新浪博客

基于机载激光点云的线路断面自动提取及精度分析

2018-01-30 13:49阅读：

http://blog.sina.cn/dpool/blog/u/1071328293

1. 引言
机载激光雷达(Light Detection And Ranging，LiDAR) , 系统是一种主动式对地观测系统,是集激光扫描、全球卫星导航系统(GNSS) 和惯性导航系统( INS) 三种技术于一体的空间测量技术。与传统航测相比，机载激光Lidar具有自动化程度高、受天气影响小、数据生产周期短、精度高等特点,特别是传感器发射的激光脉冲能部分地穿透树林遮挡，直接获取真实地面的高精度三维地形信息，具有传统摄影测量方法无法取代的优越性[1]。目前，LiDAR已经在基础测绘、电力、铁路、公路、数字城市等方面的广泛应用[2-6]。
输电线路工程通常利用线路平断面图进行杆塔排位以及导线对地距离安全校验、交叉跨越校验以及风偏校验等设计分析。传统平断面测量是通过工程测量的方式，利用GNSS RTK和全站仪沿线路路径现场测量，劳动强度大工作效率低，由于受到作业环境的限制只能根据经验测量地形变化点，存在漏测现象；随着数字摄影测量技术在电力工程中的广泛应用，通过航测方法内业测图大幅度的提高了工作效率，但由于受到摄影比例尺以及空中三角测量精度的影响，平地、丘陵断面高程精度通常只能达到0.5m，山地1.0m[7]，在终勘定位阶段须对内业图件进行实地检测，测量断面修正控制点对断面进行修正，以满足规程对关键断面点高程精度平地不低于0.3m，丘陵、山地、高山地不低于0.5m的精度要求[8]。由于机载
pan>LiDAR数据具有高程精度更高的特点，其高程精度可达到0.15m-0.30m[9-11]，在线路工程高精度断面提取方面得到了越来越多的关注。
2. 数据获取与处理

2.1数据获取

本研究依托某500kV线路工程对激光点云的高程精度、断面精度进行分析。工程全长约58km，线路所经地形为平原、山地、高山地形，按植被覆盖程度分无植被、稀疏植被、茂密植被三种情况，沿线海拔在260m-1030m之间。试验选用的机载激光系统为Leica ALS80，系统搭载RCD30相机，飞行平台为运-5型飞机，航摄实施时间为2016 年5月中旬，采集了激光点云和航空影像数据。航线敷设参数见表1。
表1 航线敷设参数
比例尺
 相对航高（m）
 飞机地速（km/h）
 点密度（个/㎡）
 点云条带宽度（km）
 点云重叠度（%）
 影像分辨率（m）
 影像航向重叠度
 影像幅宽（m）
1:38000
 2000
 180
 4
 2-3
 单航
 0.27
 80%
 2700

输电线路工程总体走向为为由北向南，全线共设计8条航线，由北向南依次编号为108-101，见图1所示。
基于机载激光点云的线路断面自动提取及精度分析
图1 航带设计示意图

2.2数据处理

数据处理包括激光数据预处理和激光点云分类。激光点云数据预处理的目的是将采集到的原始点云数据，经过POS解算、检校场检校、坐标系统转换等处理，计算得到工程应用坐标系统下的标准格式的点云数据，为后期激光点云分类提供数据基础。
激光点云包含了各种地面、 建筑物、 植被等地理表面的三维坐标信息，在工程应用前必须剔除建筑物、 植被等高度信息对数字地面模型的影响，利用分类后的地面点构建高精度的数字地面模型。因此，点云数据分类是一个非常关键，且数据量巨大的数据后处理工作[12]。根据相关规程对输电线路工程数字高程模型精度分级处理的要求[7]，对不同的区域范围实行差异化的处理方式。
初步编辑对应于三级精度要求，覆盖全部范围。处理成果要求所有噪点完全剔除，初步正确分类地面点且无重大错漏，航带接边完好。数据用以方案必选和判断方案可行性判断。
完全编辑对应与二级精度要求，线路两侧各100m范围。在初步编辑成果的基础上， 完全编辑点云模型细部，由地面点构建的模型规则合理，沟、坎、路等地物特征处形状完整合理，真实表达地表信息。数据用以方案的优化和初步设计的杆塔排位。
精确编辑对应于一级精度要求，设计边线范围内。 在完全编辑的基础上，精细化点云构建的数字地面模型， 处理因植被引起的毛刺，在影像成果辅助条件下加入特征线信息， 使模型精确切合真实地理。数据用来自动提取断面，绘制平面，进行施工图阶段的杆塔排位和校验。
试验工程部分地形较为复杂，存在高山地区及局部陡坡，地物类别也比较复杂，分类时可能会被错误的滤波。人工编辑过程中以下几种情况易出现错误。
1）大型地物：在多数激光分类滤波算法中，为了保证细节地物信息得到保留，滤波方法有邻域比较范围，如果比较范围太小，大型地物容易被错误滤波；
2）小型和低矮地物：地物点面积较小、离地面较近时，较难实现与真实地面进行分离；
3）复杂地形：在城市地区、地形破碎山区，建筑物、植被等地物交错地区，在对这些地形进行滤波时容易产生误差；
4）地形断裂处：在测区山区部分，尤其是西部高山地区，由于地形坡度变化较大，个别地形断裂且有植被覆盖的地区，往往会产生一定的分类误差；
5）斜坡建筑和植物：由于在斜坡上本身地形具有一定的起伏，因此分类特征不够明显。在斜坡上的植被和斜坡上的建筑物也是滤波的关键和难点。
针对以上几种情况，在进行激光点云分类人工编辑工作时仔细辨别。分类结果进行检查。通过点云分类显示、按高程显示等方法，对有疑问处根据断面图及影像图进行查询、分析。地面点检查可以通过建立地面模型的方法，对模型中不连续、不光滑处，绘制断面图进行查看，对分辨不清的部分，根据对应影像检查分类结果。
3. 点云高程精度评价

