郭凯宁,彭 雄,万程辉
(1.江西省钢结构网架质量检验中心,江西 抚州 344000;2.南昌工程学院 水利与生态工程学院,江西 南昌 330099)
地面三维激光扫描技术能够快速获取高压铁塔表面的三维坐标数据,具有精度高、数字化、高效率、适用性广等特点。然而,由于地形的限制,盲区往往难以收集数据。无人机倾斜摄影测量具有高机动性、灵活性和安全性的优点,低空作业可以获得高分辨率图像,并且周期短、效率高,其可以快速方便地获取各种高压铁塔与地形数据,但由于控制点和航高等因素的影响,得到的铁塔数据精度较低。通过将上述两种技术优势互补,形成了一种高效率、高精度、全方位的高压铁塔测量与三维建模的方案。
由于高压铁塔表面形状不完整,需激光扫描点云数据与无人机影像数据融合匹配。文章通过在高压铁塔扫描区域中设置同名标志点,重新校正无人机影像数据同名点坐标,采用不同位置和不同数量的控制点,对无人机倾斜摄影高压铁塔三维模型与地面三维激光扫描三维高压铁塔模型,采用垂向偏差对点云精度进行对比,并分析垂向方向偏差量的大小区间分布,确定无人机影像点云的拼接精度。
通过在扫描区域设置3个以上同名标志控制点及地面三维激光扫描测站,采集无人机倾斜影像和三维激光扫描点云数据,使扫描点云与无人机影像数据统一在同一坐标系中。由于三维扫描数据与无人机影像数据对控制点精度要求较高,采用了高精度全站仪TCA2003进行地面标志点坐标测量,作为无人机影像空三控制点与激光扫描测站点坐标。
利用RIEGL VZ1000地面三维扫描仪和RiSCAN PRO扫描软件,地面三维激光扫描仪采用仪器内部坐标系,坐标原点为仪器中心,每次扫描数据由于仪器的架设位置不同因而坐标系不同,故要将不同测站的影像统一到相同的坐标系下。以第一站影像为基准,进行影像拼接。完成扫描数据的加载、扫描站坐标的导入、数据粗拼和精拼、点云数据的过滤和导出,点云铁塔效果如图1所示。
图1 铁塔点云数据
无人机影像由Context Capture软件处理,通过几何校正、空三加密、图像匹配等处理,计算出高密度像素点云。通过导出LAS点云数据,导入Geomagic Qualify软件,建立像素点云数据的测试对比网格模型。
采用大疆精灵4 Pro无人机与Altizure操控APP进行倾斜摄影测量,飞行设置航高为50m,航向重叠度为80%,旁向重叠度为70%,相机倾斜角为45°,对斜坡进行了正射与倾斜5个方向的航带摄影。在平地和坡度上设置10个标记控制点,选取其中6个作为空三控制点。激光扫描与无人机高压铁塔点云融合数据如图2所示。
图2 激光扫描与无人机高压铁塔点云融合数据
无人机影像网格模型与全站仪坐标比较如表1所示。由表1可以看出,位于平地上的标志点误差小于高压铁塔上的标志点误差,且空三控制点的误差小于非空三控制点的误差。X和Y的中误差分别为0.011m和0.011m。XY平面误差为0.016m,高程Z的中误差为0.020m,k7控制点Z值的最大误差为0.031m,表明模型对高程误差影响更大。
表1 无人机影像网格模型与全站仪坐标比较 单位:m
将地面三维激光扫描数据和无人机点云铁塔数据分别导入Geomagic Qualify软件。以三维激光扫描数据为参考,无人机影像数据为比较对象,对模型表面进行三维精度对比。
两组数据垂向方向的剖面对比如图3所示。三维激光点云与影像点云的垂向偏差量分布较为均匀,且差值在同一个方向上,但两种模型存在一定的倾斜量。具体偏差区间分布规律如表2所示。由表2可知,在中间区域的-0.02与+0.02的偏差值占43%,最大区间的偏差不超过±0.052m,并且分布数量较少。通过截面点云区间分布的垂向偏差比较,地面三维激光扫描数据和无人机点云数据主要点云偏差在±0.02左右,说明通过标志控制点的校正,无人机影像点云数据精度可以接近三维扫描点云精度。
图3 激光扫描与无人机点云铁塔模型垂向偏差比较
表2 垂向分布点云的偏差区间分布
三维网格模型与传统单点相比具有更全面的对比效果,由于三维激光扫描建立网格模型精度更高,以扫描点云构建网格模型为参考模型,对比无人机影像网格模型位置,三维对比显示两种网格模型具有一定偏差。标志控制点的布局对网格模型的精度有很大的影响,标志控制点应尽量分布在测试区域周围,按一定的密度均匀分布,覆盖整个高压铁塔区域。无人机低空倾斜摄影数据在平地上的精度要高于在铁塔上的精度。空三控制点的测站,附近分布的点云数据精度较高,最高可达1cm,能满足三维激光扫描与无人机影像数据的融合要求。