无人机LiDAR 技术在山区铁路测绘中的应用

张占忠

(中铁第一勘察设计院集团有限公司,西安 710043)

引言

西部地区的铁路大多地处高寒、高海拔、高落差、地质活跃地带,铁路建设将要面临更复杂严酷的工程环境,不仅是对人员和设备的挑战,更是对勘察技术的考验。 为了满足极复杂工程环境的勘察需求,各项测绘技术、勘测设备需要进行有针对性的研发与创新[1]。 其中,铁路勘测涉及众多工程专业,其中包括测绘工程、遥感科学与技术、地理空间信息工程等专业,随着科学技术发展,这些专业技术也发展迅猛,其工作流程、技术方法、技术标准、产品内容等也随之变化。

无人机技术具有高机动性、数据可靠性高、观测误差分布均匀且精度高等技术优势,成为现代勘察领域主要外业数据采集及判识的主要手段之一[1-2],众多学者对其进行深入研究。 冯威针对地质不良构造判别难的问题,提出一种基于无人机的勘察遥感方法,实现了地层岩性、地质构造、不良地质等地质要素的准确判识[3];周福军采用多旋翼无人机飞行平台搭载倾斜摄影相机获取的影像数据,建立岩体结构定量计算、分析统计方法,实现岩体结构信息从人工定性量测到计算机定量提取的技术转变[4];杜世回基于无人机激光雷达数据,实现了植被覆盖度高等隐蔽地区的滑坡、危岩落石等不良地质解译识别及高陡边坡岩体结构几何信息的定量提取[5]。 以上研究各有侧重点,但都偏重于地质勘察领域,并未针对大高差复杂高原环境下的测绘产品的生产做出系统的技术总结,且在测绘数据获取、测绘产品制作流程、精度分析等方面研究较少。

针对复杂高原环境下高精度测绘数据产品的获取,提出一种基于无人机LiDAR 技术的详细生产作业技术规程方法,以分别应对大高差、高坡度、植被覆盖、精度控制难、数据精度稳定性差等复杂场景[6-8]。 并形成了相关试验研究成果,以期能在一定程度上促进复杂山区铁路测绘技术的发展。

1 工程概况

西部某山区铁路,海拔分布范围为3 000 ～4 200 m, 前期采用高分辨率卫星影像测制了1 ∶2 000 比例地形图。 随着铁路建设的推进,亟需进行详细的线路研究资料,然而由于地形陡峻、高差大、交通困难,现场技术人员难以到达勘测现场。 通过测区综合环境分析,若使用有人机搭载LiDAR 设备进行测绘作业,存在成本高、人员安全无法保障的问题,而采用固定翼无人机方案由于工作区域场地狭窄的限制,无可用起降场地,另外使用传统的无人机作业模式又无法满足设计指标要求。 因此,决定使用旋翼无人机LiDAR 开展相关测试研究,并分别在技术路线及方案、无人机平台设备选型、数据获取、数据处理、测绘成果生产等无人机测绘全流程方面进行试验、归纳、分析与总结,最大限度地挖掘利用无人机潜在价值,开拓并完善在复杂高原地区的技术应用场景。

2 技术路线

对项目所处位置进行全方位分析,明确了测区测绘范围、海拔高度、高程落差、自然坡度及地表附属物等情况;对适合该地区作业的无人机与LiDAR 设备进行选型分析,制定合理的航摄飞行方案;然后进行航迹计算,激光点云融合、激光点云数据滤波处理,最终制作出符合相关规范精度要求的数字地面模型、数字正射影像、数字线划图、线路横纵断面等基础测绘成果。其详细技术路线见图1。

