机场跑道实施HUD飞行程序的地面基准测量关键技术研究

莫国军，周淑霞

(广州市城市规划勘测设计研究院，广东 广州 510060)

1 引 言

HUD(Head-Up Display)即平视显示系统，它将重要的飞行信息投影在外部世界的视像上。HUD能显示基本的飞行信息(飞行参数、姿态信息、能量状态、导航信息等)，同时还能显示特殊的告警信息(擦机尾余度、TCAS安全区、迎角限制等)。HUD是中国民航局正在推广的航空新技术，可实现低能见度起飞和引导着陆，使用HUD实施II类运行与常规II类运行相比可有效降低机场导航和助航灯光设施的配置和改造资金，并可改善飞行品质，提升航空安全水平，大幅减少航班延误。

白云机场为推进完成02R号跑道HUD特殊II类飞行程序的公布，要对II类仪表着陆系统保护区、航向标临界区、II类运行航向信标敏感区、下滑信标保护区进行数字化测绘，以此作为HUD实施的地面数据基准。白云机场白天不停场运作，施测区域位于飞行区内，如采用传统测量方法，只能在深夜跑道关闭后才能进入测绘，光线不足、人员调配困难等原因，无法保证测量效果和效率。因此，本文研究了基于地面激光LiDAR扫描技术的快速、精准机场跑道数字表面模型(DTM)构建、平面虚拟测量及纵断面等模型生成，可以快速高效获取地物的三维数据，为机场跑道空间设计管理提供全面的空间数据，并通过实例验证了本方法的可行性。

2 三维数据的处理

地面三维激光LiDAR扫描技术是一种先进的全自动高精度的立体技术，又称为“实景复制技术”，能够在短时间内得到物体表面高精度、高密度的三维点云数据。为了从海量的三维激光点云数据中获得物体表面的数字化表达，必须对扫描得到的高密度三维激光点云数据进行一系列的加工处理，即点云噪声剔除、多测站点云数据融合、点云数据压缩及物体表面模型数字化表达[1，2]。

2.1 三维点云数据的配准技术

由于物体遮挡及扫描仪视场的限制，要获得机场地面基准表面的完整三维信息，需要对其进行不同视角的多测站扫描，并将多测站三维激光点云数据转换到统一的坐标系统中，其转换精度的高低将直接影响点云数据后续应用。目前的配准方法按精度可分为粗拼接和精确拼接。粗拼接就是大致将各测站的不同坐标系的点云数据统一到同一个坐标系下，粗拼接达到的精度并不能满足实际使用要求；为了使点云数据上的对应点对或者对应的面和距离的误差更小，就需要在完成粗拼的点云数据基础上进行进一步的点云精确拼接，采用迭代的计算方法减少误差以达到更高的拼接精度，在实际作业过程中就是通过迭代优化一组坐标变换矩阵来使误差值最小化。ICP算法是应用较为广泛的一种精确拼接的方法，其主要思想是首先进行点云数据的采样，确定数据的初始对应点集，获取对应点数据中的错误点对，通过迭代计算求解出坐标的变换矩阵。ICP算法具有计算方便、操作简单、拼接精度高等优点，因此在点云数据融合中得到广泛应用。

2.2 三维点云数据的滤波技术

对获取的点云数据来说，由于仪器本身或扫描时的姿态、天气等原因使点云数据含有噪声，噪声数据的存在使得求解的点云法向量和曲率含有一定误差，同时误差存在影响点云重建模型发生扭曲变形，因此在进行点云后续处理之前应该进行点云数据的噪声剔除，去噪的方法具体如图1所示。

图1 常用去噪方法

对于有序点云噪声，采用高斯滤波方法去噪。高斯滤波实质是一种信号滤波器，其用途是信号的平滑处理。一般有两种实现方式，一种是用离散化窗口滑窗卷积，一种通过傅立叶变换。常用的就是用离散化窗口滑窗卷积实现，只有当离散化的窗口非常大，计算量非常大的情况下，可考虑通过傅立叶变换的实现方法。高斯滤波就是对邻域内不同位置的像素赋予不同的权值，每一个像素点的值，都由其本身和邻域内的其他像素值经加权平均后得到，对图像进行平滑同时能保留图像的总体灰度分布特征。用于图像处理消除高斯噪声，对于抑制服从正态分布的噪音非常有效。

对于散乱点云噪声，采用拉普拉斯算法去噪。拉普拉斯是一种二阶导数算子，是一个与方向无关的各向同性边缘检测算子，当邻域中心像素灰度低于它所在的领域内其他像素的平均灰度时，此中心像素的灰度应进一步降低，当邻域中心像素灰度高于它所在的领域内其他像素的平均灰度时，此中心像素的灰度应进一步提高，对噪声点云有双倍加强作用，从而消除散乱点云噪声。

因此本文结合高斯滤波和拉布拉斯去噪算法各自的优势，提出一种高效的点云噪声剔除算法，算法首先利用高斯算子对有序点云噪声去噪，然后利用拉普拉斯算法检测散乱点云噪声并进行噪声剔除。通过实验验证该方法能够明显地提高点云去噪效率[3]。

2.3 三维点云数据压缩技术

三维点云数据规模庞大，在剔除噪声之后，数据中仍然包含了大量的冗余数据，这将给后续数据处理带来很大麻烦。为了提高数据处理效率，需要对点云数据进行筛选和压缩。点云数据压缩的基本原则是在保证物体表面有效信息的前提下最大可能地减少点云的冗余数据，压缩后的点云数据不仅能够如实准确地反映地物地貌，更缩减了数据量，提高了后续数据处理的速度。

