余加勇 ，尹東 ，劉寶麟 ，蔣望 ，楊宇馳 ，高文宇

（1.建筑安全與節(jié)能教育部重點(diǎn)實(shí)驗(yàn)室（湖南大學(xué)），湖南 長(zhǎng)沙 410082；2.湖南大學(xué) 土木工程學(xué)院，湖南 長(zhǎng)沙 410082；3.湖南省建筑設(shè)計(jì)院集團(tuán)有限公司，湖南 長(zhǎng)沙 410011）

在土方工程階段，土方測(cè)量效率及準(zhǔn)確性直接影響整個(gè)施工進(jìn)度及工程造價(jià)，因此高效率、高精度地測(cè)量土方意義重大［1-3］.傳統(tǒng)土方測(cè)量方法主要包括全站儀方法、全球?qū)Ш叫l(wèi)星系統(tǒng)（Global Navigation Satellite System，GNSS）方法、激光掃描儀方法等.施工場(chǎng)地原始地貌較復(fù)雜，傳統(tǒng)土方測(cè)量方法存在效率低、成本高、易擾民、人為誤差大等問(wèn)題，在現(xiàn)場(chǎng)土方勘查測(cè)量、填挖方跟進(jìn)、土方量核算過(guò)程中都存在一定局限性.

隨著民用無(wú)人機(jī)的普及化及其性能提升，基于無(wú)人機(jī)的攝影測(cè)量技術(shù)在土木、交通、測(cè)繪等工程領(lǐng)域得到廣泛的應(yīng)用［4-6］，其應(yīng)用價(jià)值主要取決于通過(guò)無(wú)人機(jī)攝影測(cè)量技術(shù)建立的被測(cè)區(qū)域三維模型的精度.基于運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)算法（Structure from Motion，SfM）和多視圖立體匹配算法（Multi View Stereo，MVS）的三維實(shí)景模型，可達(dá)平面精度±3.4cm、高程精度±1.5cm［7］，能很好地滿足工程建設(shè)需要，實(shí)現(xiàn)精細(xì)化三維模型建立［8-9］，基于SfM-MVS算法的無(wú)人機(jī)傾斜攝影測(cè)量具有較廣闊的應(yīng)用前景［10-12］.目前國(guó)內(nèi)外研究者已展開了無(wú)人機(jī)在土石方工程方面的應(yīng)用研究［13-14］，然而施工場(chǎng)地地物多樣，地形復(fù)雜，由于地面建筑物、植被等點(diǎn)云的干擾，造成基于無(wú)人機(jī)的傾斜攝影測(cè)量的土石方工程應(yīng)用受限，測(cè)得的土方量誤差較大，因此必須采用合適的算法對(duì)建筑物、植被等點(diǎn)云進(jìn)行濾波處理.點(diǎn)云濾波算法主要分為基于坡度濾波、基于形態(tài)學(xué)濾波、基于曲面擬合濾波、基于不規(guī)則三角網(wǎng)格（Triangulated Irregular Network，TIN）濾波、基于分割的濾波算法以及基于機(jī)器學(xué)習(xí)的濾波［15］，以上方法通常對(duì)特定區(qū)域有較好的濾波效果，但其普遍適用性較差.布料模擬濾波（Cloth Simulation Filter，CSF）則能有效解決適用性較差的問(wèn)題，有效剔除建筑物、植被等非地面點(diǎn)云.然而目前基于無(wú)人機(jī)精細(xì)化三維模型點(diǎn)云的工程土石方測(cè)量與統(tǒng)計(jì)的研究較少，十分有必要對(duì)該方法進(jìn)行探究.

為此，本文提出了基于無(wú)人機(jī)傾斜攝影的土方智能測(cè)量方法，以SfM、MVS、CSF 算法為基礎(chǔ)，構(gòu)建了高精度的復(fù)雜環(huán)境工地三維實(shí)景模型和土方點(diǎn)云濾波處理方法，有效提取真實(shí)地面點(diǎn)云信息，實(shí)現(xiàn)工程建設(shè)地面點(diǎn)云和設(shè)計(jì)基底點(diǎn)云兩期點(diǎn)云間的土方量精確測(cè)量.以長(zhǎng)沙岳麓山某工地為研究對(duì)象，通過(guò)無(wú)人機(jī)精細(xì)化三維模型實(shí)現(xiàn)施工場(chǎng)地土方量的精確計(jì)算，并利用GNSS-RTK 方法驗(yàn)證了無(wú)人機(jī)土方測(cè)量精度.

