基于多源遙感數(shù)據(jù)的地理信息質(zhì)量檢測

李 沖，李昊霖，佘 毅

(四川省測繪產(chǎn)品質(zhì)量監(jiān)督檢驗站，成都 610041)

0 引言

地理信息產(chǎn)品的質(zhì)量檢測除檢查其數(shù)據(jù)組織、定義以及內(nèi)部邏輯關(guān)系的正確性外，其數(shù)學(xué)精度和要素屬性正確性是其中重要的檢查內(nèi)容[1-2]。由于這2項檢查內(nèi)容工作量大，目前主要采用抽樣后人工外業(yè)實地比對檢查的方式。數(shù)學(xué)精度的檢查主要采用RTK、全站儀實地采集檢測點統(tǒng)計精度的方式；要素屬性正確性主要采用實地對照檢查的方式。這種方式易受交通條件、檢查人員責(zé)任心以及檢查經(jīng)驗等諸多因素的影響，且檢查數(shù)據(jù)的覆蓋范圍有限，已不適合當(dāng)前大范圍、高質(zhì)量要求的地理信息產(chǎn)品質(zhì)量檢測評估的需要[3-5]。

本研究提出了利用低空航空器搭載多傳感器獲取影像、激光點云和視頻等多源遙感數(shù)據(jù)，進(jìn)行配準(zhǔn)、融合處理后，快速檢測各類地物的數(shù)學(xué)精度及評估地理要素屬性正確性的方法，可有效解決人工外業(yè)檢查效率低、客觀性受人為因素影響大的問題。

1 基于多源遙感數(shù)據(jù)的質(zhì)量檢測流程

基于多源遙感數(shù)據(jù)的地理信息產(chǎn)品質(zhì)量檢測總體流程如圖1所示。

圖1 基于多源遙感數(shù)據(jù)的產(chǎn)品質(zhì)量檢測流程Fig.1 Flow chart of quality inspection technology

具體步驟如下：①多源數(shù)據(jù)獲取，先根據(jù)待檢地理信息產(chǎn)品的空間范圍確定航攝范圍，然后利用搭載有激光雷達(dá)、相機(jī)和定位定姿系統(tǒng)等設(shè)備的航空器獲取點云、影像、視頻以及位置與姿態(tài)數(shù)據(jù)(position and orientation system，POS)等多源數(shù)據(jù)；②多源數(shù)據(jù)融合，基于POS與點云、影像、視頻等數(shù)據(jù)的時間關(guān)聯(lián)關(guān)系，利用相關(guān)幾何模型地理化處理多源遙感數(shù)據(jù)，隨后基于空間位置與屬性配準(zhǔn)、融合處理多源遙感數(shù)據(jù)和待檢數(shù)據(jù)；③地理信息產(chǎn)品質(zhì)量檢測，聯(lián)動顯示、疊加比對融合數(shù)據(jù)與待檢數(shù)據(jù)，采集同名特征點分類檢測地物的數(shù)學(xué)精度，利用目視解譯法評估地物的自然屬性。

2 基于位置與屬性的多源數(shù)據(jù)融合

機(jī)載原始影像、視頻和激光雷達(dá)數(shù)據(jù)不具有空間關(guān)聯(lián)關(guān)系，不利于多源低空遙感數(shù)據(jù)的信息整合，也不便于與待檢數(shù)據(jù)比對分析，因此，在執(zhí)行質(zhì)量檢測前，需配準(zhǔn)處理激光點云、影像、視頻和待檢數(shù)據(jù)。

2.1 多源遙感數(shù)據(jù)地理化處理

首先，采用動態(tài)差分法聯(lián)合解算地面基準(zhǔn)站、定位定姿設(shè)備數(shù)據(jù)獲得高精度POS數(shù)據(jù)；然后，利用POS數(shù)據(jù)的位置與姿態(tài)信息幾何化處理多源數(shù)據(jù)，將影像、激光點云和視頻數(shù)據(jù)統(tǒng)一歸算到同一參考坐標(biāo)系下[6-10]。

