基于高精度DEM的地形感知和低空防撞预警飞行地理信息系统

谢小魁， 冯国禄

(1.北部湾大学 资源与环境学院， 广西 钦州 535011； 2.钦州市海洋资源与环境遥感重点实验室， 广西 钦州 535011； 3.广西北部湾海洋生物多样性养护重点实验室， 广西 钦州 535011)

新材料的广泛应用，加上严格的安全规则和完善的管理制度，使得常规的高空飞行的机动性和安全性得到了很大的提高和保障。但目前民用飞机和武装飞机有大量的低空飞行任务，如民用飞机在进行自然资源测绘、生态环境调查、救援防火等任务时经常需要进行低空作业。而研究表明，飞行高度为1 000 m时，飞行器被地面雷达发现的概率为100%；飞行高度为100 m时被地面雷达发现的概率为30%，而飞行高度在15 m以下，由于地球的曲率以及山脉、森林等障碍物阻挡，成为雷达探测不到的“盲区”[1]，因此低空飞行也是武装飞机提高突防和攻击能力的重要方式。但低空飞行面临着较大的可控撞击事故风险[2]，可能导致机毁人亡，损失惨重。因而，通过高精度的数字高程模型(digital elevation model，DEM)，开发数字地形感知和低空防撞预警功能，研发飞行地理信息系统(flight geographic information system，FGIS)很有必要，是保证低空飞行安全的重要科技手段。

飞行器上软硬件资源极其有限，严重制约着地理信息技术的应用。常规的移动式地理信息系统存在体系结构复杂、存储数据庞大、算法复杂等缺点。由于稳定性不高，目前FGIS的研究和应用较少。飞行地理信息系统中的数字地形感知和低空防撞预警构建的核心技术包括DEM存储的逻辑结构和物理结构、多分辨率和数据容量、多数据叠加和多图层融合、地形感知算法和防撞预警功能，对比精度优选数据来源，可为FGIS的研发提供参考。

1 低空飞行防撞预警地理信息系统框架

研究表明，60%以上的飞行事故是由操纵飞机的驾驶员引起的，而不是由于机械故障或天气引起，因而减少或杜绝飞机可控飞行撞地事故是保证飞行安全的主要因素[3-4]。基于地理信息系统理论和技术开发地形感知和防撞预警系统，可以使飞行员像操作电脑一样，有更充裕的时间进行观测和决策。这时飞行员不单单是操纵飞机的驾驶员，更是一个信息管理员。

飞行器综合导航系统由多个导航子系统组成，一般包括惯性导航系统(inertial navigation system，INS)、全球导航卫星系统(global navigation satellite system，GNSS)、地形辅助导航(terrain aided navigation，TAN)。惯性导航系统所需要的地形高程会随时间的累计出现计量误差，因此，必须依赖其他系统对其进行更新。理论分析和模拟仿真结果表明，现代的气压式高度表传感器并不能满足飞行器爬升时定位和修正惯导的任务[7]。北斗(BD)等全球导航卫星系统的迅速发展和广泛使用，使得更多的飞行任务和精准控制(例如地形感知警告和主动回避)成为可能[8]，同时也会降低可控撞地事故发生的概率[2]。结合雷达定位、气压高度和无线电高度表(RA)等多手段综合获取地面高度，并利用无线电高度表的自主导航功能，可使低空飞行地形辅助导航和预警变得更为快速有效[10]。

移动GIS平台具有丰富的三维显示和强大的空间分析功能，常见移动GIS平台包括的SuperMap，ArcGIS runtime，Osmdroid，Open Science Map，mapWindow等。但这些MGIS存在体系结构复杂、软硬件资源要求高等特点，不适合软硬件资源极其有限的飞行器，因此需要根据飞行器的特点重新设计和研发FGIS。

充分利用“北斗”导航系统，融合多源信息，降低系统复杂度和资源需求，确保安全稳定和快速实时响应，是FGIS设计的首要考虑因素。笔者设计的FGIS体系结构如图1：利用北斗等全球导航卫星系统(GNSS)技术，飞机实时获取高精度的定位信息，在数字地形和GIS的支撑下，得到全方位的地面信息，提高了飞行人员在飞行过程中对地形的感知能力；结合雷达定位、气压高度等手段获取地面高度；辅以无线电高度表(RA)、惯性测量单元，在卫星信号短暂丢失时可以自主连续导航。

