劉欣

摘要：河流地區(qū)的地理空間信息對于河流管理（如河流規(guī)劃，洪水分析和泥沙負(fù)荷分析）至關(guān)重要。無人機(jī)（Unmanned?Aerial?Vehicle，UAV）技術(shù)已廣泛應(yīng)用于獲取三維地形，其直接獲取的是數(shù)字表面模型（Digital?Surface?Model，DSM），包括地表植被、建（構(gòu)）筑物等地物的高程信息。該文以北京市內(nèi)某河流為工程背景，使用區(qū)域增長算法，基于無人機(jī)獲取的點(diǎn)云數(shù)據(jù)提取地面點(diǎn)，創(chuàng)建區(qū)域數(shù)字高程模型（Digital?Elevation?Model，DEM），并使用虛擬參考站（Virtual?Reference?Station，VRS）和全站儀量測檢測點(diǎn)坐標(biāo)，檢驗(yàn)所獲取DEM的精度，驗(yàn)證基于無人機(jī)點(diǎn)云數(shù)據(jù)創(chuàng)建DEM的有效性。因此，可以通過應(yīng)用基于區(qū)域增長算法的無人機(jī)點(diǎn)云來生成DEM，并將其有效地用于河流管理中。

關(guān)鍵詞：無人機(jī)??點(diǎn)云??區(qū)域增長法??河流地形數(shù)據(jù)

中圖分類號：P332;P23??文獻(xiàn)標(biāo)識(shí)碼：A

Research?on?the?Creation?of?the?River?DEM?Based?on?UAV?Point?Cloud?Data

LIU?Xin

（AVIC?Institute?of?Geotechical?Engineering?Co.，?Ltd.，?Beijing，?440001?China）

Abstract：?The?geospatial?information?of?river?areas?is?critical?for?river?management?（such?as?river?planning，?flood?analysis?and?sediment?load?analysis）.?Unmanned?aerial?vehicle?（UAV）?technology?has?been?widely?used?to?obtain?3D?terrain，?and?it?directs?acquires?the?digital?surface?model?（DSM），?including?the?elevation?information?of?ground?objects，?such?as?surface?vegetation，?buildings?（structures），?etc.?This?paper?takes?a?river?in?Beijing?as?the?engineering?background，?uses?the?regional?growth?algorithm?to?extract?ground?points?from?the?point?cloud?data?obtained?by?UAV?and?create?the?digital?elevation?model?（DEM），?and?uses?the?virtual?reference?station?（VRS）?and?total?station?to?measure?the?coordinates?of?detection?points，?test?the?accuracy?of?the?obtained?DEM，?and?verify?the?effectiveness?of?creating?the?DEM?based?on?UAV?point?cloud?data.?Therefore，?the?DEM?can?be?generated?by?applying?UAV?point?clouds?based?on?the?regional?growth?algorithm，?and?it?will?be?effectively?used?in?river?management.

Key?Words：?UAV;?Point?cloud;?Region?growing?method;?River?terrain?data

河流周圍地區(qū)的4D產(chǎn)品對于河流的綜合管理至關(guān)重要，可以用于限制河流環(huán)境內(nèi)的過度開發(fā)和執(zhí)行災(zāi)害管理任務(wù)[1]。很多研究一直在利用地形數(shù)據(jù)進(jìn)行河流管理任務(wù)，如用于制訂基本的河流維護(hù)計(jì)劃、水利設(shè)施安裝、洪水分析和泥沙排放分析等[2]。

與傳統(tǒng)測圖方法相比，無人機(jī)攝影測量可獲取地表地物4D產(chǎn)品，獲取的信息更全面。近年來，基于無人機(jī)（Unmanned?Aerial?Vehicle，UAV）創(chuàng)建三維地形數(shù)據(jù)得到了廣泛應(yīng)用。無人機(jī)配備有全球衛(wèi)星導(dǎo)航系統(tǒng)（Global?Navigation?Satellite?System，GNSS）和慣性導(dǎo)航系統(tǒng)（Inertial?Navigation?System，INS），用于獲取位置信息的傳感器以及用于捕獲影像的攝像頭。此外，一些項(xiàng)目中已經(jīng)使用了能夠進(jìn)行虛擬參考站（Virtual?Reference?Station，VRS）調(diào)查的無人機(jī)設(shè)備，從而可以更快地進(jìn)行地形建模[3]。

基于無人機(jī)獲取三維地形的研究大多都集中在應(yīng)急防災(zāi)、城市規(guī)劃、林業(yè)和農(nóng)業(yè)上，這些應(yīng)用中獲取的地形數(shù)據(jù)為包括所有地形特征的數(shù)字表面模型（DigitalSurface?Model，DSM）影像。用于基本河流維護(hù)計(jì)劃開發(fā)、洪水建模和沉積物流量分析要使用數(shù)字高程模型（Digital?Elevation?Model，DEM）數(shù)據(jù)，需要從無人機(jī)采集的DSM數(shù)據(jù)中消除植被等地物特征[4]。

