无人机LiDAR 技术在铁路勘测中的应用分析

刘建军

(中铁二院工程集团有限责任公司,四川成都 610031)

随着我国铁路建设事业的蓬勃发展,如何快速、准确地获取铁路走廊带的勘测数据已经成为铁路建设者必须面临的技术难题[1]。 近年来兴起的无人机航摄具有飞行成本低、起降场地限制少、人员培训简单、飞行操作灵活等优点[2],已广泛应用于铁路勘测制图中。 但无人机航摄系统也有成像范围小、地面控制点多、立体测图工作量大、茂密植被区地形采集不准确等固有缺点。 而机载激光雷达技术(LiDAR)具有精度高、效率高、无需布设像控点、对植被的穿透性较强等特点,可大幅减少测量工序及人工观测制图的工作量[3]。

受航空管制、飞行条件等限制,使用大飞机搭载LiDAR 设备进行测绘作业,在时间和成本方面不够经济[4]。 随着技术进步,LiDAR 正在向轻量化方向发展,性能不断提升,重量及体积不断缩小,使得采用无人机搭载LiDAR 进行航摄成为可能[5]。 以下介绍无人机搭载轻小型LiDAR 设备进行铁路勘测制图相关技术流程的探讨,并评测无人机LiDAR 技术在铁路勘测应用中的应用效果。

1 技术设计

1.1 项目概况

实验项目位于四川盆地南部丘陵地区,正线长约78 km,比较线若干,需要制作1 ∶2 000 地形图、1 ∶500 工点图和若干勘测断面。 按照线路两侧各500 m 的范围进行航飞和制图,面积约100 km2。 测区地处山区,最低海拔900 m 左右,最高海拔1 500 m左右,区域内地形起伏剧烈,植被茂密,交通不便。项目沿线已有1 km 间隔的四等GNSS 基础测量控制点(具有大地坐标、工程独立坐标,以及四等水准高程成果),可用作LiDAR 数据的坐标转换和高程拟合之用。

项目面临勘测周期短、任务重、地形复杂等难题,如果采用传统航摄制图方式,存在航摄周期长、外业选刺像控点难度大、植被覆盖区精度差等问题[6]。 经过分析,决定采用无人机LiDAR 系统进行航摄。

1.2 平台介绍

本项目采用的无人机LiDAR 航测系统由无人机、轻小型LiDAR 系统、全球卫星导航系统(GNSS)基站等硬件及配套数据处理软件组成。 无人机平台为国产的CW-30 大载重、长航时、垂直起降固定翼无人机,轻小型LiDAR 系统(型号为JoLiDAR)集成了激光扫描仪、GNSS/IMU 惯性导航单元和数码相机[7]。 平台主要部件得相关参数如表1。

1.3 技术流程

(1)采用固定翼无人机搭载LiDAR 系统对线路走廊带进行航空扫描,获取地面点云与影像数据。

(2)基于地面基站数据,对获取的机载POS 数据进行差分处理,生成包含坐标与姿态信息的轨迹文件。

(3)采用LMS 软件对激光测距文件、轨迹文件和检校参数进行联合解算,生成激光点云数据。

影像外方位元素则通过影像曝光序列文件内插轨迹文件生成。 地形图中的等高线由分类后的地面点构建三角网自动生成,地物则通过正射影像采集。 最后构建三维实景模型,进行三维断面采集。 技术流程如图1。

2 无人机LiDAR 数据获取

2.1 无人机LiDAR 摄影

图1 无人机LiDAR 勘测技术流程

项目的最终成果包括1 ∶500 工点图和线路横断面(对精度要求较高)。 按照LiDAR 摄影规范[8],综合考虑航摄效率和植被穿透率,设计LiDAR 数据点云密度为16 点/m2,影像地面分辨率为0.05 m。 为减少投影差的影响,需加大影像重叠度,设置航向重叠度为75%,旁向重叠度为40%。 为保证成果精度,首先从铁路沿线已有四等GNSS 控制点中选择3 个点作为地面基站,确保飞机在测区及航线转弯区域飞行时,距最近基站不大于20 km,以满足高精度航迹解算对基站距离的要求。 然后根据基站位置,综合考虑仪器设备的性能、摄区地形、飞行协调等一系列要素进行航线设计[9]。 总共设计航线114 条(航线总长度716 km,相对航高400 m)。

考虑到工期紧迫,在云高满足摄影要求的情况下,执行了部分架次的云下摄影,13 d 即完成8 个架次的飞行任务,充分发挥了无人机航摄灵活可控的优势。无人机飞行时,地面基站需进行同步观测,设置采样间隔为1 s。 飞行过程中应尽量匀速飞行,避免瞬时速度变化造成激光点云沿飞行方向分布不均匀的现象[10]。