图1 数字地形感知和防撞预警系统框架

2 数字高程存储的物理结构和逻辑结构

地形数据是表示地球表面起伏状态(高程)的数据，常采用不规则三角网(TIN)和规则格网(GRID)两种方式表示。规则格网在处理效率、分析功能等方面远优于不规则三角网，建议采用规则格网作为存储和表达方式。

DEM是最为常见的规则格网表示方式，能够表示连续的空间起伏变化。是一种特殊的网格数据模型，每个网格的值为高程值，网格大小称之为空间分辨率。而坐标信息含在DEM的元数据信息中，包括坐标系、起始点坐标、范围等。

DEM是用一组有序数值阵列形式表示地面高程的一种实体地面模型，其他各种地形特征值均可由此派生。如坡度、坡向、坡度变化率等地貌特性可在DEM的基础上计算得到。由于飞行器计算资源有限，为了便于其实时响应，在建设DEM时，同时制作坡度、坡向等派生信息，在需要时即时调用，以减少后期计算工作量。

3 多尺度分辨率和数据容量

多尺度分辨率的DEM可以让飞行员和计算机利用不同视野的地形图来观察地形状况。DEM的空间分辨率越小，地形的分析就越精细，但数据的计算量和存储量会成几何倍数地增加。为了提高检索速度和适应多种飞行任务的需求，可以采用粗、中、精多尺度(多级)分辨率的DEM，对地面地形进行多尺度动态查询和显示，如此不仅可以加快显示，也可以减少因为分辨率不足而产生的进行动态插值计算的工作量。

针对大范围空间建议建设25 m、50 m、100 m、500 m、1 000 m等多种比例尺的DEM基础数据。

飞行器上软硬件资源有限，对数据容量有严格的限制。为此，以飞行区域为中心，南北范围各2 000 km，总面积为4×106km2进行容量预估。

存储容量评估原则以m为单位，表示地面高程。一个字节8位，表示范围0～255 m；2个字节16位，表示范围0～65 535 m；考虑地球高程和普通飞机的飞行高度，采用有符号的2个字节的整数存储。

对非压缩的二进制格式，以网格数目、分辨率和总面积进行理论评估；对文本和二进制格式(TIF)，以实际DEM实验统计测算。

我国的DEM测试结果见表1。以非压缩的二进制格式理论值为基准，文本格式的容量大约为2倍；无损压缩二进制格式压缩率接近理论值的70%。

表1 不同存储格式的DEM数据量大小

用明码的纯文本(TXT，例如经度、纬度、高程)格式简单，但存在数据冗余、存储量大、效率低等缺点。二进制存储方式可以对数据进行无损压缩、极大地降低数据量大小、提高访问效率。常见的二进制存储方式有JPG、TIF格式等。对于坐标定位的高程数据，建议采用TIF格式，因其为地理信息兼容格式,且效率更高。

4 数据叠加与多信息融合

单纯的DEM提供的只有空间信息，有用信息比较少，缺少自然地理和人文地理属性信息。通过叠加更多的地面信息，可为飞行器提供更全面的周围环境信息。主要叠加信息包括地类(地表覆盖)、重要标志性建筑物和构筑物、重要地物(山脉、河流、行政中心等)名称以及飞行专题信息等，将地物分布和地形特征显示成三维地形模型。地形地物融合后直观地展示地形起伏和地表覆盖情况[11]。同时，将其用于飞行工作的指导部署，可以显著地增加辅助飞行决策的综合性和科学性支撑材料。

5 地形感知和组合导航预警

(1)DEM数据的读取。针对飞行器上硬件资源的有限性和软件平台的特定性，利用C/C++/Python等高级程序设计语言开发专用的DEM访问和导航软件模块，以提高其性能；针对地面平台，可以选用成熟的GIS软件(如国产的SuperMap或美国的ArcGIS)，利用其性能稳定、功能丰富的特点以提供更高效的GIS服务。通过粗、中、精多级分辨率和金字塔技术，实现多尺度数据的高性能处理。

