高桂甫，任高升，王亞梅，周 益

(1.鹽城市勘察測(cè)繪院，江蘇 鹽城 224002；2.南京工業(yè)大學(xué)測(cè)繪科學(xué)與技術(shù)學(xué)院，江蘇 南京 211816)

0 引 言

城市全息數(shù)據(jù)采集技術(shù)為新型基礎(chǔ)測(cè)繪數(shù)據(jù)生產(chǎn)提供了新思路，成為智慧城市數(shù)據(jù)采集和信息化建設(shè)的主要方法。智能化全息測(cè)繪利用傾斜攝影、激光掃描等傳感器獲取建筑、道路、城市部件及植被水系等地形數(shù)據(jù)，并結(jié)合調(diào)繪充實(shí)地理實(shí)體要素，建立地理實(shí)體的矢量、三維模型，形成涵蓋地上下、室內(nèi)外的高精度全息測(cè)繪數(shù)據(jù)，為智慧社會(huì)提供全方位、智能化的地理信息服務(wù)[1]。城市空間結(jié)構(gòu)復(fù)雜，傳統(tǒng)基礎(chǔ)測(cè)繪采集數(shù)據(jù)較為單一，普遍存在數(shù)據(jù)漏洞，難以表達(dá)目標(biāo)完整的細(xì)節(jié)特征[2]。結(jié)合激光雷達(dá)、傾斜攝影技術(shù)采集點(diǎn)云和影像數(shù)據(jù)，對(duì)測(cè)區(qū)內(nèi)地物進(jìn)行各類要素采集，生產(chǎn)全要素地形圖，對(duì)新型基礎(chǔ)測(cè)繪發(fā)展具有積極意義。

相關(guān)學(xué)者對(duì)全息數(shù)據(jù)采集及新型基礎(chǔ)測(cè)繪地形圖要素提取方法進(jìn)行了研究，并取得了一定的成果。寧振偉[3]采用背包、車載激光結(jié)合無人機(jī)傾斜航測(cè)獲取城市園區(qū)全息數(shù)據(jù)，對(duì)激光點(diǎn)云和傾斜影像進(jìn)行標(biāo)定、匹配、融合，生產(chǎn)要素化、實(shí)體化三維地圖數(shù)據(jù)；王文峰[4]結(jié)合上海新型基礎(chǔ)測(cè)繪建設(shè)試點(diǎn)項(xiàng)目，利用傾斜攝影和激光雷達(dá)技術(shù)進(jìn)行科技園全息數(shù)據(jù)采集，完成了測(cè)區(qū)地物各類要素提取，實(shí)現(xiàn)了新型基礎(chǔ)測(cè)繪地形圖升級(jí)；李濤等[5]研究了車載 LiDAR 在智能化全息測(cè)繪中的應(yīng)用，對(duì)道路紅線范圍內(nèi)三維矢量數(shù)據(jù)應(yīng)采盡采，獲得了道路紅線范圍內(nèi)的高精度全要素三維地形數(shù)據(jù)。但全息數(shù)據(jù)處理中，存在多源點(diǎn)云融合可控性偏低的問題，如何實(shí)現(xiàn)多源點(diǎn)云高精度融合是亟待解決的問題。

針對(duì)車載LiDAR點(diǎn)云與無人機(jī)密集影像匹配(Dense Image Matching，DIM)點(diǎn)云數(shù)據(jù)坐標(biāo)基準(zhǔn)不同、尺度不一的問題，本文利用特制標(biāo)靶球構(gòu)建地面控制、激光掃描控制、無人機(jī)航測(cè)控制的高精度一體化控制體系；采用車載激光雷達(dá)掃描和無人機(jī)傾斜攝影技術(shù)采集測(cè)區(qū)全息數(shù)據(jù)，通過坐標(biāo)系一體化控制實(shí)現(xiàn)多源點(diǎn)云融合，獲取測(cè)區(qū)完整點(diǎn)云模型，提取地物各類矢量特征，生產(chǎn)全要素地形圖，為智慧城市建設(shè)提供全方位數(shù)據(jù)支撐。