点云数据的压缩遵循下列原则：

(1)压缩率高，即在保证失真较小的情形下，最大限度地压缩点云数量；

(2)在误差限差范围之内简化误差，即点云的简化结果能满足应用的精度要求；

(3)简化算法简洁，执行效率高。

因此，依据点云压缩的以上原则，本文研究一种基于区域分割的顶点自适应合并网格简化的点云数据压缩算法，该算法的主要思想如下：

首先把网格点分为区域边界点和区域内部点，边界点在顶点合并中只能与边界点合并，内部点可以与两类点进行合并。再根据误差代价对所有顶点进行排序，对于任一顶点u合并到顶点v的误差代价函数公式如下：

式中，Tu表示包含顶点u的三角形集合；Tuv表示包含顶点(u，v)的三角形集合；normal是三角形的法向量；W(u)是u点的区域加权值。顶点u合并到v的误差代价为边长乘上曲率和区域加权值，曲率项是为寻找顶点u的邻近三角形中，与包含顶点(u，v)的三角形法向量相差最大的三角形，(1-f.normal×n.normal)÷2是为了归一化。对代价最小的顶点进行边折叠，边折叠操作不引入新顶点，相当于一对顶点合并为一点。最后，重新计算那些受简化影响的顶点的代价值，直到总顶点数为零。

2.4 三维点云数据的建模

三维激光扫描技术最终表达的是目标的数字模型。对三维点云数据进行处理后，需要构建其三维模型，就是把散乱的三维点云数据进行空间化组织，构建它们的三角网。因数据采集过程中由于树木等遮拦，导致在某些地方获取不到三维点云数据，在构建三角网三维模型会出现空洞的情况，为了利于后续操作中对整个面的构建需要对空洞进行填充修复。针对点云补洞算法，采用分块处理的方法，将海量点云数据进行分块后，建立基于三角网格模型的曲面修复方法，该方法不仅计算效率高，而且具有较高的拓扑性。经过空洞填充平滑处理后的三维模型，因为没有纹理不能从视觉上实现实景三维效果，因此要对构建好的三维模型进行纹理映射，最终完成三维模型的构建[4，5]。

3 应用实例

首先对机场跑道周围环境如图2绿线范围进行考察，确定三维激光扫描仪和靶标的位置，保证尽量少的测站获取的数据能代表完整的项目范围，利用GZCORS系统测量测站的WGS84坐标。本次数据采集使用Rigel-VZ400型三维激光扫描仪，其反射距离为 500 m(对反射率为90%的物体)，运用点面采集相结合，全站仪协同作业的技术方法对遮挡的地物进行补充测量，较好地解决了三维激光扫描测量不能直接通过反射获取数据的局限性。数据采集过程中，每一个测站应对3个以上靶标扫描，为了能够准确地提取靶标中心点，对靶标分别采取了较高分辨率的扫描。采用全站仪测量靶标，以获取其WGS84坐标系下的坐标，用于后续多站数据的配准。靶标要均匀分布，离扫描仪的距离也要适中。

图2 项目范围

3.1 三维点云数据的成果制作

根据上述方法，获取了白云机场02R跑道II类仪表着陆系统保护区的三维激光扫描成果图，其中包含了经过改正的高程信息，如图3所示，点的颜色表示了不同点的高程值，颜色趋近于绿色表明该点的高程值较大，反之，颜色越趋近于蓝色则表明该点高程值越小。这样通过颜色的变化，可以在整体上了解着陆系统保护区的高程变化情况。

图3 三维点云成果图

在对采集的海量三维点云数据经过点云配准、点云滤波、点云压缩和三维建模处理之后，将目标数据导入ArcGIS平台上进行矢量化叠加分析，进一步剔除粗差和误差较大的点，得到目标范围内的矢量点、线数据，经过人工交互判别之后将数据导入EPS制图平台，与其他测量数据进行叠加，形成最终制图结果[6]，局部成果如图4、图5所示。

图4 白云机场02R跑道北端着陆系统保护区基准地形图

图5 白云机场02R跑道中线纵剖面图

3.2 精度分析比较

选取了项目中的一块区域作为验证区域，将三维激光扫描的成果与传统全站仪测量成果做一对比，从而验证了三维激光扫描成果的准确性，如图6所示，显示了不同特征点在用两种方法测量后所获取的高程信息对比，从图6中可以看出，三维激光扫描的结果与传统全站仪测量结果具有高度的一致性。两种测量方法平面较差统计结果如图7所示。相比较而言，三维激光扫描仪获取的点数数量更多，涵盖的信息更全面，所以更能够精确地反映出项目区域的高程变化情况。

图6 两种测量方法高程统计结果(单位/m)

图7 两种测量方法平面较差统计结果(单位/m)

4 结 论

地面三维激光扫描测量技术在人员无法到达的地点及测量区域结构复杂等情况下发挥了传统测量模式无法比拟的优越性。通过三维激光扫描仪对地物场景进行了数据获取，得到了反映地物表面几何结构的三维信息，通过这些三维扫描数据即可进行三维模型建立，利于机场管理设计部门快速、直观、全面判读项目区域内的地物地表的三维空间数据，为保障飞机起降的安全空间提供精确的基准数据。