无人机倾斜摄影测量技术在不动产更新测绘中的应用

杨亚彬，谢思梅，谢荣安

(1.广东省地质测绘院，广东 广州 510800；2.广州市城市规划勘测设计研究院，广东 广州 510060)

无人机倾斜摄影测量技术的应用不但较好地解决了普通航摄精度不足的问题，而且实现了对地物顶部和侧立面的建模和纹理采集，在大范围三维建模方面表现出了卓越的能力。能够适应于小面积或大范围摄影测量作业，可获得实景三维模型、正射影像、数字高程模型和高精度大比例尺地形图等成果[1-4]。本文尝试在肇庆市利用倾斜摄影测量技术生产1∶500地形地籍图生产实践，研究探讨用于不动产数据更新的可行性及成熟度。

1 无人机倾斜摄影测量技术原理

倾斜摄影技术是通过在同一飞行平台上搭载多台传感器(目前常用的是五镜头相机)，同时从垂直、倾斜等不同角度采集影像，获取地面物体更为完整准确的信息。拍摄原理如图1所示。只要通过一次飞行，就能获得5个不同视角的影像，同时还能利用计算机软件进行纹理自动贴图[5-6]。将倾斜摄影技术应用到无人机上，获取更加真实、更加直观、更加符合实际的三维模型[7]。因此与传统技术相比，倾斜摄影技术具有更高的效率、性价比及更高的精度，应用范围也越来越广泛。

图1 倾斜摄影测量拍摄原理示意图

2 关键技术

2.1 倾斜摄影测量系统选择

无人机倾斜摄影系统是以无人机为飞行平台，以倾斜摄影相机为任务设备的航空影像获取系统，平台重点应考虑载重、巡航速度、实用升限、续航时间、安全性和抗风等级等几个方面，倾斜相机的性能指标主要有获取影像能力、作业时间、曝光功能、续航时间、POS记录功能等方面。本文采用的无人机倾斜摄影平台从4个方面进行了技术优化设计：无人机与航摄系统一体化稳定设计使飞行更趋稳定；高精度双RTK模块导航定位与精准飞行技术使航线精度误差控制在2 cm、定向精度0.2°以内；五镜头倾斜相机一体化固定结构优化设计；POS采集与相机拍摄同步技术解决了匹配与同步对整个过程造成的误差影响，最大程度减少了机械延时产生的误差，保证了高动态场景下的采样精度。

2.2 飞行航线设计

航摄高度的确定[8-9]：无人机倾斜摄影的飞行高度是航线设计的基础。航摄高度需要根据任务要求选择合适的地面分辨率，然后结合倾斜相机的性能，按照式(1)计算

H=f×GSD/a

(1)

式中，H为航高；f为相机焦距；GSD为地面分辨率；a为像元尺寸。

航摄重叠度的要求：低空数字航空摄影规范规定“航向重叠度一般应为60%～80%，最小不小于53%；旁向重叠度一般应为15%～60%，最小不小于8%”。在无人机倾斜摄影时，旁向重叠度明显不够。不论航向重叠度还是旁向重叠度，按照算法理论建议值为70%以上，结合实际结果一般选择航向及旁向重叠度不低于75%为宜。

2.3 像片控制测量

控制测量是为了保证空三精度、确定地物目标在空间系统中的绝对位置[8-9]。因此对控制点的布设密度和测量方法是确保大比例尺成图精度的基础。倾斜摄影技术相对于传统摄影技术在影像重叠度上要求更高，现有的规范关于像控点布设要求已难以满足高分辨率无人机倾斜摄影测量要求，鉴于无人机航摄通常采用GNSS定位模式，自身带有POS数据，对确定影像间的相对位置作用明显，利于提高空三计算的准确度。为此像控点布设密度建议设计为40 000～60 000像素为宜。

2.4 多视影像匹配及自动空三

利用多视几何技术对多视影像匹配与空三加密二者进行有效融合，其优化结果能够为摄影测量加密提供良好的初始数据。以传统摄影测量加密采用较为严密的光束法区域平差，其使用的函数模型共线方程式为

(2)

式中，(u,v)为像点坐标；(u0,v0)为像主点坐标；f为相机焦距；(X,Y,Z)为像点对应的物方空间点坐标；(Xs,Ys,Zs)为相机外方位元素的3个线元素；ai、bi、ci(i=1,2,3)为外方位元素的3个角元素(φ，ω，κ)构成的旋转矩阵。线性化后得到

v=At+BX-L

(3)

(4)

式中,λi为比例因子。

投影矩阵P包含11个自由变量，又可分解为旋转矩阵R、平移矩阵T和相机检校矩阵K，如

P=K[RT]

(5)

通过在候选深度上将匹配影像纠正到主视图像并融合为深度锁定影像，充分利用多视影像的冗余观测值，显著提高密集匹配的效率和精度。

2.5 倾斜影像三维建模技术

采用革新性的解析方法及作业模式[10-13]，实现多视角自动检索、优选配准影像，通过结合倾斜摄影同名点匹配技术建立影像与模型的严格对应关系，以多视最小二乘矢量匹配支持下的子像素定位精度，铅直辅助线对照影像观测边缘特征，形成2D边缘特征→前交3D矢量→投影到图像2D特征验证的交互式迭代采集模式。

