垂起固定翼搭载激光雷达在河道堤防测量中的应用

付伟锋

(广东省水利电力勘测设计研究院有限公司，广州 510635)

近年来，随着非接触测量技术的发展，机载激光雷达技术成为现代测绘技术中的一种快速有效的采集三维空间数据的手段，在行业中得到了越来越多的应用[1]。机载激光雷达相比航空摄影测量具有数据生产周期短、自动化程度高、受天气影响小、精度高等特点。它采用主动式工作方式，通过自身发射的激光脉冲反射来获取目标信息，可全天候实施对地观测，而且对植被具有很好的穿透性[2-4]。

河道的堤防一般呈带状分布，河道两岸树木密集，在进行测量时人工到达困难且效率低，针对河道堤防的特点目前也多采用无人机进行航空摄影测量。但使用无人机对河道堤防进行测量时往往存在两个问题：一是采用多旋翼无人机进行测量时飞机续航时间短，单架次作业范围有限，不利于带状区域的飞行；二是采用固定翼无人机进行测量，但往往受限于飞机的起降场地和白天空域使用问题，不能作业。针对目前行业中存在的这种问题，本文提出利用垂起固定翼无人机搭载激光雷达对河道堤防的地形进行夜间测量作业的方案，可以更加快速的获取河道的三维地理信息，得到高精度的数字高程模型。

1 机载激光雷达测量技术介绍

1.1 激光雷达技术介绍

激光雷达扫描技术(LIDAR，Light Detection and Ranging)是21世纪以来摄影测量及遥感领域最具创新性的技术之一[5]。LiDAR系统由高精度激光测距仪、高精度惯性测量装置(IMU)、动态差分技术的GPS装置(DGPS)组成。激光测距仪通过发射和接收脉冲信号得到高密度和高精度的点云数据，与此同时，动态GPS系统确定传感器的空间位置 (经纬度)，IMU 测量飞机的实时姿态数据，即滚动、仰俯和航偏角[6]。通过这3种技术的集成，可以实时、准确的获取到地面的三维坐标，完成对地面的三维数据采集[7]。

1.2 机载激光雷达技术特点和优势

传统的摄影测量与遥感技术具有获取面积大、高效快捷的特点，但由于测区经常有植被覆盖，影像无法拍摄到植被下面的地面，因此不能获取地表的数据[8]。特别是高山地区经常有云雾，也会限制影像的拍摄。相比之下，机载激光雷达测量系统比传统航空摄影的方法作业时更加灵活，受天气影响较小，可在较短的时间内生产出数字高程模型等三维产品，工作效率高。而且对于植被具有较强的穿透力，可以直接获取地面的数据，在未来地形测绘、森林调查、资源勘查等方面具有广阔的应用前景[9]。

1.3 垂起无人机搭载激光雷达介绍

近年来，随着无人机技术的发展，垂直起降固定翼无人机成为国内外的研究热点。固定翼飞机相比多旋翼具有长续航，大范围的优势，针对固定翼飞机起降场地受限的缺点，结合多旋翼垂直起降的优势，目前已具有较为成熟的垂直起降固定翼无人机[10]。由于它既具备了旋翼机的垂直起降功能，可以便利的发射和回收，又能以固定翼的速度进行飞行，解决了旋翼无人机航程和航速都受限的问题。而且相比于多旋翼无人机的载重能力，垂起固定翼无人机可以搭载负载较重的设备如激光雷达等。垂起固定翼无人机搭载激光雷达如图1所示。

图1 垂起固定翼无人机搭载激光雷达示意

在实际应用中，面对大范围的作业面积和复杂的地形条件，优先选择垂起固定翼无人机进行作业。尤其是针对高山地形，空域允许的情况下飞行高度可以达到相对高度500 m以上，便于高落差地区的作业，且抗风性也更强。机载激光雷达系统作业流程如图2所示。

图2 机载激光雷达示意

2 试验区数据获取与分析

2.1 试验区背景概况

东江是珠江流域三大水系之一，香港特区和珠三角地区近4 000万人水源的主要来源，东江流域的治理至关重要。因此，获取东江干流的河道地形资料对加强东江干流堤防的达标加固建设，增强东江干流沿线地区的防洪减灾能力尤为重要。

本次测量区域为龙川老隆大道至苏雷坝电站河段，干流长度约为12 km，陆域面积约为18 km2，测区成带状分布。由于测量区域范围过大，本文只选取苏来坝和乌石坝区域作为试验区域，区域面积为2.5 km2，具体试验范围为图3中红色框选所示。该河段大部分区域为山体且树木茂密，沿江两岸有城市高层建筑和村镇分布，且部分边滩到达困难，时间要求紧急，外业采集时间需短期完成，故采用垂起固定翼无人机搭载激光雷达进行获取测区的高程数据。