2.1.1 機(jī)載影像幾何處理

基于幾何約束條件快速匹配影像，在POS數(shù)據(jù)輔助下進(jìn)行空三平差，隨后對測區(qū)機(jī)載影像進(jìn)行正射糾正、鑲嵌、勻色，生成正射影像。

2.1.2 機(jī)載激光點云絕對定位

基于機(jī)載激光雷達(dá)對地定位模型，融合處理POS數(shù)據(jù)的點位信息、姿態(tài)信息與激光掃描儀獲取的角度、距離信息，自動生成具有絕對高精度三維空間坐標(biāo)的激光點云。

具體方法為：假設(shè)空中有一指向地面的向量S，其指向由飛行平臺的姿態(tài)信息(φ,ω,κ)描述，如果測出該向量的起始點OS的坐標(biāo)為(XS,YS,ZS)，那么該向量指向地面的另一端點PW坐標(biāo)(X,Y,Z)能夠唯一確定，如圖2所示。其中向量S的模由激光掃描儀通過測距獲得，(φ,ω,κ)與(XS,YS,ZS)由機(jī)載POS設(shè)備和偏心改正數(shù)等提供。

圖2 機(jī)載激光點云絕對定位模型Fig.2 Absolute positioning model

激光點的絕對定位模型表達(dá)式為

PW=PGPS+RWRGEORINS(RluRlbs+l0)，

(1)

式中：PGPS為天線相位中心在WGS84坐標(biāo)系中的坐標(biāo)；RW為從局部橢球系統(tǒng)到WGS84坐標(biāo)系的轉(zhuǎn)換矩陣；RGEO為導(dǎo)航坐標(biāo)系到局部橢球系統(tǒng)的轉(zhuǎn)換矩陣；RINS為慣性測量單位所在的載體坐標(biāo)系到導(dǎo)航坐標(biāo)系的轉(zhuǎn)換矩陣；Rlu為激光掃描儀坐標(biāo)系到載體坐標(biāo)系的轉(zhuǎn)換矩陣；Rlb為瞬時激光光束坐標(biāo)系到激光掃描儀坐標(biāo)系的轉(zhuǎn)換矩陣；s為激光點在激光光束坐標(biāo)系中的坐標(biāo)；l0為全球定位系統(tǒng)接收機(jī)的天線相位中心到激光發(fā)射中心的偏向分量[11]。

2.1.3 機(jī)載視頻數(shù)據(jù)地理化處理

視頻數(shù)據(jù)地理化處理的關(guān)鍵是建立視頻數(shù)據(jù)和實際地理位置的對應(yīng)關(guān)系。首先，根據(jù)視頻創(chuàng)建時間和幀率推算每一幀視頻影像的創(chuàng)建時間；然后，以視頻幀的時間戳為基準(zhǔn)，線性擬合POS數(shù)據(jù)獲取該視頻幀的位置與姿態(tài)信息；最后，根據(jù)機(jī)載影像幾何定位模型確定該視頻幀的地理位置。

由于視頻數(shù)據(jù)屬于高時間分辨率影像數(shù)據(jù)，存在大量重復(fù)的冗余信息，必須按照一定的規(guī)則提取關(guān)鍵幀，常用規(guī)則有圖像內(nèi)容法、鏡頭邊界法和運動分析法等。本文在使用視頻數(shù)據(jù)時直接將其當(dāng)作一幅幅影像，用于補充常規(guī)影像數(shù)據(jù)視角與地物細(xì)節(jié)信息的不足。

2.2 多源數(shù)據(jù)互配準(zhǔn)

2.2.1 多源遙感數(shù)據(jù)互配準(zhǔn)

由于執(zhí)行低空遙感任務(wù)的設(shè)備均需進(jìn)行檢校，因此，多傳感器設(shè)備相對地面的空間位置關(guān)系穩(wěn)定可靠，基于幾何模型地理化處理獲取的多源遙感數(shù)據(jù)，相互間空間位置差異較小，地物屬性特征具有較強(qiáng)的一致性，因此可基于各數(shù)據(jù)間的空間位置關(guān)系，快速配準(zhǔn)、融合處理多源遙感數(shù)據(jù)。

2.2.2 融合數(shù)據(jù)與待檢數(shù)據(jù)配準(zhǔn)

