武永斌，盧小平，陳曦東，錢小龍，李國(guó)清，于海洋

(1. 礦山空間信息技術(shù)國(guó)家測(cè)繪地理信息局重點(diǎn)實(shí)驗(yàn)室(河南理工大學(xué)，河南省測(cè)繪地理信息局)，

河南 焦作 454003； 2. 河南省遙感測(cè)繪院，河南 鄭州 450003)

WU Yongbin,LU Xiaoping，CHEN Xidong,QIAN Xiaolong,LI Guoqing,YU Haiyang

機(jī)載LiDAR鐵路測(cè)繪關(guān)鍵技術(shù)及應(yīng)用

武永斌1,2，盧小平1，陳曦東1，錢小龍1,2，李國(guó)清1,2，于海洋1

(1. 礦山空間信息技術(shù)國(guó)家測(cè)繪地理信息局重點(diǎn)實(shí)驗(yàn)室(河南理工大學(xué)，河南省測(cè)繪地理信息局)，

河南 焦作 454003； 2. 河南省遙感測(cè)繪院，河南 鄭州 450003)

Key Technology of Surveying and Mapping in Railway and Application Based on Airborne LiDAR

WU Yongbin,LU Xiaoping，CHEN Xidong,QIAN Xiaolong,LI Guoqing,YU Haiyang

摘要：利用機(jī)載LiDAR點(diǎn)云數(shù)據(jù)提供的鐵路地物形狀特征與影像的灰度、光譜、紋理等信息進(jìn)行了匹配、融合，對(duì)鐵路專題要素信息的自動(dòng)提取關(guān)鍵技術(shù)進(jìn)行了研究，根據(jù)不同地物的特征提出了相應(yīng)的自動(dòng)提取方法，實(shí)現(xiàn)了對(duì)軌道及鐵路附屬設(shè)施要素的自動(dòng)識(shí)別與提取，并在鄭州鐵路局進(jìn)行了規(guī)模化應(yīng)用，顯著提升了鐵路測(cè)繪的自動(dòng)化水平，為既有鐵路測(cè)繪和地理信息數(shù)據(jù)快速更新提供了重要的技術(shù)支撐和安全保障。

引文格式： 武永斌，盧小平，陳曦東,等. 機(jī)載LiDAR鐵路測(cè)繪關(guān)鍵技術(shù)及應(yīng)用[J].測(cè)繪通報(bào)，2015(9)：64-67.DOI:10.13474/j.cnki.11-2246.2015.0281

關(guān)鍵詞：機(jī)載LiDAR；鐵路測(cè)繪；鐵路專題要素；軌道提取

中圖分類號(hào)：P234.4

文獻(xiàn)標(biāo)識(shí)碼：B

文章編號(hào)：0494-0911(2015)09-0064-04

收稿日期：2015-05-05

基金項(xiàng)目：河南省高校創(chuàng)新團(tuán)隊(duì)支持計(jì)劃項(xiàng)目(14IRTSTHN026)；河南省創(chuàng)新型科技創(chuàng)新團(tuán)隊(duì)支持計(jì)劃

