机载LiDAR 在城市复杂地形环境大比例尺地形测绘中的应用研究

文／叶绍东 佛山市三水国盛测绘有限公司 广东佛山 528000

引言：

本文提出了一种城市复杂地形环境下的倾斜模型结合LiDAR 点云的方法，用于小区域大比例尺数字地形图的更新。通过采用五镜头六旋翼无人机进行全区域拍摄，以及机载激光雷达对点云进行采集，并对高度不足10 米的区域进行低空补飞，我们成功地克服了倾斜摄影技术的局限性。通过融合倾斜影像点云和机载激光点云进行建模，我们得到了位置精度和模型质量均最优的倾斜三维模型。基于该模型进行的测图工作表明，在合理的飞行方案和像控点布设情况下，采集的数字地形图的平面和高程精度完全满足并优于1:1000 数字地形图动态更新的精度指标。

1.试验区概况

试验区的面积为0.39 平方千米，地势起伏较大，地形变化较明显。在试验区的中部以及周边地区，地势相对平坦，周围环境较为开阔。在小区内部存在着高层建筑和别墅，这些建筑物的高度变化较大，同时地面上也有着丰富的绿化树木。由于树木的存在，建筑物的底部容易受到遮挡的影响。此外，这些建筑物的结构相对复杂，一些阳台等部分具有内凹的结构特点。如果仅采用单一角度进行拍摄，可能会导致视域盲区的产生，无法获取完整的建筑物信息。在建立三维模型的过程中，也容易出现空洞、拉花、纹理和信息缺失等问题。因此，在对该试验区进行三维建模时，需要综合考虑地势变化、建筑物结构复杂性以及植被遮挡等因素，采用多角度、多视角的数据采集方式，以确保获得准确、完整的三维模型信息。这样的三维模型可以为后续的规划设计、环境分析和可视化展示提供重要的基础[1]。

而试验区南部的地势较为陡峭，坡度超过6°，属于山地地形，植被茂密。在摄影过程中，很难穿透植被获得清晰的图像。该试验区面临无人机倾斜摄影技术中遮挡和植被茂密地区的挑战。针对这些问题，本研究提出了一种创新的方法，结合倾斜模型和LiDAR 点云数据，以实现小区域大比例尺数字地形图的更新。

2.技术路线

首先对整个研究区进行激光点云数据采集。特别关注植被茂密的山地地区，以获取真实的地貌信息。在数据采集前，布设了12 个像控点，确保点位分布均匀。针对地形起伏较大的区域，增加了一些额外的像控点，以提高高程精度[2]。最后，完成地形地貌数据的更新。整个技术路线的流程如图1 所示。通过本方法，可以有效克服无人机倾斜摄影技术在复杂地形和植被茂密地区所面临的挑战，并提供精度满足要求的数字地形图数据。该技术路线如图1 所示。

图1 技术路线

3.数据采集

3.1 无人机倾斜摄影

为了获取更全面的数据和补充低空视角的信息，本次使用无人机进行了倾斜摄影。通过两次全区域的拍摄，我们获得了大量的数字航摄像片，共计4153 张。为了进一步完善数据，我们进行了低空补飞，采集了额外的141 张原始图像。这些图像将为后续的倾斜摄影建模和地形地貌分析提供充分的基础和素材。

倾斜摄影技术的应用能够提供更为精细和立体的影像数据，能够捕捉到建筑物、地形等细节的立体形状和细节。通过倾斜摄影建模，我们可以更准确地还原目标区域的地貌特征和地物形态，为规划设计、环境评估、景观分析等领域提供重要的依据。借助这些采集到的图像数据，我们将进行倾斜摄影建模，生成高分辨率的三维模型，以便更好地了解和分析目标区域的地形、地貌等特征。这将有助于对地理空间信息进行深入研究，并为相关领域的决策和规划提供有力支持[3]。

3.2 无人机机载激光雷达数据采集及预处理

在无人机机载激光雷达数据采集及预处理过程中，首先进行了数据采集。采用的激光雷达系统具有较高的采集速率，达到了每秒300,000 个数据点的采集频率。通过无人机的飞行，我们能够快速而精确地获取目标区域的地面点云数据。

采集到的激光雷达数据经过预处理，包括去除噪声、滤波、点云配准等步骤。首先，通过对原始数据进行噪声滤除和平滑处理，提高了数据的质量和准确性。其次，对采集到的点云数据进行滤波处理，去除异常点和无效数据，进一步优化了数据的可靠性和一致性。

此外，为了确保数据的精度和准确性，还进行了点云配准操作。通过匹配不同位置的数据集，并根据重叠区域进行点云的对齐，实现了整个数据集的一致性和连续性。这样可以获得更完整、准确的地面点云数据，为后续的地形建模和地物提取等工作奠定基础。