2.2 数据获取与分析

根据测区的地形此次使用的无人机为垂起固定翼无人机CW-30搭载长距离激光雷达JoLiDAR62用于获取测区的点云数据，飞行参数和雷达参数见表1所示。本次作业共1个区域1个架次，设计飞行高度为300 m,航速为27 m/s。现场由于区域的空域管制，试验作业时间选为22:30-24:00。

表1 CW-30LiDAR测量系统主要参数

使用垂起固定翼无人机搭载激光雷达进行测量是目前测绘行业出现的一种新的作业方式，作业成本没有使用有人直升机那么昂贵，操作也更加智能化，而且本次试验是在夜间使用机载Lidar进行测量，在测绘行业中较为少见，作业前提前勘查好地形和设计好航线是本次试验的关键。

此次数据获取飞行时间总用时1.5 h，获取数据大小为32 G，经检查，整体数据完整无遗漏，数据的平均点云密度为每平方米16个点，满足1:500比例尺的制图要求。

3 数据处理

3.1 数据预处理

激光雷达的数据预处理主要将得到的点云数据根据激光扫描数据、精确位置数据和姿态数据进行解算得到目标物的空间三维坐标。

首先将采集得到的 GNSS 数据和 IMU 数据进行预处理。根据 GNSS 移动站、参考站数据结合IMU 姿态数据利用Inertial Explorer软件进行后差分解算，得到更准确的POS数据[11]。然后利用点云预处理软件解算出激光采集数据的轨迹，结合POS数据解析出标准格式(las)的点云数据，此时的坐标系统通常为WGS84坐标系，之后结合当地的坐标转换参数即可转为目标坐标系。

3.2 数据后处理

激光雷达的数据后处理主要是噪点去除、点云数据分类和滤波，即采用某种方法对激光雷达点云数据进行处理，从而区分地面点和非地面点[12]。本文采用TerraSolid软件对点云数据进行分类处理，主要基于不规则三角网原理，通过设定参数阈值进行滤波分离出地面点和非地面点[13]。

针对参数化地面分类会出现错漏和误判等现象导致分离出来的地面点云有误，特别是地形中高程突变的位置，可以通过改进参数或者小区域再次进行自动化分类，然后利用建立的TIN和地面影像采用人工分类的方法对点云数据手动分类还原真实的地面情况。本文以试验区中山体的两个台阶连接处点云分类为例进行说明，首先利用参数化分类，然后建立TIN查看分类效果(如图4所示)，山体的两个台阶连接处参数化分类效果并不理想，需要人工分类，人工分类是对TIN模型进行剖面分析，判断点云自动化分类是否准确，通过线上、线下、围栏分类把错误的点类别划分到准确的点类别中。除山体台阶外，在陡坎、矿坑等存在高程突变的地方都可能会出现点云参数化分类错误的情况。

图4 人工分类前后对比示意

人工精修后的点云数据即为真实的地面点数据，根据此数据可以生成高精度的数字高程模型，然后和测区的正射影像图相结合可以得到DLG等成果。

4 成果质量分析与应用

4.1 激光雷达点云精度分析

激光数据采集的优劣和数据处理是河道堤防测量中的关键，因此必须对点云数据的精度进行分析，尤其是点云的高程精度。点云数据的精度检查分为两部分：平面位置精度和高程精度。平面精度的检查即从点云中提取特征点与现场实测的点进行对比分析。平面位置中误差的计算如下：

(1)

其中：

(2)

(3)

式中:

XYRMSE——激光雷达点云平面位置中误差；

XRMSE——激光雷达点云在X方向上的平面位置中误差；

YRMSE——激光雷达点云在Y方向上的平面位置中误差；

n——检查点个数;

Xi——激光点在X方向上的平面位置;

Yi——激光点在Y方向上的平面位置;

本次试验从现场采集了房屋的屋角、输电线等点状地物共59个作为检验点，具体分布位置如图3中红色点位置所示，平面坐标误差分析见表2所示，平面坐标检测点误差分布情况见表3。

表3 点云平面精度统计

从表2中可以看出平面位置X和Y方向的误差都在±0.2 m左右波动，总体误差稳定，从表3中可知平面位置中误差为0.15 m，符合相关规范要求[14]。

激光点云高程精度的检验原理主要是利用地面点云数据形成TIN模型，然后利用实测的高程点和模型上的点进行比较，然后统计出误差的总体情况[15]。

高程中误差的计算公式如下：

(4)

式中:

