徐 亮，沈蘊(yùn)紅

（中國市政工程西南設(shè)計研究總院有限公司，四川 成都 610000）

0 引 言

在基于GIS的高精度三維地形模型上進(jìn)行道路規(guī)劃設(shè)計與施工設(shè)計，是當(dāng)前道路基建規(guī)劃設(shè)計中的重要技術(shù)改革方向。道路BIM工程信息綜合管理系統(tǒng)中的基礎(chǔ)數(shù)據(jù)質(zhì)量，直接影響到后續(xù)的施工接續(xù)調(diào)度、工程量分析、工程造價分析、成本控制、勞動組織、附屬設(shè)施規(guī)劃設(shè)計等管理環(huán)節(jié)。而基于高精度三維地形模型的基礎(chǔ)數(shù)據(jù)的獲取、治理、建模方案，是向BIM提供更高精度數(shù)據(jù)的前提條件。

使用無人機(jī)攜帶高精度傾斜攝影設(shè)備對道路規(guī)劃區(qū)進(jìn)行低空航拍掃描，在機(jī)載高精度GPS設(shè)備提供的參考點(diǎn)數(shù)據(jù)支持下，與GIS高精度平面地圖進(jìn)行數(shù)據(jù)融合，使用Smart3D軟件工具包獲取規(guī)劃區(qū)的DEM三維模型。部分工程使用傾斜攝影與激光點(diǎn)云成像技術(shù)相結(jié)合，實(shí)現(xiàn)對數(shù)據(jù)精度的更大提升。

基于無人機(jī)低空航拍技術(shù)的DEM三維模型的數(shù)據(jù)治理，即對誤差數(shù)據(jù)進(jìn)行充分平差的計算方式，是其三維可視化成果精度的有效保障。因?yàn)楫?dāng)前使用全站儀進(jìn)行水平坐標(biāo)和垂直高程定位的方式誤差可以做到±50mm以內(nèi)，所以該模式在無人機(jī)機(jī)載GPS移動定位信號精度僅能達(dá)到米級水平的前提下，實(shí)現(xiàn)對地表測量點(diǎn)誤差小于±50mm的平差計算，是本文研究的重點(diǎn)。

1 道路規(guī)劃無人機(jī)航拍的數(shù)據(jù)來源

基于無人機(jī)航拍的數(shù)據(jù)，一般來自3個方向，一是無人機(jī)機(jī)載GPS的實(shí)時數(shù)據(jù)，在航拍系統(tǒng)的設(shè)計中，無人機(jī)每次傾斜攝影拍照或者獲取激光點(diǎn)云數(shù)據(jù)時，均會在數(shù)據(jù)頭部標(biāo)記拍照時的GPS實(shí)時定位結(jié)果；二是傾斜攝影的圖像點(diǎn)陣數(shù)據(jù)；三是激光點(diǎn)云點(diǎn)陣數(shù)據(jù)。另外，在進(jìn)行后期數(shù)據(jù)融合時，所有相關(guān)數(shù)據(jù)需要與GIS平面地理信息數(shù)據(jù)進(jìn)行融合，見圖1。

圖1 道路規(guī)劃測量的數(shù)據(jù)流圖

圖1中，道路規(guī)劃測量的數(shù)據(jù)來源，主要為無人機(jī)數(shù)據(jù)和GIS數(shù)據(jù)兩個核心來源，其中GIS數(shù)據(jù)的精度一般為±50mm，傾斜攝影和激光點(diǎn)云數(shù)據(jù)本身的精度遠(yuǎn)小于±50mm，但機(jī)載GPS在高速移動模式下的定位精度，一般大于±1000mm。此時，綜合平差方案將DEM模型的精度控制在±50mm以內(nèi)。DEM模型注入到道路工程BIM管理信息系統(tǒng)中，用于后續(xù)的道路工程管理。

所以，本文研究重點(diǎn)在于研究在機(jī)載GPS定位數(shù)據(jù)、傾斜攝影數(shù)據(jù)、激光點(diǎn)云數(shù)據(jù)、GIS地理信息數(shù)據(jù)的基礎(chǔ)上，實(shí)現(xiàn)對綜合平差數(shù)據(jù)精度的有效控制。