當(dāng)待檢數(shù)據(jù)空間位置不存在系統(tǒng)性誤差時，可直接基于融合數(shù)據(jù)、待檢數(shù)據(jù)的空間位置關(guān)系配準(zhǔn)待檢數(shù)據(jù)與融合數(shù)據(jù)，實現(xiàn)待檢數(shù)據(jù)與融合數(shù)據(jù)的聯(lián)動顯示、疊加分析，進(jìn)而評測產(chǎn)品的質(zhì)量。

當(dāng)待檢數(shù)據(jù)存在較大的系統(tǒng)性誤差時，須先基于待檢數(shù)據(jù)與融合數(shù)據(jù)上同名地物屬性特征的一致性，選取多對同名地物特征點；然后，利用仿射變換糾正待檢數(shù)據(jù)，進(jìn)而實現(xiàn)融合數(shù)據(jù)與待檢數(shù)據(jù)的配準(zhǔn)。當(dāng)然，檢測地理信息產(chǎn)品數(shù)學(xué)精度時需考慮仿射變換對數(shù)學(xué)精度檢測結(jié)果的影響。仿射變換采用6參數(shù)，其表達(dá)式為

(2)

式中：x′和y′為待檢數(shù)據(jù)上的平面位置坐標(biāo)；x和y為融合數(shù)據(jù)上同名地物特征點的平面位置坐標(biāo)；a0，a1，a2，b0，b1和b2分別為變換參數(shù)。

3 質(zhì)量檢測

基于配準(zhǔn)融合后的激光點云和影像等數(shù)據(jù)，首先執(zhí)行要素提取操作；然后利用要素分類信息分類檢測地理信息產(chǎn)品的數(shù)學(xué)精度，評估要素屬性信息的正確性。具體步驟如圖3所示。

圖3 質(zhì)量檢測步驟Fig.3 Steps of quality inspection

3.1 要素提取

綜合利用影像與視頻數(shù)據(jù)的光譜特征和激光點云的高程信息與反射強(qiáng)度信息，將激光點云數(shù)據(jù)分為建筑物、道路等外業(yè)巡檢重點關(guān)注的地物類別，為地物數(shù)學(xué)精度分類檢測和屬性信息快速評估奠定基礎(chǔ)。但當(dāng)獲取得到的多源遙感數(shù)據(jù)質(zhì)量較好，在影像與激光點云上容易直觀分辨出地物類別時，可不執(zhí)行要素提取操作。

要素提取方法如下：首先，利用高程信息將地物分為地面和非地面地物；然后，利用植被覆蓋指數(shù)、強(qiáng)度和強(qiáng)度標(biāo)準(zhǔn)差等依次將地面地物分為植被和道路，利用植被覆蓋指數(shù)、高程標(biāo)準(zhǔn)差和強(qiáng)度等從非地面地物中提取出建筑物[12-14]。

3.2 地物類別標(biāo)注

為便于快速分類檢測數(shù)學(xué)精度和評估地物屬性信息的正確性，基于ArcEngine研發(fā)了屬性值標(biāo)注功能模塊，該模塊能夠標(biāo)注顯示待檢地理要素的屬性值或基于對照表自動顯示出要素編碼對應(yīng)的中文地物類別。

3.3 數(shù)學(xué)精度分類檢測

數(shù)學(xué)精度分類檢測主要分為同名檢測點選取和數(shù)學(xué)精度分類統(tǒng)計2個步驟。

3.3.1 同名檢測點選取

基于機(jī)載激光點云與影像數(shù)據(jù)的高程和紋理信息，結(jié)合要素類別信息，分類選取特征明顯、同名點對應(yīng)明確的三維檢測點。在選取同名檢測點時，可以根據(jù)實際地物情況選擇能夠突出地物局部特征的點云渲染模式，如按類別渲染、高程渲染和強(qiáng)度渲染等。

3.3.2 數(shù)學(xué)精度分類統(tǒng)計

利用已選取的同名檢測點，依據(jù)相關(guān)地理信息產(chǎn)品質(zhì)量檢驗標(biāo)準(zhǔn)，按類別統(tǒng)計地物數(shù)學(xué)精度，數(shù)學(xué)精度采用中誤差表達(dá)，其表達(dá)式為