作者簡(jiǎn)介：武永斌(1974—)，男，高級(jí)工程師，研究方向?yàn)閿z影測(cè)量與遙感。E-mail: wyb3808@126.com

通信作者：盧小平

一、引言

鐵路是國(guó)家的重要基礎(chǔ)設(shè)施，在綜合交通運(yùn)輸體系中處于骨干地位。特別是經(jīng)過(guò)六次大提速，鐵路運(yùn)營(yíng)維護(hù)和日常管理對(duì)鐵路專題要素信息的勘測(cè)精度要求越來(lái)越高。目前，我國(guó)既有鐵路測(cè)繪主要依靠航空攝影測(cè)量和常規(guī)測(cè)量方式。由于光學(xué)航空攝影測(cè)量易受天氣條件和地形影響，無(wú)法在水域、林區(qū)等特殊地區(qū)進(jìn)行鐵路橫斷面測(cè)量，且存在生產(chǎn)周期長(zhǎng)、工作量大等因素，難以滿足當(dāng)前鐵路勘測(cè)對(duì)鐵路專題要素提取、成圖周期及精度的要求。LiDAR技術(shù)的商業(yè)化應(yīng)用，使航測(cè)制圖(如生成DEM、DLG和地物要素的自動(dòng)提取)更加便捷，該技術(shù)已在我國(guó)鐵路勘測(cè)設(shè)計(jì)領(lǐng)域中得到應(yīng)用。但是，在使用LiDAR技術(shù)進(jìn)行鐵路測(cè)繪生產(chǎn)過(guò)程中，地物要素測(cè)繪目前主要依靠人工解譯的方法，不僅作業(yè)效率低，而且成圖質(zhì)量易受作業(yè)員水平和責(zé)任心影響。因此，研究發(fā)展圖像解譯理論與方法，改變鐵路專題要素提取完全依靠人工的現(xiàn)狀，全面提升鐵路測(cè)繪技術(shù)的自動(dòng)化水平，是測(cè)繪科技工作者急需解決的關(guān)鍵技術(shù)難題。

本文將LiDAR點(diǎn)云數(shù)據(jù)提供的鐵路地物形狀特征與影像的灰度、光譜、紋理等信息進(jìn)行匹配、融合，對(duì)鐵路專題要素信息的自動(dòng)提取理論和方法進(jìn)行研究，并根據(jù)不同地物的特征提出了相應(yīng)的自動(dòng)提取方法，實(shí)現(xiàn)了對(duì)軌道及鐵路附屬設(shè)施要素的自動(dòng)識(shí)別與提取，完成了鄭州鐵路局管轄近3000 km的鐵路測(cè)繪任務(wù)，顯著提升了鐵路測(cè)繪的自動(dòng)化水平，為既有鐵路測(cè)繪和地理信息數(shù)據(jù)快速更新提供了技術(shù)支撐和生產(chǎn)保障。

二、基于點(diǎn)云的鐵路要素提取方法

1. 點(diǎn)云數(shù)據(jù)預(yù)處理

機(jī)載LiDAR點(diǎn)云數(shù)據(jù)處理過(guò)程：首先基于濾波處理后的點(diǎn)云數(shù)據(jù)結(jié)合GPS和慣性測(cè)量系統(tǒng)觀測(cè)數(shù)據(jù)，計(jì)算每個(gè)點(diǎn)云的三維坐標(biāo)；然后檢測(cè)和去除其中的系統(tǒng)誤差和粗差點(diǎn)，采用自適應(yīng)TIN(adaptive TIN，ATIN)方法濾波分離出地面點(diǎn)和非地面點(diǎn)；最后基于Kriging插值方法建立DEM。利用機(jī)載LiDAR第一次返回?cái)?shù)據(jù)建立的數(shù)字表面模型(DSM)，從DSM減去DEM可得到地物的高度信息，該模型被稱為nDSM(normalized digital surface model，nDSM)。利用nDSM提取建筑物、植被等，能夠直接消除地形的影響。

2. 鐵路沿線土地覆蓋信息提取

(1) 建筑物提取

利用nDSM高度閾值提取建筑物候選分割對(duì)象，通常設(shè)置的閾值較小，以確保建筑物的完整性。由于鐵路沿線的農(nóng)村房屋較低，閾值可設(shè)為1 m?？拷课莸年幱坝袝r(shí)會(huì)被錯(cuò)分，由于陰影的亮度值很低，建筑物房頂通常亮度值較高，因此航空影像的波段均值可以消除建筑物候選對(duì)象中的陰影。

提取DSM的標(biāo)準(zhǔn)差(σ)來(lái)區(qū)分高大植被與建筑物。與其他地物比較，房頂對(duì)象通常具有較低的DSM標(biāo)準(zhǔn)差。σ計(jì)算公式為

(1)

式中，σm為第m個(gè)分割對(duì)象的所有像元(n)DSM標(biāo)準(zhǔn)差；Pm為分割對(duì)象m像元集合；f(i,j)為像元(i,j)的DSM值。