1 多源點(diǎn)云一體化控制

利用車載LiDAR結(jié)合無人機(jī)傾斜攝影獲取城市地物立面點(diǎn)云和影像數(shù)據(jù)，基于影像密集匹配算法生成DIM點(diǎn)云，對(duì)激光點(diǎn)云進(jìn)行補(bǔ)充，構(gòu)建城市一體化點(diǎn)云模型。但兩種點(diǎn)云屬于異源數(shù)據(jù)，坐標(biāo)系統(tǒng)不一致，點(diǎn)位精度不同，因此，需要進(jìn)行車載LiDAR點(diǎn)云與無人機(jī)DIM點(diǎn)云數(shù)據(jù)的精確融合，建立整個(gè)場(chǎng)景統(tǒng)一的點(diǎn)云模型。若在數(shù)據(jù)采集時(shí)不布設(shè)控制點(diǎn)，激光點(diǎn)云和無人機(jī)影像點(diǎn)云坐標(biāo)基準(zhǔn)不一致，需要通過點(diǎn)云配準(zhǔn)進(jìn)行異源點(diǎn)云融合。但異源點(diǎn)云精度差異較大，點(diǎn)云配準(zhǔn)難以獲得較好的融合模型[6]。顧及異源點(diǎn)云配準(zhǔn)的復(fù)雜性，本文以高精度控制測(cè)量為基準(zhǔn)，建立地面控制點(diǎn)、車載激光點(diǎn)云和無人機(jī)影像的高精度一體化控制體系，將車載激光掃描點(diǎn)云和無人機(jī)影像點(diǎn)云坐標(biāo)轉(zhuǎn)換至控制點(diǎn)坐標(biāo)系統(tǒng)，實(shí)現(xiàn)多源點(diǎn)云數(shù)據(jù)融合，一體化控制技術(shù)流程如圖1所示。

圖1 多源點(diǎn)云一體化控制技術(shù)流程圖

通過標(biāo)靶球建立了全站儀控制點(diǎn)、激光掃描儀控制點(diǎn)、無人機(jī)控制點(diǎn)高精度對(duì)應(yīng)關(guān)系，因此，統(tǒng)一控制標(biāo)靶球的構(gòu)建是建立一體化控制體系的關(guān)鍵。在標(biāo)靶球上安置反射片和水準(zhǔn)器泡統(tǒng)一的特殊裝置，并精確確定反射中心與掃描球中心、掃描球中心與地面點(diǎn)之間的相對(duì)距離，統(tǒng)一地面控制點(diǎn)、激光掃描點(diǎn)、無人機(jī)控制點(diǎn)的坐標(biāo)系統(tǒng)。

利用車載激光雷達(dá)掃描、傾斜攝影測(cè)量和其他補(bǔ)充測(cè)量手段進(jìn)行測(cè)區(qū)全息數(shù)據(jù)采集，地面控制點(diǎn)利用高精度控制測(cè)量儀器獲取，與車載激光掃描基準(zhǔn)點(diǎn)聯(lián)測(cè)，采用三維約束網(wǎng)平差進(jìn)行數(shù)據(jù)解算，獲得高精度點(diǎn)云數(shù)據(jù)。在無人機(jī)航攝建模過程中，利用地面控制點(diǎn)提高無人機(jī)影像定向和建模精度。通過建立一體化控制體系，車載LiDAR點(diǎn)云與無人機(jī)DIM點(diǎn)云在高精度控制點(diǎn)系統(tǒng)下，提高了多源點(diǎn)云融合精度和建模精度，為后續(xù)矢量特征提取與地形圖生產(chǎn)提供了基礎(chǔ)。