(3)

(4)

式中：M表示中誤差；n表示檢測點總數(shù)。

3.4 屬性信息快速評估

要素屬性信息快速評估主要包括要素完整性評估和屬性信息核查2個方面，評估方式為“基于空間位置分析評估要素屬性值和融合數(shù)據(jù)地物特征的一致性”。

3.4.1 要素完整性評估

基于機(jī)載影像與視頻數(shù)據(jù)面狀、高空間分辨率的紋理信息，快速目視解譯地物屬性，檢測待檢數(shù)據(jù)是否存在地物多余、地物遺漏以及地物類別錯誤等問題。

3.4.2 屬性信息核查

利用激光點云數(shù)據(jù)提供的三維地形信息，核查待檢數(shù)據(jù)地物高程相關(guān)屬性值的正確性；或結(jié)合影像紋理提供的車道數(shù)、路寬等信息，評估相關(guān)要素屬性信息的正確性。

4 實例分析

為驗證所提地理信息產(chǎn)品質(zhì)量檢測技術(shù)的有效性，本研究基于ArcEngine自主研制了一套地理信息產(chǎn)品質(zhì)量檢測軟件系統(tǒng)。該系統(tǒng)具有多源遙感數(shù)據(jù)疊加或聯(lián)動顯示、點云渲染顯示、數(shù)學(xué)精度分類檢測和屬性信息快速評估等功能。采用的試驗數(shù)據(jù)為位于四川省都江堰市某區(qū)域的多源低空遙感數(shù)據(jù)，面積為25 km2，待檢數(shù)據(jù)為2017年的地理國情監(jiān)測成果，試驗數(shù)據(jù)詳細(xì)信息如表1所示。

表1 試驗數(shù)據(jù)信息Tab.1 Information of test data

4.1 數(shù)學(xué)精度分類檢測

基于多源融合數(shù)據(jù)分類選取數(shù)學(xué)精度同名檢測點，如圖4所示。

圖4 數(shù)學(xué)精度檢測點選取Fig.4 Acquisition of mathematical precision point

檢測步驟為：基于空間位置聯(lián)動顯示待檢數(shù)據(jù)、激光點云與影像，然后分公路、城市道路、建筑物和水系等類別，依次在待檢數(shù)據(jù)和參考數(shù)據(jù)上選取特征明顯的同名檢測點，選取足夠的檢測點后，執(zhí)行一鍵式地物數(shù)學(xué)精度分類統(tǒng)計，統(tǒng)計結(jié)果如圖5所示。

圖5 分類別的要素數(shù)學(xué)精度Fig.5 Sub-category mathematical precision

從數(shù)學(xué)精度統(tǒng)計結(jié)果可以看出，公路的中誤差為3.287 m，城市道路的中誤差為2.979 m，建筑物的中誤差3.371 m，水系的中誤差為3.279 m，全類別的中誤差為3.218 m，精確反映了該區(qū)域地理國情監(jiān)測成果總體及各類別地物的數(shù)學(xué)精度狀況。

4.2 屬性信息快速評估

4.2.1 要素完整性評估

基于空間位置將待檢成果與具有精細(xì)紋理信息的影像透明化疊加，并標(biāo)注待檢地理要素的地物類別，經(jīng)人工目視解譯，可以明顯看出圖6中待檢成果遺漏重要高層建筑物。

圖6 要素完整性評估Fig.6 Integrity assessment of geographical element

4.2.2 屬性信息核查

基于空間位置聯(lián)動顯示待檢數(shù)據(jù)與激光點云數(shù)據(jù)，通過讀取激光點云上建筑物與其周邊地表的高程，并計算兩者的差值，可以判斷該建筑物的“地理國情信息分類碼”屬性值錯為“低矮房屋”，實際為“多層房屋”，如圖7所示。

圖7 屬性信息核查Fig.7 Quality inspection of feature attributes

4.3 結(jié)果分析

為評估所提方法的檢測效率和可靠性，針對上述試驗從時間、檢測結(jié)果2個方面與人工外業(yè)檢測方式進(jìn)行了對比分析。

4.3.1 質(zhì)量檢測效率

檢測數(shù)據(jù)獲取及處理時間對比結(jié)果如表2所示。

表2 檢測數(shù)據(jù)獲取及處理時間對比Tab.2 Time comparison for obtaining and processing test data (h)

