劉 宇，鄭新奇，艾 剛

(中國地質(zhì)大學(xué)(北京)信息工程學(xué)院，北京 100083)

近年來，無人機(jī)低空遙感技術(shù)在許多領(lǐng)域得到廣泛發(fā)展，已成為地理信息空間數(shù)據(jù)獲取的重要技術(shù)手段之一。與傳統(tǒng)測量方法、衛(wèi)星遙感和航空遙感相比，無人機(jī)遙感具有高時(shí)效、高分辨率、低成本、低損耗、低風(fēng)險(xiǎn)及可重復(fù)等諸多優(yōu)勢，能夠在大面積區(qū)域、常規(guī)航攝困難地區(qū)和突發(fā)自然災(zāi)害地區(qū)快速獲取高分辨率影像[1-3]。

數(shù)字正射影像圖(digital orthophoto map，DOM)是與地表垂直平行投影所得到的影像，同時(shí)具有地圖的幾何精度和影像的視覺特征。真正射影像圖(true digital orthophoto map，TDOM)是將地表影像經(jīng)垂直投影，消除投影差，使地形和地物均被糾正到正確的平面位置上而生成的影像數(shù)據(jù)集，具有像片的影像特征和地圖的幾何精度[4-7]。真正射影像圖與傳統(tǒng)正射影像圖最顯著的差異在于正射糾正的同時(shí)分析地物的可見性。TDOM具有豐富的色彩和易于判別的紋理圖案，可降低外業(yè)成本并提高精度，廣泛應(yīng)用于國土規(guī)劃、精準(zhǔn)農(nóng)業(yè)、荒漠化監(jiān)測、土地利用調(diào)查、農(nóng)村宅基地確權(quán)等方面[8-11]。

目前已有國內(nèi)外許多學(xué)者對無人機(jī)真正射影像進(jìn)行了研究。Lucieer等使用運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)(struct from motion,SfM)算法和多視立體視覺(multi view stereo,MVS)算法建立了超高分辨率的3D模型,生成的DOM可用于對南極苔蘚生存狀況評(píng)估[12-13]。艾明耀等提出了一個(gè)建立自動(dòng)空三、多視點(diǎn)匹配的方法來改善數(shù)字表面模型(digital surface model,DSM)和DOM,使影像三維可視化[14]。朱慶等提出了面向?qū)ο蟮恼嬲溆跋窦m正方法，定義物方像方定義，全局可見性縮影，面向?qū)ο蟮恼嬲浼m正和紋理優(yōu)化采樣[15]。范彬彬等在村莊地籍調(diào)查中生產(chǎn)1∶1000比例尺的TDOM，TDOM克服傾斜遮擋問題，可對村莊地籍圖直接矢量化[16]。

目前研究尚有待改進(jìn)的地方:①數(shù)字正射影像整體精度無法滿足需求，國內(nèi)傳統(tǒng)方法對空三加密，生成DOM精度平面中誤差在0.15 m左右[11],無法滿足如農(nóng)村宅基地確權(quán)等對高精度的要求，本研究使用運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)(SfM)算法、多視立體建模(MVS)生成點(diǎn)云、DSM、DOM，可生產(chǎn)平面中誤差在0.05 m以內(nèi)的高精度DOM；②DOM局部影像存在傾斜遮蔽等問題，降低了影像局部精度，傳統(tǒng)DOM是以數(shù)字高程模型(digital elevation model，DEM)為基礎(chǔ)生成的，但存在中心投影變形、地形地物遮蔽陰影等問題，降低了DOM局部范圍精度，使用DSM對DOM進(jìn)行糾正可生成TDOM。

本文以北京密云為研究區(qū)，使用無人機(jī)航拍收集數(shù)據(jù)，引入運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)算法(SfM)工作流來生成點(diǎn)云、DSM、DOM；針對局部影像房屋傾斜遮擋問題，通過對DSM編修和多視影像補(bǔ)償來消除傾斜生成TDOM；對生成的點(diǎn)云、DSM、TDOM結(jié)果進(jìn)行驗(yàn)證和討論，從而提出一種無人機(jī)遙感真正射影像高精度制圖方法。