2 全息數(shù)據(jù)采集與處理

高效、全面、精準(zhǔn)地采集測(cè)區(qū)全息數(shù)據(jù)是新型基礎(chǔ)測(cè)繪的重要內(nèi)容，以上海張江科學(xué)城為研究區(qū)域，利用車載LiDAR和無人機(jī)結(jié)合一體化控制點(diǎn)采集測(cè)區(qū)的全息數(shù)據(jù)，技術(shù)流程如圖2所示。

圖2 全息數(shù)據(jù)采集與地形圖生產(chǎn)流程

2.1 測(cè)區(qū)概況

實(shí)驗(yàn)區(qū)域位于上海市浦東新區(qū)張江科學(xué)城，面積約28.3 km2，如圖3所示。測(cè)區(qū)內(nèi)交通網(wǎng)絡(luò)發(fā)達(dá)，地物類別豐富，覆蓋點(diǎn)、線、面等地理實(shí)體類型，建筑物、道路、交通、管線及植被等地理實(shí)體種類齊全，具有較強(qiáng)的代表性。

圖3 測(cè)區(qū)概況圖

全息數(shù)據(jù)采集前收集施測(cè)及鄰近區(qū)域的正射影像、大地測(cè)量資料及道路通行情況，激光掃描系統(tǒng)與無人機(jī)航測(cè)平臺(tái)相互標(biāo)定，通過控制點(diǎn)精度、控制點(diǎn)密度、GNSS基站布設(shè)位置、GPS信號(hào)強(qiáng)度及失鎖時(shí)間、激光掃描路徑及航測(cè)航線合理性等參數(shù)設(shè)置，對(duì)全息數(shù)據(jù)采集效率和數(shù)據(jù)精度進(jìn)行優(yōu)化。

2.2 激光雷達(dá)數(shù)據(jù)采集與掃描處理

車載激光掃描系統(tǒng)[7]主要由激光掃描儀、全景相機(jī)、慣性導(dǎo)航單元、定位系統(tǒng)和里程計(jì)等組成，系統(tǒng)集成度高、測(cè)量精度高且可多平臺(tái)安放，能夠高效獲取建筑物立面、道路及其附屬設(shè)施空間點(diǎn)云和紋理信息。車載LiDAR點(diǎn)云生產(chǎn)包括點(diǎn)云數(shù)據(jù)采集、軌跡解算、數(shù)據(jù)糾正等步驟。

2.2.1 點(diǎn)云數(shù)據(jù)采集

點(diǎn)云數(shù)據(jù)采集包括設(shè)備參數(shù)設(shè)置，GNSS基站架設(shè)、激光掃描和糾正點(diǎn)、檢查點(diǎn)測(cè)量等過程。首先，選擇已知的4個(gè)GNSS平面和高程控制點(diǎn)作為車載激光掃描基準(zhǔn)數(shù)據(jù)，根據(jù)測(cè)區(qū)情況增設(shè)GNSS控制點(diǎn)加密地面基站?；炯茉O(shè)完成后，采用GNSS靜態(tài)觀測(cè)方法進(jìn)行慣性測(cè)量裝置的初始化，GNSS衛(wèi)星數(shù)量大于10顆，位置精度衰減因子(PDOP)小于4。然后，利用AS-900HL車載激光雷達(dá)掃描系統(tǒng)對(duì)測(cè)區(qū)外圍的主干道沿順時(shí)針方向進(jìn)行掃描，在測(cè)區(qū)內(nèi)從北到南，從東到西單次分段掃描，采集城市道路以及道路兩側(cè)城市部件等各類要素。最后，采用VRS-RTK模式進(jìn)行糾正點(diǎn)測(cè)量，選取道路標(biāo)線、箭頭標(biāo)識(shí)等易于識(shí)別的特征點(diǎn)，沿道路每間隔約200 m布設(shè)1個(gè)糾正點(diǎn)，每點(diǎn)獨(dú)立初始化2次，每次采集兩組觀測(cè)數(shù)據(jù)，將4組數(shù)據(jù)的平面點(diǎn)位平均值作為平面測(cè)量值。在相鄰糾正點(diǎn)中間布設(shè)檢查點(diǎn)，對(duì)糾正點(diǎn)進(jìn)行檢查，平面點(diǎn)位較差應(yīng)小于3 cm。

