三維場景更新下無人機激光點云數(shù)據(jù)應用研究

摘 要：本文首先探討了無人機激光點云數(shù)據(jù)在實景三維地理場景更新中的應用前景。通過無人機獲取遙感衛(wèi)星監(jiān)測的變化圖斑點云數(shù)據(jù)，利用TerraScan點云分類濾波算法對地面點進行批量提取。其次，采用CloudCompare軟件中的拉普拉斯平滑算法對提取的點云數(shù)據(jù)進行平滑處理，以進一步消除離散噪點，并輸出數(shù)字高程模型。最終，實現(xiàn)了地形級實景三維地理場景的更新。研究結(jié)果表明，無人機激光點云數(shù)據(jù)能夠提供高精度的地理信息，為實景三維地理場景的更新提供了堅實的數(shù)據(jù)支持。

關(guān)鍵詞：實景三維地理場景；無人機；激光點云" " "中圖分類號： P 217" " " " " 文獻標志碼：A

實景三維地理場景更新是地理信息系統(tǒng)中的關(guān)鍵應用領(lǐng)域，廣泛應用于城市規(guī)劃、土地管理以及環(huán)境監(jiān)測等方面[1]。傳統(tǒng)場景更新方法主要依賴人工測量和遙感影像解譯，但這些方法存在成本高、效率低以及精度不夠等問題[2]。隨著無人機技術(shù)的不斷進步，無人機激光掃描系統(tǒng)已成為獲取高精度地理數(shù)據(jù)的一種全新途徑。

1 試驗區(qū)和數(shù)據(jù)源

本文選擇某縣國土變更調(diào)查與新型基礎(chǔ)測繪試點區(qū)域作為試驗區(qū)，該區(qū)域的地形類別為丘陵地，其空間分布示例如圖1所示。試驗區(qū)包括8個變化圖斑，其中最小面積為1 200 m2，最大面積為27 300 m2。在這個試驗區(qū)域中，AA1300機載激光雷達系統(tǒng)利用激光束掃描丘陵地的表面，記錄每個點的三維空間坐標，即點云數(shù)據(jù)。激光雷達系統(tǒng)還會記錄激光束反射的強度、GPS時間和回波次數(shù)等信息。

1.1 變化區(qū)點云數(shù)據(jù)獲取

使用航拍無人機或其他飛行器執(zhí)行航拍任務，拍攝變化圖斑及其周邊區(qū)域。在飛行過程中，保證飛行器沿預定航線，依據(jù)預設參數(shù)飛行，以采集高質(zhì)量的航拍影像數(shù)據(jù)。在采集完成后，進行影像處理，包括圖像配準、影像融合等環(huán)節(jié)，將不同時間段的影像數(shù)據(jù)進行配準，旨在檢測并分析變化。運用遙感影像變化檢測算法，對配準后的影像數(shù)據(jù)進行比對分析，識別地表變化區(qū)域，即變化圖斑，這些變化可能涉及建筑物、道路和植被等地物。在確定變化區(qū)域后，利用專業(yè)點云數(shù)據(jù)處理軟件提取該區(qū)域的點云數(shù)據(jù)。點云數(shù)據(jù)由大量離散點構(gòu)成，形成三維數(shù)據(jù)集，能精確反映地物的形態(tài)和位置，為后續(xù)的分析和建模提供關(guān)鍵數(shù)據(jù)支撐。在獲取變化區(qū)域的點云數(shù)據(jù)后，進行點云數(shù)據(jù)分析與處理，包括點云配準、特征提取和地物分類等步驟，以獲取更詳盡、準確的地物信息。變化區(qū)域點云數(shù)據(jù)的獲取過程如公式（1）所示。

式中：P為圖斑A最近點x的集合，x的最小歐氏距離≤r；r為外擴距離，其長度根據(jù)具體情況來定。在某些情況下，為保證變化圖斑及其周圍環(huán)境的完整性，須設定較小的外擴距離；而在其他情況下，由于空間范圍更廣泛或相關(guān)因素影響，則須設定較大的外擴距離。

