基于无人机图像的斜坡精细地形建模及精度分析

马婵娟 李朝辉

摘  要：无人机（UAV）技术的快速发展部分克服了数字摄影测量发展中航空影像获取困难的瓶颈，无人机技术在低空数字摄影测量中占有重要地位。该文探索使用固定翼无人机（UAV）获取坡面信息数据的可行性和准确性。在此，利用地面控制点和地面激光扫描仪获得的点云数据，评估了基于无人机图像的坡度模型的精度。结果表明，论文提出的模型在分米级是准确的。该方法可靠实用，可用于类似工程中获取高精度的边坡地表数据。

关键词：无人机   坡度   数字地面模型   点云

中图分类号：P231                            文献标识码：A文章编号：1672-3791（2021）07（c）-0047-03

Abstract： The rapid development of UAV technology partly overcomes the bottleneck of aerial image acquisition in the development of digital photogrammetry. UAV technology plays an important role in low altitude digital photogrammetry. This paper explores the feasibility and accuracy of using fixed wing UAV to obtain slope information data. Here， the accuracy of the slope model based on UAV image is evaluated by using the point cloud data obtained by ground control points and ground laser scanner. The results show that the model proposed in this paper is accurate at the decimeter level. This method is reliable and practical， and can be used to obtain high-precision slope surface data in similar projects.

Key Words： UAV; Slope; Digital terrain model; Point cloud

世界各地的山区往往地质构造复杂、地形起伏大、降水集中，这些条件有利于滑坡的发展[1]。进入21世纪，随着全球气候和环境的急剧变化，滑坡灾害发生的频率和强度越来越高。此外，由于人口的增加和大规模经济活动向山区的扩展，滑坡灾害造成的损失日益严重[2]。

支持建模和设计需要多少信息？这是建模设计中的一个基本问题，以前的研究主要集中在劳动密集型现场测量。然而，基于人工测量的地面测量费时费力，获得的地形数据分辨率较低。由于滑坡灾害现场的通信和交通中断，数据收集往往很困难。因此，在高海拔地区的边坡稳定性分析和建模中，边坡地形往往被大大简化[3]。然而，边坡稳定性分析结果的合理性在很大程度上与三维（3D）边坡拓扑的准确性和不连续性调查的可靠性有关，因此，探索一种成本低、适应性强的快速精细建模方法具有重要的现实意义[4]。

与传统的人工测量方法相比，无人机航测系统具有图像分辨率高、图像实时传输、适用于高风险区域作业、成本低、机动灵活等优点，这些优点使得该技术适用于低空高分辨率遥感数据的实时采集。因此，无人机测量系统正逐渐成为一种重要的空间数据采集方法，并已成功应用于许多研究领域，如森林资源清查、桥梁健康监测和电力线检查等。此外，无人机航测系统为解决地貌学研究问题提供了一种新方法，该研究的主要贡献如下：（1）结合无人机航测图像和地面控制点（GCP）坐标，生成测量区域和高密度点云的高精度数字地面模型（DSM）。（2）使用预设检查点坐标评估DSM的精度。（3）使用地面激光扫描仪（TLS）获得的数据评估高密度点云的精度。

1  数据集和方法

1.1 数据采集

该研究在湘西壶瓶山附近公路河谷地带进行，海拔约1 430 m。早期的野外勘探发现该地区有一个不稳定的斜坡，具体见图1。

2018年5月，论文从研究区域收集了三类数据。对于图像采集，使用在400 m高度飞行的无人机（Hi-Target iFly U0）获取机载图像[5]，具体见图2。为了确保足够的区域覆盖，飞行计划考虑了85%的飞行方向重叠和55%的飞行带重叠。总共收集了216幅航空图像，平均分辨率为0.04 m。为了获取控制点坐标，选择了10个均匀分布在研究區域的固定参考点。使用实时运动学（RTK）系统（Hi-Target iRTK 5）测量控制点坐标。因此，获得了精度约为8 mm的GCP测量值。

在10个参考点中，选择5个GCP进行空间调整，其余5个GCP用作预设检查点，以评估DSM的精度。

使用TLS（HS500i），获取了真实坡面上的高密度点云数据，以评估基于无人机图像的点云，具体见图3。TLS的最大射程为500 m，测距精度为5 mm。

1.2 方法

该研究的主要目的是获得研究区域的数字高程模型和高密度点云，并评估其准确性。基于无人机的航空摄影测量分为5个步骤，分别是飞行准备、图像采集、数据检查、数据处理和输出[6]。在获得原始数据后，有必要进行分析提取并匹配特征点，然后进行空中三角测量。确认空中三角测量结果满足精度要求后，即可输出结果[7]。研究中遵循的工作流中的主要步骤见图4。

2  结果

在该节中，将介绍DSM和点云的精度，以证明所提出方法的有效性。表1列出了水平和垂直方向上5个检查点的绝对误差值。水平和垂直方向的平均误差分别为0.096 m和0.266 m。结果表明，DSM在水平方向上比在垂直方向上更精确。

使用TLS获得的点云数据（用作实际值的近似值）评估从UAV图像获得的点云的精度[8]。从两种类型的点云数据中选择5个不同的特征点，测量每组点之间的距离，计算基于無人机点云数据的绝对误差值和误差率，具体见图5。

表2列出了在两组点云数据中清晰可见的5组特征点之间距离的测量结果。由表2数据可知，从无人机图像收集的点云数据与TLS之间几乎没有差异。它们之间的误差约为分米，平均绝对误差为0.230 m。

3  结语

研究结果表明，在从现场采集航测图像并使用RTK采集图像控制点的局部坐标建立的精细三维坡度模型中，DSM的平均误差为0.266 m，点云数据的平均误差为0.230 m。因此，该研究可为类似边坡数据采集工程提供准确获取边坡表面信息的参考方法。该方法作为一种快速获取高海拔地区边坡数据的方法，在滑坡应急监测领域具有良好的实际应用价值;然而，提高模型精度的方法还需要进一步研究。

参考文献

[1] 王明，李丽慧，廖小辉，等.基于无人机航摄的高陡/直立边坡快速地形测量及三维数值建模方法[J].工程地质学报，2019，27（5）：1000-1009.

[2] 刘俊龙.基于无人机影像的精细化地形建模在滑坡识别中的应用[D].成都：西南科技大学，2019.

[3] 朱涛.浅谈三维地形建模系统及无人机在单体建筑建模中的应用[J].江西测绘，2019（2）：22-23，30.

[4] 万振.真实地形下无人机三维航路规划及可视化[D].西安：西安电子科技大学，2018.

[5] 赵红泽，王金瑞，周立林，等.无人机在露天矿山地形建模中的应用研究[J].露天采矿技术，2018，33（4）：83-87.

[6] 熊康妮.无人机地形测图精度分析[D].昆明：昆明理工大学，2018.

[7] 郝利娟，郭如宝，杜斌，等.无人机在大比例尺地形测图中的应用分析[J].测绘与空间地理信息，2020，43（12）：168-171.

[8] 刘亚楠.无人机航测系统在公路带状地形测量中的应用分析[J].工程建设与设计，2020（16）：234-235.