摘 要:針對控導工程監(jiān)測過程中采用的傳統(tǒng)水下高程測量方法存在操作人員多、安全隱患大等問題,以神堤控導工程12 壩—20壩為例,采用無人機、無人船等非載人式勘測技術,對河道水上地形和水下地形展開同步測量。引入坡度因子對區(qū)域生長法進行改進,以目視解譯方法識別的林木區(qū)域為基準,分析對比區(qū)域生長法和考慮坡度的區(qū)域生長法的識別準確率。采用自然鄰域法對水下地形數(shù)據(jù)進行插值并與水上地形數(shù)據(jù)融合,得到神堤控導工程水上水下數(shù)字高程模型(DEM),并與工程三維視圖進行對比。結果表明:利用無人機和無人船一體化測繪生成的DEM 成果,滿足有關技術規(guī)范的要求,具有較高的精度;采用考慮坡度的區(qū)域生長法識別控導工程的防浪林和行道林,識別正確率達92.47%。
關鍵詞:無人機;無人船;水下地形;水上地形;區(qū)域生長法;神堤控導工程
中圖分類號:P231;P234.2 文獻標志碼:A doi:10.3969/ j.issn.1000-1379.2024.11.022
引用格式:侍恒,曾賀,蘇磊,等.基于區(qū)域生長法的無人機和無人船一體化測繪技術研究[J].人民黃河,2024,46(11):137-141,148.
為了控制河流走向、整治游蕩型河道,在黃河灘岸沿治導線布置了大量壩、垛、護岸等控導工程。黃河泥沙較多,容易出現(xiàn)河道沖刷、淤積以及橫河斜河問題,致使控導工程發(fā)生根石走失等險情,嚴重危及工程安全[1-2] ,因此通常需要在汛前開展河道勘察,預估險情可能發(fā)生點。在控導工程監(jiān)測過程中,傳統(tǒng)水下高程測量一般采用測深桿或鉛魚,存在參與人員多、安全隱患大等問題[3] ,同時需要多人配合測量,容易在操作過程中出現(xiàn)誤差。相較于傳統(tǒng)測量方法,無人機、無人船等新型測量技術具有不載人、不接觸的特點,能夠在有效保障作業(yè)人員安全的同時,降低河道勘測成本,提高工作效率,在地形測量應用中逐漸受到重視[4] 。周陽陽等[5] 基于無人機傾斜攝影技術重構韶關北江特有珍稀魚類省級自然保護區(qū)三維實景模型,獲取數(shù)字正射影像(DOM)和數(shù)字表面模型(DSM)等地理信息數(shù)據(jù)。蔡嘉倫等[6] 對無人機傾斜攝影測量精度進行評估與分析,認為將不同密集程度的地面像控點納入“空三”解算過程,其絕對定位精度可達厘米級。王冬敏等[7] 以溪洛渡庫區(qū)為例,研究分析了無人船水下測量技術的應用情況,同時結合無人機確定了數(shù)據(jù)采集區(qū)水邊線。目前,無人機、無人船已經(jīng)逐步實現(xiàn)在地形測量等領域的廣泛應用[8] ,二者結合可有效提高水上水下地形測量的同步率[9] 。
DEM 是用一組有序數(shù)據(jù)陣列表示地面高程的實體地面模型,采用柵格數(shù)據(jù)的形式進行存儲,是對地貌形態(tài)的數(shù)字化模擬[10] 。不同于DEM,DSM 不僅包含地形的高程信息,還融合地表建筑物、橋梁、樹木等地物的高度信息[11] 。對于控導工程而言,壩襠或堤頂?shù)缆贩N植有防浪林、行道林等,無人機影像匹配點位于植被頂部,對其計算得到的是DSM 數(shù)據(jù)[12] 。為進一步提高無人機、無人船測繪技術在黃河控導工程地形測量中的精度,引入?yún)^(qū)域生長法識別控導工程的防浪林、行道林等區(qū)域,實現(xiàn)從DSM 中識別地面點和提?。模牛?。區(qū)域生長法是一種基于圖像串行區(qū)域分割的算法,其關鍵因素包括種子選取、生長準則和終止條件[13] ,在分割具有相同特征的連通區(qū)域方面具有良好的適應性,目前該方法已廣泛應用于醫(yī)學、機械設備等多領域的圖像分割[14-15] 。然而,傳統(tǒng)區(qū)域生長法的生長準則為固定值,致使部分低矮灌木和喬木無法有效識別。為此,本文針對黃河控導工程的特殊地形,利用無人機和無人船一體化測繪技術,引入坡度因子改進準則閾值,采用數(shù)據(jù)融合和考慮坡度的區(qū)域生長法等獲得具有較高精度的水上水下地形,以期為黃河控導工程監(jiān)測查險提供技術支撐。
