張和川, 黃洪宇，陳崇成

(福州大學(xué)空間數(shù)據(jù)挖掘與信息共享教育部重點實驗室， 福州大學(xué)地理空間信息技術(shù)國家地方聯(lián)合工程研究中心，福建 福州 350108)

0 引言

近年來無人機(unmanned aerial vehicle, UAV)作為攝影測量的新生力量，為遙感技術(shù)注入了新的活力[1]. 無人機及計算機視覺的迅速發(fā)展，特別是與運動恢復(fù)結(jié)構(gòu)技術(shù)相結(jié)合，無人機影像可得到高度自動化處理，場景以三維點云形式重建，密集的攝影測量影像點云提供了高精度的三維信息[2]. 對國土測繪與海洋島礁測繪的實際應(yīng)用、資源保護與自然災(zāi)害防治等方面有十分重要的意義[3-5].

當前無人機航測流程中，地面控制點(ground control point, GCP)的測量和標注是很重要的步驟. GCP指能在影像上清楚辨別，具有明顯特征和地理坐標的地面標識點，又分為控制點和檢查點，分別用于空中三角測量的優(yōu)化和精度檢查. 無人機攝影測量引入高精度的GCP，可在地形復(fù)雜、環(huán)境惡劣區(qū)域采集高精度的影像數(shù)據(jù)[6]. 但許多實際應(yīng)用中，高精度的GCP難以采集，如監(jiān)測火山的形態(tài)變化[7]、山體滑坡[8]、大壩侵蝕[9]等. 減少傳統(tǒng)航測所需的GCP，簡化作業(yè)流程，降低時間成本，純粹利用RTK技術(shù)的想法(即僅使用無人機RTK模塊，而不需要GCP對模型精確定位)非常有吸引力[10]，減少人類非必要的體力勞動和提高工作效率是技術(shù)發(fā)展的趨勢之一. UAV安裝GNSS系統(tǒng)并搭載RTK模塊能夠以厘米級的準確度確定無人機的位置[11-12]. 以大疆創(chuàng)新公司生產(chǎn)的精靈Phantom 4 RTK(集成RTK模塊，簡稱P4R)為例，產(chǎn)品介紹能實現(xiàn)無人機免像控進行低空航空攝影測量.

影響無人機影像精度的因素包括是否引入GCP、是否使用RTK功能等，有經(jīng)驗表明數(shù)據(jù)采集的時間也對影像精度存在影響. 文獻[13]指出僅依靠機載RTK而不使用GCP進行無人機影像處理時模型精度不準確，特別是無人機影像模型的垂直分量誤差較大； 文獻[14]使用集成了RTK模塊的固定翼無人機并降低飛行高度驗證不使用GCP的模型精度，結(jié)果表明垂直分量效果較差需加入少量GCP改善； 文獻[15-17]指出，通過設(shè)計交叉航線或后差分處理辦法，在一些應(yīng)用場景與使用GCP的方法相比，RTK數(shù)據(jù)可以提供足夠甚至更高的準確性. 無人機在何種條件下能真正做到免像控； 無人機集成的RTK模塊對照片空間定位的作用及對最終影像處理結(jié)果精度的作用有多大； 一天中不同時間采集是否會對影像處理結(jié)果的精確度產(chǎn)生影響，這些都是本次實驗試圖回答的問題.

本研究基于P4R在不同時間段采集不同定位精度(打開或關(guān)閉無人機集成的RTK模塊)的無人機影像，影像處理時引入或不引入GCP； 通過軟件生成密集匹配點云，解算相機定位和GCP的精度，以及利用實測值對各類型的影像點云精度分析，探究不同時間段、不同參數(shù)的無人機影像點云精度差異，為無人機在森林資源調(diào)查、變化檢測、自然災(zāi)害預(yù)警與恢復(fù)等方面，提供優(yōu)質(zhì)數(shù)據(jù)采集的借鑒和參考.

1 研究區(qū)和數(shù)據(jù)來源

1.1 研究區(qū)概況

在福建省福州市福州大學(xué)旗山校區(qū)內(nèi)，選取兩個具有不同地形地貌特征的實驗區(qū)(見圖1)進行研究(Ⅰ：平地實驗區(qū)，以建筑為主，地表建筑規(guī)則且分布均勻； Ⅱ：山地實驗區(qū)，地表以植被為主，地表高程起伏約70 m)，獲取了兩個實驗區(qū)不同時間段、不同定位精度(有/無RTK)的無人機影像.

