基于多源数据融合的矿山大比例尺地形图测绘方法研究

2022-06-24田露

世界有色金属 2022年7期

矿山地形图测绘是矿山工程建设和资源勘查过程中必不可少的重要工作，传统的大比例尺地形图测绘具有人工采集数据繁琐、外业工作量大、人力和物力资源投入大、受限制条件多、成本高和作业周期长的弊端，且所获数据格式不统一，导致地形图的成图效果低，严重的限制了矿山工程快速建设的基本需求，同时传统的地形图测绘对后期数据库的综合入库等影响较大

。

针对上述问题，本文介绍了基于多源数据融合的方法某矿山大比例尺地形图测绘中的应用，为快速获取矿山大比例尺地形图提供参考。

1 技术流程

多源数据融合方法在矿山大比例尺地形图测绘中的应用主要流程见图1所示。在获取研究区具体位置的基础上，选择地面控制点及静态GPS联测等工作，并编制相应的航飞计划，选择良好天气条件下进行航空拍摄，采集LiDAR数据。每次飞行所获影像数据应及时检查，对出现漏飞、影像数据质量差的区域需要进行补飞或者重飞处理。航飞结束后，应立即对所获点云数据以及POS数据等核查，若数据无误，则可采用IMU、GPS联合解算，最终得到可进一步处理的点云数据和DOM数据等。

2 主要操作方法

2.1 点云数据预处理

点云数据是生产数字线划图的基础，其预处理过程对提高地形图精度具有明显的影响。点云数据的预处理一般按照点云分拣等将冗余的数据剔除，如噪音点、飞点以及低点

。由于本次航飞是根据不同的航带执行飞行任务，当点云数据重叠概率超过百分之三十，出现了一定数量的重复数据，且该类型的数据精度相对较低。此时，为了消除航带重叠区冗余数据对精度的影响等，需要进行点云数据的预处理，将费地面点等按照统一格式分类，能够有效地的降低对正常数据的干扰。

所以，处理点云数据的目标是将采集文件进行有效分类，也是消除冗余数据的主要措施。

2.2 点云自动滤波

此时，需要通过一定的算法将噪声点去除，才能获得更高精度的地形图。点云数据的去噪处理方法主要包括：①可采用剔除低点、飞点等方法将点云数据中的大多数噪声点剔除；②运用人机交互的方式去除点云数据中的噪声点

。

此外，DEM产品生产之前需要对点云数据进行检查，上述操作是在点云数据无误的基础上进行操作。同时，由于在获取点云过程中所测绘的面积往往比实际面积较大，故要先进行裁切及裁边检查，合格后才可生产规则的DEM产品。

根据上文的描述可知，点云自动滤波应加强以下几个方面的工作：①如下工作内容：数据自动分类精准但出现了点云数据低于周围地物平均高程点数值，多见于比较狭窄或者地物面积小的区域，由于反射点数量少且分布不均匀，故在处理过程中应按照地物中心点高程与周边其它点高程值比较，若明显低于其它地物点，则将该点分离出去；②分离空中点（是指高程明显低于周边平均高程，且在地面以上的点），若在搜索周边一定半径范围内的点云数据时，部分点的平均高程明显高于周边其它点云数据，且与平均高程值之间的差大于给定的阈值时，可将其作为空中点从点云数据中剔除，如塔尖、草垛等；③分离地面点，按照三角网TIN模型迭代分类算法将地面点分离出来。

2.3 点云数据去噪处理

点云数据划分主要是以生成数字表面模型为标准。将冗余及噪声的数据筛选出后，剩下的点云数据可直接生成DSM，而数字高程模型（DEM）是在DSM的基础上提出了非地面点而生成的模型，该类非地面点主要包括水域点云、建筑物点云、架空桥梁点云等。由上可知，在对点云数据进行分类划分时要重点关注以下几点：①将与地面点相互连接的道路、水系以及台阶等地物保留；②将明显高于地面点的高塔、建筑物以及架空桥梁等从地面点中剔除；③将面积较大的水域，一般置平处理；④若所获DEM产品的网格大于地物尺寸时，可将该地物忽略。如矿山生活区临近河道的DEM产品（图3）。

将点云数据进行划分过程也可称之为点云数据自动滤波，工作原理为依照相关参照物体的形状特征、反射强度、回波次数等，运用算法计算各地物点的数据自动提取过程，主要依据有：①裸露基岩仅有一次回波，其反射点就是地面点；②植被发育区域因遮挡等造成多次回波，故一般情况下最后一次回波的反射点应为正常的地面点。所以，可以断定点云数据的划分主要是依据回波特征，计算出地物坡面阈值，直至获取正常的地面点为止。

2.4 点云数据划分

点云数据在预处理和自动滤波处理后虽然显著的减少了点云数据中的冗余数据，如重复数据、飞点和噪声点等。但是，由于点云数据获取过程中形成的多源融合数据仍然具有不同成因的噪声点，且该类噪声点多与设备的系统误差以及被测地物的物理性质等密切相关。

