李 振

（1.星際空間（天津）科技發(fā)展有限公司, 天津 300384）

近年來，隨著激光SLAM 技術(shù)的發(fā)展，基于激光SLAM 的背包式移動測量系統(tǒng)應(yīng)運而生。徠卡公司的Pegasus Backpack移動背包掃描系統(tǒng)，系統(tǒng)集成了GPS全球定位、慣性導(dǎo)航、相機傳感器和三維激光掃描儀等先進設(shè)備。GPS定位給出測量設(shè)備位置，慣性導(dǎo)航給出行測量設(shè)備前進方向和照相機姿態(tài)，全景相機利用GPS 和慣導(dǎo)數(shù)據(jù)給出外方位元素等信息將5 張相片拼接成全景相片[1-7]。

車載激光LiDAR 可以快速獲取公路路面和路面兩側(cè)物體的高精度三維信息和灰度信息；背包激光Li-DAR能快速、靈活地獲取機動車無法行駛地區(qū)的數(shù)據(jù)，通過SLAM 技術(shù)，自身數(shù)據(jù)相互優(yōu)化、解算，形成最終的成果點云。

1 數(shù)據(jù)獲取流程及優(yōu)化原理

基于天津市河西區(qū)慢行交通改善項目，本文結(jié)合車載激光LiDAR 系統(tǒng)和背包激光LiDAR 系統(tǒng)各自特點，研究了一種線性內(nèi)插同名點匹配方法，達到點云數(shù)據(jù)高精度融合。

1.1 車載激光LiDAR系統(tǒng)數(shù)據(jù)獲取

車載移動激光測量系統(tǒng)主要為設(shè)計部門提供主線路基重要測量控制點和抽稀后的點云，為了保證測量結(jié)果可靠，測量前需要提前布設(shè)測標(biāo)并將其作為點云數(shù)據(jù)糾正的控制點（以下簡稱測標(biāo)）；然而市區(qū)無需提前布設(shè)測標(biāo)，每個十字路口的斑馬線角點作為測標(biāo)，這樣既可以節(jié)省成本，又可以內(nèi)業(yè)精準(zhǔn)確定測標(biāo)位置。

1.1.1 設(shè)備檢校

設(shè)備檢校是保證車載激光掃描測量成果精度的核心環(huán)節(jié)。車載采集數(shù)據(jù)前對激光傳感器的Heading、Roll和Pitch 3個姿態(tài)角進行精細(xì)檢校。選取一個特征建筑物作為檢校依據(jù)，用于確定系統(tǒng)各傳感器同POS系統(tǒng)的位置關(guān)系，在具體實施時，沿建筑物外圍分別順時針和逆時針測量2 次。在建筑物四周側(cè)墻面上，大致均勻的布設(shè)一些特征控制點，在窗戶、門等存在墻面凹凸的位置布設(shè)特征控制點，每個墻面大致均勻布設(shè)10～20 個控制點，經(jīng)檢校雙激光器獲取同一路段點云數(shù)據(jù)匹配精度優(yōu)于1 cm，可用于下一步路面掃描。

1.1.2 點云數(shù)據(jù)獲取

車載Lynx外業(yè)測量主要包括測區(qū)內(nèi)GPS基站架設(shè)和車載激光移動測量工作。

1）GPS基站架設(shè)。GPS基站架設(shè)按照傳統(tǒng)GPS靜態(tài)觀測技術(shù)要求實施。車載測量時以其中處于測區(qū)中心的控制點架設(shè)GPS 基站，確保基站覆蓋半徑小于15 km，采樣頻率不低于1 Hz。

2）測量城市道路路面點。根據(jù)項目設(shè)計網(wǎng)圖和交通通行情況，設(shè)計車輛行駛路徑。

1.1.3 測標(biāo)測量

根據(jù)車載點云數(shù)據(jù)灰度信息，人工選擇斑馬線角點作為測標(biāo)。選取原則如下：

1）選取位置為十字路口斑馬線角點或多個航帶重疊處特征點。

2）灰度顯示清晰。

3）上方無高樓樹木等大型地物遮擋。

測標(biāo)基于點云中記錄的地物灰度信息進行識別。測標(biāo)平面測量采用RTK方法進行施測，高程采用圖根水準(zhǔn)測量方法施測。測標(biāo)平面和水準(zhǔn)成果應(yīng)做平差計算，滿足相應(yīng)的規(guī)范要求。

