亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        激光雷達技術(shù)和攝影測量方法在無人機數(shù)字測圖中的精度對比分析

        2022-07-05 07:46:02胡東升廉旭剛呂俊沛
        山西煤炭 2022年2期
        關(guān)鍵詞:數(shù)據(jù)處理分類

        李 濤,常 江,胡東升,廉旭剛,呂俊沛

        (1.華陽新材料科技集團有限公司,山西 陽泉 045000;2.太原理工大學 礦業(yè)工程學院,太原 030024)

        目前,無人機搭載激光雷達模塊采集點云數(shù)據(jù),獲取地表高精度三維坐標,相比數(shù)碼航空攝影測量有獨特優(yōu)勢[1]。首先,激光雷達直接獲取地物表面高精度三維坐標,不受山體、建筑物陰影的影響,單純數(shù)碼航空攝影測量在陰影區(qū)域判讀困難。其次,激光雷達的多次回波對植被具有較好的穿透性,而植被覆蓋一直是數(shù)碼航空攝影不能解決的問題。最后,攝影測量提高精度需經(jīng)過后差分技術(shù)[2-3]和SFM技術(shù)[4-5],即通過設計控制點的增多與布設位置的調(diào)整,通過拍攝多視角照片結(jié)合特征匹配算法,DEM精度可以達到±9 cm,而原始激光點云即可達到±10 cm的高程精度。同時,有多篇文章提出Lidar獲取高精度DEM的關(guān)鍵技術(shù),大致可以分為兩類,即通過設計改進濾波算法和通過調(diào)整采集方案。例如,提出過綠減過紅指數(shù)提取植被[6-7]、距離限制濾波提取地面點[8]等改進算法;提出從設備選擇、點云密度設計、植被覆蓋密集山區(qū)數(shù)據(jù)獲取方法、點云數(shù)據(jù)分類組合算法、空白區(qū)處理等方面[9-10]進行探討,并提出改進方法。

        目前,對一種點云數(shù)據(jù)(Lidar點云或者攝影測量點云)精度研究比較多,但是缺乏Lidar點云和攝影測量點云對同一片地區(qū)DEM的對比誤差研究,定量化描述Lidar點云和攝影測量點云的誤差缺乏方法也缺乏實際應用案例。本文提出一種點云對比方法,并結(jié)合某地區(qū)的實際數(shù)據(jù)進行案例演示,為后續(xù)此類型研究提供參考方案。

        1 研究區(qū)概況和數(shù)據(jù)準備

        1.1 研究區(qū)概況

        研究區(qū)位于呂梁市孝義市驛馬鄉(xiāng)下荊封村的某個廠區(qū)。地形表面復雜,溝谷縱橫,屬大陸性半干旱氣候。研究區(qū)大部分地區(qū)植被茂密,除了一條山路和廠區(qū)外,只有少量地表裸露,可以滿足不同地貌條件之間高程數(shù)據(jù)的對比。

        地理位置東經(jīng)111.604 2°—111.608 1°,北緯36.957 2°—36.960 0°之間,高程最低947 m,最高992 m,研究區(qū)面積大約0.055 km2。如圖1所示。

        圖1 研究區(qū)概況

        1.2 數(shù)據(jù)準備

        數(shù)據(jù)采集使用飛馬D2000無人機航測平臺,一次飛行搭載D-LIDAR2000激光雷達模塊,重疊度設置為25%。另一次飛行搭載索尼 A6000相機,有效像素2 430萬,航向和旁向重疊分別為80%和60%,采用網(wǎng)絡RTK/PPK高精度融合POS+免像控方案。數(shù)據(jù)采集時間是2021年9月20日,搭載索尼 A6000相機采集的數(shù)據(jù),可滿足高精度1∶500地形圖精度需求。搭載D-LIDAR2000激光雷達模塊采集的數(shù)據(jù)可以直接用于本次的研究。雷達模塊參數(shù)如表1所示。航測模塊參數(shù)如表2所示。

        表1 D-LIDAR2000激光雷達模塊的參數(shù)

        表2 SONY a6000航測模塊的參數(shù)

        2 點云數(shù)據(jù)處理

        2.1 數(shù)據(jù)修正

        在本次研究中,首先需要清除數(shù)據(jù)在采集過程中或者使用相關(guān)軟件處理過程中產(chǎn)生的異常點、孤立點[11]。使用相關(guān)濾波算法時,要注意清除低點(不是正常的低矮地物)。使用點云分類工具,設置相關(guān)參數(shù)分離低點和孤立點,為了保證清除完整,可以多次執(zhí)行該命令。特殊噪點需要手動清除,使用分類工具classify above line,從側(cè)視圖中觀察發(fā)現(xiàn)噪點。

