李瀟屹，萬(wàn)魯河

(哈爾濱師范大學(xué))

0 引言

無(wú)人機(jī)傾斜攝影技術(shù)是世界測(cè)繪行業(yè)內(nèi)近些年才發(fā)展起來(lái)的一項(xiàng)高新技術(shù)，它不同于先前的正射影像，只能目標(biāo)地物上方垂直采集影像數(shù)據(jù)的局限性，無(wú)人機(jī)傾斜攝影集成了定位定向系統(tǒng)POS(position orientation system)以及多臺(tái)傳感器的新型遙感數(shù)據(jù)采集技術(shù)，通過(guò)多臺(tái)傳感器的曝光時(shí)間，并結(jié)合GNSS/IMU輔助航空攝影提供的外方位元素?cái)?shù)據(jù)，獲取高精度的曝光點(diǎn)三維坐標(biāo).無(wú)人機(jī)傾斜攝影是一種可大范圍、低成本且快速獲取目標(biāo)地物的空間信息及紋理信息，能夠在真實(shí)的地物上嵌入精確的地理信息，極大地?cái)U(kuò)展了遙感的應(yīng)用領(lǐng)域，從而使這項(xiàng)技術(shù)在其他行業(yè)也得到了廣泛應(yīng)用.

該文采用無(wú)人機(jī)傾斜攝影所采集的影像數(shù)據(jù)經(jīng)過(guò)空中三角測(cè)量的方法匹配的離散三維點(diǎn)云具有地面點(diǎn)與非地面點(diǎn).非地面點(diǎn)包括橋梁、建筑物、樹(shù)木、低矮植被等信息.不同于LIDAR點(diǎn)云技術(shù)是匹配出的離散點(diǎn)云可根據(jù)用戶(hù)需要，利用空中三角測(cè)量的結(jié)果對(duì)其進(jìn)行加密處理，使地面點(diǎn)表現(xiàn)得更加精確.然后利用漸進(jìn)三角網(wǎng)濾波算法對(duì)點(diǎn)云數(shù)據(jù)濾波處理，在之前分割好的網(wǎng)格內(nèi)挑選網(wǎng)格中的最低點(diǎn)作為種子點(diǎn)來(lái)構(gòu)建初粗略疏三角網(wǎng)，同時(shí)參考反復(fù)角和反復(fù)距離是否達(dá)到事先規(guī)定的閾值來(lái)評(píng)定該點(diǎn)是否為地面點(diǎn).最終目的是通過(guò)不斷的迭代，然后通過(guò)迭代結(jié)果對(duì)三角網(wǎng)進(jìn)行實(shí)時(shí)加密，從而獲得高精度的DEM數(shù)據(jù).

1 空中三角測(cè)量及點(diǎn)云生成

空中三角測(cè)量指的是在立體攝影測(cè)量中，將空中攝站及航攝影像放到整個(gè)區(qū)域網(wǎng)中，進(jìn)行提取特征點(diǎn)，通過(guò)連接點(diǎn)進(jìn)行自由網(wǎng)構(gòu)建，然后根據(jù)野外實(shí)地采集的地面控制點(diǎn)(明顯且無(wú)遮擋)，內(nèi)業(yè)通過(guò)POS解算確定全部影像對(duì)應(yīng)的外方位元素，之后再加控制點(diǎn)進(jìn)行區(qū)域網(wǎng)平差，從而解算控制點(diǎn)的平面和高程信息的測(cè)量方法，稱(chēng)之為空中三角測(cè)量.簡(jiǎn)而言之，空中三角測(cè)量就是解算加密點(diǎn)空間坐標(biāo)的過(guò)程.

空中三角加密任務(wù)是對(duì)影像進(jìn)行大量的特征點(diǎn)計(jì)算提取，對(duì)特征點(diǎn)進(jìn)行同名點(diǎn)匹配，反向解算出每一張影像的姿態(tài)角度和空間位置以及影像之間的關(guān)系.

