无人机LiDAR与倾斜摄影测量在复杂河道测绘中的应用研究

付 聪

（江西省国土空间调查规划研究院自然资源保护与利用研究分院 江西 南昌 330009）

1 引言

伴随现代空间技术与信息技术的高速发展，测绘技术出现了革命性的变化，无人机LiDAR、倾斜摄影测量技术等相继出现，有效解决了复杂环境下的工程测绘问题。复杂河道工程测绘中应用无人机LiDAR 与倾斜摄影测量技术，可以为河道疏浚、船闸等工程设计与施工提供精确的基础测绘数据，为后续河道工程的开展提供保障[1]。目前，这两种技术的应用较为广泛。然而，大多数研究是探讨技术的应用，对于两类技术的应用效果对比及优化的相关研究较少。鉴于此，本研究以江西省某复杂河道工程为例，分析了无人机LiDAR 及倾斜摄影测量技术的测绘效果，并对两种技术应用的优劣势进行对比，以选取最佳的优化方案。

2 两种技术的方案设计

复杂河道测绘工程是对河道及其周边地形进行详细测绘的过程，其目的是为了获取准确的地形数据和有关水位资料，以支持河流的开发整治和保护。在复杂河道测绘工程中，主要的工作内容包括平面、高程控制测量，河道地形测量，河道纵、横断面测量，测时水位和历史洪水位的连测，某一河段瞬时水面线的测量，以及沿河重要地物的调查或测量。平面、高程控制测量是建立河道测量的基础，它决定了河道的整体走向、宽度以及河床的深度等。河道地形测量则是获取河道及两岸的地形信息，包括水下地形、岸线地形等。河道纵、横断面测量则是分析河道的地质结构，为后续的工程设计提供依据。测时水位和历史洪水位的连测可以预测未来的洪水情况，为防洪减灾提供数据支持。某一河段瞬时水面线的测量可以了解河流水位的变化情况，为水资源管理提供依据。沿河重要地物的调查或测量则是对河道周边的重要设施、建筑物等进行测绘，为河道保护和开发提供数据支持。

为了解无人机LiDAR与倾斜摄影测量技术在复杂河道工程测绘中的应用效果，本研究分别设计了两种技术的测绘方案，作业流程上保持一致。首先，制订飞行计划，需要确定飞行参数，包括航线、高度、速度与重叠率等[2]。其次，采集外业数据，倾斜摄影数据主要包括地面像控信息、无人机位置、扫描角度、时间码等参数信息，机载激光雷达在倾斜摄影数据基础上还需要进一步采集姿态数据、IMU 数据、激光数据等[3]。最后，处理测绘数据。将倾斜摄影与机载激光雷达采集到的数据录入到系统中，并进行初始化、POS 数据处、误差矫正等，获取对应的河道工程三维模型，并通过两种河道工程三维模型间的对比，验证两种技术的测绘效率，并对两种技术的测绘效果进行对比。本研究设计的对比方案具体如图1所示。

图1 对比方案设计

3 数据采集及处理

3.1 参数设定

研究区域为江西省某河道，航测核心规划区面积约0.882km2，航测参数设定如表1所示。

表1 无人机LiDAR和倾斜摄影测量结果

表1 相关航测参数

3.2 数据处理

3.2.1 无人机LiDAR数据处理

无人机LiDAR 数据采用点云去噪处理，首先分离粗差噪声点，对低于邻近区域高程的点进行分类处理，并将高于周围点的点云划分为空中噪点，进而可以进行点云去噪。相邻点的高程差比较大时，可定义该类高点为非地面点类。采用过滤函数对地面点集进行定义，所有机关点云的集合设定为A，则构成数字高程模型（DEM）的地面点可由下式进行定义：

式中，pi、ℎpi分别为邻域内的一个激光点及其高程；pj、ℎpj分别为领域内与pi不同的另一个激光点及其高程；分别为pi与pj之间的距离及其最大高差，若最大高差大于点心与领域内的点外之间的高差，则定义该点为地面点。若地形坡度小于γ，此时最大高差可设定为dtanγ+，在规定距离内的球体范围内，进行点间的高差对比，考虑到高程损失问题，本研究通过Delaunay 三角网组织点云数据，确认地面点类拒绝的节点的邻域，可以进一步加快分类速度。数据处理软件为LiDAR360 软件，相邻点数量为10，标准倍差数为5，并通过统计去噪算法进行邻域点搜索以及点间距离的测算，并求取中值与标准差，舍弃平均值距离高于最大高差的噪点。