1 研究區(qū)域概況和研究方法
1.1 研究區(qū)域概況
研究區(qū)域為神堤控導工程12 壩—20 壩(分布位置見圖1),位于鞏義市河洛鎮(zhèn)神北村北,背靠邙山,距鞏義市區(qū)13 km,工程上距裴峪控導工程10 km,下首為伊洛河入黃口,共有丁壩21 道、垛10 個,工程長度2 879 m,裹護長度4 088 m,工程防洪標準(洪峰流量)為5 000 m3 / s。
1.2 研究數(shù)據(jù)來源
神堤控導工程的DSM 源自2023 年4 月Phantom4RTK 無人機航攝作業(yè)。Phantom4 RTK 無人機具有RTK 差分定位技術和高性能成像系統(tǒng),航測效率與精度較高,擁有智能識別、避障等功能,可以按照事先規(guī)劃的線路自主控制飛行[16] 。Phantom4 RTK 無人機搭載的相機參數(shù)如下:有效像素為2 000 萬,CMOS 影像傳感器尺寸為1 英寸,最大分辨率為5 472 ×3 648(3 ∶ 2),像元邊長為0.002 4 mm。通過構建五向飛行路線,收集構建精細實景三維模型所需的五向高精度照片,進行“空三”解算并嵌入后差分處理,利用Cont?extCapture 輸出三維實景,得到研究區(qū)域DSM,見圖2。
影像分辨率是影響DSM 精度的重要參數(shù)。數(shù)字航空攝影中用地面采樣間隔表示影像分辨率,其是決定影像地物識別能力和成圖精度的重要指標[17] 。無人機地面采樣間隔EGSD依據(jù)式(1)計算:
1/s= f/H相= a/EGSD (1)
式中:s 為攝影比例尺,H相為相對航高,f 為航攝儀主距,a 為像元邊長。
Phantom4 RTK 無人機搭載相機的最大分辨率為5 472×3 648,像元邊長為0.002 4 mm,焦距為8.8 mm,據(jù)此可得無人機EGSD =0.08 m。
研究區(qū)域水下高程利用華測4 號無人船進行測量。華測4 號無人船內(nèi)置北斗高精度全球定位系統(tǒng)和全球導航衛(wèi)星系統(tǒng)(GNSS)雙天線、??低晹z像頭等,搭載的聲學多普勒流速儀(ADCP)和測深儀等儀器無縫嵌入船體,吃水僅為0.1~0.2 m。通過集成安裝姿態(tài)與聲吶基陣,實現(xiàn)出廠姿態(tài)零偏差,不需要在施測區(qū)域額外布設校準線[18] 。采用無人船自動控制技術實時獲取水底高程、水面高程、河道流量、空間位置等信息。無人船航道軌跡見圖3。
1.3 研究方法
1)無人機和無人船一體化測繪方法。首先通過無人機高空航拍獲得研究區(qū)域實時高精度正射影像,并依據(jù)該影像規(guī)劃無人船航線。再通過無人船采集研究區(qū)域的水深、水面高程、水下高程等信息,生成水下DEM 模型。最后融合水上DEM 模型,獲取完整的研究區(qū)域地形。
數(shù)據(jù)融合是在研究區(qū)域正射影像準確劃分陸水分界面基礎上,將水下DEM 模型和水上DEM 模型的坐標系統(tǒng)、高程系統(tǒng)分別統(tǒng)一為CGCS2000、1985 國家高程基準,并根據(jù)陸水分界面整合水下DEM 模型和水上DEM 模型,輸出融合的DEM 模型。