1.1 相對(duì)定向

首先對(duì)無(wú)人機(jī)原始影像整理匹配，其實(shí)就是將相鄰兩張或多張影像提取的特征點(diǎn)進(jìn)行同名點(diǎn)匹配.計(jì)算機(jī)數(shù)字影像匹配，就是利用計(jì)算機(jī)把這些影像數(shù)據(jù)以數(shù)值的方式計(jì)算，并按著一定的準(zhǔn)則，對(duì)相鄰的航攝像片進(jìn)行相似性對(duì)比，從而確定出其特征點(diǎn)是否為同一地物，如果是同一地物即為同名像點(diǎn).數(shù)字影像匹配與傳統(tǒng)影像匹配具有速度塊、可靠性強(qiáng)和精度高三大優(yōu)勢(shì).目前，計(jì)算機(jī)數(shù)字影像匹配可按照搜索方案進(jìn)行劃分，即一維搜索與二維搜索.一般沿核線搜索為一維搜索.二維匹配的搜索范圖則是在最上一層影像由先驗(yàn)視差確定，在其后各層只需要小范圍內(nèi)搜索.以上數(shù)字影像的匹配算法可以快速識(shí)別相鄰航片的相應(yīng)像點(diǎn)及相互關(guān)系，具有高的精度和可靠性的特點(diǎn).這種陪算法涉及到人工智能、計(jì)算機(jī)視覺(jué)等眾多領(lǐng)域.

通過(guò)上述所說(shuō)的無(wú)人機(jī)數(shù)字影像匹配從而確定了影像在空中曝光瞬間的相對(duì)姿態(tài).該文采用的是數(shù)字?jǐn)z影測(cè)量技術(shù)通過(guò)自由網(wǎng)平差完成的相對(duì)定向.通過(guò)自動(dòng)提取特征點(diǎn)然后匹配出分布合理且足夠多的同名點(diǎn)，從而確定立體像對(duì)中相鄰影像的相對(duì)方位，解算出各點(diǎn)在自由網(wǎng)中的坐標(biāo).

1.2 絕對(duì)定向

絕對(duì)定向指的是影像中的點(diǎn)在地理空間坐標(biāo)系中的絕對(duì)位置，這是利用相對(duì)定向成果，將自由網(wǎng)平差成果進(jìn)行平移、旋轉(zhuǎn)和縮放，從而返算出空中曝光點(diǎn)的絕對(duì)位置和空中姿態(tài)參數(shù)(外方位元素).

該文采用的是GNSS/IMU輔助空中三角測(cè)量[6]，利用野外采集的地面控制點(diǎn)，利用這些控制點(diǎn)的大地坐標(biāo)結(jié)合帶有GNSS/IMU輔助航空攝影三個(gè)角元素分別是OMEGA、PHI和KAPPA，三個(gè)外方位線元素分別是X、Y、Z的無(wú)人機(jī)航攝影像進(jìn)行區(qū)域網(wǎng)聯(lián)合平差，用加密成果進(jìn)行絕對(duì)定向.

1.3 攝影測(cè)量區(qū)域網(wǎng)平差

攝影測(cè)量區(qū)域網(wǎng)平差[7]主要是將之前的自由網(wǎng)平差結(jié)果結(jié)合像控點(diǎn)進(jìn)行絕對(duì)定向以及系統(tǒng)誤差改正的環(huán)節(jié)，為的就是將自由網(wǎng)結(jié)果嵌入到指定的地面坐標(biāo)系中.當(dāng)明確目標(biāo)區(qū)域的地理地形的幾何條件、立體相對(duì)的匹配好壞和連接點(diǎn)的數(shù)量與質(zhì)量，地面控制點(diǎn)的數(shù)量以及分布的均勻程度是區(qū)域網(wǎng)加密的精度的主要因素.圖1為空中三角測(cè)量的技術(shù)路線圖.