3.2.2 倾斜摄影航测数据处理

数据处理采用pix4d 软件，共采集7180 张原始照片，均导入到软件中。基准面设定为World Geodetic System 1984，处理选项模块采用3D Maps，点密度设定为最佳，匹配最低数值设定为3。区域内布设像控点数量为12，控制点误差控制在0.039 像素，人工裁剪掉控制不好的边缘以及扭曲区域，并人工修补水面与个别平面的破洞。

4 无人机LiDAR 及倾斜摄影测量技术的对比验证

4.1 高程误差分析

为验证测量数据的精确性，本次对比验证中在测区范围内，选取了无人机LiDAR 和倾斜摄影离散点数据共计60 个，并使用全站仪测量获取了所有点位的三维坐标，对两种测量方式下相同位置点的高程进行对比分析，获取相应的高程误差，无人机LiDAR 和倾斜摄影测量的高程误差对比结果如图2所示。

图2 无人机LiDAR和倾斜摄影测量的高程误差对比结果

由上图误差对比可知，在实际测量应用中测区地面的高大树木对倾斜摄影的影响较大，在树冠影响下导致部分地面高程点误差较大，难以获得准确的测量结果。复杂河道工程测绘中若高程测量误差较大，会导致无法准确计算出过流等结果，影响河道工作的正常开展。高程误差对比结果中，无人机LiDAR 测试结果与地面人工测量数据比较接近，且实际高程误差能够控制在1∶500 标准范围内，能够满足河道水运工程要求。运用无人机LiDAR在高程测量中，可直接导出数据进行计算分析，而应用倾斜摄影进行高程数据测量则需要借助3D 建模软件完成基础的图像拼接工作，在将所有摄影数据信息完整拼接后才能继续分析使用。

4.2 测量结果对比

无人机LiDAR 和倾斜摄影测量结果如表1 所示。

复杂河道工程测区应用中，无人机LiDAR 通过点云技术可更加精准地获取地面空间结构数据信息，且可提供多个回波信息。然而，考虑到无人机LiDAR 技术应用中存在着飞行续航时间受限等因素，无人机在快速飞行中出现数据相对离散的情况，导致在图像获取中出现地物便边界不清晰和动态特征误判的情况。倾斜摄影测量技术在应用中直接通过光学相机获取地物图像信息，其所获得图像信息分辨率更高，纹理更加丰富，可有效展示图像细节。通过测量结果分析发现，两种技术在应用中存在着各自优势与不足，因此在面向复杂河道工程的测量应用中需要将两种技术进行充分融合，通过方案优化发挥各自技术优势。

4.3 方案优化设计

实际应用中，通过纹理特征融合可提高无人机LiDAR 点云数据的生成图像的边界描述能力，且点云数据可用于创新与纠正倾斜摄影，形成图像更加丰富、细节更加精准的测量图像。本次在测量方案优化中通过粗匹配和精度匹配流程完成摄影图像坐标的匹配与两种数据的自动化配准。但考虑到匹配结果中仍然存在着粗差，需要继续运用选择权迭代法进行粗差检测，其检测方法如下：

式中，Zi为第i观测值残差；σ̂0为单位权中误差估值；Qvii为改正数协因数矩阵变量。

运用该公式，可将匹配数据作为观测值进行最小二乘平差，当绝大多数结果显示为匹配正确后，可通过选择权迭代法降低粗差。

5 结束语

研究对比了无人机LiDAR与倾斜摄影测量技术在复杂河道工程测绘中的应用效果，结果显示两种技术各具优劣势。无人机LiDAR技术可以获取到精准的远距离三维空间测量数据，然而无法清晰地体现出河道工程的光学纹理特征。倾斜摄影测量技术虽然可以精准地反映出河道工程地物周边的实际影响，但对设备精度要求较高，且应用较为复杂。在实际复杂河道工程测绘中，仍需要考虑到将两种技术相融合，才能有效解决复杂河道工程测绘问题。