1 研究方法

1.1 研究區(qū)概述

測試區(qū)域位于北京市密云區(qū)西邵渠村，密云區(qū)位于北京市東北部，屬燕山山地與華北平原交接地。測區(qū)主要為農(nóng)村宅基地，大部分建筑為一層樓平房。村內(nèi)地勢平坦，四周為農(nóng)田，選取航飛區(qū)域?yàn)槟媳背颍L條形狀。測區(qū)最高海拔為140 m，最低海拔為120 m，平均海拔為130 m。飛行航拍當(dāng)天天氣晴朗無云，陽光照射充足，微風(fēng)，適合進(jìn)行無人機(jī)航飛拍攝。

1.2 外業(yè)航飛

1.2.1 設(shè)備參數(shù)

本研究所用無人機(jī)為大疆筋斗云S-900，它是一款輕巧穩(wěn)定、便攜易用的專業(yè)六旋翼飛行平臺(tái)，主要結(jié)構(gòu)部件均采用質(zhì)量強(qiáng)度較高的碳纖維復(fù)合材料，整機(jī)自重約3.3 kg，搭載云臺(tái)相機(jī)后最大起飛重量約8.2 kg。搭載的數(shù)碼相機(jī)為Sony A7r，3600萬像素，分辨率為7360×4912像素。傳感器尺寸為35.9 mm×24 mm，相機(jī)重量為407 g，可配合云臺(tái)搭載在無人機(jī)S-900，用于采集影像數(shù)據(jù)。

1.2.2 GCP布設(shè)

經(jīng)航飛前實(shí)地調(diào)研觀測，并結(jié)合飛行航線，利用Google Earth在測區(qū)布設(shè)了32個(gè)控制點(diǎn)、6個(gè)檢查點(diǎn)。布點(diǎn)沿航線方向均勻分布，位置在村莊內(nèi)沿著主要道路、道路交匯處、房屋拐點(diǎn)、農(nóng)田周邊等，如圖1所示。使用思拓力SC200高性能CORS接收機(jī)，架設(shè)地面CORS基站，使用移動(dòng)手持GPS測量每個(gè)控制點(diǎn)和檢查點(diǎn)的坐標(biāo)數(shù)據(jù)。

圖1 控制點(diǎn)分布

1.2.3 飛行控制

航線規(guī)劃在大疆無人機(jī)系統(tǒng)配套軟件Rockycapture中完成，測區(qū)為約0.3 km2、長701 m、寬330 m的長方形區(qū)域，飛行2個(gè)架次，規(guī)劃航線10條，蛇形路線飛行，航線設(shè)計(jì)如圖2所示，相對航高為160 m,地面分辨率(GSD)為1.6 cm，預(yù)設(shè)航向重疊率80%，旁相重疊率60%，曝光間隔為2 s，每個(gè)架次飛行時(shí)長18 min。在研究區(qū)拍攝了460張影像，完成航飛后，導(dǎo)出影像和GCP數(shù)據(jù)，在Pix4D中快速檢測，并檢查影像重疊率、相機(jī)焦距、單幅影像特征點(diǎn)匹配數(shù)量、GCP與影像地理配準(zhǔn)等指標(biāo)是否滿足要求。經(jīng)檢驗(yàn)，影像質(zhì)量和GCP質(zhì)量良好，滿足內(nèi)業(yè)處理及正射影像制圖規(guī)范[16]。

1.3 SfM算法生成點(diǎn)云

近年來隨著計(jì)算機(jī)視覺技術(shù)的進(jìn)步，SfM算法和MVS已成功應(yīng)用于無人機(jī)影像處理，可生成高分辨率的DSM和DOM。SfM算法工作流程為：導(dǎo)入航飛獲得的51張高精度影像和3個(gè)控制點(diǎn)數(shù)據(jù)，對控制點(diǎn)數(shù)據(jù)在可見的影像上進(jìn)行刺點(diǎn)；通過控制點(diǎn)數(shù)據(jù)賦予的坐標(biāo)和包含這些控制點(diǎn)的影像特征點(diǎn)，利用軟件檢索每兩張影像中相同的特征點(diǎn)并進(jìn)行匹配，恢復(fù)每張影像相機(jī)曝光的位置和姿態(tài)，將影像位置恢復(fù)在空中并顯示運(yùn)動(dòng)軌跡，地面特征點(diǎn)的三維位置也可獲得，這些特征點(diǎn)形成了一個(gè)稀疏的三維點(diǎn)云；基于MVS的密集的幾何重建可生成更詳細(xì)的三維模型，其中3個(gè)控制點(diǎn)數(shù)據(jù)用來改進(jìn)該三維模型的絕對精度，DSM網(wǎng)格生成的三維模型采用的地圖投影為WGS-84 UTM 50 N；將原始影像投影到數(shù)字表面模型并將影像紋理混合在重疊區(qū)域，即可產(chǎn)生整個(gè)地區(qū)的數(shù)字正射影像。

