无人机载LiDAR测深系统进行海岸带测绘的可行性分析

宿殿鹏1,2，阳凡林1,2，陈 亮3，王仕强，陈 雨3，陈 涛

(1.山东科技大学 测绘与空间信息学院，山东 青岛 266590； 2.自然资源部 海洋测绘重点实验室，山东 青岛 266590；3.中测瑞格测量技术(北京)有限公司，北京 100125； 4.北斗智云(天津)科技有限公司，天津 300160)

海底地形数据可为生态环境保护、灾害防治、旅游开发以及交通规划提供基础地理数据支撑[1]，也是相关海洋科学研究、海洋工程应用、海洋军事决策的重要数据来源[2]。然而，由于海岸带、海岛礁周边浅水海域地形变化大、环境复杂，采用常规的海洋测绘方式效率低、成本高、难度大、风险高，会存在一定的测量空白区域(图1)。如何突破复杂浅水海域快速高精度测量，成为当前亟待解决的海洋测绘技术问题。

图1 复杂浅水区域传统水下测量方式的局限性Fig. 1 Limitations of traditional underwater survey methods in complex shallow water area

机载LiDAR测深(airborne LiDAR bathymetry, ALB)同时具备水陆地形测量功能，具有测量效率高、覆盖面广、水陆两用等诸多优势。其测深能力受水质限制，理论最大测深一般不超过70 m[3]，可以解决复杂浅水水域测量的技术难题，特别适用于浅水海岸带附近区域等复杂地形的快速探测[4]，实现海岸线水上水下地形的无缝拼接[5]。由于机载LiDAR测深和船载声学测深(图2)在测量区域和测量范围方面具有一定的互补性，将二者数据融合可以获得水上水下全覆盖三维地形数据(图2(c))。早期多采用有人机搭载测深LiDAR设备获取水陆一体化空间数据[6-7]，随着技术发展，目前出现了体积更小、质量更轻的便携式测深LiDAR和无人机平台，无人机载LiDAR测深系统应运而生。相较于有人机载LiDAR测深系统，无人机载LiDAR测深(UAV-borne LiDAR bathymetry, UAV-ALB)作业空域申请更为方便，成本控制也更有效[8]。现阶段，无人机载LiDAR测深系统在国内尚未得到广泛应用。

图2 机载LiDAR测深机理及应用Fig. 2 Principle and application of airborne LiDAR bathymetry

为全面深入了解、验证无人机载LiDAR测深系统测量性能及其适用性，特别是在我国海岸带区域作业的可行性，利用RIEGL VQ-840-G ALB系统，在山东青岛开展了无人机载LiDAR测深综合实验，获得一批有价值的测量数据。从测点密度、最浅探测深度、最大探测深度和测深精度4个方面定量分析无人机载LiDAR测深系统的测量性能，并进一步分析采用无人机载LiDAR测深系统进行海岸带测绘的可行性。

1 测深原理及典型设备

1.1 测深原理

机载LiDAR测深是一种主动式遥感测量技术，利用蓝绿色激光能够穿透水体的传播特性实现水深测量。海水对波长为520～535 nm的绿激光吸收最弱，因此该波长被称为“海洋光学窗口”[9]。基于这一光学特性，研发出机载LiDAR测深系统，按照激光波段数量分为单色激光机载LiDAR测深和双色激光机载LiDAR测深。

图3 单色激光机载LiDAR测深原理图Fig. 3 Working schematic of monochrome airborne LiDAR bathymetry

以单色激光机载LiDAR测深为例，利用装在飞机下部的激光发射器(波长为532 nm的绿光)向水面以扫描测量的方式发射激光脉冲，激光束以一定倾斜角入射至海面。532 nm绿色激光既透气也透水，因此在大气-水界面发生折射效应，光束通过在水体中的光路传输到达海底，并在海底界面发生反射，沿着路径返回，被激光接收器所接收。通过信号检测、处理获得绿激光从海面、海底返回的时间差，结合绿激光的入射角、大气-水界面折射角等因素进行综合计算，即可得到测量点的瞬时水深值(图3)。通过与卫星-惯导组合定位系统(global navigation satellite system/inertial navigation system, GNSS/INS)测得的实时位置信息、姿态信息(侧滚角、俯仰角和航向角)、潮汐数据等进行数据融合处理，即可得到测量点在地理坐标系下的坐标和基于深度基准面的水深值[10]。

