李 沖，李昊霖，佘 毅

(四川省測(cè)繪產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)站，成都 610041)

0 引言

地理信息產(chǎn)品的質(zhì)量檢測(cè)除檢查其數(shù)據(jù)組織、定義以及內(nèi)部邏輯關(guān)系的正確性外，其數(shù)學(xué)精度和要素屬性正確性是其中重要的檢查內(nèi)容[1-2]。由于這2項(xiàng)檢查內(nèi)容工作量大，目前主要采用抽樣后人工外業(yè)實(shí)地比對(duì)檢查的方式。數(shù)學(xué)精度的檢查主要采用RTK、全站儀實(shí)地采集檢測(cè)點(diǎn)統(tǒng)計(jì)精度的方式；要素屬性正確性主要采用實(shí)地對(duì)照檢查的方式。這種方式易受交通條件、檢查人員責(zé)任心以及檢查經(jīng)驗(yàn)等諸多因素的影響，且檢查數(shù)據(jù)的覆蓋范圍有限，已不適合當(dāng)前大范圍、高質(zhì)量要求的地理信息產(chǎn)品質(zhì)量檢測(cè)評(píng)估的需要[3-5]。

本研究提出了利用低空航空器搭載多傳感器獲取影像、激光點(diǎn)云和視頻等多源遙感數(shù)據(jù)，進(jìn)行配準(zhǔn)、融合處理后，快速檢測(cè)各類地物的數(shù)學(xué)精度及評(píng)估地理要素屬性正確性的方法，可有效解決人工外業(yè)檢查效率低、客觀性受人為因素影響大的問題。

1 基于多源遙感數(shù)據(jù)的質(zhì)量檢測(cè)流程

基于多源遙感數(shù)據(jù)的地理信息產(chǎn)品質(zhì)量檢測(cè)總體流程如圖1所示。

圖1 基于多源遙感數(shù)據(jù)的產(chǎn)品質(zhì)量檢測(cè)流程Fig.1 Flow chart of quality inspection technology

具體步驟如下：①多源數(shù)據(jù)獲取，先根據(jù)待檢地理信息產(chǎn)品的空間范圍確定航攝范圍，然后利用搭載有激光雷達(dá)、相機(jī)和定位定姿系統(tǒng)等設(shè)備的航空器獲取點(diǎn)云、影像、視頻以及位置與姿態(tài)數(shù)據(jù)(position and orientation system，POS)等多源數(shù)據(jù)；②多源數(shù)據(jù)融合，基于POS與點(diǎn)云、影像、視頻等數(shù)據(jù)的時(shí)間關(guān)聯(lián)關(guān)系，利用相關(guān)幾何模型地理化處理多源遙感數(shù)據(jù)，隨后基于空間位置與屬性配準(zhǔn)、融合處理多源遙感數(shù)據(jù)和待檢數(shù)據(jù)；③地理信息產(chǎn)品質(zhì)量檢測(cè)，聯(lián)動(dòng)顯示、疊加比對(duì)融合數(shù)據(jù)與待檢數(shù)據(jù)，采集同名特征點(diǎn)分類檢測(cè)地物的數(shù)學(xué)精度，利用目視解譯法評(píng)估地物的自然屬性。

2 基于位置與屬性的多源數(shù)據(jù)融合

機(jī)載原始影像、視頻和激光雷達(dá)數(shù)據(jù)不具有空間關(guān)聯(lián)關(guān)系，不利于多源低空遙感數(shù)據(jù)的信息整合，也不便于與待檢數(shù)據(jù)比對(duì)分析，因此，在執(zhí)行質(zhì)量檢測(cè)前，需配準(zhǔn)處理激光點(diǎn)云、影像、視頻和待檢數(shù)據(jù)。