1 無(wú)人機(jī)土方測(cè)量方法

利用無(wú)人機(jī)點(diǎn)云濾波進(jìn)行工程土方測(cè)量，主要包括多視圖影像采集、三維模型重建和點(diǎn)云濾波處理及土方計(jì)算等步驟，如圖1 所示.首先根據(jù)工地現(xiàn)場(chǎng)情況進(jìn)行像控點(diǎn)布設(shè)，再進(jìn)行航線規(guī)劃任務(wù)制定及影像采集；基于SfM-MVS 算法生成三維點(diǎn)云模型，完成工地三維重建；對(duì)工地三維實(shí)景模型進(jìn)行精度評(píng)估，構(gòu)建基于CSF 算法的施工場(chǎng)地真實(shí)地表點(diǎn)云提取方法，剔除植被、廢舊建筑物等非地面點(diǎn)云的干擾，采用DTM 方法實(shí)現(xiàn)地面點(diǎn)云和設(shè)計(jì)基底點(diǎn)云兩期點(diǎn)云間的土方量精確計(jì)算.

圖1 無(wú)人機(jī)土方測(cè)量流程Fig.1 UAV earthwork measurement process

1.1 工地多視圖影像采集

利用無(wú)人機(jī)傾斜攝影測(cè)量技術(shù)，獲取工程施工場(chǎng)地多視圖影像序列.首先依據(jù)無(wú)人機(jī)試飛及前期調(diào)查情況，確定無(wú)人機(jī)測(cè)量區(qū)域，在測(cè)區(qū)布置不少于3個(gè)已知坐標(biāo)的像控點(diǎn).像控點(diǎn)應(yīng)均勻布設(shè)在視野開闊的攝影區(qū)域內(nèi)，其布設(shè)能顯著提升后期三維模型精度，同時(shí)根據(jù)測(cè)量范圍布設(shè)一定數(shù)量檢測(cè)點(diǎn)對(duì)三維模型精度進(jìn)行核驗(yàn).然后，制定航線設(shè)計(jì)方案并進(jìn)行無(wú)人機(jī)施測(cè)獲取多視圖影像數(shù)據(jù).航線設(shè)計(jì)包括合理設(shè)置無(wú)人機(jī)航高、無(wú)人機(jī)航向、航向重疊率、旁向重疊率、相機(jī)角度等航攝參數(shù)，以保證飛行作業(yè)安全及三維模型精度，如圖2 所示.為確保多視圖影像無(wú)死角及三維模型精度，在飛行區(qū)域內(nèi)設(shè)置1 條正射航向及4 條傾斜航向，通常采取自動(dòng)航線飛行模式.

圖2 航攝參數(shù)Fig.2 Schematic diagram of UAV flight parameters

1.2 工地三維模型重建

基于SfM-MVS 算法原理建立建筑工地三維模型，具體步驟包括場(chǎng)內(nèi)控制點(diǎn)布設(shè)、工地多視圖影像采集、多視影像聯(lián)合平差、多視影像密集匹配、三維模型生成等步驟，如圖3所示.

如圖3（a）所示，采用多視影像作為數(shù)據(jù)能有效解決正射和傾斜影像之間的變形與遮擋問(wèn)題，是傾斜影像處理的關(guān)鍵步驟.

如圖3（b）所示，多視影像聯(lián)合平差使用尺度不變特征轉(zhuǎn)換（Scale-invariant feature transform，SIFT）算法提取并解算影像特征點(diǎn).為保證匹配結(jié)果的準(zhǔn)確性，首先采用高斯差分金字塔（Difference of Gaussian，DoG）模擬不同距離的視網(wǎng)膜成像，得到不同尺度空間及不同模糊程度的影像，即

圖3 無(wú)人機(jī)建筑工地三維模型構(gòu)建流程Fig.3 Construction process of 3D model of UAV construction site

式中：(x，y)表示像素坐標(biāo)；L(x，y，σ)為圖像高斯尺度空間；G(x，y，σ)為高斯核函數(shù)；I(x，y)為圖像中點(diǎn)的像素值；σ為尺度空間因子，是反映圖像模糊程度的高斯正態(tài)分布的標(biāo)準(zhǔn)差.

