• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      機載LiDAR鐵路測繪關鍵技術及應用

      2016-01-25 02:41:02武永斌盧小平陳曦東錢小龍李國清于海洋
      測繪通報 2015年9期

      武永斌,盧小平,陳曦東,錢小龍,李國清,于海洋

      (1. 礦山空間信息技術國家測繪地理信息局重點實驗室(河南理工大學,河南省測繪地理信息局),

      河南 焦作 454003; 2. 河南省遙感測繪院,河南 鄭州 450003)

      WU Yongbin,LU Xiaoping,CHEN Xidong,QIAN Xiaolong,LI Guoqing,YU Haiyang

      機載LiDAR鐵路測繪關鍵技術及應用

      武永斌1,2,盧小平1,陳曦東1,錢小龍1,2,李國清1,2,于海洋1

      (1. 礦山空間信息技術國家測繪地理信息局重點實驗室(河南理工大學,河南省測繪地理信息局),

      河南 焦作 454003; 2. 河南省遙感測繪院,河南 鄭州 450003)

      Key Technology of Surveying and Mapping in Railway and Application Based on Airborne LiDAR

      WU Yongbin,LU Xiaoping,CHEN Xidong,QIAN Xiaolong,LI Guoqing,YU Haiyang

      摘要:利用機載LiDAR點云數據提供的鐵路地物形狀特征與影像的灰度、光譜、紋理等信息進行了匹配、融合,對鐵路專題要素信息的自動提取關鍵技術進行了研究,根據不同地物的特征提出了相應的自動提取方法,實現了對軌道及鐵路附屬設施要素的自動識別與提取,并在鄭州鐵路局進行了規(guī)?;瘧?,顯著提升了鐵路測繪的自動化水平,為既有鐵路測繪和地理信息數據快速更新提供了重要的技術支撐和安全保障。

      引文格式: 武永斌,盧小平,陳曦東,等. 機載LiDAR鐵路測繪關鍵技術及應用[J].測繪通報,2015(9):64-67.DOI:10.13474/j.cnki.11-2246.2015.0281

      關鍵詞:機載LiDAR;鐵路測繪;鐵路專題要素;軌道提取

      中圖分類號:P234.4

      文獻標識碼:B

      文章編號:0494-0911(2015)09-0064-04

      收稿日期:2015-05-05

      基金項目:河南省高校創(chuàng)新團隊支持計劃項目(14IRTSTHN026);河南省創(chuàng)新型科技創(chuàng)新團隊支持計劃

      作者簡介:武永斌(1974—),男,高級工程師,研究方向為攝影測量與遙感。E-mail: wyb3808@126.com

      通信作者:盧小平

      一、引言

      鐵路是國家的重要基礎設施,在綜合交通運輸體系中處于骨干地位。特別是經過六次大提速,鐵路運營維護和日常管理對鐵路專題要素信息的勘測精度要求越來越高。目前,我國既有鐵路測繪主要依靠航空攝影測量和常規(guī)測量方式。由于光學航空攝影測量易受天氣條件和地形影響,無法在水域、林區(qū)等特殊地區(qū)進行鐵路橫斷面測量,且存在生產周期長、工作量大等因素,難以滿足當前鐵路勘測對鐵路專題要素提取、成圖周期及精度的要求。LiDAR技術的商業(yè)化應用,使航測制圖(如生成DEM、DLG和地物要素的自動提取)更加便捷,該技術已在我國鐵路勘測設計領域中得到應用。但是,在使用LiDAR技術進行鐵路測繪生產過程中,地物要素測繪目前主要依靠人工解譯的方法,不僅作業(yè)效率低,而且成圖質量易受作業(yè)員水平和責任心影響。因此,研究發(fā)展圖像解譯理論與方法,改變鐵路專題要素提取完全依靠人工的現狀,全面提升鐵路測繪技術的自動化水平,是測繪科技工作者急需解決的關鍵技術難題。