2)區(qū)域生長法。采用區(qū)域生長法識別防浪林和行道林等。區(qū)域生長法的主要原理是根據(jù)預先設定的生長準則(待分割的像素點與分割好的區(qū)域像素點之差的絕對值在某閾值內(nèi)),從某一個或多個像素或區(qū)域出發(fā),將符合相同準則要求的像素或區(qū)域合并,最終形成可以代表目標對象的連通區(qū)域。該方法在缺少先驗知識前提下,可以有效分割自然景物等復雜圖像,提供較準確的邊界信息。具體步驟如下:步驟一,采用Matlab 生成可視化交互界面,在原始圖像中選取初始種子。步驟二,將4 個鄰域像素點加入待分割的像素點庫,并根據(jù)預設生長準則和生長結束條件判定該像素點是否加入分割好的區(qū)域或者結束生長。本研究在高程閾值基礎上,增加坡度閾值作為新增預設生長準則,對傳統(tǒng)區(qū)域生長法進行改進。本次設定的初始高程、坡度預設生長準則分別為10 m、90°,改進后方法稱為考慮坡度的區(qū)域生長法。步驟三,不斷重復步驟二,直至剩下的所有像素點均不滿足預設生長準則且滿足生長結束條件。步驟四,重復步驟一至步驟三,根據(jù)目視遙感影像的地物分類結果不斷調(diào)整參數(shù)值,直至獲得最佳效果。
3)DEM 數(shù)據(jù)質(zhì)量評價。無人機航高、相機參數(shù)均會對DEM 數(shù)據(jù)的分辨率造成影響,數(shù)據(jù)處理中插值建模方法也會直接影響DEM 數(shù)據(jù)質(zhì)量。因此,在開展DEM 數(shù)據(jù)質(zhì)量評價時,需要綜合考慮DEM 數(shù)據(jù)來源、處理過程與方法, 提出合適的精度評價指標[19] 。GNSS RTK 是一種依據(jù)載波相位測量的實時差分GPS測量技術,其測量精度可以達到厘米級。無人機航測中通常以均方根誤差(ERMS)作為精度評價指標,將航測得到的DEM 與GNSS RTK 的測量值進行對比,ERMS計算公式為
式中:n 為選取抽樣檢查的點位數(shù)量,Zk為抽樣檢查點位的GNSS RTK 測量值,Rk為抽樣檢查點位的DEM。
4)重合點或交叉點精度評定。水下地形測量具有特殊性,通過設定距離閾值來提取重復斷面測量的重合點或主測深線與檢查線交叉點,計算重合點或者交叉點插值來評定水下地形測量精度[20] ,本研究距離閾值設定為0.01 m,精度計算公式如下:
式中:M 為內(nèi)符合精度,l 為有效重合點或交叉點的數(shù)量,δi為重合點之間或交叉點之間的高程差。
如果部分重合點或交叉點內(nèi)符合精度大于3 倍中誤差,且該誤差是地形劇烈變化導致的,則可以將該點剔除,但此類點數(shù)量不能超過全部參與精度計算點數(shù)量的5%?!稛o人船水下地形測量技術規(guī)程》(CH/ T7002 ― 2018)中深度測量中誤差見表1。
2 試驗分析
2.1 水上地形數(shù)據(jù)處理
神堤控導工程區(qū)域存在成片防浪林和零散行道林,導致無人機影像匹配點位于喬木頂部(將這些匹配點簡稱為異常點)??紤]到工程的實際情況以及現(xiàn)場喬木高度,根據(jù)區(qū)域分割結果和目視分類結果,不斷調(diào)整預設生長準則,最終確定區(qū)域生長法的生長準則為高程5 m,考慮坡度的區(qū)域生長法的生長準則為高程5 m 和坡度60°。確定異常點后,選擇自然鄰域法對異常點進行插補,將目標區(qū)域DSM 轉換為DEM。采用三維可視化和目視解譯方法,從研究區(qū)域中劃分出林木區(qū)域(見圖4),結合制圖精度評價方法,對異常點提取和DEM 提取的精度和可靠性進行分析。采用目視解譯方法共識別747 799 個網(wǎng)格,這些網(wǎng)格區(qū)域即為林木區(qū)域。