機(jī)載LiDAR雖然能夠提供更準(zhǔn)確的高度信息，但地物邊界欠準(zhǔn)確，而根據(jù)航空影像可以提取出準(zhǔn)確的地物邊界。因此，使用光譜信息可以進(jìn)一步改進(jìn)房屋邊緣，將邊緣坡度較大區(qū)域中與房頂光譜一致的對(duì)象分類到房屋中。如果建筑物高度H的偏導(dǎo)數(shù)沿x和y方向均為已知，坡度Slope的計(jì)算式為

(2)

坡度閾值通過(guò)試錯(cuò)法并綜合坡度圖像和坡度直方圖分布進(jìn)行選取，區(qū)間定義為[40°,90°]。

(2) 植被提取

提取植被的綠度指數(shù)Greenness是由航空影像計(jì)算得到，即

(3)

式中，R、G、B分別為航空影像的紅、綠、藍(lán)波段。通過(guò)直方圖分析，植被和非植被綠度指數(shù)的閾值設(shè)為0.34。

nDSM高度差異信息可用來(lái)區(qū)分喬木林地、 灌

叢和農(nóng)作物。由于4月份喬木、灌木長(zhǎng)勢(shì)較高，而農(nóng)作物較矮小，因此灌叢和林地的高度閾值分別設(shè)為0.5 m和1 m。

(3) 鐵路區(qū)域提取

鐵軌連同路基在局域范圍內(nèi)形成地形，在平原地區(qū)尤其明顯(如圖1所示)。因此，通過(guò)對(duì)比分割對(duì)象與鄰域范圍的DEM高程均值的差值Hdiff可以識(shí)別鐵路。

圖1　鐵路在DEM數(shù)據(jù)中的地形特征

(4)

式中：hobj為分割對(duì)象的高程；n為對(duì)象數(shù)量。鄰域范圍設(shè)為50 m，Hdiff為0.15 m。通過(guò)進(jìn)一步面積閾值處理，可去除部分小噪聲的影響。

3. 結(jié)果分析

對(duì)航空影像目視解譯中，選取主要區(qū)域用于分類結(jié)果精度驗(yàn)證，表1是分類結(jié)果混淆矩陣及精度評(píng)價(jià)結(jié)果。試驗(yàn)提取了研究區(qū)7類地物類型，分別為建筑物、灌叢、林地、道路、鐵路和空地等，如圖2所示。

表1　精度評(píng)價(jià)矩陣

由表1可知，基于分割對(duì)象分類結(jié)果的總體精度達(dá)到了90.78%。其中建筑物、鐵路、道路、林地的分類精度較高，而農(nóng)田與裸地由于受數(shù)據(jù)獲取時(shí)相的影響，分類精度略差。

圖2　鐵路沿線土地覆蓋分類結(jié)果

三、基于高密度點(diǎn)云數(shù)據(jù)的鐵路軌道線提取

本文使用高密度LiDAR數(shù)據(jù)集并結(jié)合RANSAC算法進(jìn)行特征提取，研究建立了一套基于高密度點(diǎn)云數(shù)據(jù)提取鐵軌線自動(dòng)化程度高的技術(shù)流程，實(shí)現(xiàn)了軌道的準(zhǔn)確、完整提取。

1. 激光點(diǎn)云分類

基于提取的掩膜圖像和高程信息及特征的數(shù)據(jù)融合方法，建立了軌道信息分類提取方法。該方法首先建立軌道的特征屬性，由于鐵軌具有明確、一致性的特征，定義的用于精確提取鐵軌的約束條件包括：①鐵軌高于道床一定的距離；②鐵路所在區(qū)域坡度較小。

分類是在掩膜區(qū)域內(nèi)，根據(jù)高于地面的某特定高程進(jìn)行。首先確定鐵路點(diǎn)云，在半徑=0.5 m內(nèi)搜索最低點(diǎn)并計(jì)算與其高差Δh(地物的歸一化高度)；然后根據(jù)DEM計(jì)算坡度，并作為提取軌道的閾值條件。鐵路掩膜區(qū)內(nèi)，符合下列條件即為軌道點(diǎn)，具體技術(shù)流程如下：