2.2 航迹解算

使用PosPac 软件进行高精度航迹数据解算(解算时需要提供基站三维控制网成果):首先导入机载POS数据,检查POS 数据是否有中断的情况;然后导入地面基站观测数据,检查地面基站的采样频率(是否为1Hz)。 并将直接导入的地面基站坐标转换成三维控制网成果坐标。

解算前,需要输入机载GPS 相对于IMU 的偏心分量,然后采用紧耦合方式将机载GPS 数据、IMU 数据和基站同步观测数据进行融合处理,再进行双向平滑处理,得到高质量的航迹数据,即测绘时刻激光雷达及相机的位置和姿态信息[11]。 解算时应选择距离较近的基站,并剔除姿态不佳的卫星数据。

2.3 LiDAR 点云和影像EO 输出

导入航迹文件和原始激光测距文件,解算激光点云数据(解算激光点云过程中,软件将自动进行航带数据的匹配平差)。 需要重点关注相邻航线的匹配情况,一般要求相邻航线的激光点云匹配误差均在5 cm之内,才能进行后续的制图工作。 该项目中,直线航线的激光点云匹配误差均满足精度要求,匹配效果如图2。

图2 直线航线的激光点云匹配良好

但在转弯航线处,相邻航带的点云匹配误差最大达到了40 cm(如图3)。 经综合分析,认为是无人机的转弯半径较小,导致姿态传感器误差累积过大所引起。处理方法:把转弯处的点云数据裁掉,根据影像曝光时间序列和解算后的航迹数据内插影像外方位元素。

图3 转弯航线的激光点云匹配误差较大

3 无人机LiDAR 数据处理

3.1 坐标高程转换

无人机LiDAR 获取的原始数据通常为标准TUM投影下的大地高,而铁路勘测制图成果为工程独立坐标系下的正常高。 因此,需要将原始LiDAR 数据进行坐标和高程转换[12]。 首先在TerraSolid 软件中把点云数据按矩形切块,建立UTM 投影到工程独立坐标系的转换关系,并对原始数据进行坐标转换。 高程采用铁路沿线约1 km 间隔的四等GNSS 点的大地高和正常高,通过高程异常公式(1),求出每个GNSS 点的高程异常

式中:ξ 为高程异常,H 为大地高,h 为正常高。

以此对沿线点云数据进行高程拟合,得到点云数据的正常高。 经过坐标、高程系统转换后,根据测区实测的检查点,确认点云高程和平面精度符合要求。

3.2 正射影像制作

无人机LiDAR 配套采集的航片,通常航偏角较大、像幅小、重叠度不规则,如果采用TerraSolid 软件制作正射影像,存在作业过程复杂、需要人工添加大量连接点等缺点[13]。 若采用Pix4D 软件制作正射影像,效率可大幅提高,而且投影差小,精度也十分稳定[14]。如制作一个测段800 张的影像,只需花费1h 左右的人工工作量建立工程和正射影像分幅,其他工作量都是软件自动匹配运算,总共用时约16 h,极大地减少了人工工作量,并缩短了正射影像的制作时间。

正射影像应按航摄分区分段制作。 首先剔除转弯处的影像,导入测段影像,软件会自动从相机数据库中匹配默认的相机参数,并修改为正确的相机参数(主要是相机的焦距和像元大小)。 然后导入相机的外方位元素(设置外方位元素的水平精度和垂直精度为0.2 m)。 最后设置正射影像的输出分辨率(为5 cm)。Pix4D 输出的正射影像为BigTif 格式,往往一个测段的影像数据约有10 GB,很难通过CAD 等软件打开,需要通过Global Mapper 软件裁剪成标准分幅的格式,以便于后续的地物采集。

在正射影像制作的空三环节,需要检查空三报告看是否有“掉片”。 本项目中,由于个别测段位于山顶植被茂密区,出现了“掉片”的情况,导致正射影像出现漏洞。 经过分析,发现软件的默认参数是3 度重叠的点才参与平差,但遇到山顶相对航高减少,植被投影变形较大,导致匹配的3 度重叠点较少。 此时,需要把2 度重叠点加进去综合平差,才能避免山顶“掉片”的情况。

正射影像制作完成后,与实测的167 个外业平面检查点进行比较,验证基于无人机LiDAR 和Pix4D 软件制作正射影像的精度:最大平面差值为0.87 m,DOM 平面中误差为0.27 m,满足制作1 ∶500 地形图的精度要求(如表2)。