1.4 無(wú)人機(jī)空中三角測(cè)量步驟

該文在無(wú)人機(jī)空中三角測(cè)量上，按以下步驟進(jìn)行.

(1)整理POS數(shù)據(jù)及原始數(shù)據(jù)，使POS信息與無(wú)人機(jī)影像一一對(duì)應(yīng)，同時(shí)將不需要的POS點(diǎn)(起飛降落點(diǎn)及空中轉(zhuǎn)彎點(diǎn))去除，以免影響空三精度.

(2)將五個(gè)鏡頭的POS展開(kāi)，如圖2所示,每個(gè)鏡頭的曝光姿態(tài)如圖3所示.

圖 1 空中三角測(cè)量技術(shù)路線圖

圖2 傾斜影像POS展點(diǎn)圖

圖3 曝光點(diǎn)空中姿態(tài)

(3)根據(jù)曝光點(diǎn)在空中的姿態(tài)以及相對(duì)飛行高度，可模擬出無(wú)人機(jī)傾斜影像的重疊情況.如圖4所示，綠色部分為五個(gè)傳感器在空中都采集到數(shù)據(jù)的部分，在此部分精度高，效果更好.

圖4 試驗(yàn)區(qū)重疊度分析

(4)當(dāng)數(shù)據(jù)檢查完畢完成時(shí)候，通過(guò)添加控制點(diǎn)進(jìn)行區(qū)域網(wǎng)平差如圖5所示，為了保證實(shí)驗(yàn)區(qū)域精度，在加入控制點(diǎn)的時(shí)候，刺點(diǎn)位置清晰，五個(gè)相機(jī)的相片都需刺至少兩張.

圖 5 控制點(diǎn)刺點(diǎn)分布

(5)空三解算完畢后，可通過(guò)精度報(bào)告檢查空三精度，見(jiàn)表1，該測(cè)區(qū)中誤差都小于0.5 m，所以精度符合要求.

表 1 空中三角測(cè)量精度報(bào)告

(6)通過(guò)無(wú)人機(jī)傾斜攝影空三解算成果匹配加密點(diǎn)云.成果如圖6所示.

圖 6 加密點(diǎn)云成果

2 漸進(jìn)式三角網(wǎng)濾波

漸進(jìn)三角網(wǎng)濾波是在基于TIN(triangulated irregular network)算法對(duì)點(diǎn)云數(shù)據(jù)濾波進(jìn)行處理，Axelsson[1]設(shè)想的是地形小部分區(qū)域是沒(méi)有起伏的，然后挑選小部分網(wǎng)格內(nèi)的最低點(diǎn)作為地面的種子點(diǎn)來(lái)構(gòu)建初始的粗略三角網(wǎng)，然后依據(jù)三角網(wǎng)內(nèi)其他點(diǎn)距離TIN網(wǎng)面最近頂點(diǎn)的高度夾角和垂直距離來(lái)判斷這個(gè)點(diǎn)是否是地面點(diǎn).如果為地面點(diǎn)，則加密TIN模型，如果不是地面點(diǎn)，則繼續(xù)依次迭代，直到?jīng)]有新的地面點(diǎn)為止.

2.1 漸進(jìn)三角網(wǎng)濾波原理及步驟

2.1.1 區(qū)域分塊提取點(diǎn)云

根據(jù)無(wú)人機(jī)傾斜點(diǎn)云數(shù)據(jù)的分布形態(tài)建立格網(wǎng)[4]索引,并統(tǒng)計(jì)每個(gè)格網(wǎng)內(nèi)點(diǎn)云的最低的點(diǎn)，然后把每個(gè)網(wǎng)格的最低點(diǎn)作為地面點(diǎn)，利用這些地面點(diǎn)建立初始粗略TIN.一般來(lái)說(shuō)，格網(wǎng)間距為50～100m，該文的研究區(qū)格網(wǎng)間距取為100m.