1.2 地面與非地面點分離

在TerraScan中進行數(shù)據(jù)處理。首先進行數(shù)據(jù)重分類工作。建立宏處理程序，并明確重分類規(guī)則，例如高度閾值和點密度等，將點云數(shù)據(jù)歸類至Default層，以提高后續(xù)處理的準確性和效率。地面點與非地面點的分離步驟見表1。其次，利用緩沖區(qū)分析功能，設定5 m的緩沖區(qū)范圍，將孤立點從Default層轉(zhuǎn)移至孤立點圖層，從而有效識別并處理異?；蛟肼晹?shù)據(jù)，提升數(shù)據(jù)整體質(zhì)量。再次，運用坡度分析功能計算各點的坡度角，并設定最大坡度角為88°。通過迭代分離功能（迭代角設為15°，迭代距離設為1.4 m）提取地面點，進行地形分析和建模，這是激光點云數(shù)據(jù)處理的關(guān)鍵環(huán)節(jié)。此外，還提取低洼區(qū)域或水體特征，為水文分析和土地利用規(guī)劃提供數(shù)據(jù)支撐。最后，創(chuàng)建并保存包含處理規(guī)則的宏文件，設置相關(guān)參數(shù)，并新建項目文件（Project File，PRJ），選擇須處理的激光點云數(shù)據(jù)進行批量處理，以提高處理效率，并保證后續(xù)操作的一致性和可重復性。

1.2.1 數(shù)據(jù)重分類

在TerraScan中建立宏處理程序，編寫包括數(shù)據(jù)重分類的一系列操作步驟和規(guī)則。在宏處理程序中，使用TerraScan提供的功能和命令來進行數(shù)據(jù)重分類。在具體的宏處理程序中，需要定義數(shù)據(jù)重分類的規(guī)則。指定相應的參數(shù)和條件，將無人機航攝采集的所有點云數(shù)據(jù)重歸類至Default層。設置地面點和非地面點的分類標準，例如高度閾值、點密度等。在定義了重分類規(guī)則后，宏處理程序?qū)⒆詣訉c云數(shù)據(jù)進行處理。根據(jù)規(guī)則，將符合地面點條件的點云數(shù)據(jù)重新歸類至地面層，不符合條件的點云數(shù)據(jù)留在原層或被歸類至非地面層[3]。在完成數(shù)據(jù)重分類后，利用可視化工具，采用其他分析方法對地面與非地面點進行驗證和檢查，保證數(shù)據(jù)處理的準確性和有效性。

1.2.2 分離孤立點

在宏處理程序中，利用TerraScan的緩沖區(qū)分析功能，將緩沖區(qū)大小設置為5 m，以保證包含足夠多的點。構(gòu)建空間三維緩沖區(qū)，將目標點周邊的點匯聚于一個區(qū)域，以便進行深入分析。運用TerraScan的統(tǒng)計功能，計算緩沖區(qū)內(nèi)的點數(shù)量。如果緩沖區(qū)內(nèi)的點數(shù)少于預設值，則判定該點為孤立點。根據(jù)統(tǒng)計結(jié)果，將緩沖區(qū)內(nèi)點數(shù)少于設定值的點從Default層轉(zhuǎn)移至孤立點圖層。通過單獨分離孤立點，可以有效識別并處理異?；蛟肼晹?shù)據(jù)，這個步驟能進一步提升地面與非地面點分類的準確性和可靠性。孤立點的存在表明數(shù)據(jù)中存在異常或噪聲，對其進行單獨處理，可以避免對后續(xù)分析產(chǎn)生干擾，同時提高地理信息數(shù)據(jù)的質(zhì)量和可用性。

1.2.3 分離地面點

在宏處理程序中，利用TerraScan的坡度分析功能，計算每個點的坡度角。設定最大坡度角閾值為88°，篩選出坡度角超過此值的點，并將其標記為非地面點，旨在排除陡峭斜坡或垂直結(jié)構(gòu)的影響，以便更精確地識別地面點[4]。隨后，利用TerraScan的迭代分離功能，進一步提取地面點。設置迭代角為15°，迭代距離為1.4 m，在周圍區(qū)域進行迭代處理，從Default層中分離出地面點。這個過程能夠有效識別并提取地面點，實現(xiàn)地面點與非地面點的準確分離。

1.2.4 分離低點

在宏處理程序中，利用TerraScan的高程對比功能，比較某個點與其周圍點的高程差異。通過分離低點，可以更有效地提取地形中的低洼區(qū)域或水體等特征，這對水文分析、洪水模擬等地理信息處理和分析任務至關(guān)重要。在執(zhí)行低點分離過程中，須依據(jù)實際需求和數(shù)據(jù)特性設定恰當?shù)拈撝?。例如，根?jù)地形特征和應用需求，將高程差閾值設定為大于5 m。

1.2.5 批量處理點云數(shù)據(jù)