基于無人機(jī)點(diǎn)云數(shù)據(jù)獲取DSM，應(yīng)用區(qū)域增長法創(chuàng)建DEM，選擇位于北京市某河流的一部分作為試驗(yàn)區(qū)域，基于地面實(shí)測數(shù)據(jù)評估DSM和DEM數(shù)據(jù)的高程精度，驗(yàn)證了基于無人機(jī)點(diǎn)云數(shù)據(jù)創(chuàng)建DEM的可靠性。

1點(diǎn)云數(shù)據(jù)獲取

試驗(yàn)區(qū)域?yàn)楸本┑哪硹l河流，選擇eBee（SenseFly，瑞士洛桑）作為獲取河流地形數(shù)據(jù)的無人機(jī)設(shè)備，該設(shè)備單次飛行的最大飛行時(shí)間為50?min，最大覆蓋范圍約為12?km2，搭載WX220（索尼）相機(jī)，焦距為4～25?mm[5]。

路線規(guī)劃采用eMotion軟件設(shè)計(jì)。無人機(jī)飛行高度195?m（分辨率為6?cm），橫向和縱向重疊分別設(shè)置為70%和85%。一次飛行可以捕獲大約1?km2的區(qū)域。

總共獲取了目標(biāo)區(qū)域的391張圖像。使用eMotion軟件包的“飛行數(shù)據(jù)管理器”功能進(jìn)行地理標(biāo)簽處理，將位置信息（例如GNSS和INS信息）與每個(gè)圖像文件相關(guān)聯(lián)，使用Pix4D軟件進(jìn)行圖像鑲嵌處理。

2?DSM創(chuàng)建

基于Pix4D軟件?？梢允褂谩皉ayCloud”技術(shù)來提高圖像中的三維點(diǎn)云數(shù)據(jù)以及GPS和INS信息的準(zhǔn)確性，該技術(shù)最終可創(chuàng)建具有高可靠性的DSM數(shù)據(jù)[6]，如圖1所示。具體流程如下。

（1）輸入立體像對。將垂直獲得的影像作為左視圖，非垂直方向獲得的影像作為右視圖，同時(shí)輸入影像的RPC文件。

（2）定義地面控制點(diǎn)。Pix4D提供了無控制點(diǎn)、交互式選擇控制點(diǎn)及從外部文件中讀取控制點(diǎn)3種選擇。本文中選擇無控制點(diǎn)，生成相對高程的DSM。

（3）定義連接點(diǎn)?；趨^(qū)域灰度匹配法自動(dòng)尋找重疊區(qū)的連接點(diǎn);設(shè)置連接點(diǎn)數(shù)目、搜索窗口大小、移動(dòng)窗口大小;通過交互式窗口檢查連接點(diǎn)效果并調(diào)整參數(shù)，直到取得滿意的效果。

（4）設(shè)定輸出參數(shù)。設(shè)定輸出DSM的投影參數(shù)、像元大小和范圍、最小相關(guān)系數(shù)閾值、背景值、數(shù)據(jù)輸出類型等。

（5）輸出DSM及檢查結(jié)果。將產(chǎn)生的DSM顯示在窗口中，并激活編輯工具。

（6）編輯DSM。對生成的DSM進(jìn)行中值濾波處理，設(shè)定3×3的卷積核。同時(shí)對結(jié)果進(jìn)行人工檢查，消除明顯的異常值。

圖2顯示了由Pix4D軟件創(chuàng)建的數(shù)字正射（Digital?Orthophoto?Map，DOM）影像和DSM影像。作為參考，在DOM中還顯示了用于評估河流地形數(shù)據(jù)準(zhǔn)確性的邊界點(diǎn)和驗(yàn)證點(diǎn)。

3?DEM創(chuàng)建

由于使用無人機(jī)創(chuàng)建的DSM數(shù)據(jù)包括河流中的植被，河流調(diào)查需要使用剔除植被等地物后生成的DEM數(shù)據(jù)。圖3顯示了河流一部分的三維模型，該模型是使用DSM創(chuàng)建的。

傳統(tǒng)的點(diǎn)云數(shù)據(jù)處理方法大都采用局部最大值方法提取樹木或建筑物[7]。該方法需要事先獲取與目標(biāo)樹木或建筑物位于同一地面上的最大樹木或建筑物的大小，對于闊葉林較多的地區(qū)，采用局部最大值方法通常會(huì)在同一樹冠中檢測到多個(gè)局部最大值點(diǎn)，易降低樹冠提取的準(zhǔn)確率。因此，選擇采用基于坡度的濾波算法來提取地面點(diǎn)，并使用區(qū)域增長方法來創(chuàng)建DEM。