2.1.2 漸進(jìn)三角網(wǎng)濾波原理

漸進(jìn)三角網(wǎng)濾波指的就是將分割好的格網(wǎng)內(nèi)傾斜攝影所得到的點(diǎn)云數(shù)據(jù)按照點(diǎn)云數(shù)據(jù)高程的升序順序逐個(gè)遍歷.然后判斷遍歷升序規(guī)律后的數(shù)據(jù)所在的三角形，統(tǒng)計(jì)反復(fù)參數(shù)(反復(fù)角和反復(fù)距離)，如果得到的反復(fù)角和反復(fù)距離在之前設(shè)定的閾值之內(nèi)，那么這個(gè)點(diǎn)即為地面點(diǎn).否則這個(gè)點(diǎn)為非地面點(diǎn).然后將這些地面點(diǎn)加入三角網(wǎng)并更新其三角網(wǎng).反復(fù)迭代后，重新加密三角網(wǎng)，直至沒(méi)有新的地面點(diǎn)出現(xiàn)為止.如圖7所示.

圖 7 反復(fù)參數(shù)示意圖

(1)

(2)

(3)

圖7中P為離散點(diǎn)；V1、V2、V3分別為如圖7所示幾何體的三個(gè)頂點(diǎn)；點(diǎn)P到三角形平面的距離為d，這段距離即為反復(fù)距離；垂足為O；α1，α2，α3分別為點(diǎn)P、三角形頂點(diǎn)和垂足所形成夾角，此夾角即為反復(fù)角.

反復(fù)參數(shù)(反復(fù)角和反復(fù)距離)反映了三角網(wǎng)向上抬升的程度.反復(fù)角越小，則地面低矮植被及矮小地物被誤分為地面點(diǎn)的可能性就越小，反復(fù)距離則是保證了當(dāng)三角網(wǎng)中的三角形過(guò)大時(shí)，三角網(wǎng)不會(huì)向上方產(chǎn)生較大的跳躍，尤其能有效地濾除一些低矮細(xì)長(zhǎng)的建筑物.此部分漸進(jìn)三角網(wǎng)濾波算法采用張熠斌，隋立春，張碩，陳衛(wèi)[3]提出的反復(fù)角、反復(fù)距離公式，統(tǒng)計(jì)試驗(yàn)區(qū)各反復(fù)參數(shù)，當(dāng)反復(fù)角和反復(fù)距離滿足之前設(shè)定的閾值條件時(shí)，P點(diǎn)參加TIN網(wǎng)格的構(gòu)建.

2.1.3 濾波處理步驟

該文在濾波處理算法上，以以下五個(gè)步驟進(jìn)行.

(1)對(duì)原始傾斜攝影點(diǎn)云數(shù)據(jù)進(jìn)行網(wǎng)格分割并建立格網(wǎng)索引，然后在每個(gè)網(wǎng)格中挑選最低點(diǎn)作為初始大地種子點(diǎn).

(2)通過(guò)每個(gè)網(wǎng)格中挑選的初始大地種子點(diǎn)并將其接連起來(lái)構(gòu)成初始粗略的三角網(wǎng)模型.

(3)通過(guò)這些粗略的三角網(wǎng)模型逐格網(wǎng)遍歷傾斜攝影原始點(diǎn)云數(shù)據(jù)，并將當(dāng)前格網(wǎng)內(nèi)的數(shù)據(jù)按高程升序整理.如圖8所示，即為參考地面點(diǎn)按高程進(jìn)行點(diǎn)云分類(lèi)處理.

圖 8 點(diǎn)云分類(lèi)圖

(4)依次構(gòu)建漸進(jìn)不規(guī)則三角網(wǎng)，通過(guò)一層一層的迭代提煉出地面點(diǎn).