3 应用实例

3.1 应用区域

为了满足区域不动产数据的现势性及准确性[14-15]，更新测绘试验区，选择位于肇庆市端州区西北部面积3.331 km2的区域。测区属于丘陵台地，地势北高南低，地形以村庄、居住小区、大学校园、道路及附属建筑物等，北部有少量山地，测区平均海拔高度约为60 m，地形最大落差约为100 m，建筑物最大高度约为80 m。

3.2 主要精度指标及软硬件设备技术参数

项目成图比例尺为1∶500，基本等高距为0.5 m。三维模型及主要地物点平面精度为±5 cm；城市建成区和铺装地面高程注记点高程中误差不大于10 cm。

硬件采用哈瓦MEGA V8四轴八旋翼搭载五镜头倾斜摄影测量系统作为数据采集平台，航线管理多任务一体化，同时兼容北斗、GPS、GLONASS 3种卫星定位模式，采用HARWAR-YT-5POPC IV飞行模块，搭载索尼5100X5相机1.2亿像素，地面分辨率为1.8 cm，定位精度水平方向为2 cm，垂直方向为5 cm。软件使用ContextCapture Center进行三维建模预处理，利用武汉天际航DP-Mapper软件完成三维实景建模及地形图生产。

3.3 无人机倾斜摄影测量技术流程

无人机倾斜摄影测量作业流程主要包含无人机倾斜影像数据获取、像控测量、空三计算与优化、实景三维模型生成、真正射影像制作、内业测图与外业补测等几方面，如图2所示。

图2 项目作业流程

3.4 无人机倾斜摄影

试验区呈长方形，外业航摄分东西2个区，26架次4天完成，有效飞行面积约为4.5 km2。飞行期间均为晴天，通视条件良好。航摄数据经检查无遗漏，无缺失，影像清晰，层次丰富，色调均匀，对应POS信息齐全。具体倾斜摄影技术参数见表1。此次获得倾斜影像69 775张，数据范围及数据质量均满足测区生产需要。

3.5 像片控制及空三加密与优化

像控点布设采用在航飞前预制地面控制点标志，像控点密度平均边长200～250 m，共布设96个点，像控点坐标和高程利用GDCORS采用RTK方式测量获取。

在空三结果基础上加入控制点联合平差，优化精度至1/3个像素，以满足后续自动化建模作业的要求。通过检查外方位元素标准偏差能够全面反映精度表现，因此空三运算时需重点关注的质量指标有：是否丢片，丢得是否合理；连接点是否正确，是否存在分层、断层、错位；检查的误差、像控点残差、连接点误差是否满足限差要求。

3.6 实景三维建模

将空三成果提交建模任务，通过划分模型格网，采用8组GPU同步生产模型数据。采用ContextCapture Center软件首先对航空影像进行预处理，软件自动对每张影像进行特征点检测和匹配，然后进行空三解算得出每张影像的内外方位元素，稠密点云数据提取并进行大数据散乱点云曲面重建，构建出TIN网白模，在此基础上进行无缝纹理映射，最后输出包括三维模型、点云数据、DSM、DOM等多种成果。

3.7 三维测图

利用实景三维测图软件DP-Modeler完成地形图测绘，倾斜摄影三维模型实现所见即所得的观测，采集过程中无需佩戴立体眼镜，直接对地物特征轮廓、点状地物进行矢量测绘，在真三维环境中完成屋檐改正、楼层判读、部件等地物要素和地形要素采集。对于小部分遮挡及未能确认属性等内容进行了外业调绘和补测。项目内外业测图工作20天顺利完成。

4 精度分析

成果完成后进行了内外业质量检查。现重点对成果精度进行检查分析。外业采用2″级全站仪，利用已布设的像控点实地设站极坐标法检测同名地物点，共检测190个地物点，根据《测绘成果质量检查与验收》(GB/T 24356—2009)规定，对检查点进行平面和高程中误差计算，中误差同等精度检测计算公式为

(6)

式中，M为成果中误差；n为检测点总数；Δi为检测较差。通过计算精度统计如下：平面位置较差最小为0，最大为12.75 cm,超过2倍中误差的点数为3个，粗差率为2%。外业通过钢尺丈量地物间距共丈量61条边，间距较差最小为0，最大为0.17 cm，其中误差超过2倍中误差的有3个，粗差率为4.9%。检测地物点高程20个，高程较差最大为6.00 cm,最小为0.50 cm,其中高程误差小于中误差的有20个。具体精度统计详见表2。

表2 地形图平面位置、间距、高程检测精度统计

由表2可以看出，检测点误差小于规定中误差的点占比均在80%以上，显示平面和高程精度普遍良好，精度指标均满足规范和设计书要求。

5 结 语

利用无人机倾斜摄影测量技术实施不动产更新测绘是一种新的尝试，试验表明对于城乡及农村不动产数据更新及修补测有较好的实用性。项目技术成熟，工艺方法先进，自动化程度高，成果丰富、精度高，能够有效减少外业工作量，投入少，工期可控，可同时获取实景三维模型、真正射影像(TDOM)、数字表面模型(DSM)、地形图(DLG)等成果。能够满足不动产数据更新、登记要求，还能够加快基础地理信息数据的获取和更新，为国土空间规划、不动产登记等自然资源管理及城市现代化建设等各行业提供基础数据，应用前景非常广阔。对于高植被覆盖高密集建筑区影响地形地物判读、数据量大处理速度受限及设备续航能力等问题有待进一步研究。