圖1 研究區(qū)的位置Fig.1 Location of the research areas

1.2 無人機影像采集

使用P4R無人機進行數(shù)據(jù)采集. P4R搭載一體化云臺相機，等效焦距為35 mm，照片的有效像素為2 000萬(5 472 px×3 648 px). 在GS RTK App軟件中規(guī)劃航線并設(shè)置影像分辨率和重疊率(航向和旁向重疊率)，相機鏡頭為垂直下視. 將規(guī)劃好的航線信息上傳飛控系統(tǒng)后，無人機自動起飛并執(zhí)行任務(wù).

于2020年8月25日，晴天無云層遮擋，在兩個實驗區(qū)(平地Ⅰ和山地Ⅱ)的3個時段中，分別對每個實驗區(qū)采集了兩個架次的無人機影像：打開或關(guān)閉無人機集成的RTK系統(tǒng)各一架次，共獲取了12個架次的無人機影像數(shù)據(jù)集. 平地實驗區(qū)相對飛行高度91 m，獲取233張照片，地面分辨率約2.3 cm，覆蓋區(qū)域面積0.184 km2； 山地實驗區(qū)飛行相對高度182 m，獲取161張照片，地面分辨率約4.5 cm，覆蓋范圍0.629 km2. 兩個實驗區(qū)的航向重疊率均為80%，旁向重疊率均為70%. 每個架次的飛行時間是10～15 min，無人機影像采集的詳細時間如表1所示.

表1 無人機影像采集時間

1.3 地面控制點和獨立檢查點的測量

地面控制點的測量是在無人機航測之前進行的，而獨立檢查點的測量是在無人機影像密集匹配點云生成后進行的； 因此地面控制點(包括控制點和檢查點)和獨立檢查點兩種數(shù)據(jù)的采集時間具有先后順序，為保證結(jié)果的準確性，地面控制點和獨立檢查點的分布位置及數(shù)量應(yīng)當具有差異性，但兩種數(shù)據(jù)的測量方法相同，均使用華測測地型GNSS RTK接收機(i70)采集CGCS2000坐標系下實驗區(qū)的若干個點. i70的平面測量精度為±(8+1×10-6×D)mm，高程精度為±(15+1×10-6×D)mm(D表示距離)，利用福建省的衛(wèi)星導(dǎo)航連續(xù)運行參考站聯(lián)網(wǎng)測量. 遵循控制點布設(shè)原則，保證特征明顯，均勻分布，為保證成果的平面和高程精度，每個點采集3次取均值作為該點的坐標.

2 研究方法

2.1 數(shù)據(jù)處理

根據(jù)無人機影像采集和處理的不同參數(shù)設(shè)置(影像采集時是否使用RTK，處理時是否引入GCP)，每個時段影像處理結(jié)果分為4種類型：A(無RTK無GCP)，B(有RTK無GCP)，C(無RTK有GCP)，D(有RTK有GCP). 每個實驗區(qū)共采集6個架次的無人機影像數(shù)據(jù)集，2個實驗區(qū)獲取了12個影像數(shù)據(jù)集，每個影像數(shù)據(jù)集按照兩種不同方式處理(引入或不引入GCP)，最終生成24個不同的影像密集匹配點云.

本次P4R采集無人機影像采用的是WGS84地心坐標系(world geodetic system 1984，WGS84)，地面控制點的測量采用2000國家大地坐標系(China geodetic coordinate system 2000，CGCS2000)； 為保證成果的精度，統(tǒng)一將無人機影像導(dǎo)入Agisoft Metashape軟件中，并加載地面控制點坐標，利用該軟件將無人機影像點云坐標系轉(zhuǎn)換為CGCS2000坐標系； 為了能在同一坐標系中分析數(shù)據(jù)，統(tǒng)一將無人機影像導(dǎo)入Agisoft Metashape軟件，利用該軟件輸出CGCS2000坐標系的無人機影像點云.

表2 Agisoft Metashape軟件的具體參數(shù)設(shè)置

無人機影像處理主要采用Agisoft Metashape，輔以Pix4dMapper. 軟件處理的參數(shù)如表2所示. 軟件處理流程先根據(jù)影像特征點進行空中三角測量(對齊照片)，后通過算法重建密集點云. 本研究僅對生成的影像密集匹配點云的精度比較分析.