2.2.2 軌跡解算

數(shù)據(jù)采集完成后，結(jié)合GNSS基站數(shù)據(jù)與IMU數(shù)據(jù)計(jì)算得到POST文件。利用后處理軟件CoPre和POST文件提供的時(shí)間、位置、姿態(tài)信息及相關(guān)參數(shù)完成點(diǎn)云數(shù)據(jù)、全景影像數(shù)據(jù)的解算。利用Inertial Explorer和ProcessTC軟件進(jìn)行基站數(shù)據(jù)和移動(dòng)站數(shù)據(jù)格式轉(zhuǎn)換和基站與移動(dòng)站緊耦合解算。

2.2.3 數(shù)據(jù)糾正

將糾正點(diǎn)和檢查點(diǎn)點(diǎn)位坐標(biāo)數(shù)據(jù)導(dǎo)入CoRefine點(diǎn)云糾正軟件進(jìn)行標(biāo)記，完成數(shù)據(jù)糾正，并生成糾正點(diǎn)和檢查點(diǎn)精度報(bào)告，其平面與高程測(cè)量精度應(yīng)不低于圖根精度。通過數(shù)據(jù)糾正提高POS數(shù)據(jù)精度，生產(chǎn)高精度車載LiDAR點(diǎn)云數(shù)據(jù)。

點(diǎn)云數(shù)據(jù)解算和糾正完成后，使用檢查點(diǎn)數(shù)據(jù)進(jìn)行點(diǎn)云精度對(duì)比分析，點(diǎn)云的平面和高程精度均控制在5 cm內(nèi)。點(diǎn)云數(shù)據(jù)平面坐標(biāo)和高程系統(tǒng)在一體化控制坐標(biāo)系下，利用CoPre軟件對(duì)車載點(diǎn)云進(jìn)行著色，如圖4所示。

圖4 車載激光點(diǎn)云數(shù)據(jù)

2.3 無人機(jī)傾斜攝影建模

無人機(jī)傾斜攝影技術(shù)通過在無人機(jī)平臺(tái)搭載多個(gè)傳感器，準(zhǔn)確獲取地物多視角影像數(shù)據(jù)，通過多視影像密集匹配獲取高精度高分辨率的密集匹配點(diǎn)云，對(duì)其進(jìn)行紋理映射，構(gòu)建具有真實(shí)紋理的城市實(shí)景三維模型，對(duì)城市地物的位置、高度及紋理等空間信息進(jìn)行直觀表達(dá)。

2.3.1 多視影像密集匹配

多視影像密集匹配以三維重建為目的，利用空三加密生成連接點(diǎn)，基于影像密集匹配算法構(gòu)建高密度點(diǎn)云，恢復(fù)影像中所有像素的空間三維坐標(biāo)。目前，軟件中應(yīng)用較多的是多視圖視覺(Multi-View Stereo，MVS)建模工作流程[8]，采用CMVS和PMVS方法進(jìn)行多視影像密集匹配，生產(chǎn)大型場(chǎng)景的三維密集點(diǎn)云。利用無人機(jī)獲取航拍影像數(shù)據(jù)，基于SFM算法獲取相機(jī)參數(shù)和稀疏三維點(diǎn)云，通過影像空中三角測(cè)量獲取精確的影像外方位元素，結(jié)合CMVS算法對(duì)無人機(jī)影像聚簇分類。影像聚簇分類后，使用PMVS算法對(duì)同一地物多視角影像進(jìn)行初始特征匹配、膨脹、過濾，獲取DIM點(diǎn)云。通過泊松表面重建算法獲得DSM數(shù)據(jù)，對(duì)其進(jìn)行紋理映射，構(gòu)建城市三維模型。