采用高斯函數(shù)進(jìn)行差分，建立DoG 金字塔-尺度空間，即

采用SIFT算法提取尺度空間中的極值點(diǎn)作為特征點(diǎn)，提取對(duì)于圖像旋轉(zhuǎn)、縮放、亮度變化以及坐標(biāo)變換的特征點(diǎn)，獲得具有不變性質(zhì)的特征點(diǎn).

為提高計(jì)算效率，利用SfM 算法恢復(fù)多視圖影像的外方位元素及無(wú)人機(jī)獲取數(shù)據(jù)中的位置和姿態(tài)系統(tǒng)（Position and Orientation，POS）數(shù)據(jù)，根據(jù)SIFT特征向量建立影像空間拓?fù)潢P(guān)系，利用最近鄰原理可顯著提高特征點(diǎn)匹配效率，快速建立大量同名像點(diǎn).

采用光束法區(qū)域網(wǎng)平差空中三角測(cè)量，解算地面坐標(biāo)，建立稀疏點(diǎn)云模型.以共線條件方程為基準(zhǔn)，同時(shí)把控制點(diǎn)與待定像點(diǎn)坐標(biāo)作為觀測(cè)值，成像參數(shù)及地面點(diǎn)空間坐標(biāo)設(shè)為待定求解參數(shù)，構(gòu)建共線條件方程，即

式中：X、Y、Z為地面點(diǎn)坐標(biāo)；XS、YS、ZS為地面輔助坐標(biāo)系下攝影中心坐標(biāo)；f為焦距；Δx為系統(tǒng)誤差改正數(shù)；x、y為像點(diǎn)坐標(biāo)；x0、y0為內(nèi)方位元素，a1、a2、a3、b1、b2、b3、c1、c2、c3為方向余弦.

將各航線的正射、傾斜影像平差單元聯(lián)合為統(tǒng)一的平差區(qū)域，進(jìn)行整體平差，基于最小二乘法解算誤差方程，實(shí)現(xiàn)稀疏點(diǎn)云構(gòu)建.由于引入了GNSSRTK 測(cè)量得到的高精度地面控制點(diǎn)，使得POS 數(shù)據(jù)誤差得到消減，因此稀疏點(diǎn)云精度較高.

如圖3（c）所示，多視影像密集匹配是以空三加密解算的配準(zhǔn)點(diǎn)為基礎(chǔ)利用多視圖密集匹配（Patch-based Multi-View Stereo，PMVS）算法形成超高密度點(diǎn)云.首先將多視影像聯(lián)合平差獲得的具有精確外方位元素的影像輸入，采用多視圖聚簇（clustering multi-view stereo，CMVS）算法進(jìn)行聚簇分類，再由使用PMVS 算法對(duì)聚簇分類后的結(jié)果進(jìn)行密集匹配，獲取超高密度點(diǎn)云.

如圖3（d）所示，密集點(diǎn)云再經(jīng)濾波處理后，獲取精度較高的三維點(diǎn)云，即三維點(diǎn)云模型.根據(jù)三維密集離散點(diǎn)點(diǎn)云間拓?fù)潢P(guān)系構(gòu)建TIN，根據(jù)TIN 獲取物體白膜數(shù)據(jù)，經(jīng)紋理映射形成彩色紋理的三維模型.

1.3 點(diǎn)云濾波算法

工地原始地面點(diǎn)云包含植被、廢棄建筑及其他非地面點(diǎn)云，以工地原始地面點(diǎn)云為依據(jù)進(jìn)行土方計(jì)算存在較大誤差，因此需進(jìn)行濾波處理.本文構(gòu)建基于CSF 算法的建筑物及植被點(diǎn)云處理方法，剔除非地面點(diǎn)云，得到真實(shí)地面點(diǎn)云，采用三角網(wǎng)（Digital Terrain Model，DTM）法準(zhǔn)確計(jì)算土方量.

