李朝輝,彭剛躍
(河南省水利勘測(cè)設(shè)計(jì)研究有限公司,河南 鄭州 450000)
科技的發(fā)展極大地推動(dòng)了測(cè)繪技術(shù)的進(jìn)步,隨著多波束測(cè)深系統(tǒng)和機(jī)載LiDAR技術(shù)的廣泛應(yīng)用,測(cè)繪的作業(yè)方式逐漸從效率低下的點(diǎn)測(cè)量模式過(guò)渡到效率高、覆蓋面廣的面測(cè)量模式,這為構(gòu)建高精度的水庫(kù)DEM模型提供了可能[1-4]。但由于地形條件限制、作業(yè)時(shí)間不同等多方面原因,在融合多波束測(cè)深數(shù)據(jù)和機(jī)載LiDAR數(shù)據(jù)時(shí)存在點(diǎn)云漏洞,導(dǎo)致構(gòu)建的高精度DEM不完整。
針對(duì)上述點(diǎn)云漏洞問(wèn)題,常規(guī)的手段是通過(guò)人工判斷并進(jìn)行加點(diǎn),但在進(jìn)行人工加點(diǎn)之前需要準(zhǔn)確確定出漏洞的位置和范圍。為構(gòu)建完整可靠的水庫(kù)DEM模型,介紹了一種點(diǎn)云邊界提取方法。該方法可準(zhǔn)確定位出融合點(diǎn)云的漏洞位置和范圍,方便后續(xù)的漏洞點(diǎn)補(bǔ)充[5-7]。
由于點(diǎn)云數(shù)據(jù)是三維離散數(shù)據(jù),直接通過(guò)點(diǎn)云數(shù)據(jù)對(duì)邊界進(jìn)行檢測(cè)較為復(fù)雜,通常采用的方法為根據(jù)點(diǎn)與各個(gè)領(lǐng)域點(diǎn)之間的鄰接關(guān)系,基于邊緣密度、梯度等特征確定該點(diǎn)是否為邊界點(diǎn),但計(jì)算過(guò)程較為復(fù)雜,水庫(kù)庫(kù)區(qū)采用激光雷達(dá)和多波束測(cè)深得到的點(diǎn)云數(shù)據(jù)密度不均勻,難以采用上述方式實(shí)現(xiàn)。
水庫(kù)庫(kù)區(qū)通常處于山區(qū),其周邊地形不平坦,為了適應(yīng)庫(kù)區(qū)地形,本文進(jìn)行點(diǎn)云數(shù)據(jù)的邊界提取時(shí),采用最小二乘法對(duì)選取的點(diǎn)云數(shù)據(jù)進(jìn)行擬合,得到擬合平面后再將點(diǎn)云投影到平面上實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)的降維,在降維后點(diǎn)云的基礎(chǔ)上再根據(jù)k鄰域內(nèi)點(diǎn)云數(shù)據(jù)的邊緣特征提取邊界,其流程[8-11]如圖1所示。
圖1 點(diǎn)云邊界提取流程圖Fig.1 Flowchart of point cloud boundary extraction
點(diǎn)云降維處理的步驟為:
圖2 降維處理示意圖Fig.2 Schematic of dimensionality reduction processing
通過(guò)降維處理后,得到圖2所示的投影坐標(biāo)。
邊緣特征計(jì)算是通過(guò)計(jì)算投影后的p點(diǎn)與k鄰域內(nèi)其他點(diǎn)q的方位角夾角,將夾角的最大值作為邊緣特征值[14-15]。邊緣特征計(jì)算原理示意圖如圖3所示。
圖3 邊緣特征計(jì)算原理示意圖Fig.3 Schematic of edge feature calculation principle
計(jì)算步驟為:
1)計(jì)算p點(diǎn)到其他點(diǎn)q的方位角;
2)將所有方位角按照大小進(jìn)行排序,并計(jì)算相鄰方位角的差值,其中,最大方位角和最小方位角之間的夾角計(jì)算方法為:
β=αpq1-αpq7+360°
(1)
3)對(duì)方位角夾角進(jìn)行排序,返回最大值作為該點(diǎn)p的邊緣特征值;
4)設(shè)置閾值σ,若邊緣特征值大于σ則認(rèn)為該點(diǎn)p是邊界點(diǎn);
5)對(duì)點(diǎn)云中所有點(diǎn)進(jìn)行上述計(jì)算,重復(fù)點(diǎn)云降維處理和邊緣特征計(jì)算步驟,直到全部計(jì)算完畢[16-17]。
在點(diǎn)云邊界的提取過(guò)程中,主要工作是點(diǎn)云數(shù)據(jù)的降維處理和邊緣特征值的計(jì)算,具體算法實(shí)現(xiàn)過(guò)程如下:
1)輸入點(diǎn)云數(shù)據(jù),存儲(chǔ)點(diǎn)云坐標(biāo)信息;