2.3.2 模型構(gòu)建與DIM點(diǎn)云生成

根據(jù)測(cè)區(qū)概況制定無人機(jī)航測(cè)方案，利用大疆M300無人機(jī)搭載五鏡頭傾斜相機(jī)進(jìn)行傾斜航測(cè)，利用遙控平臺(tái)規(guī)劃從北向南之字形航線，覆蓋飛行區(qū)域，獲取測(cè)區(qū)多視影像數(shù)據(jù)。

對(duì)地面控制點(diǎn)和影像坐標(biāo)系進(jìn)行統(tǒng)一。利用LocaSpaceViewer軟件提取每張無人機(jī)影像的POS信息，編寫坐標(biāo)轉(zhuǎn)換軟件將每張照片的坐標(biāo)轉(zhuǎn)換為地面控制點(diǎn)坐標(biāo)系統(tǒng)下的坐標(biāo)，重新生成POS文件，提高影像坐標(biāo)轉(zhuǎn)換精度。將無人機(jī)航拍獲取的多視影像、相機(jī)屬性數(shù)據(jù)、解算的POS數(shù)據(jù)及地面控制點(diǎn)導(dǎo)入建模軟件，對(duì)影像進(jìn)行刺點(diǎn)和空三加密，提交建模任務(wù)，生成控制點(diǎn)坐標(biāo)下的高精度建筑物三維模型和DIM點(diǎn)云。

綜上所述，利用車載激光掃描系統(tǒng)獲取城市道路兩側(cè)地物立面點(diǎn)云數(shù)據(jù)，通過無人機(jī)傾斜攝影獲取城市地物影像數(shù)據(jù)，基于影像密集匹配算法生成城市DIM點(diǎn)云，對(duì)激光點(diǎn)云進(jìn)行補(bǔ)充，實(shí)現(xiàn)兩種數(shù)據(jù)的優(yōu)勢(shì)互補(bǔ)。采用一體化控制方法對(duì)張江科學(xué)城的車載LiDAR點(diǎn)云與DIM點(diǎn)云進(jìn)行融合，統(tǒng)一空中、地表多傳感器點(diǎn)云數(shù)據(jù)時(shí)空基準(zhǔn)，構(gòu)建城市空間完整高精度點(diǎn)云模型。通過平差、配準(zhǔn)、糾正、精化等方法控制點(diǎn)云精度，利用多源點(diǎn)云數(shù)據(jù)生產(chǎn)各類專項(xiàng)數(shù)據(jù)。

3 地形圖生產(chǎn)與精度分析

車載激光雷達(dá)掃描和無人機(jī)傾斜攝影測(cè)量采集的全息數(shù)據(jù)經(jīng)過內(nèi)業(yè)處理，獲得了融合點(diǎn)云、三維模型和車載激光雷達(dá)點(diǎn)云等數(shù)據(jù)成果。通過融合點(diǎn)云、傾斜攝影Mesh模型對(duì)城市道路、建(構(gòu))筑物特征、街坊內(nèi)部道路及其他要素?cái)?shù)據(jù)進(jìn)行三維矢量特征提取，添加屬性數(shù)據(jù)，生成全要素地形圖，并進(jìn)行地形圖質(zhì)量檢查與精度分析。

3.1 全要素地形圖生產(chǎn)

對(duì)測(cè)區(qū)內(nèi)城市道路、街坊內(nèi)部道路及其他區(qū)域的地物，按照線要素、點(diǎn)要素、面要素的順序，采用Lidarfeature軟件和EPS采編系統(tǒng)進(jìn)行各類要素采集。

(1)線要素采集。線要素包括道路邊線、車道線、人行橫道線、地面標(biāo)識(shí)、路燈、探頭等，提取線狀地物實(shí)際位置，其中，路燈、交通指示箭頭等有朝向的地物需采集角度信息。