2.5 DEM成果

按照Churchill开发新量表的程序，本研究在系统梳理相关经典文献的基础上，分析、界定了高校创新能力的内涵与外延，构建了高校创新能力的题项池。［13］本文首先使用SPSS软件对81份调查问卷中的创新能力测量题项进行了探索性因子分析，见表1。其中，因子提取方法是主成分分析法，旋转方法为方差最大法，最终析出了5个因子。所有题项的累计方差贡献率是68．5%，每个题项的相应因子载荷均大于0．5的阈值，且交叉载荷不显著，本测量模型中5因子结构的高校创新能力与理论模型相吻合。

DEM成果的制作是快速获取数字线划图（DLG）的基础。因此，制作DEM产品是矿山大比例尺地形图测绘的主要过程之一。因此，生成数字高程模型（DEM）是至关重要的。DEM生成过程中所需要的点云数据主要包括两部分内容，一是地面点数据，二是断裂线数据。上述两种点云数据在点云数据自动分类和人工精细分类过程中均以Ground类点云和断裂辅助线数据分别存储，故在生产DEM产品过程中仅需要提取Ground类点云和断裂辅助线数据两个文件就可自动生成，其方法有两个：一是在Ground类点云输出中选择点云形成数字高程模型，二是在LiDAR-DP软件中有效运用断裂线辅助数据，设定分类间隔为两米距离网格点云数据。

在完成上述操作的基础上，就可进行内业数据的采集操作，是生产大比例尺地形图的最后环节，也是形成地形图成果的重要部分。内业数据的采集包括自动数据采集和手动数据采集，前者是将点云数据导入至相应的软件系统中，按照地形图编辑要素，可自动生成初始的数字线划图（DLG）（图4）。同时，等高距的大小应根据输出比例尺要求做适当调整，以尽可能反映地形的微地貌为基本原则。在数字线划图生成之后，需要采集地理注记点等信息，此时可以初步以自动数据采集方式生成注记点，再通过手动数据采集功能调整注记点的密度，以能够满足地形图顺利阅读和确保注记点布局合理为宜，即地形图中的注记点不宜过于稀疏也不宜过于稠密。

在鼻胃镜可通过狭窄病变的病例中，利用鼻胃镜成功辅助完成46例消化道狭窄内镜下治疗，成功率100%。在食管癌中，行16例支架置入/调整术，2例光动力治疗；食管术后吻合口狭窄中，行5例支架置入术，2例吻合口狭窄扩张术，1例引流管置入术，1例光动力治疗术；食管外压性狭窄中，行1例支架置入术；食管不明原因性狭窄中，行1例扩张术。胃癌中，行7例支架置入术，1例肠梗阻导管置入术；胃术后吻合口狭窄中，行2例支架置入术，1例营养管置入术。结直肠癌中，行4例支架置入术，2例肠梗阻导管置入术(表6)。

2.6 内业数据采集

对于方言的定义，有研究者提出这样一个政治检验标准：语言是官方确定的全国通用语，而方言则不是。这一检验标准排斥了属于语言范畴的语言。按照这一说法，少数民族的语言可能得不到官方的承认，如果因此就把属于不同语系的一种语言看成是方言，那是滑稽可笑的。

此外，若点云数据局部区域数据较少，可以通过补测或者重测进行解决，以满足大比例尺地形图精度要求为主。在完成上述操作的基础上，对数字线划图进行编辑加工，制作图名、图框、图例等必要要素，同时整饰图面，就可提交最终的成果文件，即矿山大比例尺地形图。

从广州出发飞行了16个小时，再坐上2小时的大巴，穿越一片片平坦开阔的葡萄园、橄榄园，路过一栋栋白色或浅黄色的石屋，终于抵达普利亚产区的中心城市：曼杜里亚。此时接近正午，阳光正好，清劲的海风扑面而来，一下子驱散了长途旅行的不适。空气中弥漫着橄榄香、泥土香，暖暖的，非常惬意。放眼望去，都是狭窄的石头街道、古老的石头房子和教堂，街上行人寥寥。

无菌环境下，采集患病鸡的少量新鲜粪便，放置在载玻片上，滴加1滴生理盐水，混合均匀后盖上盖玻片，在低倍显微镜下观察，可观察到呈现卵圆形的球虫卵囊。采集上述病死鸡典型病变肠道组织，轻轻刮取病变较为明显的肠道黏膜表层物放置在载玻片上，加同等量的甘油和生理盐水混合物，盖上盖玻片后，在低倍显微镜下观察，发现存在圆形的裂殖体和裂殖子[2]。无菌环境下采集患病鸡排出的新鲜粪便10 g，用10倍饱和食盐水稀释，充分混合后，静置30 min，用玻璃棒蘸取表面液膜，抖落在载玻片上，在低倍显微镜下观察，可以发现有卵圆形的球虫卵囊存在。

3 测量精度对比

为了分析多元数据融合方法在大比例尺地形图制作中的精度，随着的获取了5个点的全站仪测量数据和该5点处周边点云数据的平均值，其结果见表1。由表1可知：使用多元数据融合方法所点的三维坐标与全站仪所测的三维坐标基本一致，其精度完全满足1/2000大比例尺地形图测量的精度要求，说明多元数据融合方法能够满足矿山大比例尺地形图测量的需求。