1.2 背包激光LiDAR系統(tǒng)數(shù)據(jù)獲取

根據(jù)測區(qū)范圍及車載激光LiDAR測量被遮擋或無法掃描的范圍，人工標(biāo)記出沒有點云數(shù)據(jù)范圍。結(jié)合背包式激光LIZDAR 系統(tǒng)特性和周圍環(huán)境，測量人員設(shè)計不同地段的路線及設(shè)備參數(shù)。

1.3 數(shù)據(jù)優(yōu)化原理及融合技術(shù)

1.3.1 車載激光點云優(yōu)化

根據(jù)以往工程經(jīng)驗，在GNSS 信號穩(wěn)定狀態(tài)下，車載激光移動測量點云精度滿足1∶500 地形圖精度。在GNSS信號狀態(tài)不穩(wěn)定，GNSS斷斷續(xù)續(xù)地接受衛(wèi)星信號，在短時間內(nèi)慣導(dǎo)系統(tǒng)會維持高精度狀態(tài)，長時間信號失鎖，會降低數(shù)據(jù)精度。面對整個測區(qū)數(shù)據(jù)，人工整體優(yōu)化數(shù)據(jù)，提高數(shù)據(jù)精度。相同測區(qū)、不同時間段車載點云的平面和高程位置存在差異，通過在專業(yè)pospac軟件中查看軌跡精度報告圖，清晰地分析出某時段精度優(yōu)與差。在此基礎(chǔ)上，通過兩次測量的同名點和測標(biāo)點，重點優(yōu)化精度較差點云，再進行測區(qū)整體點云平差優(yōu)化。

原始車載點云數(shù)據(jù)平面精度為15 cm，高程精度為10 cm。為滿足設(shè)計精度需求，采用線性內(nèi)插同名點匹配方法，車載點云進行了整體平差和精度優(yōu)化。

式中，Z′i為時刻i的點云正常高；Zi為時刻i的點云實際獲取高程；H1、H2為T1、T2時刻的正常高；h1、h2為T1、T2時刻的點云實際獲取高程。

1.3.2 背包激光點云解算

通過徠卡軟件Inertial Explorer，作業(yè)人員將背包式設(shè)備采集的pos數(shù)據(jù)和基站靜態(tài)數(shù)據(jù)導(dǎo)入該軟件，解算航跡線數(shù)據(jù)；在PegasusManager軟件中解算點云數(shù)據(jù)。

首先導(dǎo)入點云數(shù)據(jù)，選擇SLAM 模塊，點云自身精度匹配，然后根據(jù)航跡線數(shù)據(jù)和原始點云數(shù)據(jù)解算背包成果點云，并賦予顏色形成彩色點云。

1.3.3 點云融合技術(shù)

車載激光LiDAR系統(tǒng)長距離內(nèi)，GPS 時間短，雙GPS 形成GAMS，導(dǎo)致點云變化小，形成線性變化，為線性內(nèi)插同名點匹配方法做基礎(chǔ)。相對高精度車載激光點云，背包激光點云的點密度和點質(zhì)量會隨著測量人員身體浮動大小來波動，且整體GPS精度波動比較大。綜上所述，點云融合的基礎(chǔ)是車載激光點云，通過線性內(nèi)插同名點匹配方法優(yōu)化背包激光點云，最終形成融合點云。車載激光點云和背包激光點云融合在同一個工程下，兩部分點云數(shù)據(jù)會出現(xiàn)平面和高程錯位，具體如圖1所示。

圖1 車載激光點云和背包激光數(shù)據(jù)點云平面錯位（紅色為車載點云，綠色為背包點云）

由于缺漏區(qū)域位于墻角、樹下和高樓旁，背包激光測量系統(tǒng)中GNSS長時間處于失鎖狀態(tài)，高精度慣導(dǎo)系統(tǒng)也無法保證其高精度。在這種情況下，背包激光數(shù)據(jù)只能依靠車載激光點云數(shù)據(jù)來優(yōu)化自身精度。具體步驟如下：