2.1 多源遙感數(shù)據(jù)地理化處理

首先，采用動(dòng)態(tài)差分法聯(lián)合解算地面基準(zhǔn)站、定位定姿設(shè)備數(shù)據(jù)獲得高精度POS數(shù)據(jù)；然后，利用POS數(shù)據(jù)的位置與姿態(tài)信息幾何化處理多源數(shù)據(jù)，將影像、激光點(diǎn)云和視頻數(shù)據(jù)統(tǒng)一歸算到同一參考坐標(biāo)系下[6-10]。

2.1.1 機(jī)載影像幾何處理

基于幾何約束條件快速匹配影像，在POS數(shù)據(jù)輔助下進(jìn)行空三平差，隨后對(duì)測(cè)區(qū)機(jī)載影像進(jìn)行正射糾正、鑲嵌、勻色，生成正射影像。

2.1.2 機(jī)載激光點(diǎn)云絕對(duì)定位

基于機(jī)載激光雷達(dá)對(duì)地定位模型，融合處理POS數(shù)據(jù)的點(diǎn)位信息、姿態(tài)信息與激光掃描儀獲取的角度、距離信息，自動(dòng)生成具有絕對(duì)高精度三維空間坐標(biāo)的激光點(diǎn)云。

具體方法為：假設(shè)空中有一指向地面的向量S，其指向由飛行平臺(tái)的姿態(tài)信息(φ,ω,κ)描述，如果測(cè)出該向量的起始點(diǎn)OS的坐標(biāo)為(XS,YS,ZS)，那么該向量指向地面的另一端點(diǎn)PW坐標(biāo)(X,Y,Z)能夠唯一確定，如圖2所示。其中向量S的模由激光掃描儀通過測(cè)距獲得，(φ,ω,κ)與(XS,YS,ZS)由機(jī)載POS設(shè)備和偏心改正數(shù)等提供。

圖2 機(jī)載激光點(diǎn)云絕對(duì)定位模型Fig.2 Absolute positioning model

激光點(diǎn)的絕對(duì)定位模型表達(dá)式為

PW=PGPS+RWRGEORINS(RluRlbs+l0)，

(1)

式中：PGPS為天線相位中心在WGS84坐標(biāo)系中的坐標(biāo)；RW為從局部橢球系統(tǒng)到WGS84坐標(biāo)系的轉(zhuǎn)換矩陣；RGEO為導(dǎo)航坐標(biāo)系到局部橢球系統(tǒng)的轉(zhuǎn)換矩陣；RINS為慣性測(cè)量單位所在的載體坐標(biāo)系到導(dǎo)航坐標(biāo)系的轉(zhuǎn)換矩陣；Rlu為激光掃描儀坐標(biāo)系到載體坐標(biāo)系的轉(zhuǎn)換矩陣；Rlb為瞬時(shí)激光光束坐標(biāo)系到激光掃描儀坐標(biāo)系的轉(zhuǎn)換矩陣；s為激光點(diǎn)在激光光束坐標(biāo)系中的坐標(biāo)；l0為全球定位系統(tǒng)接收機(jī)的天線相位中心到激光發(fā)射中心的偏向分量[11]。

2.1.3 機(jī)載視頻數(shù)據(jù)地理化處理

視頻數(shù)據(jù)地理化處理的關(guān)鍵是建立視頻數(shù)據(jù)和實(shí)際地理位置的對(duì)應(yīng)關(guān)系。首先，根據(jù)視頻創(chuàng)建時(shí)間和幀率推算每一幀視頻影像的創(chuàng)建時(shí)間；然后，以視頻幀的時(shí)間戳為基準(zhǔn)，線性擬合POS數(shù)據(jù)獲取該視頻幀的位置與姿態(tài)信息；最后，根據(jù)機(jī)載影像幾何定位模型確定該視頻幀的地理位置。