无人机机载激光雷达数据采集及预处理的过程是获取高质量地理空间数据的关键步骤。通过采用先进的激光雷达技术和精细的数据处理方法，我们能够获取准确、详细的地面点云数据，为地理信息分析和应用提供有力支持。

4.内业数据处理

4.1 空中三角测量

在空中三角测量中，首先需要获取高分辨率的影像数据。这些影像数据可以通过航空摄影或无人机航拍等方式获取。接着，我们使用专业的软件（如Context Capture）进行第一遍空中三角测量，通过对影像进行特征点匹配、像控点测量和相对定向等处理，得到初始的三角测量结果。

随后，进行第二遍空中三角测量，主要包括绝对定向和精确的空中三角测量。绝对定向是通过引入地面控制点，将影像与地理坐标系统进行校正，使得影像数据与实际地理位置相对应。而精确的空中三角测量则是通过对影像进行更精细的特征点匹配和测量，计算出更准确的三维坐标信息。

通过以上步骤，我们可以得到高质量的空中三角测量结果，包括具有准确地理坐标的特征点、地物的三维坐标以及地表的数字高程模型等。这些数据对于地理信息系统、城市规划、地形分析等领域具有重要意义，并为后续的数据处理、分析和应用提供可靠的基础。空中三角测量的精度符合要求，可以满足各种工程和科学研究的需求，为空间数据的获取和利用提供有效支持[4]。

4.2 三维模型构建

在三维模型构建过程中，我们采用了无纹理的方法，即不考虑物体表面的纹理信息，主要关注物体的几何结构。首先，我们使用空中三角测量得到的高质量的特征点和三维坐标数据作为基础，然后进行三维模型的生成和重建。

在三维模型构建过程中，我们尝试了不同的建模方法和算法，如点云处理、体素化、网格生成等。通过对这些方法的评估和比较，我们可以选择最适合的建模方法来生成高质量的三维模型。

此外，在建模过程中还进行了数据的预处理，包括噪声去除、点云滤波、采样和数据配准等。这些预处理步骤有助于提高模型的精度和质量，减少数据中的噪声和误差。

通过以上步骤，我们可以生成无纹理的三维模型，即注重物体的几何结构和形状。这种无纹理的三维模型适用于一些应用场景，如建筑物建模、地形分析、虚拟现实等领域。它可以提供准确的物体形状信息，并为后续的数据分析和可视化提供可靠的基础。

4.3 激光点云分类和DEM 制作

针对激光点云数据的分类和DEM 制作，我们采取了一系列的步骤和方法来提高分类的准确性和质量。

首先，我们使用先进的分类算法对激光点云数据进行分类。这些算法包括基于特征的分类方法、机器学习算法等。通过对点云数据进行特征提取和分类，可以将点云数据分为地面点、建筑物点、植被点等不同的类别。这有助于后续的地形分析和建模。

在分类之后，我们还可以参考正射影像进行手动的精细分类。这包括调整分类算法的参数和设置，以适应高程突变区域和复杂地形。通过手动的精细分类，可以进一步提高分类的准确性和质量，确保不同地物类别被正确地分类和提取出来。

同时，为了制作DEM（数字高程模型），我们可以使用分类后的地面点云数据进行插值和平滑处理。通过对地面点云数据进行插值，可以生成高精度的地面模型，反映地表的高程变化。这对于地形分析和地貌研究非常重要。

总之，通过激光点云的分类和DEM 制作，我们可以获取准确的地物分类结果和高精度的地表高程模型。这为地理信息系统、城市规划、环境监测等领域的应用提供了可靠的基础。同时，不断优化和改进分类算法和制作方法，可以进一步提高分类和DEM 的精度和效果。

4.4 1:1000 数字地形图数据采集

为了采集1:1000 数字地形图数据，我们采取了一系列措施以确保数据的精度和准确性。

首先，我们选择了适当的测图比例，即1:1000，以确保地形图的细节和准确度。该比例可以提供足够的细节，同时又不会造成数据过于冗杂。

在数据采集过程中，我们采用了倾斜摄影技术。倾斜摄影能够提供更为真实和立体的地貌信息，使地图更加真实和精确。通过使用倾斜摄影，我们可以获得具有高精度的三维模型数据，用于测绘和制作数字地形图。

为了确保测绘的精度，我们采用了房棱绘图方法。通过选择建模效果较好的区域进行绘制，我们可以确保地图中的地物位置和形状的准确性。这种绘图方法可以提高地图的精度，并确保地图中的地物与实际情况一致[5]。

运用经典的蠕虫状链模型来描述DNA等刚性分子已很普遍[5-8],持续长度也可以用计算机进行模拟[9-10],投影长度对分子链形态的描述也有其独到之处[11-12].随着高分子科学向生命物质的不断渗透,采用蠕虫状链模型来处理分子链形态与构象关系将越来越多[13-15].为此,更正一些不当的处理过程,发展计算机模拟方法,将使蠕虫状链模型得到进一步的发展和补充.