在TerraScan中，首先創(chuàng)建并保存一個包含處理規(guī)則的宏文件。宏文件中須設定地面點提取的相關(guān)參數(shù)和規(guī)則，例如最大坡度角、迭代角及迭代距離等。其次，新建一個PRJ項目，并選擇待處理的激光點云數(shù)據(jù)。在TerraScan中定位到批量處理功能，利用宏處理程序進行數(shù)據(jù)處理。在運行宏程序后，TerraScan將根據(jù)宏文件中設定的規(guī)則和參數(shù)，自動處理每個選定的激光點云數(shù)據(jù)[5]，并根據(jù)規(guī)則提取地面點，實現(xiàn)地面點的自動分離。

2 地形級實景三維場景更新

從變化區(qū)域獲取原始激光點云數(shù)據(jù)作為數(shù)據(jù)采集的成果。利用無人機搭載的AA1300機載激光雷達系統(tǒng)獲取丘陵地變化區(qū)域的原始激光點云數(shù)據(jù)。這些數(shù)據(jù)包括每個點的三維空間坐標、反射強度、GPS時間和回波次數(shù)等信息。

2.1 DEM數(shù)據(jù)拉普拉斯平滑

利用宏處理程序?qū)υ技す恻c云數(shù)據(jù)進行篩選，提取地面點（與地表接觸的點）來構(gòu)建地形表面模型。篩選地面點，生成數(shù)字高程模型（Digital Elevation Model，DEM）。在生成DEM后，為了進一步提高數(shù)據(jù)的質(zhì)量，對DEM進行平滑處理。在CloudCompare軟件的工具欄中找到拉普拉斯平滑處理功能，在進行處理前，設置平滑的迭代次數(shù)和平滑系數(shù)等參數(shù)。迭代次數(shù)表示進行平滑處理的次數(shù)，平滑系數(shù)表示移動頂點的比例。設置合適的參數(shù)來控制平滑程度和保留細節(jié)的程度。執(zhí)行拉普拉斯平滑處理操作，軟件會根據(jù)設置的參數(shù)將每個頂點移動至其相鄰頂點的平均位置。去除數(shù)據(jù)中的毛刺和噪點，使數(shù)據(jù)更加連續(xù)，如公式（2）所示。

式中：為節(jié)點i的新位置；N為節(jié)點i的相鄰頂點的數(shù)目；j為相鄰頂點的索引，表示節(jié)點 i的相鄰頂點在其鄰接列表中的位置；為第j個相鄰頂點的位置。

在TerraScan中，通過宏處理程序批量處理點云數(shù)據(jù)，并根據(jù)需求執(zhí)行重分類操作。當建立宏處理程序時，依據(jù)具體需求添加各項濾波規(guī)則。這些規(guī)則用于對點云數(shù)據(jù)進行過濾和清洗，以剔除無用或干擾的點，并提取出感興趣的特征。濾波規(guī)則涵蓋高程過濾、密度過濾及離群點過濾等，具體設置須根據(jù)實際情況來定[4]。所有點云數(shù)據(jù)均歸類至Default層，為后續(xù)處理做好準備。通過統(tǒng)一重分類，使數(shù)據(jù)的組織結(jié)構(gòu)更為清晰，便于后續(xù)操作。

2.2 邊界DEM接邊融合

變化區(qū)域指地理場景中因自然環(huán)境因素、人為活動或其他因素而發(fā)生改變的區(qū)域。為處理這些變化，首先須將變化區(qū)域向外擴展，形成一定的緩沖區(qū)。原地形級實景三維地理場景的DEM數(shù)據(jù)，是通過實地測量和遙感技術(shù)獲取的高精度數(shù)據(jù)，能夠生成真實的三維地理場景，準確反映地形形態(tài)。其次，須處理變化區(qū)域外擴緩沖區(qū)與原地形級實景三維地理場景DEM數(shù)據(jù)的重疊部分。在此重疊區(qū)域中，執(zhí)行邊界接邊融合操作，旨在使2個不同數(shù)據(jù)源的DEM數(shù)據(jù)在接邊處實現(xiàn)平滑過渡，達到無縫連接的效果?？刹捎貌逯邓惴ɑ蚱交椒ǎ鶕?jù)變化區(qū)域外擴緩沖區(qū)和原地形級實景三維地理場景DEM數(shù)據(jù)的高程值，在接邊處進行平滑處理。利用邊界DEM進行接邊融合，保證采用不同技術(shù)和方法獲取的DEM數(shù)據(jù)，在變化區(qū)域外擴緩沖區(qū)與原地形級實景三維地理場景DEM數(shù)據(jù)的重疊區(qū)域內(nèi)，能夠平滑過渡并連接。

