机载LiDAR铁路测绘关键技术及应用

武永斌，卢小平，陈曦东，钱小龙，李国清，于海洋

(1. 矿山空间信息技术国家测绘地理信息局重点实验室(河南理工大学，河南省测绘地理信息局)，

河南 焦作 454003； 2. 河南省遥感测绘院，河南 郑州 450003)

WU Yongbin,LU Xiaoping，CHEN Xidong,QIAN Xiaolong,LI Guoqing,YU Haiyang

机载LiDAR铁路测绘关键技术及应用

武永斌1,2，卢小平1，陈曦东1，钱小龙1,2，李国清1,2，于海洋1

(1. 矿山空间信息技术国家测绘地理信息局重点实验室(河南理工大学，河南省测绘地理信息局)，

河南 焦作 454003； 2. 河南省遥感测绘院，河南 郑州 450003)

Key Technology of Surveying and Mapping in Railway and Application Based on Airborne LiDAR

WU Yongbin,LU Xiaoping，CHEN Xidong,QIAN Xiaolong,LI Guoqing,YU Haiyang

摘要：利用机载LiDAR点云数据提供的铁路地物形状特征与影像的灰度、光谱、纹理等信息进行了匹配、融合，对铁路专题要素信息的自动提取关键技术进行了研究，根据不同地物的特征提出了相应的自动提取方法，实现了对轨道及铁路附属设施要素的自动识别与提取，并在郑州铁路局进行了规模化应用，显著提升了铁路测绘的自动化水平，为既有铁路测绘和地理信息数据快速更新提供了重要的技术支撑和安全保障。

引文格式： 武永斌，卢小平，陈曦东,等. 机载LiDAR铁路测绘关键技术及应用[J].测绘通报，2015(9)：64-67.DOI:10.13474/j.cnki.11-2246.2015.0281

关键词：机载LiDAR；铁路测绘；铁路专题要素；轨道提取

中图分类号：P234.4

文献标识码：B

文章编号：0494-0911(2015)09-0064-04

收稿日期：2015-05-05

基金项目：河南省高校创新团队支持计划项目(14IRTSTHN026)；河南省创新型科技创新团队支持计划

作者简介：武永斌(1974—)，男，高级工程师，研究方向为摄影测量与遥感。E-mail: wyb3808@126.com

通信作者：卢小平

一、引言

铁路是国家的重要基础设施，在综合交通运输体系中处于骨干地位。特别是经过六次大提速，铁路运营维护和日常管理对铁路专题要素信息的勘测精度要求越来越高。目前，我国既有铁路测绘主要依靠航空摄影测量和常规测量方式。由于光学航空摄影测量易受天气条件和地形影响，无法在水域、林区等特殊地区进行铁路横断面测量，且存在生产周期长、工作量大等因素，难以满足当前铁路勘测对铁路专题要素提取、成图周期及精度的要求。LiDAR技术的商业化应用，使航测制图(如生成DEM、DLG和地物要素的自动提取)更加便捷，该技术已在我国铁路勘测设计领域中得到应用。但是，在使用LiDAR技术进行铁路测绘生产过程中，地物要素测绘目前主要依靠人工解译的方法，不仅作业效率低，而且成图质量易受作业员水平和责任心影响。因此，研究发展图像解译理论与方法，改变铁路专题要素提取完全依靠人工的现状，全面提升铁路测绘技术的自动化水平，是测绘科技工作者急需解决的关键技术难题。

本文将LiDAR点云数据提供的铁路地物形状特征与影像的灰度、光谱、纹理等信息进行匹配、融合，对铁路专题要素信息的自动提取理论和方法进行研究，并根据不同地物的特征提出了相应的自动提取方法，实现了对轨道及铁路附属设施要素的自动识别与提取，完成了郑州铁路局管辖近3000 km的铁路测绘任务，显著提升了铁路测绘的自动化水平，为既有铁路测绘和地理信息数据快速更新提供了技术支撑和生产保障。

二、基于点云的铁路要素提取方法

1. 点云数据预处理

机载LiDAR点云数据处理过程：首先基于滤波处理后的点云数据结合GPS和惯性测量系统观测数据，计算每个点云的三维坐标；然后检测和去除其中的系统误差和粗差点，采用自适应TIN(adaptive TIN，ATIN)方法滤波分离出地面点和非地面点；最后基于Kriging插值方法建立DEM。利用机载LiDAR第一次返回数据建立的数字表面模型(DSM)，从DSM减去DEM可得到地物的高度信息，该模型被称为nDSM(normalized digital surface model，nDSM)。利用nDSM提取建筑物、植被等，能够直接消除地形的影响。