由于視頻數(shù)據(jù)屬于高時(shí)間分辨率影像數(shù)據(jù)，存在大量重復(fù)的冗余信息，必須按照一定的規(guī)則提取關(guān)鍵幀，常用規(guī)則有圖像內(nèi)容法、鏡頭邊界法和運(yùn)動(dòng)分析法等。本文在使用視頻數(shù)據(jù)時(shí)直接將其當(dāng)作一幅幅影像，用于補(bǔ)充常規(guī)影像數(shù)據(jù)視角與地物細(xì)節(jié)信息的不足。

2.2 多源數(shù)據(jù)互配準(zhǔn)

2.2.1 多源遙感數(shù)據(jù)互配準(zhǔn)

由于執(zhí)行低空遙感任務(wù)的設(shè)備均需進(jìn)行檢校，因此，多傳感器設(shè)備相對(duì)地面的空間位置關(guān)系穩(wěn)定可靠，基于幾何模型地理化處理獲取的多源遙感數(shù)據(jù)，相互間空間位置差異較小，地物屬性特征具有較強(qiáng)的一致性，因此可基于各數(shù)據(jù)間的空間位置關(guān)系，快速配準(zhǔn)、融合處理多源遙感數(shù)據(jù)。

2.2.2 融合數(shù)據(jù)與待檢數(shù)據(jù)配準(zhǔn)

當(dāng)待檢數(shù)據(jù)空間位置不存在系統(tǒng)性誤差時(shí)，可直接基于融合數(shù)據(jù)、待檢數(shù)據(jù)的空間位置關(guān)系配準(zhǔn)待檢數(shù)據(jù)與融合數(shù)據(jù)，實(shí)現(xiàn)待檢數(shù)據(jù)與融合數(shù)據(jù)的聯(lián)動(dòng)顯示、疊加分析，進(jìn)而評(píng)測(cè)產(chǎn)品的質(zhì)量。

當(dāng)待檢數(shù)據(jù)存在較大的系統(tǒng)性誤差時(shí)，須先基于待檢數(shù)據(jù)與融合數(shù)據(jù)上同名地物屬性特征的一致性，選取多對(duì)同名地物特征點(diǎn)；然后，利用仿射變換糾正待檢數(shù)據(jù)，進(jìn)而實(shí)現(xiàn)融合數(shù)據(jù)與待檢數(shù)據(jù)的配準(zhǔn)。當(dāng)然，檢測(cè)地理信息產(chǎn)品數(shù)學(xué)精度時(shí)需考慮仿射變換對(duì)數(shù)學(xué)精度檢測(cè)結(jié)果的影響。仿射變換采用6參數(shù)，其表達(dá)式為

(2)

式中：x′和y′為待檢數(shù)據(jù)上的平面位置坐標(biāo)；x和y為融合數(shù)據(jù)上同名地物特征點(diǎn)的平面位置坐標(biāo)；a0，a1，a2，b0，b1和b2分別為變換參數(shù)。

3 質(zhì)量檢測(cè)

基于配準(zhǔn)融合后的激光點(diǎn)云和影像等數(shù)據(jù)，首先執(zhí)行要素提取操作；然后利用要素分類信息分類檢測(cè)地理信息產(chǎn)品的數(shù)學(xué)精度，評(píng)估要素屬性信息的正確性。具體步驟如圖3所示。

圖3 質(zhì)量檢測(cè)步驟Fig.3 Steps of quality inspection

3.1 要素提取

綜合利用影像與視頻數(shù)據(jù)的光譜特征和激光點(diǎn)云的高程信息與反射強(qiáng)度信息，將激光點(diǎn)云數(shù)據(jù)分為建筑物、道路等外業(yè)巡檢重點(diǎn)關(guān)注的地物類別，為地物數(shù)學(xué)精度分類檢測(cè)和屬性信息快速評(píng)估奠定基礎(chǔ)。但當(dāng)獲取得到的多源遙感數(shù)據(jù)質(zhì)量較好，在影像與激光點(diǎn)云上容易直觀分辨出地物類別時(shí)，可不執(zhí)行要素提取操作。