2.2 精度評價

采取多種方式進行精度驗證和評價. 使用華測i70采集地面控制點，分析點位精度； 接著分析影像處理軟件對每個無人機數(shù)據(jù)集得出精度報告，此報告提供了軟件解算得出的照片位置及像控點精度信息.

其次，實地采集實驗區(qū)的獨立檢查點坐標(x、y、z)，并利用無人機影像得到實驗區(qū)密集匹配點云，在影像密集匹配點云中找到獨立檢查點對應(yīng)位置的點，獲取該點的坐標(x、y、z)，計算兩者之間的平均差(ME)、均方根誤差RMSE，計算公式如下:

(1)

(2)

其中：以縱坐標z為例，平均誤差為密集匹配點云高程Ki與實測獨立檢查點高程Ti差異和的平均； 均方根誤差是密集匹配點云高程Ki與實測獨立檢查點高程Ti偏差的平方與實測點個數(shù)n比值的平方根.

最后，將無人機影像匹配點云切片(如圖1矩形區(qū)域)，通過截面比較不同數(shù)據(jù)集的高程差異.

3 實驗結(jié)果與分析

3.1 地面點測量的精確性評價

平地布設(shè)8個控制點，9個檢查點； 山地布設(shè)11個控制點，12個檢查點. 計算地面點的標準偏差，保證每個點精度，是保證影像點云模型精度的前提，經(jīng)統(tǒng)計所有地面點的方差均在毫米級，滿足實驗要求.

3.2 照片位置和像控點的精度

Agisoft Metashape軟件解算無人機影像得到密集匹配點云，軟件提供解算的精度報告，能說明影像數(shù)據(jù)本身定位的準確性. 表3計算了平地和山地的3個時段、4種類型的平均相機位置精度，其中“+”代表打開RTK功能，“-”為關(guān)閉RTK功能. 分析可得：不考慮GCP時(A、B類型)，無人機采集數(shù)據(jù)時有RTK功能與無RTK功能的定位精度差異在10倍以上，使用RTK功能時相機位置精度保持在厘米級，而無RTK時精度在米級. 區(qū)域I的A類型的xyz均值差異在0.7～1.1 m，而B類型僅為0.03～0.05 m； 區(qū)域II中，A類型xyz均值差異為0.6～1.0 m，而B類型約為0.1 m. 當考慮GCP時(C、D類型)，此時均引入GCP參與計算，3個時段D類型的xyz均值均優(yōu)于C類型，C類型xyz均值差異較大.

表3 實驗區(qū)軟件解算的平均相機位置精度

無人機數(shù)據(jù)采集的時間對結(jié)果也有所影響. 在區(qū)域I中C類型最小的xyz均值為第二時段采集的數(shù)據(jù)，D類型最小的相機位置均值也為第二時段采集的數(shù)據(jù)； 在區(qū)域II中，第一、二時段獲取的C類型的相機位置均值差異較為接近，而第三時段差異較大，約為前者的兩倍. 區(qū)域I無論是C或者D類型，第二時段獲取的數(shù)據(jù)的xyz均值最??； 區(qū)域II中，第一、二時段參數(shù)的均值差異較為接近，優(yōu)于第三時段.

區(qū)域的地形地貌對影像處理結(jié)果存在影響. 表3可得，僅使用B類型(即有RTK無GCP)，區(qū)域I的模型精度遠高于區(qū)域II，此時影像點云模型精度僅僅由無人機集成的RTK模塊決定； 相同條件下，地貌不同，影像點云模型精度差異巨大，表明不同地貌條件對影像處理結(jié)果具有影響. 為驗證此發(fā)現(xiàn)，采用Pix4dMapper比較了兩個區(qū)域照片中檢測和匹配到的特征點或同名點數(shù)量，山地區(qū)域每張照片的平均特征點數(shù)量(6.6萬個)大于平地區(qū)域(5.6萬個)； 但比較匹配的特征點(同一特征點至少在3張照片中出現(xiàn))數(shù)量時發(fā)現(xiàn)，平地區(qū)域每張照片中匹配的特征點(1.78萬個)大于山地區(qū)域(1.56萬個). 平地均為規(guī)則建筑，紋理特征豐富，利于軟件獲取同名點； 而山地均被植被覆蓋，紋理特征匱乏，模型重建難度較大. 特別地，當采用D類型時，山地模型精度明顯提高，證明影像模型重建時引入GCP參數(shù)具有必要性，尤其在地表缺乏豐富紋理特征時，引入一定量的GCP可以提高成果精度.