基于坡度的濾波算法基本思想是：點(diǎn)云數(shù)據(jù)地面點(diǎn)和地物點(diǎn)之間的坡度大于地面點(diǎn)與周圍地面點(diǎn)形成的坡度值。在一定范圍內(nèi)，相鄰的兩點(diǎn)高程差越大，兩點(diǎn)引起的地形變化就越大。算法的濾波精度與所給的閾值有關(guān)，而地形數(shù)據(jù)的完整性與范圍窗口有關(guān)。不同的地形數(shù)據(jù)需要使用不同的坡度值參數(shù)進(jìn)行濾波計(jì)算。

區(qū)域增長是點(diǎn)云數(shù)據(jù)分割最常釆用的方式。在屬性空間中，面向不同的處理對象，借助高差、坡度、法向量、與原點(diǎn)距離、鄰域擬合曲面的殘差等特征，進(jìn)行區(qū)域增長，形成一系列的目標(biāo)表面；然后，在目標(biāo)空間中，進(jìn)行拓?fù)浞治?，對目?biāo)表面進(jìn)融合、分裂和分類，最終得到模型重建所需面數(shù)據(jù)；最后，完成模型重建。為了使用點(diǎn)云數(shù)據(jù)對河流中的樹木進(jìn)行分類，首先將這些點(diǎn)分為非地面點(diǎn)和地面點(diǎn)，點(diǎn)云數(shù)據(jù)同時(shí)顯示水平位置（x，y）和垂直位置（z）。搜索位于特定點(diǎn)云周圍的點(diǎn)后，根據(jù)各個(gè)點(diǎn)之間的坡度差異對地面和植被進(jìn)行分類。因植被高程明顯高于地面，所以如果各點(diǎn)云之間的坡度較大，則表示是植被，但如果用于計(jì)算的像元面積太大，則樹可能被誤分類為地面，為了解決此問題，可基于目標(biāo)區(qū)域中的樹冠面積或地形特征來設(shè)置窗口大小。

圖4（a）顯示了基于無人機(jī)的DSM影像。圖4（b）顯示了通過基于點(diǎn)云數(shù)據(jù)的區(qū)域增長法創(chuàng)建的DEM。計(jì)算了100個(gè)檢查點(diǎn)的高程誤差。（如表1所示），DSM的高程值的計(jì)算誤差范圍為0.08～15.33?m，標(biāo)準(zhǔn)差為±3.84?m。另一方面，評估顯示，DEM的高程誤差范圍為-0.27～0.41?m，標(biāo)準(zhǔn)差為±0.12?m。

4?結(jié)語

在該研究中，基于從無人機(jī)攝影測量獲得的點(diǎn)云數(shù)據(jù)，應(yīng)用坡度技術(shù)創(chuàng)建了可用于河流管理任務(wù)的地形數(shù)據(jù)。該研究通過使用VRS和全站儀調(diào)查得出了100個(gè)測試點(diǎn)的真實(shí)值，并將這些測試點(diǎn)用于計(jì)算DSM和DEM的高程精度結(jié)果表明，DSM和DEM數(shù)據(jù)的標(biāo)準(zhǔn)差分別為±3.84?m和±0.12?m。因此，通過基于無人機(jī)點(diǎn)云數(shù)據(jù)的坡度技術(shù)分析的DEM數(shù)據(jù)可以有效地用作河流管理任務(wù)的地形數(shù)據(jù)，如基本河道維護(hù)計(jì)劃的建立、洪水模型和沉積物排放評估等。

參考文獻(xiàn)

1. 程飛，張子文，姜炳功.無人機(jī)傾斜攝影測量在河流綜合治理中的應(yīng)用[J].測繪與空間地理信息，2022，45（6）：58-60，66.
2. 鄧燁.基于無人機(jī)點(diǎn)云數(shù)據(jù)的道路標(biāo)志提取與規(guī)則化[D].合肥：安徽理工大學(xué)，2021.
3. 王明，李麗慧，廖小輝，等.基于無人機(jī)航攝的高陡/直立邊坡快速地形測量及三維數(shù)值建模方法[J].工程地質(zhì)學(xué)報(bào)，2019，27（5）：1000-1009.
4. 劉帥，欒奎峰，譚凱，等.基于無人機(jī)LiDAR點(diǎn)云的多類型植被覆蓋灘涂地形濾波[J].遙感技術(shù)與應(yīng)用，2021，36（6）：1272-1283.
5. 馬富明.無人機(jī)影像匹配點(diǎn)云在大比例尺DEM數(shù)據(jù)生產(chǎn)中的應(yīng)用[J].水科學(xué)與工程技術(shù)，2022（1）：61-64.
6. 王龍.無人機(jī)傾斜影像密集匹配點(diǎn)云的處理與應(yīng)用[D].貴陽：貴州師范大學(xué)，2021.
7. 李濤，袁中朝，沈彪群，等.無人機(jī)影像匹配點(diǎn)云技術(shù)在道路測設(shè)中的應(yīng)用[J].測繪通報(bào)，2018（6）：156-159.