      本文將LiDAR點云數據提供的鐵路地物形狀特征與影像的灰度、光譜、紋理等信息進行匹配、融合,對鐵路專題要素信息的自動提取理論和方法進行研究,并根據不同地物的特征提出了相應的自動提取方法,實現了對軌道及鐵路附屬設施要素的自動識別與提取,完成了鄭州鐵路局管轄近3000 km的鐵路測繪任務,顯著提升了鐵路測繪的自動化水平,為既有鐵路測繪和地理信息數據快速更新提供了技術支撐和生產保障。

      二、基于點云的鐵路要素提取方法

      1. 點云數據預處理

      機載LiDAR點云數據處理過程:首先基于濾波處理后的點云數據結合GPS和慣性測量系統(tǒng)觀測數據,計算每個點云的三維坐標;然后檢測和去除其中的系統(tǒng)誤差和粗差點,采用自適應TIN(adaptive TIN,ATIN)方法濾波分離出地面點和非地面點;最后基于Kriging插值方法建立DEM。利用機載LiDAR第一次返回數據建立的數字表面模型(DSM),從DSM減去DEM可得到地物的高度信息,該模型被稱為nDSM(normalized digital surface model,nDSM)。利用nDSM提取建筑物、植被等,能夠直接消除地形的影響。

      2. 鐵路沿線土地覆蓋信息提取

      (1) 建筑物提取

      利用nDSM高度閾值提取建筑物候選分割對象,通常設置的閾值較小,以確保建筑物的完整性。由于鐵路沿線的農村房屋較低,閾值可設為1 m。靠近房屋的陰影有時會被錯分,由于陰影的亮度值很低,建筑物房頂通常亮度值較高,因此航空影像的波段均值可以消除建筑物候選對象中的陰影。

      提取DSM的標準差(σ)來區(qū)分高大植被與建筑物。與其他地物比較,房頂對象通常具有較低的DSM標準差。σ計算公式為

      (1)

      式中,σm為第m個分割對象的所有像元(n)DSM標準差;Pm為分割對象m像元集合;f(i,j)為像元(i,j)的DSM值。

      機載LiDAR雖然能夠提供更準確的高度信息,但地物邊界欠準確,而根據航空影像可以提取出準確的地物邊界。因此,使用光譜信息可以進一步改進房屋邊緣,將邊緣坡度較大區(qū)域中與房頂光譜一致的對象分類到房屋中。如果建筑物高度H的偏導數沿x和y方向均為已知,坡度Slope的計算式為

      (2)

      坡度閾值通過試錯法并綜合坡度圖像和坡度直方圖分布進行選取,區(qū)間定義為[40°,90°]。

      (2) 植被提取

      提取植被的綠度指數Greenness是由航空影像計算得到,即

      (3)

      式中,R、G、B分別為航空影像的紅、綠、藍波段。通過直方圖分析,植被和非植被綠度指數的閾值設為0.34。

      nDSM高度差異信息可用來區(qū)分喬木林地、 灌

      叢和農作物。由于4月份喬木、灌木長勢較高,而農作物較矮小,因此灌叢和林地的高度閾值分別設為0.5 m和1 m。

      (3) 鐵路區(qū)域提取

      鐵軌連同路基在局域范圍內形成地形,在平原地區(qū)尤其明顯(如圖1所示)。因此,通過對比分割對象與鄰域范圍的DEM高程均值的差值Hdiff可以識別鐵路。

      圖1 鐵路在DEM數據中的地形特征

      (4)

      式中:hobj為分割對象的高程;n為對象數量。鄰域范圍設為50 m,Hdiff為0.15 m。通過進一步面積閾值處理,可去除部分小噪聲的影響。

      3. 結果分析

      對航空影像目視解譯中,選取主要區(qū)域用于分類結果精度驗證,表1是分類結果混淆矩陣及精度評價結果。試驗提取了研究區(qū)7類地物類型,分別為建筑物、灌叢、林地、道路、鐵路和空地等,如圖2所示。