1.2 典型无人机载LiDAR测深商业系统

最早开展无人机LiDAR测深系统研发的是奥地利RIEGL公司，相继推出了RIEGL BDF-1和RIEGL VQ-840-G系统，在国外浅水及岸线地形测量工作中得到应用，包括国外海军浅水测图等任务(表1)。近几年我国中科院上海光机所也开始着手研制国产无人机LiDAR测深系统Mapper4000U，并于2021年研发成功，已在福建漳州、山东青岛、海南万宁等地进行海试，获得了一批有价值的数据。

1) RIEGL BDF-1是一款专为水深测量设计的激光测深仪(图4(a))，专为无人机(unmanned aerial vehicle, UAV)系统设计，紧凑、轻小的设计使其可以方便搭载于无人机平台上。其为线扫描模式(类似于船载单波束测量)，在4 kHz的激光发射频率下，根据飞行速度和平均比率的不同，测量点间的距离为1～10 cm[11]，成为获取内陆水体剖面数据的理想工具。

表1 典型商业无人机载ALB系统技术指标[11-12]Tab. 1 Technical index of typical commercial UAV-airborne LiDAR bathymetry system

2) RIEGL VQ-840-G是一款完全集成的紧凑型机载激光扫描仪(图4(b))，能够同时进行水文和地形测量。该系统集成了经过原厂检校过的GNSS/INS系统，其紧凑而轻巧的设计可适用于多种飞行平台，包括无人机平台。通过强大的脉冲激光源，发射狭窄的绿色可见激光束，激光束以椭圆扫描模式偏转，以极小变化的入射角打入水面[12]，实现高分辨率的水下地形测量。

图4 典型商业无人机LiDAR测深系统[11-12]Fig. 4 Typical commercial UAV-airborne LiDAR bathymetry system

2 实验与分析

2.1 实验概况

为充分验证无人机载LiDAR测深系统在我国进行海岸带测绘的可行性，山东科技大学测绘与空间信息学院组织开展了无人机载LiDAR测深综合实验(图5)。本次实验是国内首次使用RIEGL VQ-840-G无人机载LiDAR测深系统(中测瑞格提供)进行海岸带水陆地形测绘，旨在通过测深实验分析UAV-ALB系统的测深性能，为国内无人机载测深LiDAR海岸带测绘提供参考。

本实验于2021年10月22日在青岛胶州湾入海口南侧海岸(图5(a))进行，该测区水质相对清澈，实测赛奇盘平均深度2.6 m(图5(e))。此次综合实验，RIEGL VQ-840-G系统的采集频率设为50 kHz，航高50 m，航速5～6 m/s，激光发散角1 mrad，扫描天底角20°；共设计飞行了两个航次，航次一和航次二分别采集了10条和9条航带的测量数据；惯性导航系统采用APPLANIX APX20。对采集的数据已进行了多传感器标定校准、点云去噪、测深折射改正、航带间系统误差剔除等数据后处理。此外，还同步采集了航空照片(图5(f)，照片曝光间隔为2 s)。同时，为验证RIEGL VQ-840-G的测量性能，分别利用船载单波束测深仪(single beam echo sounder, SBES)、实时动态测量(real-time kinematic, RTK)采集了水下点和陆上点。

图5 无人机载LiDAR测深综合实验概况Fig. 5 Comprehensive experiment of UAV-airborne LiDAR bathymetry system

2.2 实验结果分析

2.2.1 测点密度

表2 点云密度统计Tab. 2 Point cloud density statistics

图6 RIEGL VQ-840-G采集点云密度统计Fig. 6 Density statistics ofpoint cloud captured by RIEGL VQ-840-G

测点密度可直接反映地形地物的空间分布特点，对海岸带实景三维模型构建等工作至关重要。为了解点云密度情况，对陆地点、海面点、海底点的密度特征进行了统计。如表2和图6所示，RIEGL VQ-840-G在陆地和水下均具有极高的测点密度，可以满足后续海岸带点云数据应用的需求。

相对于有人机，无人机搭载LiDAR测深系统的飞行高度(50～100 m)相对较低，飞行速度(旋翼5 m/s)较小，测点密度相对较大、测量效率相对偏低。当然，由于其重量较小，对于无人机测量的稳定性要求高，测量时要尽量选择良好的海况(海面风速小于5 m/s)。