        2.2 數(shù)據(jù)分層

        對已經(jīng)清除噪點的兩份點云數(shù)據(jù)進行點云分類,兩份數(shù)據(jù)分別劃分為植被層、建筑物層、地面層(地面層生成DEM),主要使用點云分類工具,設置不同的參數(shù),保存對應層的數(shù)據(jù)。兩份數(shù)據(jù)提取相同層的時候盡量保證參數(shù)一致,使得兩份數(shù)據(jù)相同層的點云在數(shù)量和質(zhì)量上保持一致。每層數(shù)據(jù)的保存需要規(guī)定格式,方便后續(xù)的分析處理。

        1)攝影測量點云提取植被層。使用點云分類工具的by vegetation index功能,因為攝影測量點云是帶有顏色(RGB值)的,其原理[6]主要是通過過綠減過紅指數(shù)(EG-ER)把RGB值當參數(shù),通過計算結(jié)果和閾值來判斷是否是綠色,再將密度值和高程差值作為輸入特征變量[7],使用支持向量機(SVM)算法做點云分類,來識別是否是植被。設置的min value和max value含義是規(guī)定綠色的范圍,目標找到這范圍內(nèi)的綠色點。如圖2所示。

        (a)植被提取前

        EG-ER作為一種改進的顏色指數(shù)通過將EG指數(shù)圖像與ER指數(shù)圖像相減,發(fā)現(xiàn)基于閾值的EG-ER指數(shù)可以較好地將植被與背景分離,計算公式如下:

        EG-ER=3g-2.4r-b.

        (1)

        其中ER為過紅指數(shù),計算方法如下:

        ER=1.4r-g.

        (2)

        上式的R,G,B值是歸一化后的值,即0~255歸一到0~1之間。

        2)點云提取地面點層制作DEM。使用點云分類工具的ground功能,該功能的原理是發(fā)現(xiàn)點云之間的距離和角度的關(guān)系[12]。因為不同地物構(gòu)建的三角網(wǎng)在角度、邊長、高度上有差異,通過設置相關(guān)參數(shù),排除地表的植被和建筑,只留下地面點。分離地面點的原理有兩個,距離限制濾波[8]分類地面點和非地面點,角度濾波去除地物的側(cè)面信息。然后依據(jù)局部地形設置動態(tài)閾值,以表面擬合區(qū)域生長算法擴充地面種子點,循環(huán)迭代逐漸逼近真實地面[13]。

        濾除起伏突然比較大的點,比如建筑物點,植被點等,使用角度濾除,一般計算θ值的大小,計算公式如下:

        獲得地面種子點之后,便可以進行表面擬合區(qū)域生長算法擴充地面種子點,其流程可以描述為:

        a.利用地面種子點構(gòu)建TIN;

        b.選擇一個未分類點,尋找該點所在的三角形;

        c.計算該點到三角形平面的距離S和該點與三角形3個角點的夾角,并選出最大角度,其幾何意義如圖3所示;

        圖3 S和θ的幾何意義

        d.根據(jù)人工設置的最大距離閾值Smax和最大角度閾值θmax,再規(guī)定區(qū)間,將該點加入地面點;

        e.重復步驟b~d直到所有未分類的點全部判斷完畢。

        上述原理在提取過程中體現(xiàn)為設置不同的參數(shù),Max building size設置需要根據(jù)實地情況填寫,必須大于當?shù)氐淖畲蠼ㄖ娣e。Iteration angle和Iteration distance兩個參數(shù)是三角網(wǎng)的參數(shù),代表角度和距離。城區(qū)設置一般偏小,比如4°和0.6 m;山區(qū)設置一般偏大,比如6°和1.4 m。如果得到過濾點云密度太低,需要選擇加密點云ground層,因為ground層的點云密度越大,使用Export lattice Model工具插值得到規(guī)則格網(wǎng)DEM越精確。

        2.3 DEM點云數(shù)據(jù)處理

        按照2.2描述進行數(shù)據(jù)分層,一共得到6個文件,分別是Lidar點云的building.txt,tree.txt,DEM.txt和攝影測量點云的building.txt,tree.txt,DEM.txt。然后主要使用python語言,寫代碼實現(xiàn)數(shù)據(jù)的分析處理。