CFS 算法以靜力學(xué)為理論基礎(chǔ)，根據(jù)其物理過(guò)程進(jìn)行模擬，假設(shè)試驗(yàn)地面攤鋪一張一定剛度的布料，假定布料與地面點(diǎn)云完全貼合形成的布料形態(tài)為數(shù)字地表模型（Digital Surface Model，DSM），地面點(diǎn)云倒置后布料與地面貼合所形成的布料形態(tài)為數(shù)字地面模型（Digital Terrain Model，DTM）.如圖4 所示，CSF 算法則將點(diǎn)云視為離散化地面模型，將一定剛度的布料模型攤鋪在倒置點(diǎn)云上，由于重力及布料粒子間相互作用力使得布料粒子與地面點(diǎn)云貼合緊密，與非地面點(diǎn)云有較大間距，通過(guò)距離閾值分離地面點(diǎn)和非地面點(diǎn).

圖4 布料模擬原理圖Fig.4 Overview of the cloth simulation algorithm

如圖5 所示，布料模擬過(guò)程可由質(zhì)點(diǎn)-彈簧模型表示，其由M×N個(gè)具有恒定質(zhì)量的質(zhì)點(diǎn)組成的網(wǎng)格表達(dá)，質(zhì)點(diǎn)之間由具有一定彈性模量的輕質(zhì)虛擬彈簧連接.

圖5 質(zhì)點(diǎn)-彈簧模型示意圖Fig.5 Schematic illustration of mass-spring model

在布料模擬過(guò)程中，假設(shè)質(zhì)點(diǎn)受重力和彈簧作用力的共同作用只產(chǎn)生一定的豎向位移.根據(jù)牛頓第二定律有：

式中：m為質(zhì)點(diǎn)的質(zhì)量（取單位質(zhì)量1）；X(t)為質(zhì)點(diǎn)在時(shí)間t的位置；Fext(X，t)為質(zhì)點(diǎn)在X位置受到的重力；Fint(X，t)為質(zhì)點(diǎn)在X位置受到的彈簧作用力，且Fint(X，t)滿足胡克定律.

質(zhì)點(diǎn)受重力影響在垂直方向上運(yùn)動(dòng)，某一時(shí)間段內(nèi)質(zhì)點(diǎn)運(yùn)動(dòng)的位移可由式（7）確定：

式中：Δt為質(zhì)點(diǎn)運(yùn)動(dòng)的時(shí)間長(zhǎng)度；g為重力加速度.模型中，質(zhì)點(diǎn)受到的內(nèi)力就是彈簧的彈性形變力.

布料模擬濾波處理數(shù)據(jù)點(diǎn)云時(shí)，將作用數(shù)據(jù)點(diǎn)云進(jìn)行翻轉(zhuǎn)，將模擬布料的質(zhì)點(diǎn)-彈簧模型放置在翻轉(zhuǎn)的數(shù)據(jù)點(diǎn)云表面，模型在重力和彈力共同作用下覆蓋數(shù)據(jù)點(diǎn)云表面，通過(guò)模擬倒置點(diǎn)云表面形狀，分離廢棄建筑物及高大植被點(diǎn)云，如圖6所示.

圖6 布料模擬濾波流程Fig.6 Cloth simulation filtering process

首先將布料模型放于倒置數(shù)據(jù)點(diǎn)云表面初始位置；接著質(zhì)點(diǎn)在重力作用下移動(dòng)，部分質(zhì)點(diǎn)移動(dòng)到數(shù)據(jù)點(diǎn)云下方；然后將移動(dòng)到數(shù)據(jù)點(diǎn)云下方的質(zhì)點(diǎn)移回與數(shù)據(jù)點(diǎn)云相同高度，對(duì)其位置進(jìn)行固定；最后非固定質(zhì)點(diǎn)在重力及彈力的作用下修正位移.根據(jù)設(shè)置的距離閾值將點(diǎn)云數(shù)據(jù)分為地面點(diǎn)云及廢棄建筑物及植被點(diǎn)云，以此為依據(jù)過(guò)濾廢棄建筑物及植被點(diǎn)云.