(5)由于一次迭代處理達(dá)不到目標(biāo)效果，所以需要重復(fù)濾波處理步驟(3)，到遍歷完全部的格網(wǎng)為止.在濾波的處理進(jìn)程中，數(shù)據(jù)已按高程整理，濾波處理的迭代據(jù)地形的起伏狀況來(lái)定.如果地形走勢(shì)起伏不大，那么基本無(wú)需迭代便能很好地挑選地面點(diǎn).如果地形起伏較大，則繼續(xù)進(jìn)行迭代處理.

3 濾波結(jié)果與分析

該文選擇了比較典型的試驗(yàn)區(qū)域，該區(qū)域不同尺寸建筑物、樹(shù)木、植被和道路等，區(qū)域范圍為1000×1000 m，共有86419個(gè)離散點(diǎn)，點(diǎn)云平均間距約2.4 m，按照上述漸進(jìn)三角網(wǎng)濾波算法進(jìn)行實(shí)地試驗(yàn)，以檢驗(yàn)算法的可靠性和精準(zhǔn)性.對(duì)于點(diǎn)云數(shù)據(jù)濾波效果的好壞，分為定性分析和定量分析兩種評(píng)價(jià)指標(biāo)[2].

3.1 定性分析

如圖9、10所示，即為實(shí)驗(yàn)區(qū)域局部點(diǎn)云濾波前后的效果展示.圖10為濾波之后點(diǎn)云.從圖10可以看出，該文算法對(duì)各種地面目標(biāo)的濾波成果整體表現(xiàn)還是不錯(cuò)的，能精準(zhǔn)的濾除不同尺寸的建筑物、高大樹(shù)木、低矮植被及其它地物的同時(shí)又保持了地形信息的完整性，對(duì)于空洞區(qū)域和噪聲點(diǎn)等的異常點(diǎn)也可以很好處理.

圖 9 濾波前

圖10 濾波后

3.2 定量分析

2003年美國(guó)國(guó)際攝影測(cè)量與遙感協(xié)會(huì)下設(shè)的第三委員會(huì)提出了交叉表的評(píng)價(jià)體系來(lái)評(píng)定濾波算法性能的好壞(見(jiàn)表2).這種評(píng)定方法是假設(shè)已知實(shí)驗(yàn)數(shù)據(jù)中每個(gè)點(diǎn)的真實(shí)類(lèi)別，但是現(xiàn)實(shí)中的需處理的數(shù)據(jù)中點(diǎn)的真實(shí)類(lèi)別是不確定的，所以算法的好壞較難這樣直觀地評(píng)價(jià).但是當(dāng)測(cè)區(qū)中點(diǎn)云數(shù)據(jù)的真實(shí)點(diǎn)類(lèi)不確定時(shí)，可以將通過(guò)人工逐點(diǎn)選擇精確分類(lèi)數(shù)據(jù)作為參考數(shù)據(jù).本實(shí)驗(yàn)數(shù)據(jù)不知道點(diǎn)云的真實(shí)類(lèi)別，只能通過(guò)人工的逐點(diǎn)編輯進(jìn)行精確分類(lèi)，將精確分類(lèi)后的數(shù)據(jù)作為參考數(shù)據(jù).由于實(shí)驗(yàn)區(qū)域點(diǎn)云數(shù)據(jù)比較多，全部進(jìn)行逐點(diǎn)分類(lèi)非常費(fèi)時(shí)，因此定量評(píng)價(jià)只選取了一部分?jǐn)?shù)據(jù).主要參數(shù)是看其出現(xiàn)Ⅰ類(lèi)與Ⅱ類(lèi)誤差[5]的概率.

表 2 濾波結(jié)果交叉表

4 結(jié)束語(yǔ)

該文利用無(wú)人機(jī)傾斜攝影技術(shù)，對(duì)航片進(jìn)行空中三角測(cè)量，從中提取加密點(diǎn)云數(shù)據(jù).并提出了基于區(qū)域分割的漸進(jìn)三角網(wǎng)濾波構(gòu)建DEM的方法，并進(jìn)行了對(duì)目標(biāo)區(qū)域提取DEM測(cè)試，得到了高精度的DEM模型.研究結(jié)果表明：

(1)基于無(wú)人機(jī)傾斜攝影技術(shù)，通過(guò)控制點(diǎn)參與空三解算及濾波分析提取高精度DEM具有更高效、更低成本的優(yōu)勢(shì).