3.3 獨立檢查點驗證

為進一步研究點云模型精度，在研究區(qū)實地采集了一定數(shù)量、分布均勻、高度不一、特征明顯可視的獨立檢查點的坐標，并在無人機影像密集匹配點云中找到相對應(yīng)位置的點獲取該點的三維坐標，計算對應(yīng)點之間的坐標差值，從而評價影像點云模型精度.

3.3.1平地實驗區(qū)獨立檢查點驗證

平地實驗區(qū)共采集23個獨立檢查點，選取無人機密集匹配點云中的驗證點，計算檢查點與驗證點的平均差、RMSE，驗證不同時段不同參數(shù)無人機影像點云的精度，表4為區(qū)域I獨立檢查點驗證結(jié)果. 從表可得，RTK和GCP均能提高無人機影像點云精度. 無人機既不使用RTK也不引入GCP時，獲取到的模型精度不高，誤差約1 m(即A類型)； 使用RTK或者GCP后，精度均能提升到厘米級. 使用RTK后(即B類型)，三個時段的影像點云驗證點與獨立檢查點的x方向平均差值約為0.059～0.070 m，y軸方向的平均差值最大為0.07 m，最小僅毫米，最大高程平均差值為0.03 m； 引入GCP但不使用RTK時(即C組合)也得到了類似結(jié)果，值得注意是使用C類型獲取到的數(shù)據(jù)質(zhì)量更高，x軸的平均差相較于B類型均能提升約0.02 m，在第二時段中，兩者高程的平均差值相近，但C組合的均方根誤差比B組合小，說明數(shù)據(jù)質(zhì)量波動更小； 同時使用RTK和GCP參數(shù)(即D類型)，獲取的數(shù)據(jù)精度與C類型相似，差值很小.

表4 區(qū)域Ⅰ(平地)獨立檢查點驗證結(jié)果

3.3.2山地實驗區(qū)獨立檢查點驗證

區(qū)域Ⅱ(山地)共采集18個獨立檢查點，采用與區(qū)域I相同的方法對無人機密集匹配點云進行精度驗證，表5為區(qū)域Ⅱ獨立檢查點驗證結(jié)果.

表5 區(qū)域Ⅱ(山地)獨立檢查點驗證結(jié)果

比較山地區(qū)域的獨立檢查點結(jié)果，可得到與平地區(qū)域相似的結(jié)論，使用RTK或引入GCP均能提升影像點云精度. 使用RTK時，3個時段的影像點云驗證點與檢查點在x軸方向的平均差值最大約為0.07 m，y軸最大約0.13 m，z軸高程最大約0.11 m； 引入GCP時，3個時段的驗證點與實測點的平均差值x軸最大約0.08 m，y軸最大約0.06 m，z軸最大約0.07 m，相較于前者有所提升； 同時使用RTK和GCP時，第二時段x軸驗證點與實測點的平均差值最小約0.01 m，y軸約0.003 m，此刻獲取到高程差值約0.01 m，相較于單獨使用RTK或者GCP，此時獲取到標準偏差更小，數(shù)據(jù)質(zhì)量更好.

區(qū)域特征對模型精度也具有影響. 平地不同時段、不同類型(B、C、D類型)的坐標的均方根誤差約為0.1 m，均小于山地坐標的均方根誤差，說明區(qū)域地表特征豐富時采集到的無人機影像數(shù)據(jù)質(zhì)量更高.

3.4 截面點云精度對比

3.4.1平地實驗區(qū)截面點云數(shù)據(jù)對比

本節(jié)利用點云截面對比不同時段不同參數(shù)的無人機影像點云精度. 獲取了3個時段中B、C、D參數(shù)類型的截面點云(A類型沒有RTK或GCP進行精度矯正，誤差較大故不在此討論)，并分別比較. 由圖2可得，第一時段采集的影像點云精度差異較大，B組合與C、D組合差異明顯； C、D組合中，可從圖中發(fā)現(xiàn)在0～10 m處，D組合數(shù)據(jù)更為穩(wěn)定、波動較小，由第一時段可得D類型獲取的無人機影像點云數(shù)據(jù)質(zhì)量更高； 第三時段數(shù)據(jù)波動較大，質(zhì)量較差； 第二時段數(shù)據(jù)無明顯波動，質(zhì)量較高，各個類型的數(shù)據(jù)均無明顯波動，整體而言精度遠大于第一、第三時段. 圖中橫坐標x表示點云空間上的x軸距離，縱坐標H代表點云空間上的距離，下同.