1.4 土方量計(jì)算方法

將濾波處理得到的真實(shí)地面點(diǎn)云經(jīng)降采樣處理得到一定密度點(diǎn)云，格式轉(zhuǎn)化后利用Cass 軟件建立DTM 模型，生成三角網(wǎng)并根據(jù)邊界修改、刪除邊界外三角網(wǎng)，以此作為一期土方測(cè)量數(shù)據(jù).再根據(jù)設(shè)計(jì)底標(biāo)高提取開挖后完成面坐標(biāo)點(diǎn)數(shù)據(jù)，重復(fù)以上方法生成二期土方測(cè)量數(shù)據(jù).

式中：Si為第i個(gè)三棱柱三角形底的面積；hi1、hi2、hi3分別為第i個(gè)三棱柱三個(gè)頂點(diǎn)地面高程與設(shè)計(jì)高程之間的高差；n為三棱柱個(gè)數(shù).

DTM 法在計(jì)算土方上適用于任何地形，精度由坐標(biāo)點(diǎn)數(shù)據(jù)精度及密度所決定，在不同工況工程中都具有較好的應(yīng)用價(jià)值.

2 土方測(cè)量試驗(yàn)

2.1 試驗(yàn)區(qū)域與設(shè)備

本次土方測(cè)量試驗(yàn)區(qū)域位于湖南省長(zhǎng)沙市岳麓山腳規(guī)劃建設(shè)用地，占地面積約2.93 hm2，選擇A、B兩地塊進(jìn)行無(wú)人機(jī)土方測(cè)量，場(chǎng)地內(nèi)有建筑物、建筑垃圾及植被覆蓋.

試驗(yàn)采用大疆精靈Phantom 4 Pro 無(wú)人機(jī)采集影像.Phantom 4 Pro 無(wú)人機(jī)帶有前視、后視及下視視覺(jué)系統(tǒng)，同時(shí)擁有5 向環(huán)境識(shí)別與4 向避障能力.無(wú)人機(jī)自帶相機(jī)配備1 英寸、2 000 萬(wàn)像素的大底索尼ExmorRCMOS 傳感器，云臺(tái)控制精度±0.03°，可控俯仰角范圍+30°～-90°.

2.2 像控點(diǎn)及檢測(cè)點(diǎn)數(shù)據(jù)獲取

像控點(diǎn)采用美國(guó)Trimble R8s GNSS 接收機(jī)進(jìn)行測(cè)量，其標(biāo)稱精度水平為3 mm+0.1 × 10-6，垂直為3.5 mm+0.4 × 10-6.在試驗(yàn)A、B 地塊內(nèi)視野開闊、無(wú)遮擋區(qū)域分別均勻布設(shè)4 個(gè)像控點(diǎn)和10 個(gè)檢測(cè)點(diǎn)，均采用中心對(duì)稱方形貼紙標(biāo)記.采用GNSS接收機(jī)對(duì)布置的控制點(diǎn)及檢測(cè)點(diǎn)進(jìn)行三維坐標(biāo)測(cè)量.

2.3 影像數(shù)據(jù)獲取

影像數(shù)據(jù)獲取以《低空數(shù)字航空攝影測(cè)量外業(yè)規(guī)范》為標(biāo)準(zhǔn)，根據(jù)無(wú)人機(jī)試飛及現(xiàn)場(chǎng)勘察結(jié)果，如圖7 所示，利用航線1 采集垂直正射航線正射影像，利用航線2、3、4 進(jìn)行45°傾斜影像采集，根據(jù)地勢(shì)航線5 進(jìn)行傾斜60°影像采集，航高均為40 m，根據(jù)精度及影像數(shù)量設(shè)置圖像航向重疊率和旁向重疊率均為80%.

圖7 無(wú)人機(jī)數(shù)據(jù)采集Fig.7 Data acquisition using UAV

2.4 精細(xì)化三維模型構(gòu)建

對(duì)采集的工地多視圖影像數(shù)據(jù)進(jìn)行處理，基于ContextCapture4.3 軟件采用SfM 與MVS 算法建立三維點(diǎn)云模型，如圖8 所示.利用均方根誤差計(jì)算對(duì)所有檢查點(diǎn)誤差進(jìn)行分析，表征模型精度，X、Y、Z三向的計(jì)算公式為：

圖8 岳麓山腳建設(shè)施工場(chǎng)地三維點(diǎn)云模型Fig.8 Three-dimensional models of the foot of Yuelu Mountain

式中：Sx，Sy，SZ為各方向的均方根誤差；Xi，Yi，Zi表示模型中第i個(gè)檢查點(diǎn)的三維坐標(biāo)；為GNSS接收機(jī)測(cè)量得到的第i個(gè)檢查點(diǎn)的三維坐標(biāo)；n為檢查點(diǎn)的總個(gè)數(shù).