图1 无人机LiDAR 测绘技术路线

3 无人机LiDAR 飞行平台及设备选型

3.1 无人机飞行平台

由于高原地区气压低、高寒、气流强,严重影响无人机系统的稳定性,无人机飞行过程中面临电池掉电加速、发动机功率下降、载荷能力降低、攀升动力不足等问题,因此无人机选型与载荷装备极为重要。 项目作业区大部分海拔在3 000 ～4 200 m 之间,飞行相对高差在600～800 m 之间,自然坡度均在50°左右,地形陡峻,峡谷风向多变,影响飞行安全性,无人机飞行平台必须满足飞行高度在5 000 m 以上,电池需满足有效作业时间大于20 min,无人机荷载要大于5 kN,要有高原桨叶,能满足-20 ℃低温下工作条件,抗风能力要大于5 级,并支持仿地飞行控制接口[9]。 基于此指标对国内外无人机产品比对,并经现场试飞测试,确定国产科卫泰KWT-X6L-15 六旋翼无人机作为本次工作任务的飞行平台,飞行平台参数信息见表1。

表1 无人机平台详细参数

3.2 LiDAR 设备类型

根据作业区域地形地貌、植被覆盖度等特点,激光雷达测量设备主要考虑的性能指标有:具有较高的有效长测距能力,光束发散角度优于0.5 mrad,角度分辨率优于0.001°,以保障光束具有足够的植被穿透力;具有多次回波能力,以获取真实地面信息;具有高精度且稳定可靠的GNSS/IMU 惯导系统,水平绝对中误差优于5 cm,高程绝对中误差优于5 cm;要想高效获取高密度点云数据,即需要具有较小的扫描分辨率与较高的扫描频率,以及多次回波能力。 通过对国内外现有轻型LiDAR 设备比对,经现场数据采集检验,确定采用国产华测AS-1300HL 轻型激光雷达测量系统作为本次工作的激光点云数据获取设备。

4 数据获取

4.1 飞行计划制定

为了满足1 ∶500 比例测绘精度的要求,需尽量获取测区内密度均匀的激光点,提出利用既有DEM 数据进行仿地飞行任务规划(见图2)。 通过既有的1 ∶10 000 比例地形图制作出数字地面模型,导入到遥控器进行各个工作区的飞行任务规划,依照地形起伏设置航线空间走向与分区情况。 考虑到激光扫描仪的视场角度远大于普通航摄相机,航线覆盖范围的决策以影像地面分辨率为主,飞行航带设计兼顾影像采集指标,并确保在仿地基准面上地面分辨率差异控制在±25%偏差之内。

图2 仿地飞行航线设计

4.2 外业实施

在航摄飞行提前30 min 架设好地面基站,并在作业之前进行设备自检、定位精度检核。 由于针对高原复杂山区已经建立了星基、地基北斗高精度CORS 服务网络,依靠北斗混合星座组网及多频点的特点,弥补了传统导航系统在复杂山区存在定位精度粗差大、抗遮挡能力差的问题[10-11]。 因此,AS-1300HL 设备航迹解算需要北斗导航卫星支持,地面基站架设尽量要能支持北斗卫星的接收机,否则后续轨迹解算会降低精度。 另外,针对大高差、大坡度地形,需要提升有效航向、旁向的重叠区至80%、60%[12],以保障相邻像对重叠区域内的有效地面分辨率差异小,又能获取更多的地面激光点云数据。 综上,本次作业设计飞行相对航高为300 m,激光扫描频率设定为400 kHz,无人机飞行速度设计为30 km/h,由此计算出点密度为22点/m2,共设计航线130 条,飞行测线78 km,选择了测区天气状况良好且光照充足的8 个工作日时间段,共飞行25 个架次完成测区激光雷达扫描数据及航摄影像数据的获取。 采集了勘测人员无法到达的设计线路隧道口、高陡边坡等区域激光点云与数码影像数据,填补了测区地形复杂地段范围无高精度测绘数据的空白。 无人机LiDAR 数据采集现场环境见图3。