圖2

1.4 DSM修編

DSM是表達(dá)地球表面及表面上物體(如房屋、樹冠等)高起伏形態(tài)的數(shù)據(jù)集，是地表上自然、人工地物空間信息的統(tǒng)一體。與DEM相比，DSM除包含地形的高程信息外，還涵蓋了除地面以外的其他地表信息的高程，如建筑物、植被等，可表達(dá)各種建筑物表面和植被覆蓋情況，反映坐落于地面的所有物體表面特征，更準(zhǔn)確更直觀地表達(dá)地理信息。使用DSM代替DEM生成DOM可獲取更多地表信息，且可以對生成的DSM進(jìn)行修改編正，恢復(fù)被傾斜遮蔽的地物。

對初步匹配生成的DSM進(jìn)行遮擋區(qū)域檢測;然后對遮擋區(qū)域進(jìn)行分析和紋理修補(bǔ)，進(jìn)一步恢復(fù)建筑物的立體角度;最后對修補(bǔ)好的DSM去噪和平滑，在立體模型下手工精細(xì)編輯DSM，得到高精度的DSM。

1.5 TDOM糾正及精度評(píng)價(jià)

利用中心投影的航攝影像得到正射影像圖，實(shí)質(zhì)是將中心投影轉(zhuǎn)變?yōu)檎渫队埃话悴捎糜跋窦m正的方法實(shí)現(xiàn)兩種投影之間的正確變換。本文采用數(shù)字微分糾正的方法，其原理是對數(shù)字影像進(jìn)行逐個(gè)像元的微分糾正，即根據(jù)影像的已知定向元素和數(shù)字高程模型，按一定的數(shù)字模型利用控制點(diǎn)結(jié)算，由原始的中心投影的像片獲取正射影像，其過程是將影像化為很多微小的區(qū)域，如一個(gè)像元的大小，逐一進(jìn)行糾正。

利用多視影像對遮擋區(qū)域進(jìn)行補(bǔ)償，主要包括分別對每張影像生成近似真正射影像，然后對所有可見區(qū)域進(jìn)行融合，依據(jù)一定原則選擇合適主、輔影像進(jìn)行補(bǔ)償，在高精度DSM的基礎(chǔ)上，采用數(shù)字微分糾正的方法糾正消除了所有視差，建立了完全垂直視角的地表景觀。建筑物保持垂直視角，只顯示了建筑物的頂部，不顯示側(cè)面，避免了高大建筑物對其他地表信息的遮擋，恢復(fù)了建筑物的正確顯示，生成TDOM。

在完成正射影像成果之后，需要對其精度進(jìn)行檢驗(yàn)，以確認(rèn)成果及整個(gè)試驗(yàn)方法的可靠性，檢查點(diǎn)的X方向誤差、Y方向誤差、平面中誤差、高程中誤差計(jì)算公式分別為

(1)

(2)

(3)

(4)

式中，RMSE為中誤差；XGPSi、YGPSi、HGPSi為實(shí)測值，單位為m；XOi、YOi、HOi為圖上值，單位為m；n為檢查點(diǎn)數(shù)量。

2 結(jié)果與討論

2.1 點(diǎn)云評(píng)價(jià)

對導(dǎo)入的影像和GCP數(shù)據(jù)使用SfM算法恢復(fù)相機(jī)曝光位置和運(yùn)動(dòng)軌跡，生成稀疏點(diǎn)云，接著根據(jù)稀疏點(diǎn)云使用MVS生成稠密點(diǎn)云，根據(jù)生成點(diǎn)云利用反距離權(quán)重插值法生成數(shù)字表面模型。