1）在車載激光點云數(shù)據(jù)和背包激光點云數(shù)據(jù)里，按照一定距離分別選取同一地物的特征點，分別命名KZD_1 和JZ_1。首先這些同名點分別是地物角點、窗口棱角和廣告牌角點等；其次，它們分別在激光數(shù)據(jù)中能夠被清楚識別，如圖2～4所示。

通過建立螞蟻模型及ATA交互學(xué)習(xí)思維習(xí)得仿生觀察下的螞蟻覓食行為，此觸角及時迅速的信息傳遞方式表現(xiàn)了自然界中昆蟲的信息反饋方式．鑒于此，與人類學(xué)習(xí)過程中反饋式學(xué)習(xí)進行比較并獲得啟發(fā)，根據(jù)若干反饋過程情況中所出現(xiàn)的意外情形中的應(yīng)對和措施，利用信息熵評價方法完成對每一次學(xué)習(xí)過程的有效分析，以求為后續(xù)更多具有相似學(xué)習(xí)情境的人員完成對自身學(xué)習(xí)的評價和提升．

圖2 同名點的位置

圖3 車載激光點數(shù)據(jù)KZD_1、KZD_2、KZD_3的位置

圖4 背包激光點數(shù)據(jù)JZ_1、JZ_2、JZ_3的位置

2）通過步驟1）中的同名點位置坐標(biāo)，分析背包激光點云數(shù)據(jù)在短時間內(nèi)無GNSS 信號下，通過慣導(dǎo)系統(tǒng)，點云數(shù)據(jù)的位置是按照線性方程變化的，如圖5所示。

圖5 背包激光點數(shù)據(jù)線性變化

3）同名點不同點云數(shù)據(jù)坐標(biāo)值做比較，求得在同名點位置處的變化量，即為真實值的偏移量。MicroStation軟件中，通過對每個同名點真實值偏移量的分析，應(yīng)用線性內(nèi)插同名點匹配方法，軟件自動優(yōu)化背包激光點云。優(yōu)化后的背包激光點云與車載激光點云相互融合，具體如圖6所示。背包激光點云數(shù)據(jù)既彌補了車載激光點云數(shù)據(jù)的漏洞，又充分體現(xiàn)了二者的兼容性。

圖6 融合后點云數(shù)據(jù)平面、高程圖（紅色為車載點云，綠色為背包點云）

2 工程應(yīng)用

該技術(shù)本次應(yīng)用在天津市河西區(qū)慢行交通改善項目，全長52.46 km，左右兩側(cè)30 m 的1∶500 地形圖。全線主路采用車載激光測量技術(shù)獲取點云數(shù)據(jù)，兩側(cè)遮擋區(qū)域采用背包式激光LiDAR 測量數(shù)據(jù)獲取點云，通過pos解算、點云輸出、點云優(yōu)化、點云融合和內(nèi)業(yè)繪制外業(yè)調(diào)繪等流程，生產(chǎn)出滿足1∶500 比例尺專題地形圖。

2.1 成果規(guī)格和主要技術(shù)指標(biāo)

平面坐標(biāo)系統(tǒng)采用天津90城市坐標(biāo)系統(tǒng)；高程系統(tǒng)采用1972 年天津市大沽高程系，2015 年高程。地形圖需標(biāo)注交叉口、路段、人行道、重要地物的出入口以內(nèi)的5 m 范圍高程；標(biāo)注道路及兩側(cè)人行道高程（每5 m 一個高程點）；標(biāo)注立交橋范圍內(nèi)的高程及橋底面高程（每5 000一個高程點）；行道樹及綠化帶內(nèi)樹逐顆測量具體位置，并標(biāo)明樹種、樹徑；其他的內(nèi)容按照1∶500地形圖技術(shù)要求測繪。圖形數(shù)據(jù)應(yīng)采用Autodesk的DWG數(shù)據(jù)格式。