(a) 上午時段

(b) 中午時段

(c) 下午時段 圖2 平地區(qū)域各時段B、C、D參數(shù)點云截面(路面)對比Fig.2 Comparison of B, C, D parameter point cloud cross-sections (road surface) in flat areas

3.4.2山地實驗區(qū)截面點云數(shù)據(jù)對比

山地實驗區(qū)選取建筑物頂部，分別獲取3個時段的B、C、D類型影像點云截面，如圖3所示. 第一、二時段獲取到的數(shù)據(jù)質(zhì)量較好，各類型得到結(jié)果的差異??； C類型影像點云精確度略有波動，在第三時段中，C類型數(shù)據(jù)精確度明顯降低.

(a) 上午時段

(b) 中午時段

(c)下午時段 圖3 山地區(qū)域各時段B、C、D參數(shù)點云截面(樓頂)對比Fig.3 Comparison of B, C, D parameter point cloud cross-sections(building roof) in various periods in mountainous regions

4 討論

根據(jù)前文的分析結(jié)果，UAV打開集成的RTK模塊或引入GCP均能有效的提高模型精度. 當?shù)乇硖卣髫S富時，無人機憑借集成的RTK模塊能一定程度實現(xiàn)免像控采集高精度的影像； 當?shù)乇硖卣鞑幻黠@、缺乏豐富的紋理特征時，加入少量的GCP能提高成果精度； 總的來說，打開集成的RTK功能并引入GCP能有效的保證獲取到高精度的UAV影像. 不同時段獲取到的影像精度也略有不同，中午時段數(shù)據(jù)采集具有優(yōu)越性； 獨立檢查點驗證3個時段的D類型誤差精度比較中，中午誤差精度最小，尤其是高程的平均差、均方根誤差均優(yōu)于其余兩個時段，且B類型的比較也證明了此結(jié)論. 造成此結(jié)論的原因：考慮為中午時段(正午12點)太陽高度角最大，光線最充足，輻射強度最強，此時太陽照射物體的陰影面積最?。?而其他時段太陽斜射地面，太陽高度角變小，光線照射相對不充足，導(dǎo)致不同時段的無人機影像點云精度存在此種差異； 截面精度對比時，下午路面的截面波動較大，上午和中午波動較小，說明下午易受到外界干擾(如光線不足及附近建筑物遮擋等)，平地區(qū)域樓頂截面穩(wěn)定，第二時段的差異相對最小，此時山地區(qū)域下午時段樓頂截面波動較大. 由于本次實驗的平地和山地區(qū)域航高不一致，存在些許不同，可能對結(jié)果產(chǎn)生一定影響，為此將在后續(xù)的實驗中保持航高一致，并增加地形起伏變化較大區(qū)域作進一步研究.

一天之中可以認為植被、建筑的形態(tài)結(jié)構(gòu)沒有發(fā)生可辨的變化，但不同時段得到的重建場景的三維形態(tài)存在著差異. 這個差異是由技術(shù)方法的局限性、獲取的影像質(zhì)量、數(shù)據(jù)處理算法等諸多因素造成的，表征了測量值內(nèi)在的不確定性； 進行變化檢測時需要考慮這些內(nèi)在的誤差，選擇正確的閾值來判斷變化是否發(fā)生，以及發(fā)生的變化的大小. 從本研究中得出的結(jié)論對于使用無人機影像的森林資源調(diào)查和研究應(yīng)用、城市規(guī)劃、災(zāi)害防治等方面具有參考和借鑒作用.

5 結(jié)語

本研究對多時段不同定位精度(有/無RTK，有/無GCP)的無人機影像點云精度進行對比分析，分析了可能影響成果精度的幾個因素. 實驗結(jié)果表明：地表特征豐富時，無人機能在一定程度上免像控采集數(shù)據(jù)，生成的影像點云模型與引入GCP獲取的影像點云模型高程精度差值僅為厘米級； 引入GCP可以提高模型精度，尤其是地表缺乏豐富紋理特征時效果顯著，因此最好的建議是使用RTK并引入GCP進行數(shù)據(jù)采集； 一天中不同時間段采集無人機影像會對影像處理結(jié)果產(chǎn)生影響，中午時段光照條件最好時獲取的數(shù)據(jù)質(zhì)量精度最佳，其他時段次之.