图3 外业数据采集

5 数据处理

数据处理包含激光点云数据与影像数据的处理。激光点云数据的处理一般包括原始数据预处理和后处理2 个步骤。 航摄外业获取的原始数据主要包含GNSS 数据、IMU 数据、时间数据、激光距离测量值、各影像波段等的记录值等。 激光点云的数据预处理需要将原始采集数据进行联合处理得到激光点的三维坐标值,主要包含航迹解算、点云配准、融合等步骤;航摄影像数据的处理主要为空中三角测量解算、正射影像的生成等;激光点云数据后处理就是对融合之后的点云数据进行地物滤波分类,得益于多次回波特性,将落在地形表面上的点与非地形表面上的点(树木、植被、高压铁塔、建筑物)进行有效分离[13-14],最后将这些数据用于后续的大比例数字高程模型、地形图制作、断面及中桩坐标的提取。

5.1 航迹解算

从原始点云数据中解算分离移动站的GNSS 数据,IMU 数据,然后在Inertial Explorer8.7(IE)软件中对分离出的组合导航数据进行差分、融合、平滑处理,最后输出所需要的POS 航迹数据[15]。 IE 解算后,在无失锁情况下精度指标达到位置精度:平面坐标应优于0.05 m,高程精度应优于0.08 m;姿态精度:Roll 及Pitch 应优于18″,Heading 应优于90″[16]。

5.2 数据预处理

激光点云数据预处理主要包含如下步骤:点云融合、初步滤波、原始数据格式转换、点云精处理等,分别在CoPre、CoRefine 软件完成。 在CoPre 软件中加载激光原始数据(*. rxp)、航迹文件(*. PosT)及设备的标定参数(*.EP),设置系统相关的检校参数,将其转换为LAS 点云通用格式。 因扫描角设置较大,会引起设备遮挡及云雾等产生噪点信息,需在点云航带间匹配后将扫描角110°以外的点云数据进行手动删除。LAS 格式的激光点云数据的坐标系统按照CGCS2000 椭球TM 投影标准3°分带成果进行处理,为进一步提高航线匹配精度,在CoRefine 软件中进行点云航带间的姿态和位置纠正,输出最终的LAS 格式点云数据,在TerraSolid 软件中采用距离测区最近的初测控制网点两套坐标(WGS84 平面坐标+椭球高;CGCS2000 平面坐标+海拔高)转换LAS 点云数据坐标系统为工程独立坐标,坐标转换精度要求平面、高程≤0.1 m。 激光点云质量检查主要包含以下3 点[16-17]。

(1)激光点云数据覆盖范围、相对漏洞、绝对漏洞检查,重叠度检查。

(2)点密度及均匀度检查,点密度达到规范要求(平均点密度≥16 点/m2)。

(3)航带高程较差检查、平面较差检查,本项目地形等级为Ⅳ级,按照相关规范(一般控制在0.15 m 以内,大于0.15 m 时,返回重新解算)。

无人机影像数据预处理采用ContextCapture 软件进行处理,其正射产品成果见图4。

5.3 数据后处理

(1)激光点云自动分类

本项目处于西南高山区河谷地带,植被覆盖度高且地形陡峭,采用目前的主流点云数据处理软件TerraSolid 提取地面点,首先在TerraSolid 软件中编写适合测区地形条件的宏命令,根据试验,在处理地形起伏较大的山区地形时宏命令编写中,迭代角度应适当增大,本项目设置为15°;距离迭代应根据点云密度确定,本项目设置为1 m;其他参数也应设置恰当。 由于真实场景的复杂多样性,使用通用的参数设置模式存在泛化能力差的问题,精度与效果不能保障,因此采用多种参数组合控制实验,对地面点云自动滤波进行预处理,以找出最优的滤波参数,实现有效先验知识限制性滤波。

(2)激光点云精细分类

精细分类处理主要目的是提高分类的精度,剔除自动分类的粗差点,其中包括错分成地面点、植被、低点等的噪点,以及由于测区环境复杂(分类参数无法顾及所有地形、地貌与地物分布)导致的山脊、山沟、山顶、陡坎、悬崖等漏分错分情况[18-20]。 在手工精细分类环节质量控制措施如下。