(2)地形感知和可视化。通过获取飞行器位置和飞行参数变化数据，动态地显示飞机前方特定范围内的三维地形图(见图2)。通过不同颜色来区分高程的大小和障碍的等级，可提高飞行人员地形感知能力；通过获取飞行或模拟参数，可以查询出高程；通过文字信息表达经纬度对应的高程以及飞机相对于地面的高度、平均高度、最低高度、最高高度等统计信息。

图2 数字地形访问逻辑

(3)模拟飞行。根据飞行的目标和任务、地形和地貌自动规划航迹，并进行模拟飞行，提前让飞行员熟悉沿途主要环境，提高飞行机组对地形和障碍的感知能力[12]，为应急决策提供先验信息。

(4)组合导航与预警。由于GNSS接收机采样频率的限制，每秒钟只能获取2至10次的坐标数据，因此利用GNSS对飞行器进行定位获取的是离散坐标；结合惯性测量单元(inertial measurement unit，IMU)获取的飞行器姿态数据，用于进行连续定位；对比DEM计算相对位置，根据相对高差划分安全等级，当高差小于阈值时进行预警；由于IMU具有较大的累积误差，因此需要利用GNSS定期对IMU进行校准。GNSS结合IMU的组合导航具有定位的连续性(图3)。根据IMU速度和加速度对航迹进行预测，还可以提前加载预测的最可能的地形数据，进而提升响应速度。

目前，由于人工智能的快速发展，TensorFlow、PyTorch等深度学习框架得到了广泛应用。组合多种传感器，利用深度学习对叠加的多源信息进行特征识别和信息提取，可实现智能避障和自主飞控[13-14]。

图3 组合导航预警

6 数据来源和精度

建立DEM的方法有多种,从数据源及采集方式角度分有：(1)直接从地面测量，所涉及的仪器可以用GPS、全站仪等测绘仪器；(2)使用低空无人机航空获取，包括立体像对摄影测量和激光雷达测高等；(3)通过卫星获取，例如可通过立体像对卫星和微波雷达卫星获取。

针对大范围DEM数据获取的实际需求，建议首选高空卫星(微波雷达卫星、激光测高、立体像对)进行前期建设，后期逐步补充部分重要地区低空无人机飞行摄影测量数据。提供高精度的数字地形是可靠的飞行地面感知预报系统的基础。大范围DEM数据的验证需要多方数据源的支撑。根据已有研究，典型卫星的高程精度对比综述如下。

(1)在高程精度上，微波雷达数据要明显高于光学立体像对数据，绝对误差均值分别为4.0 m和7.8 m，标准偏差分别为6.0 m和10.7 m，均方根误差分别为6.1 m和10.7 m。有统计研究表明，误差介于-16 m与+16 m之间的约占95%。

(2)数据精度受坡度影响较大，随坡度值的升高误差增大；微波雷达DEM的绝对误差均值、标准偏差和均方根误差在水田最小、在林地最大，而光学立体像对的误差在居民用地最小、在林地最大。两种来源的DEM数据绝对误差均值、标准偏差和均方根误差在平原地区最小在起伏较大的山地最大。

(3)在平原和台地地区，光学立体像对获取的DEM高程值有异常波动，微波雷达在起伏的山地存在对山谷的过高估计。总体上，微波雷达比光学立体像对对地形的表达准确，与激光测高数据基本一致。

三维坐标系统(经度、纬度、高度)的不一致，对结果产生系统偏移误差。由于地形的急剧变化(例如大型土木工程)产生的时效性问题，在长期的业务运行系统中也需要考虑。总之数字地形的精度由多种因素共同决定。根据需要进行实地RTK测量也是获取第一手验证资料的有效方法。

7 结论

基于高精度DEM的融合多源信息，结合GNSS的离散定位和IMU的连续定位进行组合导航，可实时定位飞行器、实时感知地形，实现提前预警和及时避障；引入深度学习算法对周围环境进行特征提取和目标识别，可实现智能避障和自主飞控。组合导航和人工智能的应用，极大地增强了飞行器的机动性和安全性，使得民用飞机在自然资源测绘、生态环境调查、物流运输、应急救援等场合发挥更大的作用；而武装飞行器也可以通过利用地形作掩护提高隐蔽性，这是未来高速飞行器精准导航、保障安全、实现精准打击的有效手段。