表2 正射影像精度统计

3.3 点云滤波和DEM 生成

(1)点云自动分类

在TerraScan 软件中编写适合测区地形条件的宏命令,自动对点云数据进行分类。 批处理宏命令的内容主要包括:分配航带号,裁除重叠区,分离多路径效应产生的低点,分类地面点。 各个参数需要多次试验,以找到最优的宏参数。 运行分类宏命令时,相邻数据块之间的重叠区需设置为50 m,以减少数据块之间的接边差。

(2)手工精细分类处理

主要目的为消除自动分类时错分成地面点的噪点和低矮植被[15],以及由于地形复杂(分类参数无法顾及所有地形)导致的山顶、陡坎、悬崖等漏分情况。 编辑时,一般同时集合两种方式作参考,互相取长补短,并通过对以下内容的检查来保证点云分类的质量:

①分类结果与正射影像是否对应;

②地面点云表面模型是否连续、光滑;

③地面点的剖面图形态是否合理。

在进行人工分类的过程中,可以发现LiDAR 对大部分植被的穿透性都较好,能准确反映植被下的地形走向(如图4)。 但遇到竹林等十分茂盛的植被时,LiDAR 的穿透性明显降低(如图5)。 因此,对于因植被十分茂盛导致缺少地面点的情况,应把相关范围进行圈定,并提交外业重点补测。

图4 LiDAR 对大部分植被的穿透性较好

图5 LiDAR 对茂盛竹林的穿透性较差

地面点分类完成后,提取模型关键点并输出整个工程项目的模型关键点,然后将模型关键点导入ArcGis 软件,构建TIN,生成DEM,设置DEM 格网间距为0.5 m。 利用实测的158 个高程检查点进行DEM 高程精度统计,利用ARCGIS 软件的多值求差功能,自动批量计算每个外业实测高程点与DEM 内插高程之间的差值(见表3)。

表3 DEM 精度统计

由表3 可知,高程中误差为0.26 m,最大高程差值为0.84 m。 高程误差较大的地方主要有两种,一种是茂密竹林处(LiDAR 点云的穿透性降低所致);另一种是陡坎处(原因为高程内插引起的精度损失)。 除了激光点云穿透力较差的竹林地区外,DEM 高程精度满足1 ∶500 地形图的要求。

4 铁路勘测图制作

4.1 制作1 ∶2 000 地形图

(1)利用Arcgis 中的DEM 生成2 m 间隔的等高线。 高程点按70 m 间距的交错排列方式生成,并提取山顶、谷底等特征点作为额外高程点。

(2)在AutoCAD 中叠加正射影像和地形数据,利用基于AutoCAD 平台开发的MapEdit 工具采集地物要素,并编辑等高线及高程点。 居民地、道路、水系、管线等地物要素对铁路方案设计有重大影响,必须准确绘出。

4.2 基于三维场景采集线路横断面

(1)利用SkyLine 软件的数据融合功能,对DEM和DOM 进行融合,生成铁路沿线的真实三维场景,并把断面采集线导入到三维场景中。

(2)通过设置断面采样步长和高程变化阈值,自动生成断面变坡点,采集和编辑地物边界属性,重点判释植被茂密地区、水系、沟坎、道路等地物边界及属性。断面的平面位置和高程信息可在三维地形中自动读取。

4.3 与传统立体航测对比分析

对采集的3 490个断面点LiDAR 数据进行了外业实测比较。 根据铁路工程测量规范,断面点高程限差为0.35 m,分别统计出不同方法采集的断面点中符合限差的点个数(见表4)。

表4 不同断面采集方法的中误差和符合限差率统计

由表4 可知,无人机LiDAR 的断面采集中误差(0.265 m)较立体航测断面采集中误差(0.423 m)降低了0.158 m,精度提高明显。 符合限差率从61.3%提高到89.2%,数据利用率提高了45.5%。 对于常规林区,相较于传统立体测图模式,无人机LiDAR 方法的数据利用率明显提高,极大提高了勘测断面的采集效率。

5 结论与建议

由实验可知,无人机LiDAR 在航线转弯时的精度较差,实际工作中,应剪裁掉转弯数据,避免错误数据影响成果精度;遇到竹林等十分茂盛的植被时,无人机LiDAR 的穿透性有所降低,此时可通过外业实测进行补救。

整体而言,无人机LiDAR 技术具有数据获取周期短、数据精度高、植被穿透性好等优点,可显著提高铁路勘测速度。 随着无人机技术和轻小型LiDAR 技术的不断发展,开展无人机LiDAR 摄影制图,势必成为铁路勘测的一种优选方案。