2.2.2 最浅探测深度

受发射激光脉冲波宽和接收器接收带宽的限制，对于水深小于2 m的极浅水区域，ALB海面波形和海底波形容易混叠在一起，造成位置识别困难，很大程度上限制了ALB的最小深度探测能力，甚至会在水陆交界处留下数据空白带。因此，最浅探测深度是影响ALB测深性能的关键因素之一。为确定RIEGL VQ-840-G的最浅探测深度，通过遍历查询采集的波形，分析其最浅探测深度(图7)。

图7 水下斜距小于1 m的典型波形Fig. 7 Typical waveforms with underwater slant distances less than 1 m

选择4组水下斜距小于1 m的典型波形进行分析，如图7(a)所示，海面与海底的时间差仅为1.5 ns，对应的水下斜距最小值约为0.169 m。顾及绿光进入水体后的入射角θ，由斜距L计算垂向水深h(h=Lcosθ)，其最小测深值约为0.16 m。通过分析知，在现有硬件条件下，研究确定一种极浅水波形分解算法，如何将海表面和海底反射信号从叠加的测深回波信号中准确分离出来，是进一步提高ALB系统最浅探测能力的关键所在。

2.2.3 最大探测深度

最大探测深度是衡量ALB测深能力的关键指标之一，严格意义上，其为ALB所能探测的最深海底点与平均海面间的高差。通常，ALB实验开始前，需要测量赛奇盘深度，以指导ALB测线布设等测前工作，进而提高测量效率和效果。如表1所示，RIEGL VQ-840-G的最大探测深度为2.5倍的赛奇盘深度(@50 kHZ)。为验证其指标的准确性，选择垂直于海岸的剖面进行显示(图8)。由于海面点云具有一定的厚度，因此在计算时平均海面高程使用海面点云的平均高程予以表示，最深海底点便是海底点云中高程最低点。

图8 包含最深海底点的点云剖面Fig. 8 Point cloud profiles containing the deepest seafloor points

经计算，测区平均海面高程为3.394 m，海底最深点高程为-2.746 m，该数据中ALB最大探测深度(基于平均海面)即为6.14 m。本次实验同步采集的赛奇盘平均深度为2.61 m，因此本次ALB实验的最大测深约为2.4倍赛奇盘深度，基本满足系统规定指标。此外，风、浪、太阳辐射等环境因素也对ALB测深能力有重要影响[13]。值得注意的是，此处获得的最大探测深度是基于平均海面的，最大穿透深度要大于6.14 m。通过此次实验可知，在实际海岸带测绘作业中，可先进行赛奇盘深度的测量工作，选择有利于机载LiDAR测深的作业海域、作业季节，有针对性地开展海岸带机载LiDAR测深工作，以提升测绘效率、降低作业成本。

2.2.4 测深精度

为评估ALB测量稳定性并验证测深精度，分别计算ALB航带间同名点误差，以及将ALB数据与船载单波束测深、陆上RTK同名点间对比，进行ALB数据内符合与外符合精度分析。其中，航带间同名点对比采用反距离加权(inverse distance weight, IDW)确定相邻航带间的同名点，再进行高程(水深)对比。不同数据源间数据对比则是将RTK与SBES点作为真值，选取临近的三个ALB点进行IDW处理，确定同名点后再进行高程(水深)对比。对比精度采用同名点间高差的标准差进行衡量：

(1)

式中，Xp,i与Xo,i代表第i组同名点对，n代表同名点对数量。

1) 内符合精度

本实验相邻航带间均具有30%左右的重叠区域。为分析航带间偏差，验证ALB探测同一区域的稳定性，在各相邻航带间选取一定数量的同名点，计算其内符合精度。选取并计算航次一采集10条航带的相邻航带间误差，其统计结果见表3、表4。

表3与表4分别统计了各相邻航带间陆地和海底的22对同名点高差的最大值、最小值、平均值与标准差。对陆地点进行比较，仅有一对相邻航带同名点间标准差较大，为15.3 cm，其他各航带重叠部分同名点标准差均小于7 cm；对水下点进行比较分析，大多航带间高差最大值小于20 cm，最小值仅为0.1 cm，平均值与标准差均小于10 cm。综上，RIEGL VQ-840-G相邻航带间具有较高的内符合精度，系统测量结果具有较好的鲁棒性。

表3 航带重叠区域陆地同名点高程误差统计表(陆地点云)Tab. 3 Elevation errors of land corresponding points in strip overlap areas

表4 航带重叠区域海底同名点水深误差统计表(海底点云)Tab. 4 Bathymetric errors of the seabed corresponding points in strip overlap areas

