羌鑫林，李廣偉，王留召，張偉紅

(1. 江蘇省測繪工程院，江蘇 南京 210013； 2. 中國測繪科學(xué)研究院，北京 100039；3. 云南昆明冶金高等?？茖W(xué)校測繪學(xué)院,云南 昆明 650033)

矢量地圖作為基礎(chǔ)地理數(shù)據(jù)的重要組成部分，廣泛應(yīng)用于土地管理、農(nóng)業(yè)普查、交通建設(shè)等各個(gè)領(lǐng)域[1]，具有基礎(chǔ)性作用。矢量地圖的質(zhì)量直接影響工程建設(shè)的質(zhì)量、政府管理的決策走向，具有重要意義[2-3]。

目前，矢量地圖質(zhì)檢的常規(guī)做法是選擇抽樣、野外實(shí)地測量、巡查和圖面判讀，通過計(jì)算中誤差判定成果質(zhì)量[4-6]。常規(guī)質(zhì)檢方法在樣本的抽取、檢測數(shù)量方面均有明確的規(guī)定[7]，外業(yè)工作量較大，自動化程度偏低，長期以來少有變化。隨著測量技術(shù)的發(fā)展，三維激光掃描技術(shù)在測繪領(lǐng)域逐漸開始應(yīng)用[8]，已經(jīng)能夠進(jìn)行三維數(shù)據(jù)采集、矢量繪制、半自動化數(shù)據(jù)更新等工作[9]。目前，三維點(diǎn)云數(shù)據(jù)的研究主要集中在采集、識別等領(lǐng)域。在三維點(diǎn)云的采集中，Riegl、Optech、Leica等國外廠商，以及海達(dá)數(shù)云、四維遠(yuǎn)見等公司已經(jīng)取得了長足的進(jìn)步[9-10]。三維點(diǎn)云數(shù)據(jù)的識別與特征提取是重要且基礎(chǔ)的工作，它決定著三維點(diǎn)云數(shù)據(jù)在測繪領(lǐng)域的應(yīng)用深度。目前，基于點(diǎn)云識別的研究多集中于算法及特定地物的識別[1，11-12]，基于SSW移動測量系統(tǒng)及SWDY軟件的特征識別，已經(jīng)在全國各地的測繪行業(yè)得到實(shí)際應(yīng)用[13-14]，其基于多特征及多要素的特征識別算法也經(jīng)過了實(shí)際檢測，具有較好的穩(wěn)定性和識別率[8，15-16]，能夠應(yīng)用于實(shí)際的測繪工作。

本文基于常規(guī)的矢量地圖質(zhì)檢方法與三維激光掃描技術(shù)，提出基于SSW三維激光點(diǎn)云的矢量地圖平面精度自動質(zhì)檢方法。其基本原理為通過采集待檢測矢量地圖區(qū)內(nèi)的激光點(diǎn)云，經(jīng)過解算、濾波、坐標(biāo)轉(zhuǎn)換等步驟獲得高精度點(diǎn)云，進(jìn)行點(diǎn)云的識別并提取行進(jìn)路線兩側(cè)的立杠、路燈、墻角點(diǎn)、井蓋、路邊線等特征點(diǎn)線[15，17-18]，自動匹配待檢測矢量圖的對應(yīng)特征點(diǎn)線，計(jì)算匹配點(diǎn)對的中誤差，從而快速評定待檢矢量地圖的精度。該方法利用三維激光移動測量系統(tǒng)自動質(zhì)檢矢量地圖成果，能夠提高當(dāng)前質(zhì)檢的效率，提升檢測樣本數(shù)量，減少人工的干預(yù)與主觀帶入的影響，在測繪質(zhì)檢工作中具有重要的現(xiàn)實(shí)意義。

1 SSW移動測量系統(tǒng)

本文所使用的SSW移動測量系統(tǒng)由中國測繪科學(xué)研究院與北京四維遠(yuǎn)見信息技術(shù)有限公司自主研制，支持全自動融合影像數(shù)據(jù)、點(diǎn)云數(shù)據(jù)、位置姿態(tài)數(shù)據(jù)的彩色點(diǎn)云數(shù)據(jù)生產(chǎn)，可以快速完成高精度測量、街景獲取、要素采集等測量任務(wù)。該系統(tǒng)集成激光掃描儀、IMU、POS、天寶GPS、里程計(jì)(DMI)、面陣相機(jī)、全景相機(jī)等多種設(shè)備于一體，具有速度快、精度高、性能穩(wěn)定等特點(diǎn)。