從圖2可看出，利用SfM通過特征點(diǎn)匹配，可以恢復(fù)每張影像相機(jī)曝光時(shí)的位置和無人機(jī)的運(yùn)動(dòng)軌跡；對生成的稀疏點(diǎn)云進(jìn)行致密化處理，生成致密化三維點(diǎn)云數(shù)量約為1769萬個(gè)點(diǎn)，平均每立方米477.18個(gè)點(diǎn)。根據(jù)三維點(diǎn)云數(shù)據(jù)創(chuàng)建Mesh網(wǎng)模型，接著利用反距離權(quán)重插值法生成DSM模型，對DSM模型進(jìn)行去噪濾波和表面平滑處理，結(jié)果如圖3所示。

圖3 數(shù)字表面模型(DSM)

2.2 DSM修編及TDOM糾正

圖4為生成DSM的有遮蔽傾斜部分，圖5為對DSM進(jìn)行修編后，建筑物房屋外形輪廓明顯無傾斜遮蔽。生成的DOM也減小了傾斜和遮蔽。

圖4 DSM修編前

采用人工填補(bǔ)影像排序的方法，對標(biāo)記為遮蔽區(qū)的地方進(jìn)行影像填補(bǔ)，得到完整的正射影像。為避免副影像中用來填補(bǔ)的影像區(qū)域?yàn)檎诒螀^(qū)，也需對副影像進(jìn)行遮蔽檢測，接著對初步正射糾正成果中標(biāo)記為遮蔽區(qū)的地面單元與副影像遮蔽區(qū)進(jìn)行判斷，判斷該遮蔽區(qū)是否能通過該副影像得到所需的影像信息。如果標(biāo)記為遮蔽區(qū)的單元不在該副影像的遮蔽區(qū)中，則進(jìn)行影像填補(bǔ)，反之不進(jìn)行處理。依次利用航測影像來進(jìn)行遮蔽區(qū)影像的填補(bǔ)，當(dāng)?shù)玫降恼嬲溆跋窬哂型暾挠跋裥畔⒑缶屯Ｖ固钛a(bǔ)，否則持續(xù)進(jìn)行，直到最后一張。如圖6、圖7所示，原始影像中圈內(nèi)有明顯的建筑物傾斜，通過正射糾正后，消除了這些明顯的傾斜。每個(gè)建筑物處于垂直正射角度，如圖8、圖9所示。

圖5 DSM修編后

圖6 原始影像1

圖7 原始影像2

2.3 正射影像精度評(píng)價(jià)

圖10為生成的真正射影像TDOM。在圖中隨機(jī)選取了5個(gè)檢查點(diǎn)，與野外實(shí)測數(shù)據(jù)進(jìn)行比較，其結(jié)果見表1。

圖8 消除傾斜遮蔽后TDOM1

圖9 消除傾斜遮蔽后TDOM2

圖10 真數(shù)字正射影像(TDOM)

m

經(jīng)檢驗(yàn)，生成的DOM檢查點(diǎn)平面中誤差和高程中誤差分別為0.033 m和0.075 m，相比之下，范彬彬等[10]平面和高程中誤差分別為0.10 m、0.15 m。本研究剔除個(gè)別異常點(diǎn)，異常點(diǎn)發(fā)生的原因是標(biāo)識(shí)被居民移動(dòng)等，平面中誤差可以控制在0.05 m內(nèi)。

參考《數(shù)字航空攝影測量空中三角測量規(guī)范》(GB/T 23236—2009)7.1中，1∶500比例尺在檢查點(diǎn)平面和高程最大限值分別為0.175 m和0.15 m，DOM檢查點(diǎn)計(jì)算結(jié)果符合要求，且質(zhì)量較好。