(2)點(diǎn)要素采集。點(diǎn)要素包括桿類、箱類、亭類、牌類、行道樹等，提取點(diǎn)狀地物落地中心位置，交通標(biāo)志牌、公交站牌等牌類地物根據(jù)其具體類別提取左下角或中心位置。

(3)面要素采集。面要素包括道路上的綠化、停車位等，提取其邊界及中心點(diǎn)。

通過外業(yè)調(diào)繪的方式對(duì)缺失數(shù)據(jù)、辨識(shí)不清數(shù)據(jù)進(jìn)行補(bǔ)測(cè)，修改完善實(shí)體要素的社會(huì)經(jīng)濟(jì)屬性，形成全要素地形圖，局部制作成果如圖5所示。

圖5 全要素地形圖局部成果

相比于傳統(tǒng)地形圖，測(cè)區(qū)范圍內(nèi)新增地物要素 70 多種，為精細(xì)化城市管理提供了數(shù)據(jù)支撐。依據(jù)點(diǎn)狀、管線線狀、道路面狀和建筑物體狀等地理實(shí)體數(shù)據(jù)進(jìn)行組織建模，實(shí)現(xiàn)各要素的分類代碼、實(shí)體編碼、實(shí)體關(guān)系映射一致，形成對(duì)象化的三維模型成果，對(duì)全息數(shù)據(jù)進(jìn)行直觀表達(dá)[9-10]。

3.2 成果精度分析

選取2 km2全要素地形圖成果數(shù)據(jù)進(jìn)行精度驗(yàn)證。通過融合點(diǎn)云和傾斜攝影Mesh模型對(duì)城市道路、建(構(gòu))筑物特征、街坊內(nèi)部道路及其他要素進(jìn)行質(zhì)量檢查。使用RTK布控，全站儀實(shí)測(cè)的方法進(jìn)行地形圖精度分析驗(yàn)證。采集平面點(diǎn)1 308個(gè)，高程點(diǎn)285個(gè)，平面精度主要按地物類別統(tǒng)計(jì)，如表1所示，高程精度按地物精度等級(jí)統(tǒng)計(jì)，結(jié)果如表2所示。

表1 全要素地形圖平面精度統(tǒng)計(jì)表

表2 全要素地形圖高程精度統(tǒng)計(jì)表

由表1可知，地形圖地物要素提取平面精度在10 cm內(nèi)，其中，線要素提取精度高于點(diǎn)要素和面要素。由表2可知地形圖地物要素提取高程精度在7 cm內(nèi)，城市道路等要素提取精度在5 cm以內(nèi)，滿足新型基礎(chǔ)測(cè)繪地形圖生產(chǎn)的精度要求。

4 結(jié) 語

本文研究了地面控制、激光掃描、無人機(jī)航測(cè)一體化控制下多源異構(gòu)點(diǎn)云融合方法。結(jié)合車載LiDAR和無人機(jī)傾斜攝影技術(shù)采集測(cè)區(qū)全息點(diǎn)云數(shù)據(jù)，并進(jìn)行地物矢量特征提取，生產(chǎn)全要素地形圖。通過構(gòu)建車載LiDAR和無人機(jī)一體化控制體系實(shí)現(xiàn)了多源點(diǎn)云融合，解決了城市空間外部精細(xì)建模在完整性和精度方面的問題。相比于傳統(tǒng)地形圖，全要素地形圖增加了要素種類和屬性信息，獲取的數(shù)據(jù)更加全面精細(xì)。但本文未顧及室內(nèi)和地下區(qū)域，后續(xù)將聯(lián)合背包激光掃描系統(tǒng)獲取室內(nèi)和地下區(qū)域點(diǎn)云數(shù)據(jù)，形成室內(nèi)外、地上下一體化全息數(shù)據(jù)，為城市管理提供數(shù)據(jù)支撐。