2 傳統(tǒng)平差算法及其局限性

傳統(tǒng)平差算法中，使用傾斜攝影的照片數(shù)據(jù)集與機(jī)載GPS定位數(shù)據(jù)集相結(jié)合，形成傾斜攝影定位數(shù)據(jù)，使用激光點(diǎn)云數(shù)據(jù)集與機(jī)載GPS定位數(shù)據(jù)集相結(jié)合，形成激光點(diǎn)云定位數(shù)據(jù)，將上述兩個數(shù)據(jù)初步平差結(jié)果與GIS地球地理信息數(shù)據(jù)集相結(jié)合，形成傾斜攝影定位數(shù)據(jù)的平差結(jié)果和激光點(diǎn)云定位數(shù)據(jù)的平差結(jié)果，進(jìn)而在兩個平差結(jié)果的基礎(chǔ)上，再次結(jié)合GIS地球地理信息數(shù)據(jù)集，形成最終的綜合平差結(jié)果，見圖2。

圖2 傳統(tǒng)平差算法數(shù)據(jù)流圖

圖2中，第一步形成傾斜攝影定位和激光點(diǎn)云定位的過程，可以利用Smart3D工業(yè)軟件工具包實(shí)現(xiàn)，該過程為一個全封裝過程。經(jīng)過相關(guān)文獻(xiàn)的數(shù)據(jù)分析研究，該過程的數(shù)據(jù)平差算法已經(jīng)擁有一定的領(lǐng)先性，本文研究也同樣采用了Smart3D的工業(yè)軟件工具包，所以對其詳細(xì)平差過程不再進(jìn)行深入討論。而在整合GIS地球地理信息數(shù)據(jù)集的過程中，則需要進(jìn)行深入研究。

其中，不論是傾斜攝影定位、激光點(diǎn)云定位、GIS數(shù)據(jù)坐標(biāo)等，其數(shù)據(jù)本質(zhì)是基于水平坐標(biāo)系的（X，Y）坐標(biāo)和基于高程系統(tǒng)的H坐標(biāo)，即對特定標(biāo)志點(diǎn)，在上述數(shù)據(jù)流中形成一個坐標(biāo)系統(tǒng)M，見式（1）：

Smart3D分析后的DEM結(jié)果和激光點(diǎn)云經(jīng)Smart3D分析后的DEM結(jié)果；為該標(biāo)志點(diǎn)在GIS地球地理信息數(shù)據(jù)庫中的標(biāo)記坐標(biāo)；

經(jīng)過式（2）的兩次平差，即使用GIS地球地理信息數(shù)據(jù)分別對傾斜攝影DEM數(shù)據(jù)和激光點(diǎn)云DEM數(shù)據(jù)進(jìn)行兩次平差，再將兩次平差結(jié)果與GIS地球地理信息數(shù)據(jù)再進(jìn)行一次平差，最終得出的平差結(jié)果，距離的直線距離，應(yīng)遠(yuǎn)小于理論值的±50mm級別，基本可以保證實(shí)現(xiàn)亞厘米級的平差計算。

3 基于機(jī)器學(xué)習(xí)的平差技術(shù)革新

3.1 傳統(tǒng)算法的局限性

3.2 神經(jīng)網(wǎng)絡(luò)的左右互搏算法

將傾斜攝影定位DEM結(jié)果和激光點(diǎn)云定位DEM結(jié)果，結(jié)合GIS地球地理信息數(shù)據(jù)進(jìn)行基于機(jī)器學(xué)習(xí)多列神經(jīng)網(wǎng)絡(luò)的結(jié)果，且每次調(diào)整系數(shù)后，判斷一列理論直線狀態(tài)坐標(biāo)的R2值，使其無限趨向于1.000，那么，機(jī)器學(xué)習(xí)過程會得到持續(xù)優(yōu)化。其數(shù)據(jù)流見圖3。

圖3中，選擇一列神經(jīng)網(wǎng)絡(luò)訓(xùn)練用數(shù)據(jù)，該數(shù)據(jù)通過計算機(jī)直接模擬獲得，并非為實(shí)測數(shù)據(jù)，使其更接近直線分布的規(guī)律。通過針對X，Y，H三列輸出結(jié)果的神經(jīng)元網(wǎng)絡(luò)系統(tǒng)，對該列數(shù)據(jù)進(jìn)行平差計算，最終得到一列平差結(jié)果數(shù)據(jù)，然后使用SPSS二次開發(fā)接口實(shí)現(xiàn)的線性回歸和R2值輸出，比較數(shù)據(jù)的R2值差異，選擇R2值最小的神經(jīng)網(wǎng)絡(luò)待回歸參數(shù)的深度迭代回歸方案，進(jìn)而生成新方案進(jìn)行二次比較，當(dāng)該循環(huán)過程將R2值迭代到0.999990以上時，認(rèn)為神經(jīng)元網(wǎng)絡(luò)的優(yōu)化結(jié)果達(dá)到要求并將該方案保留。