3.1 试验方案

为了验证机载激光雷达高程，试验工程通过外业方式布设了大量检查点，检查点选择在硬质路面或房顶的位置，便于排除其它影响因素。检查点沿初设线路中心附近，包括了平地、丘陵、山地等多种地形，以实现对激光点云高程全面进行精度分析。
通过TerraSolid软件中的控制点检查功能，将激光点云与外业测量检查点的高程坐标进行自动比较，统计测区内精度情况，并对统计过程中出现的较大的点进行分析，排除干扰点。以航带为单位，对外业检查点检查结果进行统计，得到激光点云高程精度统计数据见表2。由中误差统计结果可见，各个航带激光点云与外业控制测量结果比较得到的高程中误差值在0.13m以下。
表2 激光点云高程精度统计表
航带号
 检查点数量
 最大值
 最小值
 平均值
 中误差
101
 55
 0.042
 -0.240
 -0.098
 0.116
102
 34
 0.094
 -0.240
 -0.005
 0.065
103
 34
 0.133
 -0.255
 -0.112
 0.092
104
 25
 0.265
 -0.291
 -0.028
 0.125
105
 23
 0.278
 -0.265
 0.018
 0.097
106
 18
 0.216
 -0.357
 -0.027
 0.114
107
 34
 0.262
 -0.198
 0.051
 0.083
108
 25
 0.119
 -0.158
 0.033
 0.060

3.2高程精度影响因素

未参与高程精度评定的差值较大的检查点有32个。经逐个分析发现影响其高程精度的因素主要有以下几个因素：
1）二类高程误差。激光点云脚点的真实位置实际未知，与激光扫描推算出的位置两者本身就存在一个误差；当在地面起伏较大或者有一定的坡度时，由于平面定位误差的存在，造成二类高程误差[13]。
2）点云稀疏插值误差。虽然激光具有一定的穿透力，在穿透较为茂密树林，由于树叶和树干的反射，导致达到地面的激光点较少，无法精确描述地面高程，通过少量点内插的高程误差较大。
3）分类错误引起的误差。分类处理中人们设计了一定的规则对获取的数据进行滤波分类，提取地形、植被、建筑物等有用的数据。但由于受到地形条件、地物密集程度和复杂程度，地物空间尺度和高度，激光脚点的密度等各种因素影响，激光雷达滤波算法的效果也有所差别，造成滤波分类误差。
4. 断面提取及精度分析

4.1格式解析及文件读取

LiDAR数据具有海量存储，回波信号属性信息丰富的特点。目前国际上采用的LiDAR数据存储格式包括ASCII文本、栅格以及二进制格式等。由于ASCII文本数据占用空间大，数据长度很难固定，不容易建立索引，栅格文件需要对不规则的离散激光点进行内插损失精度等，而一些硬件厂商采用的自定义二进制记录格式通常针对特定的硬件设备和数据处理软件，难以实现数据共享。美国摄影测量与遥感(ASPRS)协会下的LiDAR 委员会发布的制定了LiDAR数据的标准交换格式——LAS格式。LAS文件格式于2002年首先确定第1个版本(1.0)，此后不断地更新完善发展了1.1版本和目前最新的2.0版本。LAS格式较好地顾及了LiDAR数据的特点，其结构合理，便于扩展，有力地推动了LiDAR数据处理软件的发展和LiDAR应用的普及[14-15]。本研究通过对Lidar格式的解析，利用内存映射文件的方式实现了对GB级LAS格式激光点云的快速读取。