2) 外符合精度

为验证RIEGL VQ-840-G系统测量点的外符合精度，通过目前较为成熟的陆上与水下地形测绘手段(RTK与SBES)所采集数据分别与ALB点云进行对比分析。本次ALB实验测区内分布有一定数量的RTK测量点(图9中黑色点)与SBES测深点(图10中黑色点)，从中各选取20对同名点进行对比，计算同名点高差(图11)，统计高差(水深)最大值、最小值、平均值和标准差，如表5所示。

图9 ALB点云与RTK点相对分布Fig. 9 Relative distribution between ALB point cloud and RTK points

图10 ALB海底点与SBES点相对分布Fig. 10 Relative distribution between ALB seabed points and SBES point

图11 ALB与单波束同名点误差随水深分布Fig. 11 Error distribution of corresponding points between ALB and SBES

综合表5和图11可知，ALB所测陆地点与RTK点间高差最大值为8.8 cm，最小值为1.0 cm，均值与标准差分别为4.4、5.2 cm，说明RIEGL VQ-840-G具备较好的陆地点测量精度。根据《海洋工程地形测量规范》[14]，0～15 m水深范围，单波束的主、检点位水深对比时重合深度点的不符值限差<0.3 m，且超限的点数不超过参加对比点总点数的25%。RIEGL VQ-840-G无人机载LiDAR测深系统测深数据与SBES数据进行对比，水深差最大值为38.7 cm，最小值为2.6 cm，水深差平均值与标准差分别为14.4、17.6 cm，较大水深差出现次数较少(图11)，大多数的对比水深差在20 cm以下，表明RIEGL VQ-840-G具备较好的水下地形测量精度。

表5 ALB水上水下点云成果精度对比Tab. 5 Accuracy comparison of ALB point cloud above water and underwater

3 讨论

利用无人机载LiDAR测深系统进行海岸带测绘前需制定详细的测量方案，包括测量时间的选择、天气情况的考虑、系统参数的设置和辅助数据的采集等。另外，还需要针对性的对采集的数据进行精细化处理。本研究提出几条实验经验与建议，旨在为无人机载ALB数据采集、数据误差改正提供参考。

1) 扫描轴偏角的大小直接决定着ALB测量精度，系统安装时要做到扫描轴偏角尽量小或确定其具体的轴系偏转角度，建议实验前进行多传感器标定。

2) ALB测深误差随海面倾角的增大而增大，并随扫描天底角的增大而增大。其中，海面风速决定着海面倾角的变化，风速越大，海面倾角越大。因此，测量时要尽量选择良好的海况(海面风速小于5 m/s)。另外，较大的扫描天底角会影响测量精度，较小的天底角则会降低测量效率。在保证测深精度和测量效率的前提下，建议扫描天底角设置为15°～20°。

3) 水体折射率精度影响ALB测深精度。通过计算，10 m水深情况下，水体折射率分别采用1.330和1.334时，测距相差约4 cm。因此，为了获得较为准确的水体折射率，测量实验设计时建议采用温盐深(conductivity temperature depth, CTD)剖面仪采集测区水域的CTD数据作为辅助数据。

4) 无人机载LiDAR测深数据处理对于获得高精度数据至关重要。对于激光指向误差，可以通过规范系统安装来避免一部分，另一部分可以通过系统校准来校正；对于水面折射误差，可以利用基于水面模型和光线追踪的ALB折射改正方法进行修正。如果需要更精确的地形数据，还需要考虑水体散射误差、水体折射误差、不规则水底地形起伏误差等[15]。

4 结论

为了评估无人机载LiDAR测深系统进行海岸带测绘的可行性，基于RIEGL VQ-840-G无人机载LiDAR测深实验获得的数据，分别从测点密度、最浅探测深度、最大探测深度、测深精度4个方面定量分析了无人机载LiDAR测深系统的测量性能，得到以下结论。

1) RIEGL VQ-840-G无人机载LiDAR测深青岛实验的水深点密度达603个/m2，最浅探测深度仅有0.16 m，最大探测深度(基于平均海面)达6.14 m，水下测深精度达17.6 cm(与船载单波束测深数据对比)，陆上高程精度为5.2 cm(与陆上RTK数据对比)。

2) 实验对比结果能够满足海岸带测绘的要求，说明无人机载LiDAR测深系统应用于海岸带等浅水区域水陆一体化测绘是可行的，相关成果也可为我国机载LiDAR测深技术的研发与应用提供相应参考。