圖3 神經(jīng)網(wǎng)絡(luò)的左右互搏算法數(shù)據(jù)流圖

此時，神經(jīng)網(wǎng)絡(luò)的多列架構(gòu)見圖4。

圖4 多列神經(jīng)網(wǎng)絡(luò)內(nèi)部數(shù)據(jù)流圖

圖4中，來自傾斜攝影的DEM數(shù)據(jù)、激光點(diǎn)云的DEM數(shù)據(jù)、GIS的記錄數(shù)據(jù)，進(jìn)行拆分重組后，形成針對X，Y，H三個輸出需求的輸入數(shù)據(jù)集，分別為三組數(shù)據(jù)的X數(shù)據(jù)、Y數(shù)據(jù)和H數(shù)據(jù)，三列數(shù)據(jù)分別輸入后，使用2個卷積模塊，實(shí)現(xiàn)對數(shù)據(jù)的卷積整合，再將卷積數(shù)據(jù)整合到三列神經(jīng)網(wǎng)絡(luò)的平差模塊中。最終輸出經(jīng)過多列神經(jīng)網(wǎng)絡(luò)平差計算的X結(jié)果、Y結(jié)果和H結(jié)果。

其中，X輸入、Y輸入、H輸入、卷積A、卷積B模塊，其統(tǒng)計學(xué)意義在于實(shí)現(xiàn)數(shù)據(jù)的充分融合，所以可以使用多項(xiàng)式函數(shù)進(jìn)行模塊中的隱藏層節(jié)點(diǎn)設(shè)計，且因?yàn)閄輸入、Y輸入、H輸入三個模塊的輸入項(xiàng)為4項(xiàng)，卷積A、卷積B的輸入項(xiàng)為1項(xiàng)，所有卷積輸入模塊的輸出項(xiàng)均為1項(xiàng)，且其統(tǒng)計學(xué)意義僅為數(shù)據(jù)融合，所以其隱藏層結(jié)構(gòu)按照最簡設(shè)計，第1層設(shè)計5個節(jié)點(diǎn)，第2層設(shè)計3個節(jié)點(diǎn)，然后直接進(jìn)入輸出層。其節(jié)點(diǎn)函數(shù)可以寫做式（3）：

式中：Xi為第i個輸入數(shù)據(jù)；Y為節(jié)點(diǎn)輸出數(shù)據(jù)；j為多項(xiàng)式階數(shù)；Aj為第j階多項(xiàng)式的待回歸變量；當(dāng)j=0時

在三列多列神經(jīng)網(wǎng)絡(luò)的平差模塊中，即X平差、Y平差、H平差，分別為2個、3個、2個輸入項(xiàng)，均提供1個輸出項(xiàng)，輸出項(xiàng)直接為平差后的帶量綱結(jié)果。該過程的統(tǒng)計學(xué)意義為發(fā)現(xiàn)數(shù)據(jù)的深度統(tǒng)計學(xué)規(guī)律，所以，如果同樣采用2層隱藏層設(shè)計，那么第1層應(yīng)為充分發(fā)現(xiàn)數(shù)據(jù)的統(tǒng)計學(xué)非線性分布規(guī)律，所以仍需要采用公式（3）的多項(xiàng)式回歸函數(shù)進(jìn)行節(jié)點(diǎn)設(shè)計，第2層應(yīng)對數(shù)據(jù)細(xì)節(jié)進(jìn)行充分整理，應(yīng)采用對數(shù)函數(shù)進(jìn)行節(jié)點(diǎn)管理。且為了加深數(shù)據(jù)特征的逼近能力，節(jié)點(diǎn)數(shù)量應(yīng)適當(dāng)加大，所以，隱藏層第1層設(shè)計11個節(jié)點(diǎn)，第2層設(shè)計17個節(jié)點(diǎn)。其第2層的對數(shù)回歸函數(shù)的基函數(shù)如式（4）：