2)根據(jù)平面方程,代入所有點(diǎn)云,采用最小二乘法建立誤差方程式,并計(jì)算平面方程中的參數(shù);
4)通過(guò)前文所述的計(jì)算步驟,對(duì)每個(gè)點(diǎn)進(jìn)行計(jì)算,完成后得到整個(gè)點(diǎn)云數(shù)據(jù)的邊緣特征集。
試驗(yàn)數(shù)據(jù)采用河南省某水庫(kù)庫(kù)區(qū)的數(shù)據(jù),地形條件為山地與峽谷,山區(qū)海拔高約600~1 000 m,地形起伏較大,岸邊陡峭;水庫(kù)水深約50 m,庫(kù)區(qū)底部較為平坦。數(shù)據(jù)采集時(shí)間為2022年6月份,植被較為茂密,機(jī)載激光雷達(dá)采用Riegl VUX-120高精度激光雷達(dá)掃描儀,搭配Novatel公司的慣導(dǎo)系統(tǒng),水下數(shù)據(jù)采用華測(cè)導(dǎo)航研發(fā)的無(wú)人船搭載NORBIT多波束測(cè)深系統(tǒng),激光雷達(dá)系統(tǒng)在作業(yè)時(shí)水位低,多波束測(cè)深系統(tǒng)在作業(yè)時(shí)水位高,兩個(gè)系統(tǒng)采集的數(shù)據(jù)存在部分重疊。
采用飛馬無(wú)人機(jī)管家對(duì)激光雷達(dá)數(shù)據(jù)進(jìn)行處理,通過(guò)點(diǎn)云解算和航帶平差后,得到岸上部分點(diǎn)云數(shù)據(jù),采用Hydro Survey軟件對(duì)無(wú)人船數(shù)據(jù)進(jìn)行處理,通過(guò)平滑、插值等處理后,得到水下部分的無(wú)人船點(diǎn)云數(shù)據(jù)。從數(shù)據(jù)中可以看出,點(diǎn)云數(shù)據(jù)存在一定的漏洞,如圖4所示。
圖4 融合點(diǎn)云漏洞實(shí)例Fig.4 Examples of loopholes of mixed point clouds
經(jīng)過(guò)分析,產(chǎn)生漏洞的原因主要是多波束測(cè)深系統(tǒng)或激光雷達(dá)系統(tǒng)無(wú)法完整地掃描到目標(biāo)導(dǎo)致,將數(shù)據(jù)進(jìn)行融合后構(gòu)建的DEM存在漏洞。采用本文方法,使用Python軟件編程實(shí)現(xiàn),設(shè)置k值為50,閾值σ為90度,對(duì)選取的兩塊點(diǎn)云數(shù)據(jù)進(jìn)行處理,得到點(diǎn)云漏洞邊界,提取結(jié)果如圖5所示。
圖5 點(diǎn)云漏洞邊界提取結(jié)果Fig.5 Edge extraction results of point cloud loopholes
從圖5可以看出,采用本文方法對(duì)點(diǎn)云進(jìn)行處理時(shí),提取出的邊界與實(shí)際邊界較為相符,但對(duì)于點(diǎn)云密度不均勻的區(qū)域會(huì)出現(xiàn)少量與實(shí)際不符的情況。采用本文方法對(duì)整個(gè)數(shù)據(jù)進(jìn)行提取,共識(shí)別出78處點(diǎn)云漏洞,與人工識(shí)別和判斷出的邊界進(jìn)行對(duì)比,將符合結(jié)果分為相符、基本相符、不相符,得到如表1所示的結(jié)果。
表1 提取邊界與實(shí)際邊界相符性統(tǒng)計(jì)表
根據(jù)提取邊界與實(shí)際邊界相符性統(tǒng)計(jì)表可以看出,采用本文方法提取出的邊界整體與實(shí)際情況較為相符,僅有3處與實(shí)際不符,主要原因是這幾處點(diǎn)云密度不均勻。由此可以看出,本文采用的方法提取出的點(diǎn)云邊界較為可靠。
為構(gòu)建完整可靠的水庫(kù)庫(kù)區(qū)DEM模型,需要將水下數(shù)據(jù)和陸地?cái)?shù)據(jù)進(jìn)行融合。針對(duì)機(jī)載LiDAR與多波束測(cè)深數(shù)據(jù)融合后出現(xiàn)的漏洞問(wèn)題,介紹了一種基于k鄰域內(nèi)點(diǎn)云邊緣特征的邊界提取方法。通過(guò)對(duì)算法和原理進(jìn)行分析,并采用水庫(kù)庫(kù)區(qū)的實(shí)例數(shù)據(jù)進(jìn)行計(jì)算和提取,與實(shí)際邊界進(jìn)行對(duì)比。實(shí)例證明,本文方法提取出的邊界與實(shí)際邊界較為相符,提取結(jié)果可靠。