4種地形類別（平地、丘陵地、山地和高山地）對應的DEM數(shù)據(jù)精度要求見表2。

由于平地地形變化較小，因此DEM的精度要求設定為0.75 m，以保證數(shù)據(jù)能準確反映地面高程變化，支撐城市規(guī)劃和土地利用等應用。丘陵地形復雜度增高，但高程誤差要求仍較嚴格，精度要求為1.05 m。山地地形變化更復雜，精度要求相應放寬至2.25 m，以適應起伏較大的環(huán)境。高山地形變化極端，具有特殊應用需求，因此精度要求設定為3 m。

3 結(jié)果分析

3.1 地理場景更新

經(jīng)過上述數(shù)據(jù)處理步驟，地形級實景三維場景數(shù)據(jù)得到更新，更新效果如圖2所示。

更新后的數(shù)據(jù)包含了經(jīng)過篩選和平滑處理的DEM，為地理場景提供了更準確、真實的地形信息，進一步完善了地理信息系統(tǒng)（Geographic Information System，GIS）的建設，為地形數(shù)據(jù)分析提供了更精確的數(shù)據(jù)支持。通過DEM數(shù)據(jù)的拉普拉斯平滑、邊界DEM接邊融合以及地理場景更新等步驟，獲得了更準確、真實的地形級實景三維場景數(shù)據(jù)。這些數(shù)據(jù)對地理信息的分析、規(guī)劃和決策具有重要意義，提供了更可靠的地形信息基礎(chǔ)。

3.2 精度分析

根據(jù)《數(shù)字高程模型質(zhì)量檢驗技術(shù)規(guī)程》（CH/T 1026—2012），本文采用同精度檢測方法，對經(jīng)過批量濾波和平滑處理后的DEM進行質(zhì)量檢驗。具體操作步驟為：首先，選擇一個特定的格網(wǎng)，并記錄其高程值，作為DEM在該位置的高程估計。其次，從原始點云數(shù)據(jù)中獲取該格網(wǎng)附近、位于同一平面的點云高程值。最后，將DEM的高程估計與原始點云數(shù)據(jù)的高程值進行對比，依據(jù)公式（3）評估DEM的準確性和精度。

式中：M為成果中誤差；Δi為比較差；n為檢測點數(shù)量。

采用方案選定的29個高程檢測點，對DEM的高程精度進行了全面評估。評估結(jié)果顯示，最大誤差與最小誤差的范圍較小，中誤差也相對較小，這表明DEM的高程估計具有較高的穩(wěn)定性和準確性，足以滿足地理場景更新的要求，為后續(xù)的地理信息系統(tǒng)建設和應用提供了基礎(chǔ)。DEM 高程精度統(tǒng)計見表3。

由表3可知，DEM高程與實測高程之間存在一定的差異，在大多數(shù)情況下DEM高程低于實測高程。盡管個別誤差較大，但是整體的中誤差為0.28 m，說明DEM數(shù)據(jù)在該區(qū)域的高程精度相對較好，適用于相關(guān)的地形分析和應用。

4 結(jié)語

本文探討了無人機激光點云數(shù)據(jù)在實景三維地理場景更新中的應用。研究結(jié)果顯示，無人機激光點云數(shù)據(jù)具有高精度、高分辨率的特性，能夠提供詳盡準確的地理信息。本文采用了科學合理的數(shù)據(jù)獲取、處理與分析方法，實現(xiàn)了地理場景的快速更新與精確測量。

參考文獻

[1]段祝庚，吳凌霄，江學良.無人機激光雷達點云密度對森林遙感反演指數(shù)提取的影響[J].武漢大學學報（信息科學版），2023（12）：1923-1930.

[2]蘆竹茂，龔浩，金秋衡，等.無人機激光雷達點云電力桿塔傾斜狀態(tài)測量[J].應用科學學報，2022，40（3）：11.

[3]胡雪晴，毛慶洲，胡慶武，等.無人機機載激光雷達四面塔鏡三維成像方法[J].激光與光電子學進展，2023，60（14）：1428002.

[4]王舶鑒，藺菲，房帥，等.近地面激光雷達點云密度對森林冠層結(jié)構(gòu)參數(shù)提取準確性的影響[J].生態(tài)學報，2023，43（2）：12.

[5]李友兵.基于傾斜攝影測量技術(shù)和點云數(shù)據(jù)的古建筑三維模型構(gòu)建[J].測繪科學技術(shù)， 2023，11（4）：334-341.