      表1 精度評價矩陣

      由表1可知,基于分割對象分類結果的總體精度達到了90.78%。其中建筑物、鐵路、道路、林地的分類精度較高,而農田與裸地由于受數據獲取時相的影響,分類精度略差。

      圖2 鐵路沿線土地覆蓋分類結果

      三、基于高密度點云數據的鐵路軌道線提取

      本文使用高密度LiDAR數據集并結合RANSAC算法進行特征提取,研究建立了一套基于高密度點云數據提取鐵軌線自動化程度高的技術流程,實現了軌道的準確、完整提取。

      1. 激光點云分類

      基于提取的掩膜圖像和高程信息及特征的數據融合方法,建立了軌道信息分類提取方法。該方法首先建立軌道的特征屬性,由于鐵軌具有明確、一致性的特征,定義的用于精確提取鐵軌的約束條件包括:①鐵軌高于道床一定的距離;②鐵路所在區(qū)域坡度較小。

      分類是在掩膜區(qū)域內,根據高于地面的某特定高程進行。首先確定鐵路點云,在半徑=0.5 m內搜索最低點并計算與其高差Δh(地物的歸一化高度);然后根據DEM計算坡度,并作為提取軌道的閾值條件。鐵路掩膜區(qū)內,符合下列條件即為軌道點,具體技術流程如下:

      1) Δh>0.15 m且Δh<0.4 m;

      2) 位于坡度∠15°的空間區(qū)域。

      對點云進行分類能夠濾除大部分人工物體,將軌道目標對象從鐵路掩膜點云中分離出來。

      2. 軌道提取

      利用改進的隨機采樣一致性(RANSAC)算法對軌道進行提取,并使用最小二乘(TLS)方法對提取出的曲線進行擬合。首先利用最多的數據點擬合鐵路軌道,屬于鐵路的所有點都選為內部點;然后確定直線或圓弧模型是否為這些點的最優(yōu)擬合模型,最優(yōu)平行模型的線間距為標準化軌距1435 mm。該算法不僅適合于發(fā)現一個估計模型,而且能提取出分塊中的所有軌道。將平行模型的所有內部點從數據中剔除,并從剩余的點云中開始新的計算,直到沒有更多的模型可以擬合為止。具體過程如圖3所示。

      圖3 基于點云的軌道提取過程

      3. 鐵路橫斷面提取

      鐵路橫斷面測量是為了反映鐵路垂直方向的地形起伏情況,橫斷面圖是路基設計及在施工時進行邊樁放樣、路基檢查及橋涵等構造物設計的基礎,是鐵路線路設計的重要基礎圖件。

      鐵路橫斷面分析主要包括:橫斷面的路基邊坡坡度、路基寬度和路基高程等參數?;跈C載LiDAR構建的DEM提取出鐵路橫斷面后,坡度模型可作為橫斷面的幾何特征進行分析。坡度反映了高程的最大變化率,可由橫斷面上提取的特征點擬合的直線斜率計算得到,其方向對應著坡向。曲線二階導數為零的點就是曲線拐點,即路面與坡向線的交叉點。曲線拐點是統(tǒng)計邊坡坡度和路基寬度的依據,路基寬度為穿過鐵路橫斷面頂部的兩個拐點間的距離。本文以鄭州鐵路局管轄的隴海鐵路某段作為試驗研究區(qū),提取的13個橫斷面參數見表2。

      由表2可知,3號斷面的路基寬度1、4號斷面的路基寬度2、8號斷面的路基寬度2、11號斷面的路基寬度1和13號斷面路基1的寬度均比較小,3、4、11號斷面的路基寬度明顯小于其他斷面,尤其是12號斷面的第3段坡度明顯小于其他坡度,原因是由于雨水沖刷、路基內部土質和結構變化引起碎石土層的滑落。為保障行車安全,將統(tǒng)計分析數據與鐵路設計數據進行對比分析,重點分析變化程度大的區(qū)域,不符合設計規(guī)范要求應及時進行維護。因此,對路基斷面幾何參數進行統(tǒng)計分析,可為鐵路穩(wěn)定性分析和日常運營維護提供技術支撐。

