机载激光雷达扫描技术生产DEM成果的高程精度分析

张永林 翟永聪

（广东省测绘产品质量监督检验中心，广东 广州510075）

0.引言

机载激光雷达(Light Detection and Ranging)是一种先进的主动式航空遥感测绘技术，通过高空激光器发射并接收返回的信号，获取地面地形的三维点云数据，与传统的航空摄影测量相比，能够精准地反映地形的真实情况，直接快速获取地面的三维坐标体系，提供密集的点阵数据，具有效率高、数据精度高、受外界环境因素影响小、能全天候24小时不间断工作、较少或不需要进入测量现场的优势，广泛应用于基础测绘、应急测绘、三维建模、铁路、公路、桥梁、电力设计、油田勘探、文物保护、林业监测、沙漠监测等不同领域。激光点云是一种分布在三维空间中的离散不规则点，不具备表达物体属性信息的能力，后期怎样对它开展分类筛选，让点云数据准确表达地面真实形态，并生成数字高程模型已成为测绘领域的前沿研究方向[5]。

本文介绍了机载激光雷达获取点云数据并根据DEM的工作原理和流程，解读机载激光雷达扫描技术形式所应用的数字高程模型的验收方法，并将该技术方法应用于广东省数字高程模型更新项目，构建了广东省数字高程模型更新（一期 任务区二）项目中1∶2000 DEM模型。项目检查结果证明，基于机载激光雷达点云数据的数字高程模型制作技术路线可行，生产效率较高，检验结果证明成果精度能符合测绘产品规范的要求，该技术方法在遥感测绘领域有巨大的技术优势及应用前景。

1.机载激光雷达系统的组成及工作原理

激光阵列发射系统、激光测距系统、光学扫描单元、接收控制单元以及相关成像和数据处理设备等组成了激光雷达系统（LiDAR）。机载激光雷达系统是通过在飞机机载平台上，集成激光雷达系统、POS定位定姿系统、高分辨数码相机和控制系统所构成的全新综合型快速、精确测量系统。其中，激光扫描仪通过接收返回的脉冲可获取被测目标的反射角度、反射距离、反射频率和返回波信号强弱等信息，通过光电成像技术能分析得到被测物体的数字成像数据，经过POS定位定姿系统分析测算姿态数据得到全部地表采样点的位置坐标，通过综合处理可获得一个长条型的地面区域三维位置信息与成像结果。

机载激光雷达系统是激光技术在回波测距和定位方面的实践，通过研究不同目标反射的回波强弱、反射方向及速度计算得出反射特性等数据来识别物体。机载激光雷达系统最先通过向地表发射激光信号，再捕获地面反射的激光信息而来的。最后，通过内业联合解算、偏差纠正，再结合激光发射点空间位置和姿态信息，解算出激光点的三维坐标（X，Y，Z），得到激光雷达点云数据。从形式上看，这似乎是一个简单的数据获取过程，仔细分析，这其中蕴含着大量的设备结构及数据采集过程。点云数据是与测量目标有关、具有精确三维坐标信息的大量离散点，虽然有着精确的高程信息，但缺少目标的光谱信息，以至于激光雷达很多都与光谱成像仪配套使用，以便于获取光谱信息。在对点云进行噪声点滤除、分类和人工编辑后，即可应用于矢量要素采集、生成数字高程模型等。

2.基于机载激光雷达点云数据的数字高程模型生成

2.1 机载激光雷达点云数据获取与处理

机载激光雷达点云数据获取与处理流程（如图1所示）：

图1点云数据获取与处理流程图

点云数据获取：由航摄飞行后获取的原始点云数据，经过GPS、IMU数据联合解算出飞行时每个时刻的航迹、WGS-84转换为CGCS2000坐标、点云高程异常改正、航带拼接检查及系统误差校正等操作，最后得到按航带存储的点云数据。