①采用航摄数码影像纹理信息辅助对点云进行判识分类[21-22]。

②采用将点云按分类显示、高程显示等方法,查看有无异常,对有疑问的地方人工用断面图进行检查和分析。

③地面点一般采用建立切片渲染模型的方法检查,可绘制出不连续、不光滑处的断面图进行详查,并参考快速正射影像等数据辅助检查地面点分类的可靠性。

④大面积点云选取剖面,查看有无未剔除的噪点。

最终的精细处理后的点云数据成果见图5。

图5 精细处理地面点云渲染

(3)精度评定

地面点分类完成后,按照飞行区域为工程单位,分别提取模型关键点并输出,并将模型关键点(*. las)导入TerraSolid,重新构建数字地面模型,在能开展外业测量区域,采用外业实测中桩点进行点云数据精度评定,误差统计分别见图6、表2。

表2 Lidar 点云数据与外业实测中桩高程差值对比

图6 实测中桩与分类后点云数据精度报告

项目参与检查的野外实测的中桩高程检查点共197 个,点位分布在沟底、陡坎边、山脊、密林地区等特征点区域,经检查,测区的高程中误差为0.271 m,最大高程较差为0.577 m。 对高程较差大于0.5 m 的点进行分析,发现该区域植被覆盖度高,能够到达地面上的激光点云较少,另外有些地形特征点(比如陡坎、沟底)缺少地面点,也会造成该区域的精度受损失,但该区域的整体精度按照误差分配原则均能满足1 ∶500 比例航空摄影测量相关规范精度指标要求。

6 测绘成果生产

6.1 1 ∶500 比例地形图

在TerraSolid 软件中用,最终提取的激光点云精细地面点及模型关键点点云数据创建数字地面模型,由于山区场景中存在大量的复杂地形特性,还需通过半自动辅助地形特征重建,此时可获取高精度的可量测的数字地面模型数据;接着结合正射影像及立体影像数字化地物,把河流、建筑物、道路等地理要素按比例尺绘制,同时标注高程点;然后根据地形信息、地物属性信息自动创建等高线图层;由于存在测绘其他复杂约束、经验与语义约束,导致自动生成的地形数据存在扭曲、压盖等问题,最后在dlgmate2021 地形图编辑软件中进行图形编辑、整饰得到1 ∶500 比例地形图。

6.2 线路横纵断面

根据铁路中线及断面里程,按断面的要求宽度,在TerraSolid 软件中,通过设置断面节点距离、变坡点位置,软件经过自动依节点与地形数据求交获取高程信息,完成横断面的提取工作;根据线路中线中桩桩号及平面坐标,基于地面点构建数字高程模型并内插出每个中桩点的高程坐标作为最终的纵断面成果。

7 结论

(1)将仿地飞行大载荷无人机长距离LiDAR 技术作为一种新型低空航空摄影测量手段,其搭载方式灵活,受天气影响小、数据生产周期短、激光点能穿透植被,具有多次回波、精度高等优势,在植被覆盖度高、地形陡峻的高原山区铁路勘测中发挥了重要作用,能够为该类型铁路高精度地形测绘、横纵断面测量提供一种新的手段。

(2)在高海拔山区,需选择续航时间长、GNSS/惯导精度可靠、长测距激光扫描仪的无人机LiDAR 平台,在落差较大地区,为获取点密度均匀的激光点云数据,通过仿地飞行航线设计,可获取作业现场的高精确测绘成果。

(3)通过本次工作获取了高原复杂山区无人机LiDAR 平台的各项性能指标,包括起降电池电压临界值、飞行时间、激光点密度、基站架设距离、提高POS解算精度措施、地形陡峻区域激光点云提取参数设置等关键指标,探索针对高海拔、艰险复杂地形、高寒缺氧等特殊环境下的无人机LiDAR 测绘技术应用方案与操作标准流程,可为在类似地区开展相关测绘工作提供技术借鉴。