基于SSW点云数据的矢量地图平面精度自动校验方法

羌鑫林，李广伟，王留召，张伟红

(1. 江苏省测绘工程院，江苏 南京 210013； 2. 中国测绘科学研究院，北京 100039；3. 云南昆明冶金高等专科学校测绘学院,云南 昆明 650033)

矢量地图作为基础地理数据的重要组成部分，广泛应用于土地管理、农业普查、交通建设等各个领域[1]，具有基础性作用。矢量地图的质量直接影响工程建设的质量、政府管理的决策走向，具有重要意义[2-3]。

目前，矢量地图质检的常规做法是选择抽样、野外实地测量、巡查和图面判读，通过计算中误差判定成果质量[4-6]。常规质检方法在样本的抽取、检测数量方面均有明确的规定[7]，外业工作量较大，自动化程度偏低，长期以来少有变化。随着测量技术的发展，三维激光扫描技术在测绘领域逐渐开始应用[8]，已经能够进行三维数据采集、矢量绘制、半自动化数据更新等工作[9]。目前，三维点云数据的研究主要集中在采集、识别等领域。在三维点云的采集中，Riegl、Optech、Leica等国外厂商，以及海达数云、四维远见等公司已经取得了长足的进步[9-10]。三维点云数据的识别与特征提取是重要且基础的工作，它决定着三维点云数据在测绘领域的应用深度。目前，基于点云识别的研究多集中于算法及特定地物的识别[1，11-12]，基于SSW移动测量系统及SWDY软件的特征识别，已经在全国各地的测绘行业得到实际应用[13-14]，其基于多特征及多要素的特征识别算法也经过了实际检测，具有较好的稳定性和识别率[8，15-16]，能够应用于实际的测绘工作。

本文基于常规的矢量地图质检方法与三维激光扫描技术，提出基于SSW三维激光点云的矢量地图平面精度自动质检方法。其基本原理为通过采集待检测矢量地图区内的激光点云，经过解算、滤波、坐标转换等步骤获得高精度点云，进行点云的识别并提取行进路线两侧的立杠、路灯、墙角点、井盖、路边线等特征点线[15，17-18]，自动匹配待检测矢量图的对应特征点线，计算匹配点对的中误差，从而快速评定待检矢量地图的精度。该方法利用三维激光移动测量系统自动质检矢量地图成果，能够提高当前质检的效率，提升检测样本数量，减少人工的干预与主观带入的影响，在测绘质检工作中具有重要的现实意义。

1 SSW移动测量系统

本文所使用的SSW移动测量系统由中国测绘科学研究院与北京四维远见信息技术有限公司自主研制，支持全自动融合影像数据、点云数据、位置姿态数据的彩色点云数据生产，可以快速完成高精度测量、街景获取、要素采集等测量任务。该系统集成激光扫描仪、IMU、POS、天宝GPS、里程计(DMI)、面阵相机、全景相机等多种设备于一体，具有速度快、精度高、性能稳定等特点。

基于获取的点云数据自动提取分类地物数据是后续精度检验操作的前提。本文使用的SWDY软件能够完成噪声处理、立杠、行道树、路面、路边线、交通标志线、井盖、建筑物墙角线等地物元素的自动分类与提取，便于后续自动检测矢量地图平面精度，算法详细可以参见文献[15，17-18]。

2 点云数据与矢量地图双向检测方法

2.1 总体流程

基于点云数据的矢量地图自动平面精度检测流程主要包括3个部分：数据的采集、数据预处理、点云特征和矢量地图双向检测，流程如图1所示。首先对测区内矢量地图进行抽样，获取待检测矢量地图数据，通过车载激光扫描平台沿预订路线获取点云数据，沿途使用GPS RTK测量设备获取GPS RTK数据；然后使用GPS RTK数据和SWDY软件，处理获得高精度点云数据并作精度校验，在此基础上采用SWDY软件提取点云数据地物特征；最后使用提取得到的特征点与待检测矢量地图进行双向检测。

2.2 数据的采集与预处理

数据的采集包括3类数据：三维点云数据、GPS RTK数据与矢量特征数据。

待检矢量地图数据通常以幅为单位，按照《测绘成果质量检查与验收》规定，确定检查的样本数量；检验成果总数大于201时，根据不同的生产单位、作业方式、成果完成时间、测区具体情况等情况划分，保持作业区域、作业方式、作业习惯、区域特点相对均匀。

三维点云数据通过SSW车载激光扫描平台扫描获取。根据抽样得到的图幅情况，提前设计扫描路线。路线设计应符合常规检测习惯且能发挥移动测量的优势，可采取机动车、两轮车和背包平台相结合的方式，全面均匀获取待检测图幅范围的点云数据，经过组合导航解算、点云滤波、坐标转换等计算步骤，得到待检图幅的高精度点云数据。

使用GPS RTK获取少量地物对象特征点，作为检核点验证点云数据精度。检核点通常选择比较明显、易于分辨的地物特征点，如车道标示线、路灯等。使用GPS RTK检核数据与点云同名点数据作比较，计算检核点与点云数据中同名点的欧几里得距离来检验点云数据的精度。

使用SWDY软件的特征提取功能，提取检验后的高精度点云数据中的地物特征点线。提取的地物特征点线包括立杠、路灯、道路边线、井盖、房屋墙角点等。SWDY软件的特征提取算法利用地物属性特征(如路灯，交通指示牌的材质、宽度、类型，道路线的颜色、宽度等)进行特征匹配，自动提取车道线、杆状物轮廓及房屋墙角点[15，17-18]。对于道路边线，利用梯度滤波及邻域取低点处理，进行边线粗线提取，并使用管道滤波的聚类分析去除离散点；杆状物轮廓及房屋墙角点则是采用SSW测量系统的各个传感器的属性特征，考虑传感器与杆状物间的高度差、距离差、颜色属性集合，利用已有的专家知识模型进行识别和调整，得到适合本次试验地区适用的提取参数，从而进行完整提取。