要素提取方法如下：首先，利用高程信息將地物分為地面和非地面地物；然后，利用植被覆蓋指數(shù)、強(qiáng)度和強(qiáng)度標(biāo)準(zhǔn)差等依次將地面地物分為植被和道路，利用植被覆蓋指數(shù)、高程標(biāo)準(zhǔn)差和強(qiáng)度等從非地面地物中提取出建筑物[12-14]。

3.2 地物類別標(biāo)注

為便于快速分類檢測(cè)數(shù)學(xué)精度和評(píng)估地物屬性信息的正確性，基于ArcEngine研發(fā)了屬性值標(biāo)注功能模塊，該模塊能夠標(biāo)注顯示待檢地理要素的屬性值或基于對(duì)照表自動(dòng)顯示出要素編碼對(duì)應(yīng)的中文地物類別。

3.3 數(shù)學(xué)精度分類檢測(cè)

數(shù)學(xué)精度分類檢測(cè)主要分為同名檢測(cè)點(diǎn)選取和數(shù)學(xué)精度分類統(tǒng)計(jì)2個(gè)步驟。

3.3.1 同名檢測(cè)點(diǎn)選取

基于機(jī)載激光點(diǎn)云與影像數(shù)據(jù)的高程和紋理信息，結(jié)合要素類別信息，分類選取特征明顯、同名點(diǎn)對(duì)應(yīng)明確的三維檢測(cè)點(diǎn)。在選取同名檢測(cè)點(diǎn)時(shí)，可以根據(jù)實(shí)際地物情況選擇能夠突出地物局部特征的點(diǎn)云渲染模式，如按類別渲染、高程渲染和強(qiáng)度渲染等。

3.3.2 數(shù)學(xué)精度分類統(tǒng)計(jì)

利用已選取的同名檢測(cè)點(diǎn)，依據(jù)相關(guān)地理信息產(chǎn)品質(zhì)量檢驗(yàn)標(biāo)準(zhǔn)，按類別統(tǒng)計(jì)地物數(shù)學(xué)精度，數(shù)學(xué)精度采用中誤差表達(dá)，其表達(dá)式為

(3)

(4)

式中：M表示中誤差；n表示檢測(cè)點(diǎn)總數(shù)。

3.4 屬性信息快速評(píng)估

要素屬性信息快速評(píng)估主要包括要素完整性評(píng)估和屬性信息核查2個(gè)方面，評(píng)估方式為“基于空間位置分析評(píng)估要素屬性值和融合數(shù)據(jù)地物特征的一致性”。

3.4.1 要素完整性評(píng)估

基于機(jī)載影像與視頻數(shù)據(jù)面狀、高空間分辨率的紋理信息，快速目視解譯地物屬性，檢測(cè)待檢數(shù)據(jù)是否存在地物多余、地物遺漏以及地物類別錯(cuò)誤等問題。

3.4.2 屬性信息核查

利用激光點(diǎn)云數(shù)據(jù)提供的三維地形信息，核查待檢數(shù)據(jù)地物高程相關(guān)屬性值的正確性；或結(jié)合影像紋理提供的車道數(shù)、路寬等信息，評(píng)估相關(guān)要素屬性信息的正確性。

4 實(shí)例分析

為驗(yàn)證所提地理信息產(chǎn)品質(zhì)量檢測(cè)技術(shù)的有效性，本研究基于ArcEngine自主研制了一套地理信息產(chǎn)品質(zhì)量檢測(cè)軟件系統(tǒng)。該系統(tǒng)具有多源遙感數(shù)據(jù)疊加或聯(lián)動(dòng)顯示、點(diǎn)云渲染顯示、數(shù)學(xué)精度分類檢測(cè)和屬性信息快速評(píng)估等功能。采用的試驗(yàn)數(shù)據(jù)為位于四川省都江堰市某區(qū)域的多源低空遙感數(shù)據(jù)，面積為25 km2，待檢數(shù)據(jù)為2017年的地理國(guó)情監(jiān)測(cè)成果，試驗(yàn)數(shù)據(jù)詳細(xì)信息如表1所示。

