无人机LiDAR点云与无人机影像匹配点云分析比较

缪志修 罗远刚

摘  要：随着无人机技术的不断发展，无人机数码航测技术和无人机LiDAR技术在测量领域的应用越来越广泛。为分析无人机LiDAR点云和无人机影像匹配点云2种点云的差异，该文通过对西南某铁路一个测区在同一飞行高度的情况下同时进行无人机数码航摄及无人机LiDAR航摄2种方式航摄。对2种不同的摄影方式获取的点云进行比较，分析出2种方法获取点云在形态表现、滤波分类，以及利用2种点云制作DEM高程精度方面的差异，为实际工程航飞方式的选择提供一个参考。

关键词：无人机LiDAR点云；无人机匹配点云；滤波分类；DEM；点云数据

中图分类号：V279+.2      文献标志码：A          文章编号：2095-2945（2024）19-0086-05

Abstract： With the continuous development of UAV technology， UAV digital aerial survey technology and UAV LiDAR technology are more and more widely used in the field of measurement. In order to analyze the difference between UAV LiDAR point cloud and UAV image matching point cloud， this paper simultaneously carries out UAV digital aerial photography and UAV LiDAR aerial photography at the same flight altitude in a survey area of a railway in southwest China. This paper compares the point clouds obtained by two different photography methods， and analyzes the differences between the two methods in morphological performance， filter classification and DEM elevation accuracy using two kinds of point clouds， so as to provide a reference for the selection of practical engineering flight methods.

Keywords： UAV LiDAR point cloud; UAV matching point cloud; filtering classification; DEM; point cloud data

近年来，随着无人机技术的不断发展，无人机航摄因其飞行灵活、航摄成本低等特点已经广泛被应用于地形图的测量工作。无人机航测点云主要是通过影像匹配技术进行生成，目前无人机航测点云采用的匹配算法主要有：带共线条件约束的多片最小二乘影像匹配法、基于多基元多影像匹配法、基于物方面元的多视立体匹配算法等，相对于无人机LiDAR技术来说，无人机航摄需要布设外控点，以及在密林地区获取地面点云较为困难。无人机LiDAR是通过发射激光束并测量激光束反射回来的时间计算距离并根据搭载的激光设备进行激光设定的参数，直接获取得到物体表明的激光点云数据，无人机LiDAR获取得到的激光点云更加简便、直接。目前，利用无人机航摄进行地形图制作的技术已经较为成熟，在进行地形图及模型制作时，匹配的点云往往作为附加产品，不能有效地合理应用。本文从无人机匹配点云和机载LiDAR生成的点云获取方式、点云形态分布、滤波分类方法以及生成的DEM精度4个方面分析出2种点云的差异，为实际生产项目时选用合理的航飞方式提供参考。

1  点云数据获取方式

1.1  无人机影像匹配点云数据获取

本次项目点云生产采用三维建模，使用的软件为Context Capture。Context Capture是Bentley旗下的一款三维实景建模软件。使用Context Capture，用户可以快速为各种类型的基础设施项目生成三维模型。

无人机获取航摄匹配点云数据的主要步骤如下。

1）根据测区大小合理布设外控点。

2）进行航线的规划。

3）进行航飞相关参数的设置。

4）导出航飞影像数据及POS数据。

5）在Context Capture软件中，加载影像数据、导入相机参数，并导入影像位置信息、提交空三测量（相对定向）。

6）相对定向完成后，将外业实测控制点导入，并设置好坐标系统，然后在影像上进行刺点。

7）根据刺点成果进行联合平差计算。查看刺点精度，精度满足规范要求后输出三维彩色点云。

1.2  无人机LiDAR数据点云获取

无人机LiDAR数据点云获取的主要步骤如下。

1）根据测区大小、点云密度及点云精度，进行航线的合理规划。

2）地面基站的布设。

3）航线飞行前需要进行惯导的初始化工作。

4）在航飞控制软件导入规划好的航线，并检查点云密度、飞行高度、飞行速度、航向重叠度和旁向重叠度等参数设置是否满足项目精度的要求。在实际项目中尽量保证航向点间距和旁向点间距保持一致。

5）使用PosPac软件进行航线的解算（需要导入机载POS数据以及地面基站数据）。

6）导入解算合格的航线以及原始激光测距数据，进行点云数据的生成。

7）查看每条相邻航线点云的匹配精度。匹配精度满足规范要求后，输出每条航线的激光点云数据。

8）对航线匹配合格的激光点云数据进行滤波分类处理，生成满足要求的DEM数据。结合DEM数据及影像数据制作DOM数据。

2  点云的比较分析

2.1  点云特点比较

图1为西南某铁路一测区内2种方式获取的点云。图1（a）为无人机航摄匹配点云，图1（b）为机载LiDAR获取得到的点云。

从图中可以看出，目前2种生成方式的点云都能够叠加色彩信息。无人机航摄点云由采用的影像匹配的算法得到，在影像匹配较好的区域（无云朵遮挡等）生成的点云较为密集，在阴影遮挡等区域点云密度较低，且匹配点云边界信息模糊和分布不均匀。而机载LiDAR获取的点云由于飞机飞行高度相对于不同的地方高差不一样，容易造成海拔高的地方点云密度较为密集，而低海拔区域点云密度较为稀疏。同时还由于飞机飞行速度及激光不同的扫描方式，容易造成航向和旁向点云密度的不均匀。

无人机航摄匹配点云在水域中也均匀分布了点云数据。而无人机LiDAR由于激光在水域区域被水吸收，而造成在水域区域无点云数据，如图2（b）中黑色区域即为水域区域，该区域无激光LiDAR点云数据。