2.2 項目數(shù)據(jù)采集

根據(jù)項目測量技術(shù)需求，本項目采用加拿大Optech 公司的LYNX HS600 車載激光系統(tǒng)，脈沖頻率200 KHz，線頻為100 Hz，平均車速50 km∕h；徠卡公司的Pegasus Backpack移動背包掃描系統(tǒng)，脈沖頻率200 KHz，線頻為100 Hz，平均速度為正常人行走速度。主干道和次干道路面較寬，路兩側(cè)存在花臺和行道樹，車載激光無法全面采集到路兩側(cè)點云數(shù)據(jù)，故此道路上采用背包測量，彌補車載激光點云的短板。支干道路面較窄，兩側(cè)較少遮擋物，車載激光測量基本上滿足技術(shù)需求，少部分需要采用背包測量采集。根據(jù)路面上車的流量，車載激光測量采集時間為9∶30～16∶00 和21∶00～5∶00，背包激光測量采集時間為9∶30～16∶00。

2.3 測標(biāo)測量

1∶500 地形圖根控制點相對于鄰近等級控制點的點位中誤差不得大于0.05 m，高程中誤差不得大于1∕10 等高距。測標(biāo)平面控制采用天津網(wǎng)絡(luò)RTK 布設(shè)，按照規(guī)范中圖根平面控制點技術(shù)要求測量，直接測量獲得WGS84 平面坐標(biāo)，轉(zhuǎn)換為天津90 城市坐標(biāo)；測標(biāo)高程采用圖根水準(zhǔn)測量，起算點不低于四等精度控制點。

根據(jù)車載激光點云灰度特性，選取特征點作為測標(biāo)點和檢查點，其中檢查點不參與點云優(yōu)化。通過點云灰度顯示，作業(yè)人員可以清晰地識別出測標(biāo)；整個項目選取40 個測標(biāo)和12 個檢查點，均勻分布在整個項目中。

2.4 激光點云數(shù)據(jù)優(yōu)化

項目組進行了車載激光移動測量的外業(yè)工作，共花費2 個白天和1 個夜晚。作業(yè)完成后，利用DiskExtract 提取得到車載原始掃描數(shù)據(jù)文件；然后，利用PosPac MMS 進行POS 數(shù)據(jù)解算；通過GPS 差分解算，對車載激光移動測量數(shù)據(jù)成果進行了精度分析和過程質(zhì)量檢查。圖8 為測量解算GPS 差分解算的精度分析報告：圖中的X坐標(biāo)軸為作業(yè)過程中的GPS時間，Y軸是平差解算時的平面和高程誤差值。其中紅線和黑線為平面的精度示意線，綠線為高程精度示意線。平緩區(qū)域為正常測量過程的時段，精度突變的區(qū)域為上跨橋梁遮擋或聳立高樓遮擋等GPS信號不好時段。該曲線圖可有效反映GPS 動態(tài)差分測量的精度。選取所解航跡線平面精度優(yōu)于3 cm，高程精度優(yōu)于5 cm的時間段對應(yīng)的點云數(shù)據(jù)。依據(jù)精度曲線圖擇優(yōu)選取對應(yīng)時間的點云數(shù)據(jù)，最終確定用于成果制作的點云數(shù)據(jù)。

圖8 航跡線解算結(jié)果

最后，將原始掃描數(shù)據(jù)、POS 數(shù)據(jù)解算數(shù)據(jù)導(dǎo)入LMS預(yù)處理軟件中生成車載點云數(shù)據(jù)成果。在LMS軟件中，設(shè)置點云坐標(biāo)系統(tǒng)。項目中天津90坐標(biāo)系統(tǒng)是獨立坐標(biāo)系統(tǒng)，故在LMS中設(shè)置生成UTM50坐標(biāo)系統(tǒng)。在MicroStation 軟件中，利用覆蓋測區(qū)的基礎(chǔ)控制點批量完成點云數(shù)據(jù)從UTM50 坐標(biāo)系到天津90 坐標(biāo)系統(tǒng)的轉(zhuǎn)換。

為保證激光點云精度，利用40個高精度測標(biāo)圖根點成果，軟件對車載激光點云進行了整體平差和精度優(yōu)化。相關(guān)數(shù)據(jù)處理工作通過我公司自主研發(fā)的Star-Modeler 軟件中批處理自動化完成。項目共布設(shè)路面檢查點共計12 個，評價測標(biāo)圖根點僅用于精度評價，不參與車載點云平差和精度優(yōu)化。對比圖9 和圖10，得出結(jié)論：車載激光點云數(shù)據(jù)平面和高程精度得到大幅度提高。