        主要思想是,由于兩份數(shù)據(jù)的坐標系相同,同一地區(qū)范圍得到的同一種地物類型的點云,必定存在相同坐標點,兩幅點云的相同坐標點的高程差應該是差異較小。但是由于數(shù)據(jù)獲取方式不同、數(shù)據(jù)處理方式不同和數(shù)據(jù)類型不同,兩幅點云的高程存在不容忽視的差異,所以需要通過以下方法量化分析二者差異。如圖4所示。

        圖4 算法實現(xiàn)方法圖

        使用Lidar點云和影像點云的DEM.txt來舉例:通過上述處理,得到Lidar點云大約20萬個點,攝影測量點云17萬個點,使用python的pandas庫可以實現(xiàn)找相同坐標點的操作,并且可以最大程度保留原始數(shù)據(jù)[14-15]。經(jīng)過上述操作,保留大約16萬對相同坐標點,是原始數(shù)據(jù)Lidar點云數(shù)量的80%,是原始數(shù)據(jù)攝影測量點云的95%。然后對新表的列名重新命名,進而計算Lidar點云高程減去攝影測量點云高程的差值。如表3所示。

        表3 兩份DEM的交集數(shù)據(jù)以及高程差

        從Lidar-photo這一列中,可以看到,兩份DEM的高程差是普遍存在的。由于軟件處理植被點云可能不完整,或者由于無人機飛行初始和結(jié)尾狀態(tài)的不穩(wěn)定性[9],導致出現(xiàn)的高程差比較大,稱之為粗差點,這些點是需要排除的。

        選擇剔除的方法一般是認為兩倍標準差是數(shù)據(jù)的合理范圍,大于兩倍標準差的可以認為是粗差,選擇剔除。如圖5所示。

        圖5 箱型圖觀察交集DEM排除大于兩倍標準差的點云變化

        箱型圖中黑色圓圈點表示大于1.5倍標準差的數(shù)據(jù),矩形方框表示數(shù)據(jù)的75%集中的區(qū)間,綠色的線表示平均值。下表是處理前后的關(guān)鍵統(tǒng)計量的變化,平均值變化較小,進一步說明排除大于兩倍標準差的方法是合理的。

        經(jīng)過上述處理,剔除5%的粗差點云,得到的點云數(shù)量占原來的95%。如表4所示。

        表4 統(tǒng)計量觀察交集DEM排除大于兩倍標準差的點云變化

        從數(shù)據(jù)中可以看出,已經(jīng)把處理前最大高差19 m的數(shù)據(jù)排除,但存在最大高差5 m或者4 m,而選擇保留是因為在實際中可能存在5 m或4 m的高差?,F(xiàn)在兩份DEM高差數(shù)據(jù)大部分的高差有幾十厘米甚至更小,從第一四分位(25%)為-0.583 75 m和第三四分位(75%)為0.147 m可以看出。因此,待研究的數(shù)據(jù)整體是比較合理的,研究結(jié)果是具有參考意義的。

        2.4 植被和建筑點云數(shù)據(jù)處理

        數(shù)據(jù)處理辦法和2.3一樣,但是需要注意因為Lidar點云的穿透性,是存在同一個x、y坐標有多個高程值,所以第一步需要對保存的植被層刪除重疊點,保留重疊的多個點的最高值,把最高值認為是植被高度。對于建筑物點云的重疊情況,選擇重疊點云的平均值作為建筑物的高程。

        可以看到,在處理重疊點后,兩次輸出的點云數(shù)量是不一樣的。比如,植被層,第一次輸出9 429 398個,第二次輸出9 352 880個,重疊率0.81%。

        3 數(shù)據(jù)對比分析

        3.1 平均絕對誤差(EMA)的比較

        平均絕對誤差,全稱是Mean Absolute Error,EMA的值越小,說明影像高程數(shù)據(jù)越靠近Lidar高程數(shù)據(jù)。EMAP[17]是EMA的變形,它是一個百分比值,表示偏離真實值的程度,其值越小則兩份數(shù)據(jù)之間差異越小。把之前數(shù)據(jù)處理得到的植被的2 040個點、建筑物的205個點、DEM的153 238個點輸入下列公式中,計算結(jié)果如表5所示。

        表5 植被、建筑、DEM的EMA和EMAP的對比表

        數(shù)據(jù)結(jié)果說明,不論影像點云還是Lidar點云,建筑物的精度是最高的。植被和DEM差異比較小,但是由于DEM是地面點合成的,從物理的角度來說確實應該比植被的精度要高,所以可以說明這份數(shù)據(jù)處理過程是合理的,其對比分析具有一定參考價值。