以目視解譯法識別的網(wǎng)格為基性,區(qū)域生長法和考慮坡度的區(qū)域生長法識別的網(wǎng)格與基準網(wǎng)格相同時,稱為正確識別網(wǎng)格,將少識別的網(wǎng)格稱為Ⅰ類錯誤識別網(wǎng)格,額外識別的網(wǎng)格稱為Ⅱ類錯誤識別網(wǎng)格。識別正確率和錯誤率統(tǒng)計見表2,林木區(qū)域識別結果見圖5。區(qū)域生長法實現(xiàn)大部分地面點的正確區(qū)分,成片的防浪林和離散的行道林都得到較好的識別。相比區(qū)域生長法,考慮坡度的區(qū)域生長法進一步實現(xiàn)對剩余行道林以及零星防浪林的識別,正確率提高了10.07個百分點,Ⅰ類錯誤識別網(wǎng)格數(shù)減少,但過識別現(xiàn)象更加嚴重,Ⅱ類錯誤識別網(wǎng)格數(shù)增加。
采用區(qū)域生長法和考慮坡度的區(qū)域生長法的神堤控導工程無人機實測DEM 見圖6。與圖6(a)相比,圖6(b)顯示控導工程和道路上高程超過110 m 的區(qū)域面積減小,這說明考慮坡度的區(qū)域生長法在識別低矮灌木以及尚未成材的喬木方面具有優(yōu)勢。
在考慮空間分布和高程梯度的基礎上,選取800個點作為DEM 精度檢查點,其中20 個點的檢查結果見表3。檢查點高程誤差最大值為0.50 m,最小值為0.00 m,高程中誤差為0.04 m。根據(jù)《基礎地理信息數(shù)字成果1 ∶ 500、1 ∶ 1 000、1 ∶ 2 000 數(shù)字高程模型》(CH/ T 9008.2—2010),其高程中誤差滿足1 ∶ 2 000比例的1 級制圖精度要求。
2.2 水上水下地形數(shù)據(jù)融合
由于無人機影像匹配點無法穿透水面,因此水域部分的大量異常點需要通過無人船技術獲取實測資料進行補充。對無人船采集得到的水深數(shù)據(jù)進行濾波處理和姿態(tài)矯正,提取重合點或交叉點進行精度檢核。將兩點距離≤0.01 m 認為是重合點或交叉點,逐點搜索得到的重合點和交叉點數(shù)量為8 570 個,其中310個點位高程中誤差超限,超限比例為3.62%,滿足超限點數(shù)不能超過全部參與精度計算點數(shù)5.00%的要求。最終計算的水下地形高程中誤差為0.017 m,部分重合點或交叉點的高程中誤差見表4。
采用自然鄰域法對水下地形數(shù)據(jù)進行插值并與水上地形數(shù)據(jù)融合,得到神堤控導工程12 壩—20 壩水上水下DEM(見圖7)和等高線(見圖8)。等高線圖顯示水上水下地形整體平滑。采用三維可視化方法對DEM 圖展現(xiàn)的地形起伏規(guī)律進行觀察[21] ,對比圖9中神堤控導工程三維視圖可以看出,DEM 圖中的地形起伏符合控導工程實際,較少出現(xiàn)地形陡升陡降情況。
3 結論
本研究針對黃河兩岸控導工程的特殊地形,采用數(shù)據(jù)融合、區(qū)域生長法等處理由無人機和無人船聯(lián)合測量得到的高程數(shù)據(jù),融合生成具有較高精度的水上水下地形圖。水上DEM 滿足1 ∶ 2 000 比例的1 級制圖精度要求,水下高程滿足《無人船水下地形測量技術規(guī)程》(CH/ T 7002 ― 2018) 規(guī)定的誤差要求。此外,采用區(qū)域生長法能夠有效識別控導工程的防浪林和行道林,通過考慮坡度因子對區(qū)域生長法進行改進,可以增強對低矮灌木以及尚未成材的喬木等的識別準確率。根據(jù)目視解譯和制圖精度方法評價結果,該改進方法對異常點及DEM 提取的精度和可靠性較高,正確率可達92.47%。
參考文獻:
[1] 王愷忱,王開榮.黃河下游游蕩性河段橫河和斜河問題的研究[J].人民黃河,1996,18(10):8-10.