從表2可以看出，同樣獲取覆蓋25 km2地表范圍內(nèi)全地物類別、且能用于數(shù)學(xué)精度檢測與屬性評估的數(shù)據(jù)，本文方法共需約28 h，傳統(tǒng)人工方式需約88 h，本文所提方法獲取檢測數(shù)據(jù)的效率約是傳統(tǒng)人工方式的3.2倍，大幅度提高了檢測數(shù)據(jù)獲取效率，為大范圍、大數(shù)據(jù)量地理信息產(chǎn)品的質(zhì)量檢測評估提供了高效手段。

4.3.2 質(zhì)量檢測可靠性

從產(chǎn)品數(shù)學(xué)精度檢測結(jié)果(表3)可以看出，2種地物數(shù)學(xué)精度檢測方式得到的中誤差分別為3.2 m和3.0 m，數(shù)值非常接近，說明本文方法與人工外業(yè)檢測得到的數(shù)學(xué)精度較一致，都具有較高可信度。同時，本文方法是按公路、城市道路、建筑物、水系及全地物類別評測產(chǎn)品的數(shù)學(xué)精度的，而傳統(tǒng)人工外業(yè)檢測僅統(tǒng)計了產(chǎn)品的總體數(shù)學(xué)精度，且本文方法融合數(shù)據(jù)能夠提供的備選數(shù)學(xué)精度檢測點達(dá)1 000余個，為待檢數(shù)據(jù)數(shù)學(xué)精度全面檢測提供了充足的參考數(shù)據(jù)源，但是傳統(tǒng)人工外業(yè)檢測若另需數(shù)學(xué)精度檢測點，仍需再次進(jìn)行外業(yè)采集。

表3 產(chǎn)品數(shù)學(xué)精度檢測結(jié)果對比Tab.3 Comparison of mathematical precision

從產(chǎn)品屬性評估結(jié)果(表4)可以看出，本文方法與傳統(tǒng)人工外業(yè)檢測出的屬性錯誤總數(shù)分別為50個和35個，傳統(tǒng)人工外業(yè)檢測相比本文方法漏檢測15個錯誤，漏檢比例為30%。經(jīng)逐個對比分析2種方法的錯誤記錄發(fā)現(xiàn)：人工外業(yè)檢測中漏檢測的錯誤均位于地形條件復(fù)雜、道路不通達(dá)、質(zhì)檢人員難以到達(dá)的特殊區(qū)域，而本文方法可直接從空中視角俯瞰此類區(qū)域。

表4 產(chǎn)品屬性評估結(jié)果對比Tab.4 Comparison of attribute evaluation results (個)

因此，本文方法相比傳統(tǒng)人工外業(yè)檢測，在地物的數(shù)學(xué)精度檢測與屬性評估方面具有全面、分類、精確等優(yōu)點，大幅提升了地理信息產(chǎn)品質(zhì)量檢測的可靠性，并滿足了地理信息產(chǎn)品數(shù)學(xué)精度精細(xì)化分類檢測的新需要。

5 結(jié)論

針對現(xiàn)有地理信息產(chǎn)品巡檢方式勞動強(qiáng)度大、成本高、效率低、客觀性差等問題，本研究提出了一種基于低空多源遙感數(shù)據(jù)的地理信息要素數(shù)學(xué)精度分類檢測和屬性信息快速評估方法，并基于Arc-Engine自主研制了一套地理信息產(chǎn)品質(zhì)量檢測軟件系統(tǒng)。經(jīng)實例驗證，本文方法相比傳統(tǒng)人工外業(yè)檢測方式，具有效率高、可靠性好、結(jié)果可溯源等優(yōu)勢，同時，還可以降低質(zhì)檢人員的外業(yè)工作量，減少質(zhì)檢人員的安全隱患。在大幅提升質(zhì)量檢測的客觀性、科學(xué)性方面，具有良好的應(yīng)用價值。