劉欣
摘要:河流地區(qū)的地理空間信息對于河流管理(如河流規(guī)劃,洪水分析和泥沙負(fù)荷分析)至關(guān)重要。無人機(Unmanned?Aerial?Vehicle,UAV)技術(shù)已廣泛應(yīng)用于獲取三維地形,其直接獲取的是數(shù)字表面模型(Digital?Surface?Model,DSM),包括地表植被、建(構(gòu))筑物等地物的高程信息。該文以北京市內(nèi)某河流為工程背景,使用區(qū)域增長算法,基于無人機獲取的點云數(shù)據(jù)提取地面點,創(chuàng)建區(qū)域數(shù)字高程模型(Digital?Elevation?Model,DEM),并使用虛擬參考站(Virtual?Reference?Station,VRS)和全站儀量測檢測點坐標(biāo),檢驗所獲取DEM的精度,驗證基于無人機點云數(shù)據(jù)創(chuàng)建DEM的有效性。因此,可以通過應(yīng)用基于區(qū)域增長算法的無人機點云來生成DEM,并將其有效地用于河流管理中。
關(guān)鍵詞:無人機??點云??區(qū)域增長法??河流地形數(shù)據(jù)
中圖分類號:P332;P23??文獻標(biāo)識碼:A
Research?on?the?Creation?of?the?River?DEM?Based?on?UAV?Point?Cloud?Data
LIU?Xin
(AVIC?Institute?of?Geotechical?Engineering?Co.,?Ltd.,?Beijing,?440001?China)
Abstract:?The?geospatial?information?of?river?areas?is?critical?for?river?management?(such?as?river?planning,?flood?analysis?and?sediment?load?analysis).?Unmanned?aerial?vehicle?(UAV)?technology?has?been?widely?used?to?obtain?3D?terrain,?and?it?directs?acquires?the?digital?surface?model?(DSM),?including?the?elevation?information?of?ground?objects,?such?as?surface?vegetation,?buildings?(structures),?etc.?This?paper?takes?a?river?in?Beijing?as?the?engineering?background,?uses?the?regional?growth?algorithm?to?extract?ground?points?from?the?point?cloud?data?obtained?by?UAV?and?create?the?digital?elevation?model?(DEM),?and?uses?the?virtual?reference?station?(VRS)?and?total?station?to?measure?the?coordinates?of?detection?points,?test?the?accuracy?of?the?obtained?DEM,?and?verify?the?effectiveness?of?creating?the?DEM?based?on?UAV?point?cloud?data.?Therefore,?the?DEM?can?be?generated?by?applying?UAV?point?clouds?based?on?the?regional?growth?algorithm,?and?it?will?be?effectively?used?in?river?management.
Key?Words:?UAV;?Point?cloud;?Region?growing?method;?River?terrain?data