如表1所示，試驗(yàn)A區(qū)域三維模型三維平均誤差為5.1cm，均方根誤差為2.2cm；B 區(qū)域三維模型三維平均誤差為5.2cm，均方根誤差為2.3cm.

表1 檢查點(diǎn)誤差統(tǒng)計(jì)表Tab.1 Precision statistics cm

3 土方點(diǎn)云濾波及精度分析

3.1 土方點(diǎn)云預(yù)處理

根據(jù)三維模型數(shù)據(jù)及試驗(yàn)地塊邊界對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理.由于建模需求，初始點(diǎn)云數(shù)據(jù)并未與地塊邊界完全一致，利用點(diǎn)云處理工具對(duì)點(diǎn)云邊界進(jìn)行點(diǎn)云切割，剔除工地邊界外多余點(diǎn)云，同時(shí)對(duì)A 地塊和B地塊區(qū)域內(nèi)懸空噪聲點(diǎn)云進(jìn)行分割.

3.2 CSF濾波處理及土方計(jì)算

試驗(yàn)區(qū)域內(nèi)A 地塊是以廢棄建筑物、植被為主的土方測(cè)量區(qū)，B 地塊以菜園、植被為主土方測(cè)量區(qū).首先將預(yù)處理得到的點(diǎn)云以10 cm為間距進(jìn)行降采樣處理；然后利用CSF 濾波將點(diǎn)云進(jìn)行翻轉(zhuǎn)倒置，在建筑物及植被處形成孔洞，根據(jù)布料模擬機(jī)理對(duì)點(diǎn)云進(jìn)行濾波處理，對(duì)布料網(wǎng)格尺寸、非地面點(diǎn)云閾值和地形模擬迭代次數(shù)進(jìn)行相應(yīng)工況下參數(shù)調(diào)試；最后選取處理效果最為理想情況下各參數(shù)值進(jìn)行點(diǎn)云濾波.如圖9 所示，對(duì)大型建筑物、喬木進(jìn)行點(diǎn)云剔除，同時(shí)剔除電線桿等附屬設(shè)施點(diǎn)云，保留真實(shí)地面點(diǎn)云.

圖9 A地塊點(diǎn)云濾波處理示意圖Fig.9 Schematic diagram of point cloud filtering processing for plot A

對(duì)得到的真實(shí)地面點(diǎn)云以2 m 為間距進(jìn)行降采樣，將得到的合適密度點(diǎn)云進(jìn)行數(shù)據(jù)轉(zhuǎn)換，導(dǎo)出Cass軟件兼容的數(shù)據(jù)文件.將真實(shí)地面點(diǎn)云及設(shè)計(jì)基底點(diǎn)云導(dǎo)入Cass 軟件建立DTM，對(duì)生成的兩期三角網(wǎng)數(shù)據(jù)進(jìn)行調(diào)試，修改局部陡坎區(qū)域三角網(wǎng)格，刪除與實(shí)際不符的三角網(wǎng)格，讓生成的與實(shí)際相符的兩期模型以sjw 格式導(dǎo)出，計(jì)算兩期點(diǎn)云間土方量，計(jì)算結(jié)果表2所示.