4.2不规则网高程内插

为了减少由于栅格文件对不规则离散激光点进行内插带来的精度损失，试验直接通过读取LAS数据，利用不规则离散点构建Delaunay三角格网，实现高程的内插。美国加州大学伯克利分校Jonathan Richard Shewchuk提出了生成三角格网的精细化过程，凭借作品Triangle获得了2003年数值计算软件威尔金森奖，在其网页上提供了强大的三角剖分函数库，不仅能满足一般Delaunay三角剖分（DT）、约束Delaunay三角剖分（CDT）还能输入最小角度或最大面积条件加密三角形（CCDT），并能处理边界内的洞。试验通过开源代码实现了激光点云构建三角格网，并快速检索三角形，进行高程内插[16]。

4.3断面高程精度评定

试验工程使用GNSS RTK的方式在野外沿断面中心线测量了140个桩位高程，桩位多数处于野外地面，且有一部分处于植被下。利用激光点云对每个桩位的高程进行直接内插，内插高程与外业测量高程的误差分布如图2所示，横轴为误差大小，纵轴为出现的次数。
基于机载激光点云的线路断面自动提取及精度分析
图2桩位误差值统计分布图
将误差值按照不同的数值区间使用不同的颜色进行显示，对应的测区位置上，如图3所示，误差较大的点主要集中在线路中段的位置。结合激光点云数据进行分析，线路在中段位置有较多的树木，部分区域树木极其茂密，存在激光点云无法穿透植被的情况，导致地面激光点稀疏，无法准确的分类出真实的地面点。图4中绿色为植被点，方框位置为外业测量高程值，品红色为地面激光点，两者存在明显的差异，导致误差产生。通过对点云数据的检查分析发现，有一部分植被茂密区域的植被类的点云划分为了地面点，使这些点的高程大于外业测量结果，产生较大误差。
基于机载激光点云的线路断面自动提取及精度分析 基于机载激光点云的线路断面自动提取及精度分析
图3 误差按所在测区位置分布情况图
基于机载激光点云的线路断面自动提取及精度分析
图4 激光点云分类断面示意图
实际工程中桩位受环境影响，多数放置在松软地面上，受植被遮挡和影响的情况也较多，3.1中选择布设在硬质路面或房顶的检查点检验了数据本身的精度情况，而桩位高程误差统计情况考虑了植被因素的影响，反应了实际工程的断面精度。因此，为了分析植被疏密程度对断面精度的影响情况，本次试验对照影像数据的植被情况，将全线划分为无植被、稀疏植被、茂密植被区域（划分区域见图3），分别对三个区域的断面精度情况进行统计,得到的统计情况见表3。
表3 不同植被情况断面精度统计
植被情况
 地形情况
 中误差(m)
 误差均值(m)
茂密植被
 山地、丘陵
 0.857
 0.736
稀疏植被
 山地
 0.476
 0.227
无植被
 山地
 0.196
 0.038

由统计结果可发现，在无植被、稀疏植被情况下，提取的高程精度可以满足断面精度要求（丘陵、山地：0.5m），在实际工程中可以直接使用。而在植被茂密区域LiDAR点云分类成果不能精确描述地形变化，无法直接利用其自动提取断面，因此在这些区域还需要使用影像成果通过航测方式进行内业测图，但与常规航测相比，机载LiDAR系统集成了POS系统，具有更好的空三作业效率。
5. 地物绘制及平断面改进
高密度的地面激光点云可以快速内插出高精度的中心线、左右边线断面，平面地物的绘制则可以利用高分辨率正射影像数据进行人工绘制完成。试验将纠正后的正射影像叠加在平面上，作为平面图的参照底图，如图5所示。利用正射影像可以在平面上精确绘制出平面地物的位置，如房屋、池塘、道路、地类界等。结合外业调绘的道路名称、等级以及电力线、通讯线等级和高度，可以准确绘制交叉跨越地物高度描述其属性。 基于机载激光点云的线路断面自动提取及精度分析
图5平面地物绘制方法
相对于传统的平断面图，利用激光点云数据和影像数据绘制平断面图，能够准确的描述地形起伏细节变化，杜绝了因山头错漏而导致的质量和安全事故。而且，通过在断面图上加载树木的激光点云数据，如图6所示，能够准确反映真实的现场树木的生长高度，比现场大范围目测和估算更加准确。
基于机载激光点云的线路断面自动提取及精度分析
图6断面图绘制改进
6. 结论
本文结合实际架空输电线路工程项目，针对LiDAR 技术在线路勘测中的优势，利用激光点云数据自动提取断面，并对激光点云数据、自动内插的断面精度情况进行评价，分析了影响断面高程精度的主要因素。通过对激光点云按区域范围分级处理，可以减少点云分类的数据工作量，提供断面图高程精度。在无植被和植被稀疏的情况下，可以使用激光点云数据直接提取线路断面，对于植被密集区域地面激光点密度不够的问题，可以通过构建立体像对进行航摄测图在一定程度上进行改善。正射影像图以及调绘信息能够满足平面图绘制需要，而植被点云数据对反应断面树高信息有重要意义。


我的更多文章

下载客户端阅读体验更佳

APP专享