2. 铁路沿线土地覆盖信息提取

(1) 建筑物提取

利用nDSM高度阈值提取建筑物候选分割对象，通常设置的阈值较小，以确保建筑物的完整性。由于铁路沿线的农村房屋较低，阈值可设为1 m。靠近房屋的阴影有时会被错分，由于阴影的亮度值很低，建筑物房顶通常亮度值较高，因此航空影像的波段均值可以消除建筑物候选对象中的阴影。

提取DSM的标准差(σ)来区分高大植被与建筑物。与其他地物比较，房顶对象通常具有较低的DSM标准差。σ计算公式为

(1)

式中，σm为第m个分割对象的所有像元(n)DSM标准差；Pm为分割对象m像元集合；f(i,j)为像元(i,j)的DSM值。

机载LiDAR虽然能够提供更准确的高度信息，但地物边界欠准确，而根据航空影像可以提取出准确的地物边界。因此，使用光谱信息可以进一步改进房屋边缘，将边缘坡度较大区域中与房顶光谱一致的对象分类到房屋中。如果建筑物高度H的偏导数沿x和y方向均为已知，坡度Slope的计算式为

(2)

坡度阈值通过试错法并综合坡度图像和坡度直方图分布进行选取，区间定义为[40°,90°]。

(2) 植被提取

提取植被的绿度指数Greenness是由航空影像计算得到，即

(3)

式中，R、G、B分别为航空影像的红、绿、蓝波段。通过直方图分析，植被和非植被绿度指数的阈值设为0.34。

nDSM高度差异信息可用来区分乔木林地、 灌

丛和农作物。由于4月份乔木、灌木长势较高，而农作物较矮小，因此灌丛和林地的高度阈值分别设为0.5 m和1 m。

(3) 铁路区域提取

铁轨连同路基在局域范围内形成地形，在平原地区尤其明显(如图1所示)。因此，通过对比分割对象与邻域范围的DEM高程均值的差值Hdiff可以识别铁路。

图1　铁路在DEM数据中的地形特征

(4)

式中：hobj为分割对象的高程；n为对象数量。邻域范围设为50 m，Hdiff为0.15 m。通过进一步面积阈值处理，可去除部分小噪声的影响。

3. 结果分析

对航空影像目视解译中，选取主要区域用于分类结果精度验证，表1是分类结果混淆矩阵及精度评价结果。试验提取了研究区7类地物类型，分别为建筑物、灌丛、林地、道路、铁路和空地等，如图2所示。

表1　精度评价矩阵

由表1可知，基于分割对象分类结果的总体精度达到了90.78%。其中建筑物、铁路、道路、林地的分类精度较高，而农田与裸地由于受数据获取时相的影响，分类精度略差。

图2　铁路沿线土地覆盖分类结果

三、基于高密度点云数据的铁路轨道线提取

本文使用高密度LiDAR数据集并结合RANSAC算法进行特征提取，研究建立了一套基于高密度点云数据提取铁轨线自动化程度高的技术流程，实现了轨道的准确、完整提取。

1. 激光点云分类

基于提取的掩膜图像和高程信息及特征的数据融合方法，建立了轨道信息分类提取方法。该方法首先建立轨道的特征属性，由于铁轨具有明确、一致性的特征，定义的用于精确提取铁轨的约束条件包括：①铁轨高于道床一定的距离；②铁路所在区域坡度较小。

分类是在掩膜区域内，根据高于地面的某特定高程进行。首先确定铁路点云，在半径=0.5 m内搜索最低点并计算与其高差Δh(地物的归一化高度)；然后根据DEM计算坡度，并作为提取轨道的阈值条件。铁路掩膜区内，符合下列条件即为轨道点，具体技术流程如下：

1) Δh>0.15 m且Δh<0.4 m；

2) 位于坡度∠15°的空间区域。

对点云进行分类能够滤除大部分人工物体，将轨道目标对象从铁路掩膜点云中分离出来。

2. 轨道提取

利用改进的随机采样一致性(RANSAC)算法对轨道进行提取，并使用最小二乘(TLS)方法对提取出的曲线进行拟合。首先利用最多的数据点拟合铁路轨道，属于铁路的所有点都选为内部点；然后确定直线或圆弧模型是否为这些点的最优拟合模型，最优平行模型的线间距为标准化轨距1435 mm。该算法不仅适合于发现一个估计模型，而且能提取出分块中的所有轨道。将平行模型的所有内部点从数据中剔除，并从剩余的点云中开始新的计算，直到没有更多的模型可以拟合为止。具体过程如图3所示。