基于獲取的點(diǎn)云數(shù)據(jù)自動提取分類地物數(shù)據(jù)是后續(xù)精度檢驗(yàn)操作的前提。本文使用的SWDY軟件能夠完成噪聲處理、立杠、行道樹、路面、路邊線、交通標(biāo)志線、井蓋、建筑物墻角線等地物元素的自動分類與提取，便于后續(xù)自動檢測矢量地圖平面精度，算法詳細(xì)可以參見文獻(xiàn)[15，17-18]。

2 點(diǎn)云數(shù)據(jù)與矢量地圖雙向檢測方法

2.1 總體流程

基于點(diǎn)云數(shù)據(jù)的矢量地圖自動平面精度檢測流程主要包括3個(gè)部分：數(shù)據(jù)的采集、數(shù)據(jù)預(yù)處理、點(diǎn)云特征和矢量地圖雙向檢測，流程如圖1所示。首先對測區(qū)內(nèi)矢量地圖進(jìn)行抽樣，獲取待檢測矢量地圖數(shù)據(jù)，通過車載激光掃描平臺沿預(yù)訂路線獲取點(diǎn)云數(shù)據(jù)，沿途使用GPS RTK測量設(shè)備獲取GPS RTK數(shù)據(jù)；然后使用GPS RTK數(shù)據(jù)和SWDY軟件，處理獲得高精度點(diǎn)云數(shù)據(jù)并作精度校驗(yàn)，在此基礎(chǔ)上采用SWDY軟件提取點(diǎn)云數(shù)據(jù)地物特征；最后使用提取得到的特征點(diǎn)與待檢測矢量地圖進(jìn)行雙向檢測。

2.2 數(shù)據(jù)的采集與預(yù)處理

數(shù)據(jù)的采集包括3類數(shù)據(jù)：三維點(diǎn)云數(shù)據(jù)、GPS RTK數(shù)據(jù)與矢量特征數(shù)據(jù)。

待檢矢量地圖數(shù)據(jù)通常以幅為單位，按照《測繪成果質(zhì)量檢查與驗(yàn)收》規(guī)定，確定檢查的樣本數(shù)量；檢驗(yàn)成果總數(shù)大于201時(shí)，根據(jù)不同的生產(chǎn)單位、作業(yè)方式、成果完成時(shí)間、測區(qū)具體情況等情況劃分，保持作業(yè)區(qū)域、作業(yè)方式、作業(yè)習(xí)慣、區(qū)域特點(diǎn)相對均勻。

三維點(diǎn)云數(shù)據(jù)通過SSW車載激光掃描平臺掃描獲取。根據(jù)抽樣得到的圖幅情況，提前設(shè)計(jì)掃描路線。路線設(shè)計(jì)應(yīng)符合常規(guī)檢測習(xí)慣且能發(fā)揮移動測量的優(yōu)勢，可采取機(jī)動車、兩輪車和背包平臺相結(jié)合的方式，全面均勻獲取待檢測圖幅范圍的點(diǎn)云數(shù)據(jù)，經(jīng)過組合導(dǎo)航解算、點(diǎn)云濾波、坐標(biāo)轉(zhuǎn)換等計(jì)算步驟，得到待檢圖幅的高精度點(diǎn)云數(shù)據(jù)。

使用GPS RTK獲取少量地物對象特征點(diǎn)，作為檢核點(diǎn)驗(yàn)證點(diǎn)云數(shù)據(jù)精度。檢核點(diǎn)通常選擇比較明顯、易于分辨的地物特征點(diǎn)，如車道標(biāo)示線、路燈等。使用GPS RTK檢核數(shù)據(jù)與點(diǎn)云同名點(diǎn)數(shù)據(jù)作比較，計(jì)算檢核點(diǎn)與點(diǎn)云數(shù)據(jù)中同名點(diǎn)的歐幾里得距離來檢驗(yàn)點(diǎn)云數(shù)據(jù)的精度。

使用SWDY軟件的特征提取功能，提取檢驗(yàn)后的高精度點(diǎn)云數(shù)據(jù)中的地物特征點(diǎn)線。提取的地物特征點(diǎn)線包括立杠、路燈、道路邊線、井蓋、房屋墻角點(diǎn)等。SWDY軟件的特征提取算法利用地物屬性特征(如路燈，交通指示牌的材質(zhì)、寬度、類型，道路線的顏色、寬度等)進(jìn)行特征匹配，自動提取車道線、桿狀物輪廓及房屋墻角點(diǎn)[15，17-18]。對于道路邊線，利用梯度濾波及鄰域取低點(diǎn)處理，進(jìn)行邊線粗線提取，并使用管道濾波的聚類分析去除離散點(diǎn)；桿狀物輪廓及房屋墻角點(diǎn)則是采用SSW測量系統(tǒng)的各個(gè)傳感器的屬性特征，考慮傳感器與桿狀物間的高度差、距離差、顏色屬性集合，利用已有的專家知識模型進(jìn)行識別和調(diào)整，得到適合本次試驗(yàn)地區(qū)適用的提取參數(shù)，從而進(jìn)行完整提取。