[2] 蘭華林,王震宇,田治宗,等.黃河下游控導工程防守等級及搶險對策研究[J].人民黃河,2005,27(8):9-11,17.
[3] 楊凱,曹雅昌,楊曉亮,等.無人船測深儀在大斷面測量中的應用[J].海河水利,2022(6):106-108.
[4] 汪大超,柳華橋,向榮,等.無人機無人船海陸空間信息一體化測繪方法研究[J].城市勘測,2022(4):132-134.
[5] 周陽陽,徐尚昭,陳斌,等.無人機傾斜攝影測量技術應用于自然保護區(qū)勘界[J].測繪通報,2021(9):43-48.
[6] 蔡嘉倫,賈洪果,劉國祥,等.對比傳統(tǒng)低空航測的無人機傾斜攝影測量精度評估[J].測繪通報,2022(2):31-36.
[7] 王冬敏,楊國興,李春林,等.無人船水下測量技術在溪洛渡庫區(qū)的應用[J].人民黃河,2022,44(增刊1):269-270.
[8] 馬博.無人機和無人船在重點河段河道地形測量中的應用探析[J].治淮,2022(10):40-42.
[9] 劉超群,盧自來,劉敏,等.基于無人機和無人船的河(江)道地形測繪技術應用[J].水運工程,2023(增刊1):138-142.
[10] 黃?。當?shù)字高程模型的質(zhì)量檢查[J].測繪通報,2002(2):55-56.
[11] 劉軍,王偉麗,關慧先.1 ∶ 50 000 高精度DEM 成果質(zhì)量控制[J].測繪標準化,2021,37(2):72-74.
[12] 李忠,李梅,杜緒奎.平坦地區(qū)DSM 到DEM 的試驗[J].測繪與空間地理信息,2008,31(2):29-31.
[13] 喻龍華,王雷光,吳楠,等.復雜地形DSM 的地面點識別及DEM 提取[J].測繪通報,2018(5):59-64.
[14] 張理澤,沈寬,張博.基于改進SIFCM 和區(qū)域生長的三維CT 圖像缺陷體積測量[J].電子測量與儀器學報,2023,37(6):77-85.
[15] 李大華,李濰璇,高強,等.電力設備紅外圖像分割的自適應聚類區(qū)域生長法[J].計算機應用與軟件,2023,40(4):160-165,229.
[16] 藺建強,甘淑,袁希平,等.免像控大疆精靈4 RTK 無人機在數(shù)字校園測圖中的應用[J].城市勘測,2021(1):84-87,93.
[17] 任棟,潘海利,武洋.精靈4 RTK 無人機在大比例尺地形圖生產(chǎn)中的應用探討[J].測繪標準化,2019,35(4):47-50.
[18] 鄭全平.小型無人船搭載多波束在內(nèi)河淺區(qū)測量的應用[J].經(jīng)緯天地,2022(6):11-13.
[19] 王晞.DEM 內(nèi)插算法與精度評定研究[J].現(xiàn)代測繪,2013,36(5):21-23,29.
[20] 肖杰.智能無人船單波束測深系統(tǒng)在水下地形測量中的應用[J].測繪工程,2023,32(1):63-70.
[21] 謝艷玲,夏正清.基于MapGIS 的DEM 質(zhì)量檢查與精度評定[J]. 測繪與空間地理信息,2015,38(4):141 -143,146.
【責任編輯 栗 銘】
基金項目:國家重點研發(fā)計劃項目(2022YFC3004403);黃河水利科學研究院推轉基金資助項目(HKY-YF-2022-05);應急部揭榜中標攻關項目(應急廳函〔2021〕136 號);水利部堤防安全與病害防治工程技術研究中心開放課題基金資助項目(LSDP202107)