河流周圍地區(qū)的4D產(chǎn)品對于河流的綜合管理至關(guān)重要,可以用于限制河流環(huán)境內(nèi)的過度開發(fā)和執(zhí)行災(zāi)害管理任務(wù)[1]。很多研究一直在利用地形數(shù)據(jù)進行河流管理任務(wù),如用于制訂基本的河流維護計劃、水利設(shè)施安裝、洪水分析和泥沙排放分析等[2]。
與傳統(tǒng)測圖方法相比,無人機攝影測量可獲取地表地物4D產(chǎn)品,獲取的信息更全面。近年來,基于無人機(Unmanned?Aerial?Vehicle,UAV)創(chuàng)建三維地形數(shù)據(jù)得到了廣泛應(yīng)用。無人機配備有全球衛(wèi)星導(dǎo)航系統(tǒng)(Global?Navigation?Satellite?System,GNSS)和慣性導(dǎo)航系統(tǒng)(Inertial?Navigation?System,INS),用于獲取位置信息的傳感器以及用于捕獲影像的攝像頭。此外,一些項目中已經(jīng)使用了能夠進行虛擬參考站(Virtual?Reference?Station,VRS)調(diào)查的無人機設(shè)備,從而可以更快地進行地形建模[3]。
基于無人機獲取三維地形的研究大多都集中在應(yīng)急防災(zāi)、城市規(guī)劃、林業(yè)和農(nóng)業(yè)上,這些應(yīng)用中獲取的地形數(shù)據(jù)為包括所有地形特征的數(shù)字表面模型(DigitalSurface?Model,DSM)影像。用于基本河流維護計劃開發(fā)、洪水建模和沉積物流量分析要使用數(shù)字高程模型(Digital?Elevation?Model,DEM)數(shù)據(jù),需要從無人機采集的DSM數(shù)據(jù)中消除植被等地物特征[4]。
基于無人機點云數(shù)據(jù)獲取DSM,應(yīng)用區(qū)域增長法創(chuàng)建DEM,選擇位于北京市某河流的一部分作為試驗區(qū)域,基于地面實測數(shù)據(jù)評估DSM和DEM數(shù)據(jù)的高程精度,驗證了基于無人機點云數(shù)據(jù)創(chuàng)建DEM的可靠性。
1點云數(shù)據(jù)獲取
試驗區(qū)域為北京的某條河流,選擇eBee(SenseFly,瑞士洛桑)作為獲取河流地形數(shù)據(jù)的無人機設(shè)備,該設(shè)備單次飛行的最大飛行時間為50?min,最大覆蓋范圍約為12?km2,搭載WX220(索尼)相機,焦距為4~25?mm[5]。
路線規(guī)劃采用eMotion軟件設(shè)計。無人機飛行高度195?m(分辨率為6?cm),橫向和縱向重疊分別設(shè)置為70%和85%。一次飛行可以捕獲大約1?km2的區(qū)域。
總共獲取了目標(biāo)區(qū)域的391張圖像。使用eMotion軟件包的“飛行數(shù)據(jù)管理器”功能進行地理標(biāo)簽處理,將位置信息(例如GNSS和INS信息)與每個圖像文件相關(guān)聯(lián),使用Pix4D軟件進行圖像鑲嵌處理。
2?DSM創(chuàng)建
基于Pix4D軟件??梢允褂谩皉ayCloud”技術(shù)來提高圖像中的三維點云數(shù)據(jù)以及GPS和INS信息的準(zhǔn)確性,該技術(shù)最終可創(chuàng)建具有高可靠性的DSM數(shù)據(jù)[6],如圖1所示。具體流程如下。
(1)輸入立體像對。將垂直獲得的影像作為左視圖,非垂直方向獲得的影像作為右視圖,同時輸入影像的RPC文件。
(2)定義地面控制點。Pix4D提供了無控制點、交互式選擇控制點及從外部文件中讀取控制點3種選擇。本文中選擇無控制點,生成相對高程的DSM。
(3)定義連接點。基于區(qū)域灰度匹配法自動尋找重疊區(qū)的連接點;設(shè)置連接點數(shù)目、搜索窗口大小、移動窗口大小;通過交互式窗口檢查連接點效果并調(diào)整參數(shù),直到取得滿意的效果。