圖9 原始車載點云與實測測標(biāo)點的誤差圖

圖10 優(yōu)化車載點云與實測檢測點的誤差圖

2.4.2 背包激光點云數(shù)據(jù)優(yōu)化及融合

在徠卡Inertial Explorer和Pegasus Backpack相關(guān)軟件中，運用SLAM技術(shù)、GNSS后處理定位和IMU慣導(dǎo)系統(tǒng)自動解算，生成背包激光點云數(shù)據(jù)。通過車載和背包激光點云數(shù)據(jù)對比，人工選出98個同名點位。在MicroStation 軟件中，利用線性內(nèi)插同名點匹配方法，優(yōu)化背包激光點云數(shù)據(jù)。優(yōu)化后的車載和背包激光點云數(shù)據(jù)導(dǎo)入同一個工程，方便后期內(nèi)業(yè)處理。融合后的激光點云數(shù)據(jù)精度高度一致，范圍內(nèi)無遺漏。

2.5 1∶500地形圖內(nèi)業(yè)處理

內(nèi)業(yè)根據(jù)點云數(shù)據(jù)進行全要素采集。融合點云數(shù)據(jù)灰度、斷面信息、高程信息與基礎(chǔ)地物的形狀和空間信息，軟件清晰地分辨出不同地物及其準(zhǔn)確位置。基于不規(guī)則三角網(wǎng)（PTD）的算法，激光點云數(shù)據(jù)分離出地面點，再通過TIN網(wǎng)構(gòu)建數(shù)字高程模型，人工干預(yù)剔除粗差點，獲得高精度地面點數(shù)據(jù)?；诘孛纥c數(shù)據(jù)，公司自主研發(fā)的切斷面軟件，每5 m 精確地提取斷面高程數(shù)據(jù)，滿足業(yè)主對地面點高程密度需求，極大地縮短外業(yè)采集時間和提高數(shù)據(jù)精度，特別針對城市林立的高樓、密林間、車流量密集的道路等傳統(tǒng)測量困難地點。

外業(yè)調(diào)繪。巡視調(diào)繪時，對所有地物進行核實，補調(diào)隱藏、新增和漏測的地物；對遺漏與新增地物無法用截距法定位時，采用RTK測量、全站儀測量等常規(guī)方法定位。

內(nèi)業(yè)編輯是在AutoCAD 繪圖系統(tǒng)中進行的。根據(jù)外業(yè)修測和補測的數(shù)據(jù)，按照圖式及設(shè)計書要求進行屬性轉(zhuǎn)換和編輯。編輯過程中對外業(yè)圖件中有疑問的或者未能明確定性的地物則作標(biāo)識，由外業(yè)調(diào)繪人員現(xiàn)場補調(diào)確認(rèn)后再編輯上圖，分隊檢查員對照修補測圖上機檢查確保無差、錯、漏后，進行分層分色及線型、字體的檢查，完成后再回放編輯后的線劃圖，交外業(yè)實地復(fù)查，再次修改后進行圖幅拼接成圖。

3 結(jié) 論

融合后的點云數(shù)據(jù)滿足項目精度要求，通過對地形圖要素進行精度檢核統(tǒng)計分析，得到平面精度±0.136 m，高程中誤差為±0.085 m 的評價結(jié)果，滿足項目1∶500地形圖需要的平面和高程的精度要求。相對傳統(tǒng)測量，主要優(yōu)勢如下：①外業(yè)作業(yè)生產(chǎn)有安全保障。②不影響作業(yè)公路的正常交通運行。③外業(yè)作業(yè)效率高、內(nèi)業(yè)數(shù)據(jù)處理自動化程度高，在項目工期、質(zhì)量方面均具有優(yōu)勢。

通過項目的實施和總結(jié)，合格成果驗證了點云融合技術(shù)解決傳統(tǒng)測繪技術(shù)遺留的難點和相互兼容性問題，并可以為高精度地形圖提供重要的技術(shù)支撐。