1) Δh>0.15 m且Δh<0.4 m；

2) 位于坡度∠15°的空間區(qū)域。

對(duì)點(diǎn)云進(jìn)行分類能夠?yàn)V除大部分人工物體，將軌道目標(biāo)對(duì)象從鐵路掩膜點(diǎn)云中分離出來(lái)。

2. 軌道提取

利用改進(jìn)的隨機(jī)采樣一致性(RANSAC)算法對(duì)軌道進(jìn)行提取，并使用最小二乘(TLS)方法對(duì)提取出的曲線進(jìn)行擬合。首先利用最多的數(shù)據(jù)點(diǎn)擬合鐵路軌道，屬于鐵路的所有點(diǎn)都選為內(nèi)部點(diǎn)；然后確定直線或圓弧模型是否為這些點(diǎn)的最優(yōu)擬合模型，最優(yōu)平行模型的線間距為標(biāo)準(zhǔn)化軌距1435 mm。該算法不僅適合于發(fā)現(xiàn)一個(gè)估計(jì)模型，而且能提取出分塊中的所有軌道。將平行模型的所有內(nèi)部點(diǎn)從數(shù)據(jù)中剔除，并從剩余的點(diǎn)云中開(kāi)始新的計(jì)算，直到?jīng)]有更多的模型可以擬合為止。具體過(guò)程如圖3所示。

圖3　基于點(diǎn)云的軌道提取過(guò)程

3. 鐵路橫斷面提取

鐵路橫斷面測(cè)量是為了反映鐵路垂直方向的地形起伏情況，橫斷面圖是路基設(shè)計(jì)及在施工時(shí)進(jìn)行邊樁放樣、路基檢查及橋涵等構(gòu)造物設(shè)計(jì)的基礎(chǔ)，是鐵路線路設(shè)計(jì)的重要基礎(chǔ)圖件。

鐵路橫斷面分析主要包括：橫斷面的路基邊坡坡度、路基寬度和路基高程等參數(shù)?；跈C(jī)載LiDAR構(gòu)建的DEM提取出鐵路橫斷面后，坡度模型可作為橫斷面的幾何特征進(jìn)行分析。坡度反映了高程的最大變化率，可由橫斷面上提取的特征點(diǎn)擬合的直線斜率計(jì)算得到，其方向?qū)?yīng)著坡向。曲線二階導(dǎo)數(shù)為零的點(diǎn)就是曲線拐點(diǎn)，即路面與坡向線的交叉點(diǎn)。曲線拐點(diǎn)是統(tǒng)計(jì)邊坡坡度和路基寬度的依據(jù)，路基寬度為穿過(guò)鐵路橫斷面頂部的兩個(gè)拐點(diǎn)間的距離。本文以鄭州鐵路局管轄的隴海鐵路某段作為試驗(yàn)研究區(qū)，提取的13個(gè)橫斷面參數(shù)見(jiàn)表2。

由表2可知，3號(hào)斷面的路基寬度1、4號(hào)斷面的路基寬度2、8號(hào)斷面的路基寬度2、11號(hào)斷面的路基寬度1和13號(hào)斷面路基1的寬度均比較小，3、4、11號(hào)斷面的路基寬度明顯小于其他斷面，尤其是12號(hào)斷面的第3段坡度明顯小于其他坡度，原因是由于雨水沖刷、路基內(nèi)部土質(zhì)和結(jié)構(gòu)變化引起碎石土層的滑落。為保障行車安全，將統(tǒng)計(jì)分析數(shù)據(jù)與鐵路設(shè)計(jì)數(shù)據(jù)進(jìn)行對(duì)比分析，重點(diǎn)分析變化程度大的區(qū)域，不符合設(shè)計(jì)規(guī)范要求應(yīng)及時(shí)進(jìn)行維護(hù)。因此，對(duì)路基斷面幾何參數(shù)進(jìn)行統(tǒng)計(jì)分析，可為鐵路穩(wěn)定性分析和日常運(yùn)營(yíng)維護(hù)提供技術(shù)支撐。

