基于车载移动测量系统道路施工测量的初步应用

戴 勇

蓝海建设集团有限公司 安徽 合肥 230000

引言：测量是道路施工过程中一项很重要的内容，近年来随着公路建设的不断加快，路网也随之越来越密集，传统的测量方式主要采用人工测量，作业速度慢，受路面车辆影响较大，不适合数据的快速更新，同时野外采集的点位稀少，很难反映道路施工时细致的变化特点。

基于三维激光扫描仪，GNSS等多传感器系统（Mobile Mapping Systems，MMS）是测绘遥感领域一种全新的测量方法。该系统以传感器及计算机技术、模式识别和平差理论为基础，能高效获取载体运动轨迹、全景影像和三维点云等多种空间参数，并对参数进行自动处理，可满足道路施工中的各项测量需求。本文以武汉大学和武汉汉宁轨道交通技术有限公司研制的车载移动测量系统为例，将其应用于道路施工现场进行测量验证。将该系统测量输出的三维点云坐标与控制点坐标对比做精度验证。分析了影响精度结果的因素，为后续移动测量系统在道路施工测量及相关方面的应用提供了参考。

1 车载移动测量系统

1.1 系统组成

移动测量系统以车为平台，集成GNSS、惯性导航单元（IMU）、DMI组合定位系统、三维激光扫描仪、全景相机、多传感器同步控制单元、嵌入式计算机以及电源供电系统等设备，组建道路测量平台，在同步控制单元的协调下使各个传感器之间实现时空同步，快速采集道路的全断面数据。

(1)电源单元：对系统供电以保证系统的正常工作。

(2)同步控制：通过协调各传感器运行，记录所有参数，包括导航参数、激光扫描的时间差与数据记录，并将数据上传，整个单元与激光惯导集成在系统下部；

(3)数据采集：利用各种传感器，获取物体的各种相关信息，主要包括确定激光扫描信号发射点位置的动态GPS定位装置；测定激光扫描仪主轴参数的惯性导航装置(IMU)；测量距离的激光扫描仪；测定车轮转动脉冲数以计算载车平台行驶距离的里程编码器；

(4)软件处理：用于差分GPS数据后处理、组合姿态确定、各装置间的时间同步、激光扫描的坐标数据的计算、分类、数据的格式转换、轨道参数的储存软件等。

图1 移动测量系统组成部分

1.2 工作原理与数据采集

移动测量系统工作时首先将激光扫描器固定在车辆后方，由扫描仪发射一对倾斜45°的激光，并同步控制其扫描方向，当激光传感器接受返回光束后同步记录各项参数，通过时间差计算被测物体间距，且同步获取GPS参数和INS惯性向量。这样每一次扫描均可获得从激光扫描仪到被测物体之间的位置参数，结合系统获得的扫描角度、GPS参数和激光即时扫描方向，可准确算出每个扫描光点三维空间坐标参数。若采用两个扫描仪可加大扫描密度，增加点云个数，提高位置精度。

1.3 点云数据处理

1.3.1 组合导航与POS解算

外业数据采集完成后，对GNSS数据、IMU 数据、里程计（DMI）数据进行组合解算，如图2所示，由GPS与INS松组合的计算可得出行车过程中系统行进的实时轨迹数据。INS各项参数是依靠陀螺仪测量而得。设定INS初始状态，通过叠递，INS能瞬间准确地得出当前位置、速度和姿态等各项参数。因其存在测量杂波，每经一次计算各项误差也会随之增大；另外，由于陀螺仪漂移和加速度计零偏，会导致INS算出的各项参数会逐渐偏离实际轨迹。因此，需要不断对INS的误差进行纠偏，并重新对陀螺仪漂移和加速度计零偏进行确定。GNSS每个单元都是独立观测、计算位置和速度参数。优点是误差不累积，长期精度较好；不足在于更新速度慢，不能满足快速移动测量要求，且得出的行进轨迹不平滑，短时精度差。因此，基于GNSS/INS组合集成了彼此的优点，解算得到POS轨迹数据。

图2 GNSS/INS松组合模型

1.3.2 点云融合与影像匹配

将解算POS轨迹数据与激光原始数据按照时间进行融合，对海量点云多视角的加载浏览，支持多种点云渲染方式，融合出的数据可以依据反射强度以及高程等渲染等方式进行渲染显示，如图3、图4。再将融合的点云与图像进行匹配。

图3 点云强度渲染显示

图4 点云高程渲染显示

1.3.3 点云质量提高

通过利用沿线布设的高精度标靶，研究出了基于高精度控制点的点云精度质量增强技术，通过将高精度靶标坐标传递到POS系统来优化POS数据精度，利用传统测量得到的控制点数据与在点云中提取的控制点相比较得到误差，最后依据里程信息反向分配误差从而达到POS数据精度优化，最终达到点云精度质量增强的目的。整个数据处理流程如下图5所示。

图5 点云后处理流程

2 项目应用与成果分析

2.1 项目案例

项目测区选在阳江市G325项目一合同段，周围空旷，车流量少，道路总长约5km，移动测量车以10m/s速度均匀采集测区范围数据。点云数据是对外界环境最真实的反映，从点云中可以看出路面、树木、电塔、路灯等信息被清晰地记录下来，如图3、4所示。

2.2 成果分析

将通过点云提取出的验证点坐标与全站仪测量得到的控制点坐标作对比得到残差值。误差平均值与标准差计算公式如下①②③所示，其中，Pi为验证点坐标值，Ci为控制点坐标值。D均为误差平均值，D标为误差标准差值。精度验证报告如图所示。

但随着选取控制点间距增大，高精度约束越来越低，验证点精度也随之下降，其结果表一所示。由表可知，在选取控制点60m～480m之间，其定位精度中平面误差影响较小，高程误差影响较大。这是因为组合导航定位精度平面精度比高程精度好，所以控制点的引入对高程比对平面影响大。平面和高程最大误差与选取控制点的距离无关，与点云选点时引入的偶然误差有关系，具有随机性。而平均误差反映的是误差的平均值，其随着控制点间距的增大而增大。平面中误差随着控制点的间距改变没有发生变化，验证了组合导航在此段的平面精度比较好。高程中误差随着控制点间距的增大而增大，所以在实际工作中可根据目标精度的不同而选择控制点布设的密度，合理控制成本以达到预期目的。

图6 精度验证报告

表1 控制点间距对误差影响分析

3 结束语：

移动测量系统作为一种新型测绘手段，相比较传统测绘手段有着其高效、快速、全面等优势。本文针对移动测量系统应用于道路施工测量，提出内外业解决方案，并最终分析点位精度与布设控制点之间的关系。但是对于其中的一些问题仍有深入研究的地方：

(1)在POS精度优化过程中，对于点云中靶标点的选取为人工手动选点，这会引入选点误差，可根据靶标形状拟合靶标中心点坐标，减少误差；

(2)在无GNSS信号或弱GNSS信号时，POS解算的点位精度无法保证高精度。需要在组合导航算法进行优化，可利用编码器数据与INS数据组合，提高点云精度；

(3) 移动测量系统只能获取沿行车轨迹一定范围内的点云数据，扫描过程中若地物被遮挡又无有效办法及时补充扫描，则需要通过其他手段进行补测。