(2)基于傾斜攝影點(diǎn)云數(shù)據(jù)進(jìn)行漸進(jìn)三角網(wǎng)濾波處理，能有效去除不同大小的建筑物、低矮的灌木和其他地物.地面點(diǎn)舍棄的少，減少了Ⅰ類(lèi)誤差的產(chǎn)生，能比較出色地保持地形地貌信息，濾波精度較好.

(3)通過(guò)偏度值對(duì)數(shù)據(jù)進(jìn)行切分，將點(diǎn)分類(lèi)成為地面點(diǎn)和非地面點(diǎn)，再利用漸進(jìn)三角網(wǎng)濾波構(gòu)建不規(guī)則三角網(wǎng)模型，能夠有效地排除地物點(diǎn)和噪點(diǎn)對(duì)構(gòu)造TIN的影響，對(duì)于DEM的精度有了明顯提升，從而證明了濾波結(jié)果的可靠性.

(4)對(duì)傾斜攝影點(diǎn)云數(shù)據(jù)的點(diǎn)進(jìn)行等級(jí)劃分及排序，以保證TIN逐層加密過(guò)程中能有效地過(guò)濾掉大部分的地物點(diǎn)及低矮孤立的植被點(diǎn)，即Ⅱ類(lèi)誤差減少，進(jìn)而提高了濾波的精確性.

(5)基于區(qū)域分割的漸進(jìn)三角網(wǎng)濾波算法建立高精度DEM，測(cè)試證明算法相對(duì)準(zhǔn)確、速度較快，具有一定的可靠性.

(6)在應(yīng)用于不同地形地物時(shí)，需要手動(dòng)調(diào)節(jié)反復(fù)角和反復(fù)距離的閾值以適應(yīng)地形. 試驗(yàn)結(jié)果證明，該文的無(wú)人機(jī)傾斜數(shù)據(jù)獲取處理及濾波算法執(zhí)行效率高，且誤差小精度高，具有一定的可靠性與實(shí)用性.

參 考 文 獻(xiàn)

[1] Axelsson P. DEM Generation from Laser Scanner Data Using Adaptive TIN Models[J]. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2000, 33(B4/1):110-117.

[2] 高志國(guó). 海量點(diǎn)云數(shù)據(jù)濾波處理方法研究[J]. 測(cè)繪工程,2013,22(1):35-38.

[3] 隋立春,張熠斌,張碩,等. 基于漸進(jìn)三角網(wǎng)的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)濾波[J]. 武漢大學(xué)學(xué)報(bào)：信息科學(xué)版,2011,36(10):1159-1163.

[4] 王宗躍,馬洪超,徐宏根,等. 結(jié)合影像和LiDAR點(diǎn)云數(shù)據(jù)的水體輪廓線提取方法[J]. 計(jì)算機(jī)工程與應(yīng)用,2009,45(21):33-36.

[5] Sithole G, Vosselman G. Experimental Comparison of Filter Algorithms for Bare-Earth Extraction from Airborne Laser Scanning Point Clouds[J]. ISPRS Journal of Photogrammetry and Remote Sensing,2004,59(1-2):85-101.

[6] 袁修孝,高宇,鄒小容.輔助空中三角測(cè)量在低空航測(cè)大比例尺地形測(cè)圖中的應(yīng)用，武漢大學(xué)學(xué)報(bào):信息科學(xué)版，2012(11)

[7] 董翠珠.薛萍全數(shù)字?jǐn)z影測(cè)量工作站的精度控制方法及處理技巧[J]. 現(xiàn)代測(cè)繪,2009.