表1 試驗(yàn)數(shù)據(jù)信息Tab.1 Information of test data

4.1 數(shù)學(xué)精度分類檢測(cè)

基于多源融合數(shù)據(jù)分類選取數(shù)學(xué)精度同名檢測(cè)點(diǎn)，如圖4所示。

圖4 數(shù)學(xué)精度檢測(cè)點(diǎn)選取Fig.4 Acquisition of mathematical precision point

檢測(cè)步驟為：基于空間位置聯(lián)動(dòng)顯示待檢數(shù)據(jù)、激光點(diǎn)云與影像，然后分公路、城市道路、建筑物和水系等類別，依次在待檢數(shù)據(jù)和參考數(shù)據(jù)上選取特征明顯的同名檢測(cè)點(diǎn)，選取足夠的檢測(cè)點(diǎn)后，執(zhí)行一鍵式地物數(shù)學(xué)精度分類統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果如圖5所示。

圖5 分類別的要素?cái)?shù)學(xué)精度Fig.5 Sub-category mathematical precision

從數(shù)學(xué)精度統(tǒng)計(jì)結(jié)果可以看出，公路的中誤差為3.287 m，城市道路的中誤差為2.979 m，建筑物的中誤差3.371 m，水系的中誤差為3.279 m，全類別的中誤差為3.218 m，精確反映了該區(qū)域地理國(guó)情監(jiān)測(cè)成果總體及各類別地物的數(shù)學(xué)精度狀況。

4.2 屬性信息快速評(píng)估

4.2.1 要素完整性評(píng)估

基于空間位置將待檢成果與具有精細(xì)紋理信息的影像透明化疊加，并標(biāo)注待檢地理要素的地物類別，經(jīng)人工目視解譯，可以明顯看出圖6中待檢成果遺漏重要高層建筑物。

圖6 要素完整性評(píng)估Fig.6 Integrity assessment of geographical element

4.2.2 屬性信息核查

基于空間位置聯(lián)動(dòng)顯示待檢數(shù)據(jù)與激光點(diǎn)云數(shù)據(jù)，通過讀取激光點(diǎn)云上建筑物與其周邊地表的高程，并計(jì)算兩者的差值，可以判斷該建筑物的“地理國(guó)情信息分類碼”屬性值錯(cuò)為“低矮房屋”，實(shí)際為“多層房屋”，如圖7所示。

圖7 屬性信息核查Fig.7 Quality inspection of feature attributes

4.3 結(jié)果分析

為評(píng)估所提方法的檢測(cè)效率和可靠性，針對(duì)上述試驗(yàn)從時(shí)間、檢測(cè)結(jié)果2個(gè)方面與人工外業(yè)檢測(cè)方式進(jìn)行了對(duì)比分析。

4.3.1 質(zhì)量檢測(cè)效率

檢測(cè)數(shù)據(jù)獲取及處理時(shí)間對(duì)比結(jié)果如表2所示。

表2 檢測(cè)數(shù)據(jù)獲取及處理時(shí)間對(duì)比Tab.2 Time comparison for obtaining and processing test data (h)

從表2可以看出，同樣獲取覆蓋25 km2地表范圍內(nèi)全地物類別、且能用于數(shù)學(xué)精度檢測(cè)與屬性評(píng)估的數(shù)據(jù)，本文方法共需約28 h，傳統(tǒng)人工方式需約88 h，本文所提方法獲取檢測(cè)數(shù)據(jù)的效率約是傳統(tǒng)人工方式的3.2倍，大幅度提高了檢測(cè)數(shù)據(jù)獲取效率，為大范圍、大數(shù)據(jù)量地理信息產(chǎn)品的質(zhì)量檢測(cè)評(píng)估提供了高效手段。