点云成果主要共分为5类：噪点、水域、未分类点、地面点以及航带重叠点。由于机载激光雷达所采集的点云数据具有很多冗余的信息及噪声，且其本身不具有测量目标的属性信息，因此，为了更好地利用点云数据，有必要对点云进行预处理。点云预处理包括滤波、分割、分类等操作，滤波的目的是过滤掉无用的点数据，保留可靠的点云数据；分割、分类的作用是把具有一致属性信息的点集合在一起，按照不同地表物体的反射特征、形状特征等，可以对代表某一类型的目标加以区分，这些集合通常包括建筑物屋顶、河流、森林、地面等。地面点是落在道路、广场等能够反映真实地形起伏的地表上的点；由于水体对激光有吸收作用，水域则表现为点云数据的缺失；非地面点主要指落在建筑物、桥梁、植被、管线等高于地面的地物上的点。

点云数据的处理，主要包括：点云分块、噪点滤除、自动分类和人工编辑分类。

（1）点云分块：航飞执行单位所提交的按航带存储的机载LiDAR点云数据，作业前需要对点云数据进行分块。首先需要利用软件对航带重叠点进行自动去冗余处理，然后按照分幅要求对点云分块及命名。

（2）噪点滤除：将孤立点等地面异常变化点剔除。

（3）自动分类：因为激光具有非常高的穿透性，在扫描过程中不同目标的回波有着不同强度。利用点云反馈记录的回波反射强度，通过一定算法对点云数据进行自动归纳分类。存在多次回波的为植被密集区域，正常的地面点应是末次回波对应的反射点。裸露地表一般只有一次回波，此时反射点就是地面点。相对于地物上的点，地面上的高程点是最低的，可以从较低的反射点中提取初始地表[5]（如图2所示）：

（4）人工编辑分类：对于高程变化较大区域，通过改进参数或计算方法，小区域点云可以再次自动分类；然后参照模型和影像来进行编辑修改，采用人机交互的方式，来对分类错误、漏分的地面点进行重新分类；以点云剖面为主要依据，建立地面模型DEM根据地形判断点云分类是否准确，判断有难度的区域则参考影像来确定类别（如图3、4所示）：

图2点云自动分类

图3点云人工编辑分类

图4点云人工编辑分类

2.2 数字高程模型的更新生产

基于点云数据的数字高程模型更新生产流程（如图5所示）：

图5 数字高程模型更新生产流程

基于点云数据的数字高程模型生产首先进行点云初分类，批量滤波后进行点云的精细分类，原则上人工编辑以剖面为主进行点云精细分类，务求地面点不连片漏分、关键地形点不错分。

水体处理：对于河流、湖泊等面积较大的水域，应采集水涯线能够清晰完整表达水体边界参与高程模型的生成。分段采集的封闭水涯线应按流向由高到低平缓过渡，尤其注意双线河流在中间段是否有“倒灌”的情况。

特殊地物处理：对于架空于地面或水面之上的人工构筑物上的点云数据（如图6所示），正常保留地面或水面上的点云数据，生成的数字高程模型则利用已准确分类的地面点数据及道路特征线、河流边线、面状水域范围线等。

图6特殊地物处理

2.3 数字高程模型的成果检验流程及质量评价方法

数字高程模型的成果检验主要依据GB/T 18316-2008《数字测绘成果质量检查与验收》及CH/T 1026-2012《数字高程模型质量检验技术规程》，其流程（如图7所示）：

图7数字高程模型成果检验流程图

成果检查验收的主要质量元素有：空间参考系、位置精度、逻辑一致性、时间精度、栅格质量以及附件质量。

成果的检查内容主要有（如表1所示）：

表1数字高程模型检查内容

由于广东省数字高程模型更新的生产方式不同于传统DEM的生产方式，单位成果首先要满足GB/T 18316-2008《数字测绘成果质量检查与验收》的质量要求，其次在“栅格质量”质量元素中增加“编辑质量”质量子元素，该质量子元素的评分采用错漏扣分法，目的主要是为了控制数字高程模型生产过程中是否比较合理地编辑LiDAR点云数据。

