基于AHP的无人机激光扫描测绘质量控制研究与应用

关键词：无人机，激光扫描，层次分析法，质量控制

0 引言

现阶段，无人机激光扫描技术在测绘领域应用效果显著，已广泛应用于城市治理、环境监测、地质调查等多个领域，为行业带来了革命性的变革。该技术是把具备高速线扫描测距功能的LiDAR系统、全球定位系统与惯性测量单元、高清相机组合构成快速、准确、高密度获取地物地理空间数据的测量系统，可实现大面积范围内地物点三维位置的精确定位，有效提升了测绘工作的效率和精度[1-4]。但无人机激光扫描技术在实际应用中仍存在诸多影响质量的因素，主要包含以下几个方面：

（1）精度与稳定性：无人机在飞行过程中受风速、风向等环境因素影响，会导致其姿态不稳定，进而影响测绘数据准确性。此外，传感器误差、飞行器姿态等因素也可能导致测绘结果的精度不高。

（2）数据处理与解析：无人机获取的影像数据需要进行后续处理和分析以提取有用数据，但如何高效、准确地处理大量数据仍存在挑战。特别是对于复杂地形和遮挡区域的数据解析存在较大难度。

（3）法规与标准：无人机在飞行过程中需要遵守相关的飞行管制和法规限制，如飞行高度、飞行区域等，这些限制可能会给测绘工作带来一定的不便和困难。此外，针对无人机激光扫描在测绘中的应用，尚未形成统一的行业标准规范，这可能导致不同项目在采用无人机激光扫描测绘时存在技术路线、数据处理等方面+xZFUqdaAmb4d2f+vtLHAw==的差异，最终对数据质量产生影响。

（4）可靠性：无人机设备的可靠性也是影响测绘的一个重要因素。如果设备出现故障或损坏，可能会导致任务无法完成或数据质量受影响。此外，无人机在飞行过程中可能面临如电池故障、信号丢失等多种风险，也会导致数据的丢失或损坏。

综上所述，无人机激光扫描测绘技术在实际应用中需要注意精度与稳定性、数据处理与解析、法规与标准以及可靠性等方面的因素，以确保测绘作业质量可控。

1 质量控制指标分析

1.1 全流程质量控制指标体系

无人机激光雷达扫描测绘主要包括外业扫描作业（资料搜集与踏勘、制定航摄计划、航摄准备、激光雷达数据采集、数据质量检查）和内业数据处理（数据预处理、激光点云数据分类、数字高程模型、数字表面模型、正射影像图等数字成果制作）等关键环节[5-6]。AHP（Analytic Hierarchy Process）作为质量管理过程中常用的方法，其原理是将复杂的质量管理目标分解为多个层次，通过专业评估建立判断矩阵，量化各因素重要性，计算权重以协助决策，提高预测和判断能力，优化质量管理[7-8]。

本研究对无人机激光雷达扫描测绘全流程进行分解，结合AHP分析与归纳出无人机激光扫描测绘三层次质量控制指标体系，如表1所示。

1.2 质量控制指标重要度评估

在开展无人机激光扫描测绘质量控制过程中，可以结合三层次质量控制指标面向无人机激光扫描测绘领域的专家、技术人员和作业人员开展评估，根据评分标准开展数据统计，以获得各层次质量控制权重，明确质控控制重点，以指导无人机激光扫描测绘质量控制工作。本研究结合无人机激光扫描测绘质量控制实践，设置了供参考的评分标准，以指导开展质量指标重要度评估，如表2所示。

上式中，CI 取值范围在0到1之间，用于判断矩阵中的元素是否满足传递性和一致性。当CI值越接近1，表示一致性越低；而CI 值越接近0，则表示一致性越高。CR 用于判断判断矩阵是否满足一致性要求，结合判断矩阵阶数可得RI 值。当CR <0.1时，判断矩阵通过一致性检验，计算得出的权重可信；若CR≥0.1，则判断矩阵未通过一致性检验，需要检查判断矩阵的逻辑性问题，应修正后重新分析。

2 案例应用

2.1 项目简介

某项目利用无人机激光雷达扫描技术对某典型地形地貌区域进行扫描作业，采集点云数据并进行滤波和分类，建立不同地物点云数据库。同时，根据剥离植被后的高密度地面点数据，生成调查区域高精度数字化成果，为开展地质灾害调查评价提供数据支撑。最终成果按《基础地理信息数字成果1：500 1：1000 1：2000 1：5000 1：10000数字表面模型》（CH/T 9022—2014）的要求，点云密度不低于16点/m2，格网不大于0.5m。