ZRMSE——高程中误差；

Zi——第i个检查点对应的激光点内插高程值；

n——检查点个数。

本次试验采集了检验点68个，均匀分布于测区的不同区域，且检验点大都位于较为平整的地面，具体分布位置如图3中黄色点位置所示，高程误差分析表和点云高程精度统计和分别见表4和表5。

表4 高程误差分析

表5 点云高程精度统计 m

从表4中可以看出，大都数的高程较差在±0.05 m以内，最大为0.19 m, 说明此次采集的点云数据高程精度可靠。从表5中可知，检查点的高程中误差为0.05，高程精度完全满足1:500地形图要求[16]，可用于河道堤防地形图的制作。

通过分析平面位置精度和高程精度发现，平面位置的精度差于高程精度，主要是由于在进行机载激光雷达测量时并不能完全能够扫描到设计的关键点，平面位置精度检测时就很难找到和实测点完全匹配的点云。针对这样的情况，目前只能通过提高点云的密度和改进检验算法来提高平面位置的检测精度。

通过对点云数据的平面精度和高程精度分析，总体上本次试验是取得了较好的精度效果。另外由于机载激光雷达系统由多个模块组成，误差的来源也是多种的，包括卫星定位误差、IMU误差、测距误差、以及环境影响等这些因素都会影响试验的总体精度。通过试验结果看，本次试验从激光雷达的数据获取和处理均符合相关规范要求，且作业时间选择在夜晚进行，这对后续利用LiDAR系统在水利工程中的应用提供了重要的参考。

4.2 DEM精度分析

滤波后的地面点云数据按照规则的格网进行内插生成数字高程模型(Digital Elevation Model，DEM)。对内插的DEM，检查精度的公式为：

(5)

式中：

Zi——检查点的高程；

Ri——生成DEM后的内插高程。

本次试验从外业现场采集了584个碎部点进行DEM精度检验，包括密林地区、疏林地区、裸露地表三种地物类型，DEM与检查点的误差统计如图5所示，DEM高程精度统计情况见表6。

图5 DEM与检查点高程误差统计示意

表6 DEM高程精度统计 m

通过外业检测结果分析，发现基于点云数据生成的DEM准确性受地形影响较大，在裸露地表的DEM数据精度高于疏林地区和密林地区，因为在疏林地区和密林地区受植被影响造成点云数据误差偏大。从图5中可以看出DEM与检查点高程误差分布呈现出正态分布趋势，说明各个检查点之间的误差相对稳定，没有异常点出现。表6中虽然密林地区的误差大于疏林地物和裸露地表的误差，但是三种地物类型的中误差均不大于0.1 m，说明DEM精度可以满足成果要求。随着DEM插值方法的改进，DEM精度有望进一步提高。

4.3 结果分析

通过对激光雷达数据的精度分析可知，点云数据具有较高的精度，可用于生产高精度的数字高程模型，且取得了很好的效果，真实的反映出了地面的起伏变化信息，为地形图数据的生产提供了准确的高程信息，便于制作等高线。后续随着精度的提升，可将点云数据用于河道的断面测量，将极大的提高作业效率。

5 结语

本文提出利用垂起固定翼无人机搭载激光雷达系统在夜间对河道堤防的地形进行测量，并将其运用于东江河道堤防进行地形数据采集，这样能够快速的获取地面三维信息，又能很好的满足测绘要求。并从点云数据的平面精度、高程精度和DEM精度三个方面进行了质量成果分析，结果表明本文所采用的方法可以满足大比例尺数字高程模型的制作要求，在河道堤防的测量中具有广阔的应用前景。但是目前也存在着一些不足，主要体现在以下几方面。

1) 精度方面：目前点云数据的分类多采用参数化分类进行，然后在由人工判断参数化分类是否准确，在坡度越大和植被树木越密集的地方误差越大。

2) 数据处理方面：生产的激光点云数据量较大，需要较高配置的电脑才能处理，且在点云滤波时存在主观性影响，DEM插值方法的不同都会对数据精度产生影响。

3) 无人机方面：目前垂起固定翼无人机的动力较多选用油动混合，具有一定的危险性；飞机尺寸也较大，需要的起降场地也更大，不够灵活；飞机的智能化不足，不具备自动感知障碍物的功能，在应急处理时多依赖于操作员的技术水平。

但是随着技术的发展，无人机作为未来重要的发展方向，飞机的动力也会更加多元化、系统智能化、布局多样化、尺寸小型化；点云数据的处理也会更加规范化、标准化，机载激光雷达系统在河道堤防测量中的应用也会越来越普遍，在我国水利水电的建设中发挥重要的作用。