4.3.2 質(zhì)量檢測(cè)可靠性

從產(chǎn)品數(shù)學(xué)精度檢測(cè)結(jié)果(表3)可以看出，2種地物數(shù)學(xué)精度檢測(cè)方式得到的中誤差分別為3.2 m和3.0 m，數(shù)值非常接近，說明本文方法與人工外業(yè)檢測(cè)得到的數(shù)學(xué)精度較一致，都具有較高可信度。同時(shí)，本文方法是按公路、城市道路、建筑物、水系及全地物類別評(píng)測(cè)產(chǎn)品的數(shù)學(xué)精度的，而傳統(tǒng)人工外業(yè)檢測(cè)僅統(tǒng)計(jì)了產(chǎn)品的總體數(shù)學(xué)精度，且本文方法融合數(shù)據(jù)能夠提供的備選數(shù)學(xué)精度檢測(cè)點(diǎn)達(dá)1 000余個(gè)，為待檢數(shù)據(jù)數(shù)學(xué)精度全面檢測(cè)提供了充足的參考數(shù)據(jù)源，但是傳統(tǒng)人工外業(yè)檢測(cè)若另需數(shù)學(xué)精度檢測(cè)點(diǎn)，仍需再次進(jìn)行外業(yè)采集。

表3 產(chǎn)品數(shù)學(xué)精度檢測(cè)結(jié)果對(duì)比Tab.3 Comparison of mathematical precision

從產(chǎn)品屬性評(píng)估結(jié)果(表4)可以看出，本文方法與傳統(tǒng)人工外業(yè)檢測(cè)出的屬性錯(cuò)誤總數(shù)分別為50個(gè)和35個(gè)，傳統(tǒng)人工外業(yè)檢測(cè)相比本文方法漏檢測(cè)15個(gè)錯(cuò)誤，漏檢比例為30%。經(jīng)逐個(gè)對(duì)比分析2種方法的錯(cuò)誤記錄發(fā)現(xiàn)：人工外業(yè)檢測(cè)中漏檢測(cè)的錯(cuò)誤均位于地形條件復(fù)雜、道路不通達(dá)、質(zhì)檢人員難以到達(dá)的特殊區(qū)域，而本文方法可直接從空中視角俯瞰此類區(qū)域。

表4 產(chǎn)品屬性評(píng)估結(jié)果對(duì)比Tab.4 Comparison of attribute evaluation results (個(gè))

因此，本文方法相比傳統(tǒng)人工外業(yè)檢測(cè)，在地物的數(shù)學(xué)精度檢測(cè)與屬性評(píng)估方面具有全面、分類、精確等優(yōu)點(diǎn)，大幅提升了地理信息產(chǎn)品質(zhì)量檢測(cè)的可靠性，并滿足了地理信息產(chǎn)品數(shù)學(xué)精度精細(xì)化分類檢測(cè)的新需要。

5 結(jié)論

針對(duì)現(xiàn)有地理信息產(chǎn)品巡檢方式勞動(dòng)強(qiáng)度大、成本高、效率低、客觀性差等問題，本研究提出了一種基于低空多源遙感數(shù)據(jù)的地理信息要素?cái)?shù)學(xué)精度分類檢測(cè)和屬性信息快速評(píng)估方法，并基于Arc-Engine自主研制了一套地理信息產(chǎn)品質(zhì)量檢測(cè)軟件系統(tǒng)。經(jīng)實(shí)例驗(yàn)證，本文方法相比傳統(tǒng)人工外業(yè)檢測(cè)方式，具有效率高、可靠性好、結(jié)果可溯源等優(yōu)勢(shì)，同時(shí)，還可以降低質(zhì)檢人員的外業(yè)工作量，減少質(zhì)檢人員的安全隱患。在大幅提升質(zhì)量檢測(cè)的客觀性、科學(xué)性方面，具有良好的應(yīng)用價(jià)值。