機載激光雷達測量技術及其在桂欽高速中的應用研究

王鴻飛，譚若愚

（中鐵七局集團有限公司勘測設計研究院，鄭州 450016）

0 引言

機載激光雷達是集激光掃描儀、GPS 和IMU于一體的空間位置信息采集技術，以無人機作為搭載平臺，能夠快速、準確地獲取高精度的地面地形數據［1］.相較于傳統測量方法，具有作業成本低、效率高、精度高等優點，且作業時受外界環境影響較?。?］，這項技術的突破被認為是測繪領域繼全球定位系統之后的又一重大技術革命［3］.

1 航飛方案

桂林—欽州港公路（永福三皇至柳州段）項目地處廣西壯族自治區中北部，線路全長79 km，測區沿線地形以山地、丘陵為主，地形起伏較大，植被茂盛.項目要求制作線路面積約55.5 km2的1∶1 000 比例尺數字高程模型，傳統測量手段難以滿足項目工期和測量精度要求［4］，最終采用了無人機機載激光雷達測量方案.本項目作業測區約為55.5 km2，設備為SZT-R1350 無人機機載激光雷達，飛行共計79架次.

圖1 測區范圍線

1.1 航線規劃參數設置

根據項目提供的KML 區域、DEM 高程進行初步規劃，結合現場踏勘了解的地表情況，對飛行高度、飛行速度等作進一步調整，以保證數據采集作業的安全性與有效性.

航飛參數設定飛行高度為400 m；飛行速度為9 m/s；有效掃描角度為90°；航線帶寬為400 m；線掃速度為30m/s.由以上確定好的參數可以計算得到單條航線點云密度平均為6.9 點/m2，航線重疊之后滿足項目要求的4 點/m2.

1.2 設備檢校

檢校平行與垂直交叉航線各飛3 條，往返航線重疊區為80%，交叉航線垂直角度為85°～95°，檢校區域地面有建筑物、平坦路面、路燈、電線桿等特征地物，通過往返航線與交叉航線可分別檢校出俯仰角、翻滾角誤差以及航向角誤差.

1.3 點云數據采集

基站架設，基準站的數據精度會影響機載傳感器的整體偏差，進而影響點云數據的解算精度［5］.在測區中部區域選擇一處空曠且不受干擾的位置架設基準站，設靜態模式、采樣間隔0.5 s、衛星高度角15°.

以IMU 坐標系為基準，測量激光、相機、GPS天線到IMU 中心的偏心矢量.使用高精度全站儀精確測得設備各個基準點的坐標，計算出IMU 三個軸面的空間法向量，進而計算出激光、相機、GPS天線在IMU 三個軸上投影分量，即到IMU 中心的偏心矢量.

對測區進行實地勘察，選擇一處平坦開闊區域，使用CLMS01 軟件連接設備，在慣導初始化完成后，按規劃的航線飛行采集數據.采集作業結束后，檢查數據是否存在缺失、偏離航線、不滿足精度等問題，以確定是否補飛或重飛.

2 點云數據處理及精度分析

2.1 點云數據融合

Inertial Explorer 軟件是NovAtel 公司Waypoint研發的一款事后處理軟件，可用于處理所有可用的GNSS、INS 數據，提供高精度組合導航信息，包括位置、速度和姿態信息［6］.針對精度和穩定性要求比較高，不需要實時導航定位信息的應用，可以通過GNSS 和INS 原始數據后處理的方式，提高組合導航解算精度和穩定性.

圖2 POS軌跡圖

圖3 緊耦合處理圖

使用Inertial Explorer 軟件對流動站數據、IMU數據、基準站數據進行GNSS 差分、TC 緊耦合處理后解算出具有位置信息的軌跡數據，輸入前期量取的偏心矢量.完成軌跡解算后，通過查看軌跡的衛星數量和PDOP 值來確定該條軌跡的解算質量，參與解算的衛星數≥8 顆，PDOP 值≤3，認為該軌跡可以進行后續的點云融合.

將解算好的軌跡數據和掃描儀數據導入PointProcess 軟件，設置檢校參數，根據激光點反射率及距離進行粗濾波過濾噪點，得到高精度位置信息的點云數據.