2.2 项目实施

项目实施前，结合项目特点对该项目无人机激光扫描测绘质量指标重要度进行量化评价，分析出在工作准备阶段应对起降场地选取、航线规划及硬件检校3个指标进行重点管控，在数据采集阶段对飞行姿态控制指标进行重点管控，在数据预处理阶段对数据检查指标进行重点管控，在点云数据处理阶段对航线匹配、航带平差进行重点管控。

2.2.1 起降场地选取

机载雷达系统作业时需要持续稳定接收GNSS信号，同时激光雷达测程较短导致无人机作业高度普遍较低，因此对起飞点（一般为作业人员、地面站、基站所在位置）环境要求高。在倾斜摄影测量基础上结合现有影像资料及场地实际情况，本项目机载激光扫描作业选择的起降场地具有平坦开阔、通视良好、数据传输良好、人员流动少等特点。

2.2.2 航线规划

在结合测区地形地貌、采集设备技术参数以及成图精度等基础上设计航高、重叠度以及航线。设计航高综合考虑影像地面分辨率、点云密度和精度、激光测距能力及飞行安全等因素，同时考虑激光安全等级。航线布设原则上按常规方法布设，对于不规则测区，可根据测区范围及地形特点，采用非常规方法布设。在确保测区内合格点云密度和精度符合要求的情况下，旁向超出测区边界线不少于150 m。

2.2.3 硬件检校

作业前对机载L i DA R设备进行飞行检校，重点检校设备安装偏心角（如侧滚、俯仰及航向角）。其他硬件设备如惯性测量单元等须处于质检合格期内，无人机平台、载荷设备均按相关规定进行检定。

2.2.4 飞行姿态控制

在机载雷达采集数据过程中，使用飞行控制管理系统进行导航控制，使用系统控制软件控制并监控数据的实时采集。

（1）起飞后，在切入航线前，先进行绕8字运动，使组合导航收敛；在完成航飞任务切出航线后，同样通过绕8字的方式保证航线内POS精度均匀。

（2）作业区域内飞行速度尽可能保持一致。

（3）在同一条航线内，飞机上升、下降速度变化不宜大于10 m/s。

2.2.5 数据检查

对数据文件、点云数据以及影像数据进行检查。其中，数据文件检查POS数据文件、机载GNSS流动站及地面基准站GNSS观测数据文件、激光点云数据文件以及原始影像文件是否完整有效。

检查点云数据覆盖是否满足航线设计要求；航线质量（速度、飞行姿态等）是否满足要求；航带重叠度有无漏洞；同架次相邻航线及不同架次间航线拼接误差是否满足要求；点云密度及精度是否满足要求。点云数据应全覆盖全域，不得有漏洞，数据存在局部缺陷，影响精度或密度时，进行补飞或重飞。

检查影像数据是否完整覆盖测区：影像片数统计，是否漏拍；影像是否覆盖全测区，是否有漏洞；影像是否有虚焦，过曝等质量问题。若检查结果不满足要求，应进行调整，必要时进行补飞或重飞。

2.2.6 航线匹配

点云航线匹配包括设置安置文件夹、加载调查区点云、加载并定义航迹线参数、选择调查区所包括的航迹线、航迹线分割，最后实现点云与航迹线匹配，评判点云分层以及侧滚角、俯仰角、航偏角影响情况。测区点云航线匹配如图1所示。

2.2.7 航带平差

添加像控点对点云进行航带平差以减小点云分层现象，降低侧滚角、俯仰角、航偏角、航带拼接等因素影响。对控制点所在点位的高程精度进行计算并评估高程计算精度，利用控制点对作业区域点云的高程面进行调整以减少高程误差。

2.3 成果质量

利用Lidar360软件对测区航带平差后的点云进行航线（速度分析、飞行姿态分析等）、航带重叠、密度质量分析。质量检查结果显示，测区的飞行速度、飞行姿态、航带重叠、密度质量均满足相关规范要求。测区22个检查点中，最大高程误差为-0.208 m，最大中误差为0.129 m，满足1：500一级丘陵地误差不超过0.25 m的精度要求。测区点云密度质量检查如图2所示，测区激光点云数据成果如图3所示。

3 结语

本文通过分解无人机激光雷达扫描测绘全流程，结合AHP分析与归纳出无人机激光扫描测绘三层次质量控制指标。在实际项目应用前期，运用研究成果分析出无人机激光雷达扫描测绘开展过程中重点质量控制指标。在项目实施过程中，针对性采取措施开展质量管控，有效保障了人机激光雷达扫描测绘成果质量，取得了较好的全流程质量管理效果。本文的研究成果对于无人机激光雷达扫描测绘业务的质量管理具有较好的实践指导意义。