法约束联合平差处理，完成绝对定向，最终获得具有高精度的连接点和影像的内、外方位元素成果。空三解算完成后检查精度报告，确保精度符合要求。 3.4.3 模型生产 根据以上完成的空三处理成果进行三维建模，导入测区范围kml文件，采用多台高性能计算机集群联机处理并行计算，最终得到测区范围OSGB格式的三维模型。
图7 三维模型成果 3.5 内业成图 采用南方CASS软件配套的3D三维绘图模块进行内业模型数据采集，各种独立地物凡实景三维倾斜模型上能辨认出的均应采集定位，内业辨认不出的由外业补调。采集后的数据接边时需保证线状符号的连续性、合理性；面状符号的完整性、合理性；点状符号的完整性、合理性及两侧要素的一致性。
图8 内业成图 3.6 点云处理 点云处理的主要流程为：轨迹解算、点云解算、坐标转换、点云滤波、抽稀合并、外业补测、空洞修补、DEM生产、坐标文件输出等。其中最为关键的是是点云滤波，首先是去除噪声，其次采用软件自动分类和手动编辑的方式实现地面点和非地面点的分离，并检查地面点的高程精度，保证数据精度满足任务要求。将地面点云通过设置阈值实现关键点过滤和间距过滤，在保证数据准确性的同时减少数据的冗余。
图9 滤波前后点云模型对比 3.7 外业调绘及补测 调绘可以采用先内后外法，内、外业判绘与采集有效衔接，保证地形要素表达的完整性和准确性。外业进行检查、核对、补测和补调工作。对内业测绘有把握的部分应作抽查，对内业标明的疑点作核对、补测，采用RTK+全站仪方式对内业无法判绘的地形元素如新增（或减少）的重要地物，隐蔽地区地物、地貌元素及模型上未显示出来的地物元素和各种注记等应进行补调。 同时，因为机载LIDAR无法采集水下的高程数据，可以将点云数据空洞范围与三维模型进行比对，选取需要外业补测高程的区域，通过量取水域深度、外业RTK或无人船测量等方式进行补测。
图10 无人船测量水下地形
图11 1:500地形图成果展示 3.8 方格网计算 将内业处理的地面点云成果输出成南方CASS格式，通过外业检查精度，并进行外业补测，完成点云空洞修补，得到最终DEM成果，然后将测区范围内高程数据导入南方CASS软件生成5*5m方格网成果(河流、湖泊等部分区域为10*10方格网)。
图12 方格网成果 04 精 度 分 析 4.1 地形图精度分析 本项目采用RTK+全站仪方式评定测区1:500地形图平面和高程精度。测区范围内均匀采集87个地物特征点（例如房角、围墙交、电杆、井等）作为平面精度检查点，82个地势平坦区域高程点作为高程精度检查点。经计算，点位平面中误差为0.074m，高程中误差为0.058m，均满足设计要求。 表1 地形图平面精度评定
表2 地形图高程精度评定
4.2 点云高程精度分析 本项目采用网络RTK的方式在测区地势平坦区域观测160个高程检查点，由于检查点跟点云不可能完全重合，因此将实测检查点与点云生成的DEM高程进行对比，部分检查结果如下图所示。经计算，点云的高程中误差为0.067m，满足设计要求。 表3 点云高程精度评定
05 总 结 通过本次项目，借助飞马D200无人机倾斜摄影测量以及机载LIDAR测量，极大的缩短了项目工期，提高了作业效率，保质保量高效地完成了测量任务，现将项目特点及经验总结如下： 1. 本项目进一步验证了倾斜摄影测量+机载LIDAR测量方式可以满足1:500地形图和方格网测量的精度，D-LIDAR200模块采用的是RIEGL mini VUX-1UAV激光扫描仪，性能优异，可以全天候工作，快速获取高精度高密度的海量点云数据，通过穿透密集植被区域获取地面点高程数据，从而保证了数据的完整性，其高度集成化在同行业中处于领先地位。 2. 无人机摄影遥感技术的广泛应用，进一步开启了智能化测绘新阶段，大大缩短项目工期，减少人力物力提高生产效率，可以获取三维立体模型、DEM、DLG等多种测量成果，全方位立体直观地向用户提供丰富多样化的测绘产品。
|
|
|