图3　基于点云的轨道提取过程

3. 铁路横断面提取

铁路横断面测量是为了反映铁路垂直方向的地形起伏情况，横断面图是路基设计及在施工时进行边桩放样、路基检查及桥涵等构造物设计的基础，是铁路线路设计的重要基础图件。

铁路横断面分析主要包括：横断面的路基边坡坡度、路基宽度和路基高程等参数。基于机载LiDAR构建的DEM提取出铁路横断面后，坡度模型可作为横断面的几何特征进行分析。坡度反映了高程的最大变化率，可由横断面上提取的特征点拟合的直线斜率计算得到，其方向对应着坡向。曲线二阶导数为零的点就是曲线拐点，即路面与坡向线的交叉点。曲线拐点是统计边坡坡度和路基宽度的依据，路基宽度为穿过铁路横断面顶部的两个拐点间的距离。本文以郑州铁路局管辖的陇海铁路某段作为试验研究区，提取的13个横断面参数见表2。

由表2可知，3号断面的路基宽度1、4号断面的路基宽度2、8号断面的路基宽度2、11号断面的路基宽度1和13号断面路基1的宽度均比较小，3、4、11号断面的路基宽度明显小于其他断面，尤其是12号断面的第3段坡度明显小于其他坡度，原因是由于雨水冲刷、路基内部土质和结构变化引起碎石土层的滑落。为保障行车安全，将统计分析数据与铁路设计数据进行对比分析，重点分析变化程度大的区域，不符合设计规范要求应及时进行维护。因此，对路基断面几何参数进行统计分析，可为铁路稳定性分析和日常运营维护提供技术支撑。

表2　横断面参数统计分析表

四、结束语

本文以机载LiDAR技术作为铁路测绘与地理信息更新的测绘手段，探索总结出一套DEM、DOM和铁路DLG产品生产、铁路要素自动提取等的生产技术流程和作业规范，解决了机载LiDAR用于铁路测绘的关键技术问题，为既有铁路勘测设计、线路改造、资产清查、应急抢险指挥决策等提供了可靠的技术支持和服务保障。

参考文献：

[1]古林玉，卢小平，李英成，等．基于LiDAR点云与特征线的DEM更新方法[J]．测绘通报，2011(2)：17-20.

[2]李怡静，胡翔云，张剑清，等．影像与LiDAR数据信息融合复杂场景下的道路提取[J]．测绘学报，2012，41(6):870-876.

[3]胡伟，卢小平，卢遥，等．基于移动窗口的DEM数据优化方法研究[J]．测绘通报，2011(5):45-47.

[4]卢小平，王玉鹏，卢遥，等．齐云塔激光点云三维重建[J]．测绘通报，2011(9):11-14.

[5]葛晓天，卢小平，王玉鹏，等．多测站激光点云数据的匹配方法[J]．测绘通报，2010(11)：15-17.

[6]于海洋, 程钢, 张育民, 等. 基于LiDAR数据和航空影像的地震灾害倒塌建筑物信息提取[J]. 国土资源遥感, 2011(3):77-81.

[7]YU Haiyang， LU Xiaoping， GE Xiaosan， et al． Digital Terrain Model Extraction from Airborne LiDAR Data in Complex Mining Area[C]∥Geoinformatics 2010.Beijing:[s.n.],2010.

[8]YU Haiyang, CHENG Gang, GE Xiaosan. Object Oriented Land Cover Classification Using ALS and GeoEye Imagery over Mining Area[J]. Trans. Nonferrous Met. Soc. China, 2011,21:733-737.

[9]YU Haiyang, ZHANG Yumin, CHENG Gang. Rural Residential Building Extraction from Laser Scanning Data and Aerophotograph Based on Quadtree Segmentation[C]∥RSETE 2011.Nanjing:[s.n.], 2011.

[10]胡举，杨辽，沈金祥,等.一种基于分割的机载LiDAR点云数据滤波[J].武汉大学学报:信息科学版，2012，37(3)：69-72.

[11]陈卓,马洪超.基于机载LiDAR数据的大型立交桥三维建模方法[J].测绘学报, 2012, 41 (2): 252-258.

[12]周梦维,柳钦火, 刘强,等. 全波形激光雷达和航空影像联合的地物分类[J]. 遥感技术与应用, 2010,25(6):821-827.

[13]吴杭彬.融合航空影像的机载激光扫描数据分类与特征提取[J].测绘学报, 2011, 40 (1): 134-134.

[14]李卉，李德仁，黄先锋,等． 一种渐进加密三角网LiDAR点云滤波的改进算法[J]. 测绘科学，2009，34(3):39-40.