无人机自动提取DSM在应急灾害中的应用

2020-07-30李伟

辽宁自然资源 2020年7期

李伟

（辽宁省摄影测量与遥感中心，辽宁沈阳 110034）

随着我国测绘技术的日新月异，无人机技术的迅速发展代替了航空摄影的低空飞行，其生成的产品精度完全满足应急灾害方向的需要。但是现在的无人机产品应用较多的还仅限于快速的DOM制作，也就是简单的正射影像图的应用。本文从三维数据整合方面分析无人机数据的发展和应用，提出了一些建设性的想法。

一、现阶段无人机的应用

随着蓄电池的问题的不断改良，无人机在生产应用中更好的解决了很多实际问题得到了迅猛的发展，成为了一种很重要的遥感数据采集的手段，受到多方面的关注。卫星影像的优点显而易见，其必然是未来遥感技术的发展趋势，但是与如同时，卫星受到轨道、季节等因素的限制其灵活度可见一斑，数据获取周期也会比其它的方式长。这些明显成为卫星遥感技术目前为止的硬伤。传统大飞机航摄获取数据介于二者之间，受到场地、空域等方面的限制，其最大的问题是成本高。为了弥补其它遥感数据采集的不足，无人机作为一种低成本，高精度的影像获取设备得到了一定的社会认可，并在现价段的测绘生产方面得到了很好的应用。

通过无人机的周期性检测，以最低成本，对关注区域形成强有力的数据变化分析。毫无疑问，无人机将成为无可替代的遥感采集的重要手段。也是简单快捷的解决应急灾害问题的时代要求。

二、无人机DEM数据的自动提取方式

无人机应用数据处理系统产品组成分为DOM影像数据快拼、低空影像空中三角测量、无人机影像成果处理系统三部分。

基于可视化视觉算法的高精度处理系统，数字表面模型生产是利用区域网平差精确求解的遥感影像成像模型参数构建立体几何模型，采用密集匹配算法获取高精度的表达地表起伏形态的三维点数据集；逐像素级的点云匹配，可快速内插高精度DSM；强大的数据管理能力，支持超大数据的急速浏览，并能够支持大测区之间的无缝拼接融合;成熟便捷的交互接口，提供多种形式的DSM滤波方法以及智能的DOM编辑。

无人机DSM的数据提取依托于低空三角测量，地形(LSM/FBM)，采用最小二乘法与基于特征匹配算法进行DTM提取，DTM提取是一种快速可靠的地形提取算法，例如，在开阔的地形、村庄区域，以及在某些情况下，对于建筑结构密度较低的城市地区可以使用。提取结果试一个栅格大小的网格，取决于点密度。

High：1:1，最高密度点（3个像素），最详细，最高质量。

Medim：1:2，密度减半，高质量的点云创建，速度快。

Low：1:4,仅用于快速预览处理。经过空三工程适当的参数设置提取简单的DSM，提取时要根据地物地貌进行参数设置调试，所谓的参数设置包含地貌，平滑度，像素密度等信息。根据提取的DSM数据进行多次提取，还原到立体环境下进行精度评定，筛选最好的一次结果，作为最终的底图数据（图1）。

图1 参数设置

DSM的数据提取收到无人机航摄分辨率、地形、天气等多种因素的影响。其精度也同样受到空三精度的影响。DSM的数据提取方式、提取软件市场上也种类繁多，至于那种更适合并贴近于生产更是仁者见仁，但DSM的提取原理和应用方向还是殊途同归。

三、点云的数据处理与成果展示

单纯的DEM成果并不能作为数据分析的基础性资料，我们实际上更关心的是地形地貌，就是在DSM的基础上提炼出应急所需要的相关信息，例如：房屋、植被、电线杆、地表等相关信息。利用这些能够体现应急测绘关心的数据，体现出泥石流塌方的方向和体积数据，降水量对某地区的灾害程度，人员、经济的灾害预估等。

1.粗差剔除

DSM成果编辑主要消除自动匹配出现的错误区域，保证编辑后的DSM地貌趋势表达与立体套合，地貌晕渲状态正常。可以采用平面和立体相结合的方式进行DSM编辑，在平面模式下，利用正射影像，将DSM以等高线的方式进行叠加显示，能够快速发现匹配的粗差区域，并对粗差进行编辑。对于通过影像不能确定是否是粗差的区域能够快速切换至立体模式下核实编辑，采用此方式编辑效率高，编辑一遍后漏编、错编的少，整体质量很好控制。

2.DSM的自动滤波

利用软件对地面点进行滤波，同时分离出建筑、电杆、电塔、植被等相关的灾害经济评估的相关信息。

将明显低于地面的点或点群（低点）和明显高于地表目标的点或点群（空中点）定义为噪音点。在进行地面点分类之前，首先应将这类点分离出来。

采用高程比较算法去除噪声。将一个或一组点与周边一定范围内的点进行比较，若超过一定的阈值则将该点或该组点判断为噪声点，并去除。

提取地面点云。裸露地表处有且只有一次回波，此次回波对应的反射点即为地面点。植被覆盖区域可能对应多次回波，正常的地面点是最后一次回波对应的反射点。相对于地物点，地面点的高程是最低的。使用提取地面点云算法，从较低的激光点中提取初始地表面；基于初始地表面，设置地面坡度阈值进行迭代运算，直至找到合理的地面。根据植被的高度，形状的特征分离出单独的树和成组的植被。利用点云数据的距离和角度等相关计算分离出房屋建筑和其它相关的建筑设施，形成精细的DSM数据。以供相关领域应用。

3.DSM成果展示

图2、图3、图4是DSM成果。

四、灾害分析

在相关的系统分析软件中，对建立好的地图数据进行灾难分析。通常使用的软件是Arcgis，对系统值进行分析，依据模型的高程值，按照灾难的类型不同，进行统计，做出分析数据表。

利用无人机航测激光点云数据、高精度DEM数据和高分辨率的航片数据，进行了基于物理机制的小流域暴雨洪水的水文学方法、水力学方法等多种方法对比研究，研究计算不同方法和尺度效应对小流域暴雨洪水过程的影响研究，取得了较好的成果。

开展基于无人机激光雷达数据的土壤含水量的反演及微地形地貌对洪水模拟结果影响研究，探索高精度高分辨率的激光雷达数据在水文模型中的扩展应用。

每个中国人都无法忘记2012年的汶川地震，震后无人机的探测对灾后数据分析起到了不可怀疑的作用。正是无人机应急方面的有效应用，为领导及时有效的做出抗震抢险的抉择提供了有效的数据保障。为抢救受难的同胞争取了宝贵的时间。

五、结语

针对无人机设备的多种市场需要，现阶段无人机已发展成为包括高光谱、LiDAR、SAR等多传感器综合的载荷系统。获取的我们所关注的数据源更加丰富，数据表达种类更多，实现了无人机的“一机多能”。只不过针对于我们现有的硬件设备，再不投入更多资金增加硬件设备的情况下，把应急测绘做到更好。依据现有仪器设备不仅提供快速的DOM，还可以进一步完善内业的数据处理能力，提供类似于LiDAR、SAR等设备采集的点云数据，并对其进一步添加了高程属性的应急分析。可以更好地预测出灾害发生的情况与受灾的位置、经济损失、人员伤亡等信息。从而更好地做提前预案，在灾难发生之前把灾难降到最低。