2.3 點(diǎn)云特征和矢量地圖雙向匹配檢驗(yàn)

點(diǎn)云特征和矢量地圖雙向匹配檢驗(yàn)方法，分別為利用點(diǎn)云數(shù)據(jù)特征檢測矢量地圖中粗差與采集丟漏，利用矢量地圖反向驗(yàn)證點(diǎn)云特征數(shù)據(jù)是否有漏提取與地物變化。

首先利用點(diǎn)云數(shù)據(jù)特征檢測矢量地圖，針對點(diǎn)云數(shù)據(jù)中的特征點(diǎn)，基于最近鄰匹配的原則，在矢量地圖中尋找滿足式(1)的同類型特征點(diǎn)，其中λ為搜索閾值，取值兩倍中誤差，x、y為點(diǎn)云特征點(diǎn)的平面坐標(biāo)，xi、yi為矢量地圖中與點(diǎn)云特征點(diǎn)同類型，且在搜索閾值范圍內(nèi)的特征點(diǎn)的平面坐標(biāo)。

(1)

式中，(x-xi)∈[0,λ)且(y-yi)∈[0,λ)。中誤差公式如下

(2)

如果在搜索閾值范圍內(nèi)能夠?qū)ふ业狡ヅ涞膞i、yi，則可根據(jù)式(2)計(jì)算中誤差，并根據(jù)中誤差判斷矢量地圖的精度。如果在搜索閾值范圍內(nèi)未能夠?qū)ふ业狡ヅ涞膞i、yi，則自動標(biāo)記未匹配點(diǎn)，轉(zhuǎn)由人工審核，判定為粗差或采集丟漏。

利用矢量地圖反向驗(yàn)證點(diǎn)云特征數(shù)據(jù)，檢驗(yàn)方法原理與點(diǎn)云特征數(shù)據(jù)檢測矢量地圖的方法相同，如果未能找到匹配點(diǎn)，則自動標(biāo)記，提交人工審核，并判定是否為未能提取或成圖后地物變化。

通過雙向檢測的方法，可以有效防止點(diǎn)云特征數(shù)據(jù)有誤而導(dǎo)致矢量地圖誤檢的情況，并且可以快速判斷漏采與成圖后地物變化。根據(jù)雙向匹配結(jié)果，可以計(jì)算矢量地圖數(shù)據(jù)的中誤差，分析數(shù)據(jù)的誤差分布及地物的缺失信息。

3 試驗(yàn)與結(jié)果

3.1 試驗(yàn)區(qū)域及數(shù)據(jù)采集

本文所采用的試驗(yàn)區(qū)域?yàn)榕d化城區(qū)2 km2范圍，區(qū)域范圍內(nèi)包括房屋、道路、路燈、植被、水系等地形要素，道路通達(dá)，通行狀況良好，區(qū)域內(nèi)待檢測矢量地形數(shù)據(jù)比例尺為1∶1000，部分如圖2所示，成圖時(shí)間為2017年。

車載激光掃描平臺依據(jù)規(guī)劃的路線獲取點(diǎn)云數(shù)據(jù)。現(xiàn)場激光掃描作業(yè)過程中，行車速度保持在30 km/h，耗時(shí)1.5 h，掃描里程約25 km，采集過程中GPS信號良好，未出現(xiàn)長時(shí)間失鎖。采集過程中架設(shè)GPS基站1臺，數(shù)據(jù)采樣率為1 Hz。本試驗(yàn)使用GPS RTK測量了44個(gè)地物對象特征點(diǎn)，用于檢核點(diǎn)云數(shù)據(jù)精度，檢核點(diǎn)選擇易于識別的車道線和立桿。

3.2 數(shù)據(jù)預(yù)處理

本試驗(yàn)采用SWDY數(shù)據(jù)后處理軟件，綜合車載激光掃描平臺搭載的GPS、慣性測量單元、里程計(jì)與基站數(shù)據(jù)計(jì)算得到組合導(dǎo)航數(shù)據(jù)，據(jù)此進(jìn)一步計(jì)算獲得高精度三維點(diǎn)云數(shù)據(jù)，解算相機(jī)采集獲取的全景影像數(shù)據(jù)三維坐標(biāo)，并與點(diǎn)云數(shù)據(jù)融合得到彩色點(diǎn)云數(shù)據(jù)(如圖3所示)，包含色彩、強(qiáng)度等信息，真實(shí)反映了地物地貌的狀態(tài)。