最终的1:1000 数字地形图成果展示了通过倾斜三维模型进行测绘所得到的结果（图2）。这些数据采集和测绘过程保证了地图的精度和准确性，确保地图中地物的位置和形状准确无误。这对于地理信息系统、城市规划和其他应用领域具有重要意义。通过采用倾斜摄影和房棱绘图等技术，我们可以不断提高数字地形图的质量和精度，为实际应用提供更可靠的数据基础。

图2 1:1000 数字地形图

5.质量评定

5.1 倾斜三维模型质量分析

5.1.1 位置精度检测

位置精度是评估倾斜三维模型建模结果的重要指标之一。通过对建模结果进行位置精度检测，可以评估倾斜三维模型的建模准确性和位置表达能力。

在位置精度检测过程中，我们通常会与现实世界中的地理标志物进行对比，比如已知位置的控制点或其他具有已知坐标的地物。通过将倾斜三维模型的位置信息与这些已知坐标进行比对，我们可以评估建模结果的位置精度。

研究结果表明，采用倾斜三维模型进行建模的过程具有高精度，并能够准确地表达地物的位置信息。这意味着倾斜三维模型可以为地图制作和测绘工作提供可靠的基础数据。高位置精度的建模结果可以确保地图中地物位置的准确性和可信度，使地图更加符合实际地理环境。

因此，在倾斜三维模型的建模过程中，位置精度的检测是不可或缺的环节。通过对建模结果进行准确性和可靠性的验证，我们可以确认倾斜三维模型的建模结果是否符合要求，并为后续的地图制作和测绘工作提供可靠的数据基础。位置精度的高低对于地图制作和测绘工作具有重要意义，它直接影响着地图的准确性和可靠性。因此，在倾斜三维模型建模过程中，我们需要重视位置精度检测，不断提升建模技术和方法，以确保建模结果的高精度和优质性。

5.1.2 模型质量

模型质量是评估倾斜三维模型建模结果的重要指标之一。为了确保建模的准确性和完整性，本次试验采用了一种新的建模方案，与其他方案相比，它具有更好的性能和能力来处理复杂的数据。

为了提高建模的效率，我们还可以考虑采用计算机集群的方式进行协同计算。通过利用多台计算机的并行处理能力，可以加快建模过程，提高建模的效率和准确性。

总的来说，通过对建模方案进行比较和评估，我们可以确定建模的准确性、完整性和质量。这些评估结果对于保证建模结果的可信度和适用性非常重要。在未来的研究和实践中，我们应该继续探索更加先进和高效的建模方法，以进一步提高倾斜三维模型的质量和精度，满足实际应用的需求。

5.2 数字高程模型精度检测

根据实测结果和计算，平地区的数字高程模型（DEM）的平地区的误差优于规范中规定的一级精度（0.2m），而山地区的误差也优于规范中规定的一级精度（0.7m）。因此，这些数字高程模型的精度达到了1:500 数字高程模型的一级精度要求。

这意味着在实验区内，针对平地和山地不同地形类别，所生成的数字高程模型(DEM)的精度都能够满足规范要求，并且在山地区的精度表现更好。这些结果对于后续的地理信息应用和相关研究具有重要意义。

5.3 1:1000 数字地形图精度检测

5.3.1 未遮挡区域位置精度

其中22 个检查点的平面误差在5cm 以下，占总数的75.86%；这些结果表明数字地形图在未遮挡区域的位置和高程信息具有较高的准确性和可靠性。

5.3.2 建筑物房角点平面精度

在评估建模质量时，平面误差是一个重要的指标。根据对房角点的分析，我们可以看到在平面误差方面的表现。具体而言，有20 个房角点的平面误差在5cm 以下，占总数的28.57%。另外，28 个房角点的平面误差在5～10cm 之间，占总数的40%。然而，还有22 个房角点的平面误差超过10cm。

经过进一步的分析，我们发现这些平面误差较大的点主要是由于以下原因：首先，建筑物的复杂结构和内凹部分可能导致了误差的累积；其次，遮挡物（如树木）和高度变化也可能影响了测量的精度；此外，数据采集和处理过程中可能存在一些技术因素或操作不当，导致了误差的产生。

结语：

本研究通过探索机载LiDAR 在城市复杂地形环境下的应用，对大比例尺地形测绘进行了深入研究。通过倾斜模型结合LiDAR 点云数据的采集与处理，我们获得了高质量的数字地形图，并验证了其在平面和高程精度方面的优越性。研究结果表明，机载LiDAR 能够有效获取复杂地形环境下的地形数据，包括山地和植被茂密区域。与传统的测量方法相比，机载LiDAR 具有时间短、效率高和成本低的优势，能够提供更精确的地形信息。