2.3 点云特征和矢量地图双向匹配检验

点云特征和矢量地图双向匹配检验方法，分别为利用点云数据特征检测矢量地图中粗差与采集丢漏，利用矢量地图反向验证点云特征数据是否有漏提取与地物变化。

首先利用点云数据特征检测矢量地图，针对点云数据中的特征点，基于最近邻匹配的原则，在矢量地图中寻找满足式(1)的同类型特征点，其中λ为搜索阈值，取值两倍中误差，x、y为点云特征点的平面坐标，xi、yi为矢量地图中与点云特征点同类型，且在搜索阈值范围内的特征点的平面坐标。

(1)

式中，(x-xi)∈[0,λ)且(y-yi)∈[0,λ)。中误差公式如下

(2)

如果在搜索阈值范围内能够寻找到匹配的xi、yi，则可根据式(2)计算中误差，并根据中误差判断矢量地图的精度。如果在搜索阈值范围内未能够寻找到匹配的xi、yi，则自动标记未匹配点，转由人工审核，判定为粗差或采集丢漏。

利用矢量地图反向验证点云特征数据，检验方法原理与点云特征数据检测矢量地图的方法相同，如果未能找到匹配点，则自动标记，提交人工审核，并判定是否为未能提取或成图后地物变化。

通过双向检测的方法，可以有效防止点云特征数据有误而导致矢量地图误检的情况，并且可以快速判断漏采与成图后地物变化。根据双向匹配结果，可以计算矢量地图数据的中误差，分析数据的误差分布及地物的缺失信息。

3 试验与结果

3.1 试验区域及数据采集

本文所采用的试验区域为兴化城区2 km2范围，区域范围内包括房屋、道路、路灯、植被、水系等地形要素，道路通达，通行状况良好，区域内待检测矢量地形数据比例尺为1∶1000，部分如图2所示，成图时间为2017年。

车载激光扫描平台依据规划的路线获取点云数据。现场激光扫描作业过程中，行车速度保持在30 km/h，耗时1.5 h，扫描里程约25 km，采集过程中GPS信号良好，未出现长时间失锁。采集过程中架设GPS基站1台，数据采样率为1 Hz。本试验使用GPS RTK测量了44个地物对象特征点，用于检核点云数据精度，检核点选择易于识别的车道线和立杆。

3.2 数据预处理

本试验采用SWDY数据后处理软件，综合车载激光扫描平台搭载的GPS、惯性测量单元、里程计与基站数据计算得到组合导航数据，据此进一步计算获得高精度三维点云数据，解算相机采集获取的全景影像数据三维坐标，并与点云数据融合得到彩色点云数据(如图3所示)，包含色彩、强度等信息，真实反映了地物地貌的状态。

本文试验使用GPS RTK实地测量的44个检核点与点云数据中的对应点进行对比，检查点云数据的二维平面精度。对比结果见表1，其中ID为检核点序号，XRTK和YRTX分别为检核点的平面坐标，X和Y分别为对应点云数据的平面坐标，坐标系为CGCS2000，ds为检核点坐标与点云坐标的欧氏距离，计算公式见式(3)，中误差M计算公式见式(2)。对比结果中误差为0.063 437 m，远小于待检1∶1000比例尺地形图0.5 m中误差的要求，因此可判断该车载激光扫描平台获取的点云数据精度符合要求。

(3)

表1 点云平面精度检核表

使用SWDY软件中的点云数据矢量特征自动提取功能，预设测量区域的道路宽度、移动载体在道路中的相对位置、路灯高度等参数信息，提取得到立杠、路灯、道路边线、井盖、房屋墙角点等矢量特征数据。图4为使用SWDY提取立杆后的效果，其中白色线段为提取出的立杆。

3.3 检测结果与误差分析

使用点云数据中提取的路灯、立杆等特征数据，按照本文提出的双向匹配方法，完成与待检矢量地图上的对应矢量要素的双向搜索，其中中误差限差为0.5 m，搜索阈值设置为两倍中误差，即1 m。本试验共提取205个地物特征点，其中双向匹配成功201个，未成功匹配4个，匹配成功率为98.0%。针对未匹配成功的点，经由人工判读逐一定性为粗差。

对匹配点进行计算，能够得到每对匹配点的中误差，从而计算出整体中误差及误差超限的地方，即矢量地图中有测量错误的位置。平面误差分布情况如图5所示，其中坐标轴为点云数据和矢量数据的坐标相对误差，根据式(2)计算检测中误差为0.26 m，且95%的点都在0.5 m以内，说明该矢量地图较好符合精度要求。

4 结 语

本文提出了一种利用车载点云数据自动校验矢量地图平面精度的方法，有效提高了矢量地图数据质检的效率和可靠性，同时降低了野外数据采集工作量。

传统质检中利用GPS RTK实测数据检测矢量地图的方法人工成本较高，检测的特征点较少，本文提出的利用点云数据自动检测矢量地图的方法，提升了矢量地图的检测点数量和精度，并且点云数据采集速度快，成本低。点云特征和待检矢量地图数据双向检测的方法能够快速有效地发现数据粗差、采集丢漏等问题，提升质检的准确率。

本文中的原始点云数据精度需要通过GPS RTK测量少量检核点验证，仍然需要实地测量部分数据，且本文的检测方法未涉及矢量地形图的高程检测，下一步工作将在检测流程优化、原始点云特征提取等方面进行提升，并研究数据高程精度检测对比，全面支持矢量地图质量检验。