式中：Xi為第i個輸入數(shù)據(jù)；Y為節(jié)點(diǎn)輸出數(shù)據(jù)；A，B為待回歸變量。

4 數(shù)據(jù)的仿真驗(yàn)證

使用激光放線法，在地表構(gòu)建長度為5km的5條直線分布點(diǎn)序列，使用無人機(jī)掛載激光點(diǎn)云設(shè)備、傾斜攝影設(shè)備、機(jī)載GPS設(shè)備進(jìn)行基于多次通場法的試驗(yàn)性測量，且將該坐標(biāo)點(diǎn)在GIS地球地理信息數(shù)據(jù)庫中進(jìn)行標(biāo)注，獲得GIS地球地理信息數(shù)據(jù)集。對該方案使用直接激光點(diǎn)云數(shù)據(jù)、直接傾斜攝影數(shù)據(jù)、系統(tǒng)內(nèi)置平差法整合上述三組信息獲得的傳統(tǒng)方案平差數(shù)據(jù)，以及基于上述機(jī)器學(xué)習(xí)算法的神經(jīng)網(wǎng)絡(luò)平差數(shù)據(jù)進(jìn)行比較，可以得到表1。

表1 仿真實(shí)測數(shù)據(jù)的R2值比較結(jié)果對比表

表1中，5條基于激光放線法實(shí)現(xiàn)的長度5km±200m的測線中，高程差為154～357m，符合一般公路規(guī)劃地形的特征。在實(shí)測四種方式獲得的數(shù)據(jù)R2值時，發(fā)現(xiàn)激光點(diǎn)云的直接DEM數(shù)據(jù)R2＞0.998，傾斜攝影的直接DEM數(shù)據(jù)R2＞0.997，傳統(tǒng)平差算法的R2＞0.999，而采用本文優(yōu)化的神經(jīng)網(wǎng)絡(luò)平差算法的結(jié)果值R2＞0.99999?？梢哉J(rèn)定，本文優(yōu)化后的神經(jīng)網(wǎng)絡(luò)平差算法將傳統(tǒng)平差算法結(jié)果優(yōu)化了至少2個數(shù)量級，如果傳統(tǒng)平差算法的平差結(jié)果誤差達(dá)到±50mm級別，那么使用本文優(yōu)化的神經(jīng)網(wǎng)絡(luò)平差算法的實(shí)際測量結(jié)果，可以實(shí)現(xiàn)亞毫米級的平差計算。

但是，上述仿真實(shí)證方案為基于直線測線的理想測量過程，如果驗(yàn)證本文優(yōu)化算法對實(shí)際公路規(guī)劃設(shè)計中的應(yīng)用效果，需要在CAE平臺上，基于GIS全息三維地圖，實(shí)現(xiàn)更優(yōu)化的可視化結(jié)果展示，即通過在CAE+GIS的仿真平臺上進(jìn)行測量仿真，以獲得更高精度的全息三維地圖。因?yàn)樵贕IS系統(tǒng)中直接構(gòu)建三維地圖的方式可以獲得完全已知的坐標(biāo)，所以可以在仿真計算中求取實(shí)際工程量的可視化量取值差異，見表2。

表2 基于CAE+GIS仿真評價結(jié)果對比表

表2中，對比傳統(tǒng)平差算法獲得的三維DEM可視化模型和基于本文優(yōu)化的神經(jīng)網(wǎng)絡(luò)平差獲得的三維DEM模型，在可視化結(jié)果中的長度截取誤差、以及基于上述長度截取過程獲得的工程量計算誤差、材料費(fèi)計算誤差、工程總造價誤差等方面，本文優(yōu)化算法分別將數(shù)據(jù)精度提升90.7%、86.0%、87.6%、79.3%。該結(jié)果與上述理想狀態(tài)下數(shù)據(jù)提升2個數(shù)量級的結(jié)果基本吻合。

5 結(jié)語

通過現(xiàn)狀及問題分析，發(fā)現(xiàn)當(dāng)前道路規(guī)劃設(shè)計過程中，工程測量精度仍有較大提升空間。在當(dāng)前基于無人機(jī)航測遙感技術(shù)的三維DEM可視化硬件設(shè)備沒有升級的前提下，通過充分優(yōu)化基于多種測量模式獲得數(shù)據(jù)的平差過程，在傳統(tǒng)的三角法平差算法的基礎(chǔ)上，引入神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)技術(shù)，使用帶深度卷積的多列神經(jīng)網(wǎng)絡(luò)輔助平差計算，可以將當(dāng)前平差計算的數(shù)據(jù)水平提升2個數(shù)量級，獲得更高精度的測量結(jié)果。雖然該方案尚未被工程測量相關(guān)國家標(biāo)準(zhǔn)接納和支持，但單純從數(shù)據(jù)角度分析，該方案在公路規(guī)劃設(shè)計領(lǐng)域的工程測量中表現(xiàn)出一定的積極意義，具有一定的推廣價值。