表2 濾波處理前后土方量對(duì)比分析Tab.2 Comparative analysis of earthwork before and after filtering

3.3 土方精度驗(yàn)證

根據(jù)工程應(yīng)用現(xiàn)狀，采用經(jīng)典的GNSS-RTK 土方測(cè)量方法進(jìn)行無(wú)人機(jī)土方測(cè)量精度驗(yàn)證，利用Trimble 系列GNSS接收機(jī)采用高精度的動(dòng)態(tài)RTK 測(cè)量技術(shù)進(jìn)行地面點(diǎn)測(cè)量.地面點(diǎn)測(cè)量前根據(jù)工地固有的控制點(diǎn)進(jìn)行校正，復(fù)測(cè)無(wú)誤后進(jìn)入工地內(nèi)進(jìn)行地面點(diǎn)測(cè)量，根據(jù)現(xiàn)場(chǎng)情況以5 m為間距取點(diǎn)進(jìn)行三維坐標(biāo)測(cè)量并編號(hào)，在高差較大區(qū)域上下都進(jìn)行點(diǎn)數(shù)據(jù)采集，數(shù)據(jù)采集完后復(fù)核控制點(diǎn)，確保數(shù)據(jù)準(zhǔn)確無(wú)誤，將數(shù)據(jù)導(dǎo)入計(jì)算機(jī)檢查是否有漏測(cè)區(qū)域，如有則進(jìn)行補(bǔ)測(cè).

根據(jù)設(shè)計(jì)底標(biāo)高33.7 m 提取開挖完成面坐標(biāo)點(diǎn)數(shù)據(jù)，生成設(shè)計(jì)基底點(diǎn)云.將設(shè)計(jì)基底點(diǎn)云數(shù)據(jù)轉(zhuǎn)導(dǎo)入CASS 軟件進(jìn)行處理，作為一期土方測(cè)量數(shù)據(jù).將GNSS-RTK 方法測(cè)得的數(shù)據(jù)點(diǎn)云采用DTM法進(jìn)行土石方計(jì)算，作為二期土方測(cè)量數(shù)據(jù)，如圖10 所示.兩期土方測(cè)量數(shù)據(jù)點(diǎn)云根據(jù)邊界建立有效三角網(wǎng)，再計(jì)算兩期三角網(wǎng)間體積，即為挖填方量，測(cè)得A 地塊挖方量為10 435.0 m3，填方量為0.9 m3；B地塊挖方量為8 072.7 m3，填方量為11.4 m3.

圖10 施工場(chǎng)地?cái)?shù)據(jù)點(diǎn)Fig.10 Data point of construction land

如表3所示，A、B兩塊區(qū)域無(wú)人機(jī)土方測(cè)量相較于GNSS-RTK 土方測(cè)量誤差為2.8%，均小于5%，在工程土方測(cè)量誤差允許范圍內(nèi).GNSS-RTK 采集數(shù)據(jù)耗時(shí)1.5 d，無(wú)人機(jī)采集數(shù)據(jù)耗時(shí)共2 h，極大地節(jié)省勞動(dòng)力成本，同時(shí)使得數(shù)據(jù)采集更加程序化、智能化.

表3 兩種測(cè)量方法土方量對(duì)比分析Table.3 Comparison and analysis of earthwork volume between two measuring methods

4 結(jié) 論

本文基于無(wú)人機(jī)傾斜攝影及多視影像重建技術(shù)建立施工場(chǎng)地精細(xì)化三維模型，通過(guò)CSF 濾波算法精確提取真實(shí)地面點(diǎn)云信息，利用DTM 法實(shí)現(xiàn)任意地形土方量的高精度測(cè)量，主要結(jié)論如下：

1）基于無(wú)人機(jī)獲取的工地多視影像序列，利用SfM-MVS 算法形成超高密度點(diǎn)云，構(gòu)建施工場(chǎng)地精細(xì)化三維模型.

2）構(gòu)建基于CSF算法的施工場(chǎng)地真實(shí)地表點(diǎn)云提取方法，消除植被、廢舊建筑物等非地面點(diǎn)云的干擾，采用DTM 方法及基底設(shè)計(jì)模型實(shí)現(xiàn)兩期點(diǎn)云之間土方量高精度測(cè)量.

3）將上述無(wú)人機(jī)方法應(yīng)用于長(zhǎng)沙岳麓山腳兩塊建設(shè)用地的土石方測(cè)量，所構(gòu)建施工場(chǎng)地三維模型精度優(yōu)于5.2 cm，土石方測(cè)量結(jié)果與GNSS-RTK方法相對(duì)誤差均小于3%，實(shí)現(xiàn)施工場(chǎng)地土石方量高效率、高精度、智能化測(cè)量.