        3.2 均方根誤差(ERMS)的比較

        均方根誤差(ERMS)反映測量數(shù)據(jù)偏離真實值的程度,ERMS越小,表示測量精度越高。把Lidar點云數(shù)據(jù)當作真值,把影像點云數(shù)據(jù)當作觀測值。同樣把之前數(shù)據(jù)處理得到的植被的2 040個點、建筑物的205個點、DEM的153 238個點輸入到上述代碼中,得到以下計算結(jié)果,如表6所示。

        表6 植被、建筑、DEM的ERMS的對比表

        從ERMS結(jié)果中仍然可以看出,建筑物點云的數(shù)據(jù)精度最高,和其他兩種數(shù)據(jù)的差異是比較大的,植被和DEM比較接近,DEM稍優(yōu)于植被。所以,再次證明不論Lidar點云還是影像點云,在做精度對比的時候一定要先將地物進行分類。

        3.3 Lidar點云和影像點云的DEM驗證

        可以明顯看到在平坦或者規(guī)則地區(qū),Lidar的DEM和影像的DEM高度重合,但是在山地或者植被覆蓋的地方二者差異還是比較明顯的,如圖6所示。

        (a)硬化地表DEM點云

        4 結(jié)論

        1)當不做點云分類時得到的均方根誤差(ERMS)達到724 mm,而做過點云分類之后,植被層的ERMS可以達到1 138 mm,相比不做點云分類的724 mm漲幅57%;但是建筑物層的ERMS計算得到108 mm,降幅達到85%;DEM通過計算為627 mm,降幅13%。可見精度對比分析第一步,必須先分類,再對比分析,使用文中點云數(shù)據(jù)處理方法,得到相關(guān)結(jié)論。

        2)經(jīng)過傳統(tǒng)攝影測量得到的影像點云,按照文中的分類方法,分類得到的硬化地表地區(qū)的點云,其精度是可以認為比較接近Lidar點云,所以在建筑不太密集的城區(qū),可以繼續(xù)發(fā)揮傳統(tǒng)攝影測量在成本和效率方面的優(yōu)勢。

        3)在實際應用案例中,經(jīng)過該方法處理后,DEM點云數(shù)量損失為5%,而植被和建筑物點云數(shù)量損失稍大,可以說明該對比方法的合理性;而且數(shù)據(jù)處理過程中,在同一坐標系下多次找兩份點云數(shù)據(jù)的相同坐標點,確保對比方法的嚴密性,得到的結(jié)論具有實際參考意義。

        猜你喜歡
        數(shù)據(jù)處理分類
        認知診斷缺失數(shù)據(jù)處理方法的比較:零替換、多重插補與極大似然估計法*
        心理學報(2022年4期)2022-04-12 07:38:02
        ILWT-EEMD數(shù)據(jù)處理的ELM滾動軸承故障診斷
        分類算一算
        垃圾分類的困惑你有嗎
        大眾健康(2021年6期)2021-06-08 19:30:06
        分類討論求坐標
        數(shù)據(jù)分析中的分類討論
        教你一招:數(shù)的分類
        MATLAB在化學工程與工藝實驗數(shù)據(jù)處理中的應用
        給塑料分分類吧
        Matlab在密立根油滴實驗數(shù)據(jù)處理中的應用
        国产免费a∨片在线软件| av网站一区二区三区| 中文字幕一区二区av| 四虎成人精品国产永久免费无码 | 国产女人高潮视频在线观看| 狼人国产精品亚洲| av中文码一区二区三区| 亚洲av熟女一区二区三区站| 女女女女女裸体处开bbb| 亚洲国产成人精品女人久久久| 亚洲人成在线播放a偷伦| 小池里奈第一部av在线观看| 国产二区交换配乱婬| 亚洲av成人精品日韩一区| 成年视频网站在线观看777 | 无码精品一区二区三区在线| 18分钟处破好疼哭视频在线观看| 亚洲线精品一区二区三区八戒| 国产精品一区二区三区女同| 99re6在线视频精品免费下载| 成 人 免费 黄 色 视频 | 国产精品无码不卡在线播放| 国产精品高湖呻呤久久av| 亚洲精品中文字幕乱码三区| 国产suv精品一区二区69| 国产美女精品AⅤ在线老女人| 激情五月天在线观看视频| 亚洲a∨无码一区二区三区| 国产天堂在线观看| 男女干逼视频免费网站| 日本一区二区三区免费精品| 中国凸偷窥xxxx自由视频妇科| 日本少妇按摩高潮玩弄| av黄色大片久久免费| 中文字幕乱码熟妇五十中出| 四虎精品影视| 亚洲精品在线观看自拍| 99精品视频69v精品视频| 国农村精品国产自线拍| 日本韩国黄色三级三级| 国产农村妇女精品一区|