(4)設(shè)定輸出參數(shù)。設(shè)定輸出DSM的投影參數(shù)、像元大小和范圍、最小相關(guān)系數(shù)閾值、背景值、數(shù)據(jù)輸出類型等。
(5)輸出DSM及檢查結(jié)果。將產(chǎn)生的DSM顯示在窗口中,并激活編輯工具。
(6)編輯DSM。對生成的DSM進行中值濾波處理,設(shè)定3×3的卷積核。同時對結(jié)果進行人工檢查,消除明顯的異常值。
圖2顯示了由Pix4D軟件創(chuàng)建的數(shù)字正射(Digital?Orthophoto?Map,DOM)影像和DSM影像。作為參考,在DOM中還顯示了用于評估河流地形數(shù)據(jù)準(zhǔn)確性的邊界點和驗證點。
3?DEM創(chuàng)建
由于使用無人機創(chuàng)建的DSM數(shù)據(jù)包括河流中的植被,河流調(diào)查需要使用剔除植被等地物后生成的DEM數(shù)據(jù)。圖3顯示了河流一部分的三維模型,該模型是使用DSM創(chuàng)建的。
傳統(tǒng)的點云數(shù)據(jù)處理方法大都采用局部最大值方法提取樹木或建筑物[7]。該方法需要事先獲取與目標(biāo)樹木或建筑物位于同一地面上的最大樹木或建筑物的大小,對于闊葉林較多的地區(qū),采用局部最大值方法通常會在同一樹冠中檢測到多個局部最大值點,易降低樹冠提取的準(zhǔn)確率。因此,選擇采用基于坡度的濾波算法來提取地面點,并使用區(qū)域增長方法來創(chuàng)建DEM。
基于坡度的濾波算法基本思想是:點云數(shù)據(jù)地面點和地物點之間的坡度大于地面點與周圍地面點形成的坡度值。在一定范圍內(nèi),相鄰的兩點高程差越大,兩點引起的地形變化就越大。算法的濾波精度與所給的閾值有關(guān),而地形數(shù)據(jù)的完整性與范圍窗口有關(guān)。不同的地形數(shù)據(jù)需要使用不同的坡度值參數(shù)進行濾波計算。
區(qū)域增長是點云數(shù)據(jù)分割最常釆用的方式。在屬性空間中,面向不同的處理對象,借助高差、坡度、法向量、與原點距離、鄰域擬合曲面的殘差等特征,進行區(qū)域增長,形成一系列的目標(biāo)表面;然后,在目標(biāo)空間中,進行拓?fù)浞治?,對目?biāo)表面進融合、分裂和分類,最終得到模型重建所需面數(shù)據(jù);最后,完成模型重建。為了使用點云數(shù)據(jù)對河流中的樹木進行分類,首先將這些點分為非地面點和地面點,點云數(shù)據(jù)同時顯示水平位置(x,y)和垂直位置(z)。搜索位于特定點云周圍的點后,根據(jù)各個點之間的坡度差異對地面和植被進行分類。因植被高程明顯高于地面,所以如果各點云之間的坡度較大,則表示是植被,但如果用于計算的像元面積太大,則樹可能被誤分類為地面,為了解決此問題,可基于目標(biāo)區(qū)域中的樹冠面積或地形特征來設(shè)置窗口大小。
圖4(a)顯示了基于無人機的DSM影像。圖4(b)顯示了通過基于點云數(shù)據(jù)的區(qū)域增長法創(chuàng)建的DEM。計算了100個檢查點的高程誤差。(如表1所示),DSM的高程值的計算誤差范圍為0.08~15.33?m,標(biāo)準(zhǔn)差為±3.84?m。另一方面,評估顯示,DEM的高程誤差范圍為-0.27~0.41?m,標(biāo)準(zhǔn)差為±0.12?m。
4?結(jié)語
在該研究中,基于從無人機攝影測量獲得的點云數(shù)據(jù),應(yīng)用坡度技術(shù)創(chuàng)建了可用于河流管理任務(wù)的地形數(shù)據(jù)。該研究通過使用VRS和全站儀調(diào)查得出了100個測試點的真實值,并將這些測試點用于計算DSM和DEM的高程精度結(jié)果表明,DSM和DEM數(shù)據(jù)的標(biāo)準(zhǔn)差分別為±3.84?m和±0.12?m。因此,通過基于無人機點云數(shù)據(jù)的坡度技術(shù)分析的DEM數(shù)據(jù)可以有效地用作河流管理任務(wù)的地形數(shù)據(jù),如基本河道維護計劃的建立、洪水模型和沉積物排放評估等。
參考文獻