表2　橫斷面參數(shù)統(tǒng)計(jì)分析表

四、結(jié)束語(yǔ)

本文以機(jī)載LiDAR技術(shù)作為鐵路測(cè)繪與地理信息更新的測(cè)繪手段，探索總結(jié)出一套DEM、DOM和鐵路DLG產(chǎn)品生產(chǎn)、鐵路要素自動(dòng)提取等的生產(chǎn)技術(shù)流程和作業(yè)規(guī)范，解決了機(jī)載LiDAR用于鐵路測(cè)繪的關(guān)鍵技術(shù)問(wèn)題，為既有鐵路勘測(cè)設(shè)計(jì)、線路改造、資產(chǎn)清查、應(yīng)急搶險(xiǎn)指揮決策等提供了可靠的技術(shù)支持和服務(wù)保障。

參考文獻(xiàn)：

[1]古林玉，盧小平，李英成，等．基于LiDAR點(diǎn)云與特征線的DEM更新方法[J]．測(cè)繪通報(bào)，2011(2)：17-20.

[2]李怡靜，胡翔云，張劍清，等．影像與LiDAR數(shù)據(jù)信息融合復(fù)雜場(chǎng)景下的道路提取[J]．測(cè)繪學(xué)報(bào)，2012，41(6):870-876.

[3]胡偉，盧小平，盧遙，等．基于移動(dòng)窗口的DEM數(shù)據(jù)優(yōu)化方法研究[J]．測(cè)繪通報(bào)，2011(5):45-47.

[4]盧小平，王玉鵬，盧遙，等．齊云塔激光點(diǎn)云三維重建[J]．測(cè)繪通報(bào)，2011(9):11-14.

[5]葛曉天，盧小平，王玉鵬，等．多測(cè)站激光點(diǎn)云數(shù)據(jù)的匹配方法[J]．測(cè)繪通報(bào)，2010(11)：15-17.

[6]于海洋, 程鋼, 張育民, 等. 基于LiDAR數(shù)據(jù)和航空影像的地震災(zāi)害倒塌建筑物信息提取[J]. 國(guó)土資源遙感, 2011(3):77-81.

[7]YU Haiyang， LU Xiaoping， GE Xiaosan， et al． Digital Terrain Model Extraction from Airborne LiDAR Data in Complex Mining Area[C]∥Geoinformatics 2010.Beijing:[s.n.],2010.

[8]YU Haiyang, CHENG Gang, GE Xiaosan. Object Oriented Land Cover Classification Using ALS and GeoEye Imagery over Mining Area[J]. Trans. Nonferrous Met. Soc. China, 2011,21:733-737.

[9]YU Haiyang, ZHANG Yumin, CHENG Gang. Rural Residential Building Extraction from Laser Scanning Data and Aerophotograph Based on Quadtree Segmentation[C]∥RSETE 2011.Nanjing:[s.n.], 2011.

[10]胡舉，楊遼，沈金祥,等.一種基于分割的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)濾波[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版，2012，37(3)：69-72.

[11]陳卓,馬洪超.基于機(jī)載LiDAR數(shù)據(jù)的大型立交橋三維建模方法[J].測(cè)繪學(xué)報(bào), 2012, 41 (2): 252-258.

[12]周夢(mèng)維,柳欽火, 劉強(qiáng),等. 全波形激光雷達(dá)和航空影像聯(lián)合的地物分類[J]. 遙感技術(shù)與應(yīng)用, 2010,25(6):821-827.

[13]吳杭彬.融合航空影像的機(jī)載激光掃描數(shù)據(jù)分類與特征提取[J].測(cè)繪學(xué)報(bào), 2011, 40 (1): 134-134.

[14]李卉，李德仁，黃先鋒,等． 一種漸進(jìn)加密三角網(wǎng)LiDAR點(diǎn)云濾波的改進(jìn)算法[J]. 測(cè)繪科學(xué)，2009，34(3):39-40.