3 結(jié) 語

本文以北京市密云區(qū)西邵渠村無人機(jī)攝影像數(shù)據(jù)為研究地區(qū)，使用多旋翼無人機(jī)搭載高分辨率相機(jī)采集數(shù)據(jù)，在地面布設(shè)地面控制點(diǎn)標(biāo)志并進(jìn)行RTK方法測量。利用運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)(SfM)匯算相機(jī)與三維信息，多視立體建模(MVS)密集匹配獲取三維點(diǎn)云模型，由點(diǎn)云生成高精度和準(zhǔn)確的DSM、DOM；對DSM遮擋部分進(jìn)行遮擋分析和紋理修補(bǔ)，基于DSM，使用數(shù)字微分糾正，生成TDOM，可以有效解決傳統(tǒng)的DOM存在中心投影變形、地形地物遮蔽陰影等問題。制作的DOM精度高，平面中誤差為0.033 m,高程中誤差為0.075 m,優(yōu)于《數(shù)字航空攝影測量 空中三角測量規(guī)范》(GB/T 23236—2009)中1∶500比例尺在檢查點(diǎn)平面和高程最大限值分別為0.175 m和0.15 m的要求。本研究可用于農(nóng)村宅基地確權(quán)、不動(dòng)產(chǎn)登記等工作，生成的TDOM具有可控制在0.05 m內(nèi)精度，可大大減小外業(yè)測量的工作量并提高精度。

[1] 曹明蘭，薄志毅，李亞東.無控制點(diǎn)數(shù)據(jù)的無人機(jī)影像DOM快速制作[J].測繪通報(bào),2016(8):35-38．

[2] 趙翔.基于無人機(jī)航攝DOM生成技術(shù)的研究與應(yīng)用[D].南昌：東華理工大學(xué).2015.

[3] 陳良浩，朱彩英，徐青，等.無人機(jī)航測水域控制點(diǎn)布設(shè)方案的精度試驗(yàn)[J].測繪科學(xué)，2016,41(7):205-210.

[4] 張學(xué)文.基于無人機(jī)影像的真正射影像制作研究[D].北京:中國地質(zhì)大學(xué)(北京),2015.

[5] 何敬，李永樹,魯恒,等.無人機(jī)影像的質(zhì)量評(píng)定及幾何處理研究[J].測繪通報(bào)，2010(4)：22-24.

[6] AGüERA F，CARVAJAL F，MARTNEZ P，et al.Assessment of Photogrammetric Mapping Accuracy Based on Variation Ground Control Points Number Using Unmanned Aerial Vehicle[J].Measurement, 2017,98:221-227.

[7] MESAS F，CLAVERO I，BERROCAL J，et al.Positional Quality Assessment of Orthophotos Obtained from Sensors Onboard Multi-rotor UAV Platforms[J].Sensors，2014，14(12):22394-22407.

[8] LIBA N，BERG J.Accuracy of Orthomosaic Generated by Different Methods in Example of UAV Platform MUST Q[J].Materials Science and Engineering,2015,96(1)：012041.

[9] RUZGIENE B，BERTEKA T，GEYTE S，et al.The Surface Modelling Based on UAV Photogrammetry and Qualitative Estimation[J].Measurement,2015(7):619-627.

[10] SHAHBAZI M，SOHN G，THéAU J，et al.Development and Evaluation of a UAV-photogrammetry System for Precise 3D Environmental Modeling[J].Sensors,2015，15(11):27493-27524.

[11] LUCIEER A，TURNER D，KING D H，et al.Using an Unmanned Aerial Vehicle (UAV) to Capture Micro-topography of Antarctic Moss Beds [J].International Journal of Applied Earth Observation and Geoinformation, 2014,27(4):53-62.

[12] LUCIEER A，JONG S，TURNER D.Mapping Landslide Displacements Using Structure from Motion (SfM) and Image Correlation of Multi-temporal UAV Photography[J].Progress in Physical Geography, 2014,38(1):97-116.

[13] AI M Y，Hu Q，Li J，et al.A Robust Photogrammetric Processing Method of Low-altitude UAV Images[J].Remote Sensing，2015,7(3):2302-2333.

[14] 朱慶,于杰,杜志強(qiáng),等.面向?qū)ο蟮恼嬲溆跋窦m正方法[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版)，2013,38(7)：757-760.

[15] 范彬彬，楊青山，包琦，等．村莊地籍調(diào)查中輪臺(tái) 1∶1000 真正射影像生產(chǎn)及其應(yīng)用評(píng)估[J],測繪通報(bào)， 2016(10):76-80．

[16] 國家測繪地理信息局.低空數(shù)字航空攝影測量外業(yè)規(guī)范:CH/Z 3004—2010[S].北京：測繪出版社，2010．