      表2 橫斷面參數統(tǒng)計分析表

      四、結束語

      本文以機載LiDAR技術作為鐵路測繪與地理信息更新的測繪手段,探索總結出一套DEM、DOM和鐵路DLG產品生產、鐵路要素自動提取等的生產技術流程和作業(yè)規(guī)范,解決了機載LiDAR用于鐵路測繪的關鍵技術問題,為既有鐵路勘測設計、線路改造、資產清查、應急搶險指揮決策等提供了可靠的技術支持和服務保障。

      參考文獻:

      [1]古林玉,盧小平,李英成,等.基于LiDAR點云與特征線的DEM更新方法[J].測繪通報,2011(2):17-20.

      [2]李怡靜,胡翔云,張劍清,等.影像與LiDAR數據信息融合復雜場景下的道路提取[J].測繪學報,2012,41(6):870-876.

      [3]胡偉,盧小平,盧遙,等.基于移動窗口的DEM數據優(yōu)化方法研究[J].測繪通報,2011(5):45-47.

      [4]盧小平,王玉鵬,盧遙,等.齊云塔激光點云三維重建[J].測繪通報,2011(9):11-14.

      [5]葛曉天,盧小平,王玉鵬,等.多測站激光點云數據的匹配方法[J].測繪通報,2010(11):15-17.

      [6]于海洋, 程鋼, 張育民, 等. 基于LiDAR數據和航空影像的地震災害倒塌建筑物信息提取[J]. 國土資源遙感, 2011(3):77-81.

      [7]YU Haiyang, LU Xiaoping, GE Xiaosan, et al. Digital Terrain Model Extraction from Airborne LiDAR Data in Complex Mining Area[C]∥Geoinformatics 2010.Beijing:[s.n.],2010.

      [8]YU Haiyang, CHENG Gang, GE Xiaosan. Object Oriented Land Cover Classification Using ALS and GeoEye Imagery over Mining Area[J]. Trans. Nonferrous Met. Soc. China, 2011,21:733-737.

      [9]YU Haiyang, ZHANG Yumin, CHENG Gang. Rural Residential Building Extraction from Laser Scanning Data and Aerophotograph Based on Quadtree Segmentation[C]∥RSETE 2011.Nanjing:[s.n.], 2011.

      [10]胡舉,楊遼,沈金祥,等.一種基于分割的機載LiDAR點云數據濾波[J].武漢大學學報:信息科學版,2012,37(3):69-72.

      [11]陳卓,馬洪超.基于機載LiDAR數據的大型立交橋三維建模方法[J].測繪學報, 2012, 41 (2): 252-258.

      [12]周夢維,柳欽火, 劉強,等. 全波形激光雷達和航空影像聯(lián)合的地物分類[J]. 遙感技術與應用, 2010,25(6):821-827.

      [13]吳杭彬.融合航空影像的機載激光掃描數據分類與特征提取[J].測繪學報, 2011, 40 (1): 134-134.

      [14]李卉,李德仁,黃先鋒,等. 一種漸進加密三角網LiDAR點云濾波的改進算法[J]. 測繪科學,2009,34(3):39-40.

      冕宁县| 岳阳县| 托克托县| 宁国市| 达孜县| 无极县| 丹阳市| 桐柏县| 邯郸市| 富裕县| 新干县| 遂昌县| 平湖市| 牡丹江市| 枣庄市| 广水市| 平安县| 平江县| 齐齐哈尔市| 综艺| 吴堡县| 柳州市| 云南省| 盐津县| 桂平市| 昌宁县| 孟津县| 武宁县| 黄骅市| 易门县| 松溪县| 天津市| 华安县| 延边| 孝昌县| 云和县| 安丘市| 石景山区| 顺昌县| 宁化县| 白朗县|