3.数字高程模型验收检验实例与高程精度分析

3.1 实例数据

本文数据正是笔者担任项目负责检查验收的广东省数字高程模型更新（一期 任务区二）项目，成果平面坐标使用2000国家大地坐标系；高程坐标为1985国家高程基准；投影方式采用高斯-克吕格投影，3°分带，中央子午线为东经111°、114°、117°。坐标原点西偏500km，横坐标加带号。项目生产时间为2018年6月至2019年8月，点云数据来源于广东省机载LiDAR点云数据获取项目（一期）两个分区，第一分区点云设计密度为每平方米3个点，第二分区点云设计密度为每平方米2个点。利用航摄任务获取的1∶2000比例尺点云数据结合新获取的影像生产数字高程模型，最终完成1476幅5km×5km分幅的广东省数字高程模型更新（一期任务区二）成果，面积约3.47×104km2，其精度指标要求（如表2所示）：

表2 DEM成果精度要求 单位：m

该成果生产所属任务区地形复杂，山地和冲积平原间隔分布，属于航摄困难区域，该摄区主要分布在粤西、粤北地区及经济发达的珠三角区域。

点云数据的分类处理及数字高程模型更新的建立主要利用LiDAR数据处理系统，对航飞执行单位获取的点云数据进行内业DEM更新生产。

3.2 DEM高程碎部点的精度

首先对点云数据的质量进行检查，成果符合标准并合格后，对数字高程模型成果开展质量检查。最后，内业审查主要内容是对项目的文字资料包括项目技术设计书、过程检查记录表、单位内检报告、专业技术总结等，并通过人机交互的方式检查数字高程模型最终成果的空间参考系、位置精度、逻辑一致性、栅格质量[5]。

外业检验方式按照《测绘成果质量检查与验收》要求抽取8批次，共120幅5km×5km的数字高程模型更新图，采用GNSS接收机每幅图外业均匀采集30个高程检测点，和数字高程模型成果的同名点进行高程比对。

经过内业检查发现，生产过程中存在个别点云数据未准确分类，个别路面、流动水域未按要求清晰完整表达边界，个别建筑物地基高程取值判断错误或未按要求进行地基平整处理，个别地面点表面模型不光滑、不连续，但不影响下一步生产。

该成果数据总批量为1476幅5km×5km分幅成果，共划分为8个检验批进行外业检测，检测结果（如表3所示）：

表3成果中误差检测表 单位：m

3.3 DEM高程碎部点的精度评价

外业检测高程点共计3236个，样本检测中误差均小于标准中误差，平地平均中误差为0.132m，山地平均中误差0.146m，高山地平均中误差0.229m，由误差分布情况可以看出成果高程精度远优于技术设计要求（如表4所示）：

表4检测点绝对误差分布情况表 单位：m

通过外业检测结果分析，可发现基于点云数据所生产的DEM高程模型的准确率受地形类别影响非常大，在地形平坦的位置，DEM精度较高，在地面起伏较大地区由于植被的影响，一些高程值为后期内插值，一定程度上增大了DEM高程的误差，但经过实践验证，最终成果精度完全可以达到数字高程模型更新成果的精度要求，在作业和生产实践之中，项目如果可以进一步改进插值模型，将进一步提高DEM精度。

4.结束语

本文介绍了基于机载激光雷达技术获取的点云数据并以此为基础生产高精度DEM的技术路线和质量评定方法，并结合项目检查的体会，并对8个批次共120个检验样本（检查面积约3000km2）检查辐射面积约3.47×104km2的数字高程模型进行研究与分析，最终检查结果证明：本文所介绍的基于机载激光雷达扫描技术方式生产高精度数字高程模型成果构建方法完全能满足现阶段大比例尺数字高程模型的制作要求，为以后建立数字高程模型样本数据库提供技术依据。在地形没有较大变化的情况下，可以为同类型DEM成果的检查验收工作提供一个比对的样本参照数据库，缩短国家级、省级DEM验收时间，进一步提高基础测绘成果服务社会的效率。