本文試驗(yàn)使用GPS RTK實(shí)地測量的44個(gè)檢核點(diǎn)與點(diǎn)云數(shù)據(jù)中的對應(yīng)點(diǎn)進(jìn)行對比，檢查點(diǎn)云數(shù)據(jù)的二維平面精度。對比結(jié)果見表1，其中ID為檢核點(diǎn)序號，XRTK和YRTX分別為檢核點(diǎn)的平面坐標(biāo)，X和Y分別為對應(yīng)點(diǎn)云數(shù)據(jù)的平面坐標(biāo)，坐標(biāo)系為CGCS2000，ds為檢核點(diǎn)坐標(biāo)與點(diǎn)云坐標(biāo)的歐氏距離，計(jì)算公式見式(3)，中誤差M計(jì)算公式見式(2)。對比結(jié)果中誤差為0.063 437 m，遠(yuǎn)小于待檢1∶1000比例尺地形圖0.5 m中誤差的要求，因此可判斷該車載激光掃描平臺獲取的點(diǎn)云數(shù)據(jù)精度符合要求。

(3)

表1 點(diǎn)云平面精度檢核表

使用SWDY軟件中的點(diǎn)云數(shù)據(jù)矢量特征自動提取功能，預(yù)設(shè)測量區(qū)域的道路寬度、移動載體在道路中的相對位置、路燈高度等參數(shù)信息，提取得到立杠、路燈、道路邊線、井蓋、房屋墻角點(diǎn)等矢量特征數(shù)據(jù)。圖4為使用SWDY提取立桿后的效果，其中白色線段為提取出的立桿。

3.3 檢測結(jié)果與誤差分析

使用點(diǎn)云數(shù)據(jù)中提取的路燈、立桿等特征數(shù)據(jù)，按照本文提出的雙向匹配方法，完成與待檢矢量地圖上的對應(yīng)矢量要素的雙向搜索，其中中誤差限差為0.5 m，搜索閾值設(shè)置為兩倍中誤差，即1 m。本試驗(yàn)共提取205個(gè)地物特征點(diǎn)，其中雙向匹配成功201個(gè)，未成功匹配4個(gè)，匹配成功率為98.0%。針對未匹配成功的點(diǎn)，經(jīng)由人工判讀逐一定性為粗差。

對匹配點(diǎn)進(jìn)行計(jì)算，能夠得到每對匹配點(diǎn)的中誤差，從而計(jì)算出整體中誤差及誤差超限的地方，即矢量地圖中有測量錯誤的位置。平面誤差分布情況如圖5所示，其中坐標(biāo)軸為點(diǎn)云數(shù)據(jù)和矢量數(shù)據(jù)的坐標(biāo)相對誤差，根據(jù)式(2)計(jì)算檢測中誤差為0.26 m，且95%的點(diǎn)都在0.5 m以內(nèi)，說明該矢量地圖較好符合精度要求。

4 結(jié) 語

本文提出了一種利用車載點(diǎn)云數(shù)據(jù)自動校驗(yàn)矢量地圖平面精度的方法，有效提高了矢量地圖數(shù)據(jù)質(zhì)檢的效率和可靠性，同時(shí)降低了野外數(shù)據(jù)采集工作量。

傳統(tǒng)質(zhì)檢中利用GPS RTK實(shí)測數(shù)據(jù)檢測矢量地圖的方法人工成本較高，檢測的特征點(diǎn)較少，本文提出的利用點(diǎn)云數(shù)據(jù)自動檢測矢量地圖的方法，提升了矢量地圖的檢測點(diǎn)數(shù)量和精度，并且點(diǎn)云數(shù)據(jù)采集速度快，成本低。點(diǎn)云特征和待檢矢量地圖數(shù)據(jù)雙向檢測的方法能夠快速有效地發(fā)現(xiàn)數(shù)據(jù)粗差、采集丟漏等問題，提升質(zhì)檢的準(zhǔn)確率。

本文中的原始點(diǎn)云數(shù)據(jù)精度需要通過GPS RTK測量少量檢核點(diǎn)驗(yàn)證，仍然需要實(shí)地測量部分?jǐn)?shù)據(jù)，且本文的檢測方法未涉及矢量地形圖的高程檢測，下一步工作將在檢測流程優(yōu)化、原始點(diǎn)云特征提取等方面進(jìn)行提升，并研究數(shù)據(jù)高程精度檢測對比，全面支持矢量地圖質(zhì)量檢驗(yàn)。