2.2 點云分類

在TerraScan 軟件中建立項目工程，對原始激光點云進行分塊，為方便數據組織管理，分塊采用1 km×1 km 的矩形分塊，分塊左下角坐標是1 000 的整數倍.設置航跡文件存放目錄，以便進行航帶匹配和重疊區裁剪，并檢查點云覆蓋確認是否存在飛行漏洞，以及點云航帶匹配是否良好.編寫批處理項目分塊的宏命令，主要內容包括：分配航帶號、裁除重疊區、分離多路徑效應產生的低點、分類地面點.分類宏的各個參數需要多次試驗，找到最優宏參數.運行宏，設置分區塊外擴30 m，減少分類時分區塊邊緣造成的錯分、漏分.

圖4 點云分塊

利用自動分類好的分塊數據和快速正射影像，在TerraScan 軟件中結合快速正射影像和TerraModeler 對激光點云進行人工精細分類處理［7］.結合模型異常消除錯分類為Ground 的low points 和low vegetation，以及因地形復雜，出現地面點分類不精確的情況.結合影像判斷激光點的類別，消除錯分類為Ground 的buildings，輔助陡坎、懸崖上不易識別類型的點進行正確分類.

圖5 點云覆蓋情況

檢查陡坎分類時，斷面方向取平行于陡坎的方向，斷面寬度取0.1～3 m；通過數字表面模型檢查漏分的山頭，使用畫斷面的半自動分類方法，將山頭的點重新分類到地面點；針對低矮灌木錯分導致在模型上形成的高亮毛刺，直接在數字表面模型上確定錯誤點，將錯點從地面點中分離出去，毛刺的高程誤差均控制在0.2 m 以內；根據斷面上房屋與周圍地面的高差，使用刷子工具將房屋點從地面點直接剔除；在橋梁連接地面處，通過斷面判斷橋梁和地面的分離位置，將錯誤的橋面點從地面點中分離出去；平行于陡坎方向畫斷面，確定陡坎的位置，使用刷子等工具將陡坎點補歸到地面點類，地面0.3 m 以上的田埂、陡坎等地形特征都在Ground中表示出來.

2.3 精度分析

利用GPS-RTK 的測量方法獲取的70 個檢查控制點分別對植被茂密區域和一般區域的點云數據進行精度檢驗.如表1、表2 所示.

表1 植被茂密區域檢查點精度統計表

表2 一般區域檢查點精度統計表

由表1、表2 數據分析可知，植被茂密區域檢查點的最大高程偏差ΔZ 為0.103 m，一般區域檢查點的最大高程偏差ΔZ為0.084 m.根據《機載激光雷達數據獲取技術規范》（CH/T 8024-2011）要求，1∶1 000比例尺點云數據高程中平地、丘陵、山地誤差分別為：0.15 m、0.35 m、0.5 m，該項目點云數據的高程精度穩定可靠，滿足項目精度要求.

3 結語

本文對機載激光雷達測量技術的航線規劃參數設置、設備檢校、點云數據采集進行了詳盡的敘述，主要對其點云數據處理過程中點云融合方法和點云分類方法進行了較為細致的研究和探討，最后得到了以下幾條結論：

（1）通過精度分析驗證了無人機機載激光雷達測量技術能夠滿足大比例尺數字高程模型的測量精度要求，相較于傳統測量手段，該方法極大地提高了工作效率和自動化程度，為項目后續工作開展提供了有力的保障，對今后類似的測量項目具有指導意義.

（2）采集地面點信息時，由于激光點云數據量大的特點，采用點云自動分類時容易在地面特征點選取時出現錯誤，因此需要結合快速正射影像和TerraModeler 對激光點云進行人工精細分類處理.

（3）盡管機載激光雷達測量技術在范圍較大、環境較為惡劣的測量項目中具有技術和經濟方面的優勢，但針對測區內部分茂密叢林與河流區域，機載激光雷達難以獲得高精度的地面點信息，需要傳統的測量手段輔助，以補足缺失的地面數據.