图2为该区域的用2种方式获取得到点云的高程分色的显示。

为了能够更好地分析2种点云，通过对2种特殊的地物（植被和房屋）进行横断面的裁剪，直观地分析出2种点云的差异。

图3中为一房屋的剖面图。图中红色点云为无人机LiDAR生成的点云。白色点云为无人机匹配点云，可以看出无人机匹配点云比较连续、光滑、分布比较均匀且密度较高。而机载LiDAR点云比较离散，分布不均匀。造成这种现象的原因主要是2种点云的获取方式不同。机载LiDAR点云由于飞行速度，飞机高度以及地面的变化起伏等，造成不同地方获取得到的点云密度不同。而无人机点云采用的影像匹配算法，点云密度均匀，同时会获取得到大量的线性特征信息和边缘信息，如图3的建筑物边缘等。

图4为植被区域的剖面图。图中白色点云为无人机航摄点云。红色点云为无人机LiDAR点云。从图4可以看出，无人机航摄点云在密林区域只能反映树冠上的一些信息，而不能得到地面信息。而无人机LiDAR由于多回波等特性，具有一定的穿透性，能够获取一定的地面信息。因此在制作DEM时，无人机LiDAR更能获取真实的地面信息。而影像匹配点云只能获取植被的表面信息，如需获取该区域的DEM数据，可以采用外业实测等手段。本文对2种点云数据的特点进行分析，并对滤波、分类等点云数据进行处理为选择合适的技术手段提供一个参考依据。

2.2  点云滤波结果的比较

使用点云数据进行DEM制作时，需要对激光点云数据进行滤波分类处理。

机载LiDAR点云的滤波算法主要有：基于坡度的滤波算法、基于数学形态学滤波算法、基于曲面拟合滤波算法以及基于不规则三角网的滤波算法等。目前常用的点云分类软件TerraScan中采用的地面点云分类算法是基于不规则三角网迭代滤波算法，该算法是选取区域内少量的最低点来构建不规则三角网，同时通过设置一定的迭代角度，以及迭代距离，将满足要求的点加入到三角网中，直到所有点迭代完毕。采用该软件在进行无人机航摄点云地面点滤波分类时，无人机航摄点云采用的影像匹配算法获取的建筑物边缘信息点云光滑，树木冠顶的点云也比较连续光滑。无人机航摄匹配点云由于这一特性在一定程度上影响到点云地面点分类效果，容易将含有边缘点云的房屋归类到地面点云当中。同时在点云的自动分类算法中，容易将山脊、陡坎等地物错误地剔除掉。因此在自动分类完成后，往往需要结合正射影像进行手动的人工编辑。

针对无人机匹配点云的特点，目前有学者提出了针对无人机匹配点云的滤波算法，如董友强等提出了一种改进的适用于DIM点云的PTD滤波算法。张刚等提出了基于区域特征分割的密集匹配点云渐进形态学滤波算法。总的来说，相对于机载LiDAR点云的滤波算法，无人机匹配点云的滤波算法研究较少。

2.3  高程精度比较

为了对该测区的高程精度进行分析，在测区均匀地布设了6个标靶，并人工实测出6个点的平面和高程。图5为无人机LiDAR点云精度统计，图6为无人机匹配点云精度统计。

可以看出，同一个测区内机载LiDAR生成的DEM精度的标准差为0.065 m。而无人机航测匹配点云生成的DEM高程精度标准差为0.121 4 m。相对于无人机航摄点云生成的DEM来说，无人机LiDAR点云生成的DEM高程精度较高。同时在密林区域，由于无人机航摄点云只匹配到树冠上的点云，而不能获取地面点云，其精度较无人机LiDAR获取的高程精度会更低。

3  结束语

本文通过对同一个测区进行无人机航摄以及无人机LiDAR进行航飞，从2种设备获取点云的方式、点云特点、滤波分类算法以及生成DEM精度等方面进行比较分析。相对于无人机LiDAR，无人机航摄设备的价格较低。对于小范围地面较为裸露，无大面积植被的区域，可以通过布设些外控点。采用无人机航摄技术可以快速获取得到地形数据信息。而对于精度要求较高、地形复杂且植被较为茂密的山区，由于影像匹配点云数据无法准确地贴近地表，只能得到数字表面模型（DSM），在进行DEM制作时，会存在偏差。采用无人机LiDAR技术由于其多回波特性，能够部分穿透密林，获取地面点云，具有更高的优势。

参考文献：

[1] 黄俊维.LiDAR点云与影像匹配点云的滤波方法研究与应用[D].徐州：中国矿业大学，2022.

[2] 董友强，张力，崔希民，等.一种改进的适用DIM点云PTD滤波算法[J].中国矿业大学学报，2019，48（2）：459-466.

[3] 张刚，刘文彬，张男.基于区域特征分割的密集匹配点云渐进形态学滤波[J].地球信息科学学报，2019，21（4）：615-622.

[4] 张海荣，程擎.融合无人机LiDAR和高分辨率光学影像的点云分类方法[J].工业控制计算机，2021，34（3）：53-55.

[5] 王志胜.无人机影像密集匹配点云的滤波方法研究[D].成都：成都理工大学，2018.

[6] 赵昕.基于影像匹配技术的点云数据精简算法研究[D].西安：西安科技大学，2017.

[7] 罗伊萍，姜挺，龚志辉，等.基于自适应和多尺度数学形态学的点云数据滤波方法[J].测绘科学技术学报，2009，26（6）：426-429.

[8] 陈琳，范湘涛，杜小平.基于高程统计的机载LiDAR点云三角网渐进滤波方法[J].遥感信息，2014，29（3）：19-23.