摘要：當(dāng)下河道勘測過程中存在技術(shù)單一、成果精度低、工作效率低和數(shù)據(jù)不完整等問題。為提高河道地形數(shù)據(jù)采集工作的安全性和效率，采用無人機(jī)搭載機(jī)載激光雷達(dá)與無人船搭載多波束測深系統(tǒng)相結(jié)合的測量方法，采集庫區(qū)河道水下地形數(shù)據(jù)，并引入一種基于形狀上下文算法進(jìn)行多源數(shù)據(jù)點云融合，通過Maptek I-Site Studio點云處理軟件實現(xiàn)水上水下三維模型一體化構(gòu)建。結(jié)果表明：機(jī)載激光點云數(shù)據(jù)的平面誤差絕對值在0.01～0.05 m的點數(shù)占比33.6%，在0.05～0.10 m的點數(shù)占比53.3%；高程誤差絕對值在0.01～0.05 m范圍內(nèi)的點數(shù)占比43%，在0.05～0.10 m范圍內(nèi)的點數(shù)占比48.6%。無人船多波束測深數(shù)據(jù)與單波束相比高程誤差整體呈現(xiàn)正態(tài)分布，互差越小所占比例越高，互差約為0的占比超過50%。三維模型水邊點精度絕對值在0.1～0.2 m的占比為70%左右。提出的方法適用于兩岸山地起伏大、植被茂密、庫區(qū)大水深河道區(qū)域，簡化了外業(yè)工作流程，提高了作業(yè)精度。

關(guān)鍵詞：水下地形測量； 無人機(jī)； 機(jī)載激光雷達(dá)； 多波束測深系統(tǒng)； 三維模型

中圖法分類號：TV221.1

文獻(xiàn)標(biāo)志碼：A

DOI：10.15974/j.cnki.slsdkb.2024.11.005

文章編號：1006-0081（2024）11-0032-08

0 引 言

隨著信息技術(shù)的不斷發(fā)展，測繪儀器和技術(shù)也不斷更新完善?？罩袩o人機(jī)攝影測量技術(shù)［1］、陸上測量機(jī)器人測量技術(shù)［2］大大減少作業(yè)人員外業(yè)測量的工作強(qiáng)度，能快速、準(zhǔn)確地獲取數(shù)據(jù)信息，已被應(yīng)用到諸多領(lǐng)域。自然資源部“十四五”基礎(chǔ)測繪規(guī)劃提出，將推動海洋測繪、內(nèi)陸水下測繪等方向的大項目、大工程［3-4］，因此對河道勘測工作的要求越來越高，河道水下水上數(shù)字化、自動化測量已成為目前研究重點。

無人機(jī)攝影測量技術(shù)具有拍攝角度靈活、不受地形影響、分辨率高等優(yōu)勢，在地理信息、國土資源管理等領(lǐng)域得到廣泛應(yīng)用。機(jī)載三維激光掃描技術(shù)通過連續(xù)對地發(fā)射激光，空間信息以點云的形式呈現(xiàn)，優(yōu)化了傳統(tǒng)的單點測量方式，具有高效率、高精度、能穿透植被等特點，提供了掃描物體表面的真實三維點云數(shù)據(jù)。李曉斌等［5］基于三維激光掃描點云和傾斜攝影測量點云進(jìn)行了高精度配準(zhǔn)建模。Obanawa等［6］利用無人機(jī)影像及三維激光點云進(jìn)行了有效的海島地形和變形監(jiān)測。

水下地形數(shù)據(jù)是水利工程建設(shè)、水資源綜合利用管理和水環(huán)境保護(hù)等工作的基礎(chǔ)。水下測量相較陸地測量難度較大，受影響因素較多，包括水流速度、水溫、水中生物及各種懸浮物等。如何高效獲取高精度水下地形數(shù)據(jù)成為目前測繪領(lǐng)域的熱點和難點問題。水深測量技術(shù)大致經(jīng)歷了3個階段：傳統(tǒng)測深方法（測深桿、測深錘）、聲波測深方法（單波束測深儀、多波束測深儀）和遙感技術(shù)測深方法（光學(xué)遙感、微波遙感、激光）。聲波在均勻介質(zhì)中具有良好的穿透性和弱衰減性，因此聲波測深成為目前水深測量的主流方法［7-10］。傳統(tǒng)水下地形測量方式是通過將測深儀（單波束測深儀、多波束測深儀）和GNSS接收機(jī)固定在船體上，航行到確定方位測深，測量中受到自然因素和人為作業(yè)的影響，導(dǎo)致外業(yè)作業(yè)量大、工作效率低且危險性高等。無人船測量系統(tǒng)包含多種高精密傳感器設(shè)備，如單波束測深儀、多波束測深儀、姿態(tài)傳感器等，并可實現(xiàn)自動化無人駕駛水上測繪，能夠快速、準(zhǔn)確獲取水下地形數(shù)據(jù)［11-13］。許成義等［14］采用了無人船測量系統(tǒng)基于單波束測深對水庫進(jìn)行水下地形測量。趙保成，王冬敏等［8，15］開展了基于多波束測深技術(shù)和無人船技術(shù)的水下地形測量研究，結(jié)果表明，使用多波束測深技術(shù)和無人船技術(shù)相結(jié)合的測量技術(shù)可以提高外業(yè)測量的安全性和測量效率，且水下測量數(shù)據(jù)結(jié)果可靠。

然而，無人機(jī)搭載機(jī)載激光雷達(dá)與無人船搭載多波束測深系統(tǒng)，所采集的數(shù)據(jù)點集之間是相互獨立的，重疊度低。傳統(tǒng)的點云配準(zhǔn)方法——迭代最近點（Iterative Closet Point，ICP）算法［16］，是圍繞水上和水下的點進(jìn)行計算，這些點都是不可重復(fù)且無效的，在經(jīng)過大量的計算后，配準(zhǔn)工作仍然會失敗。因此，本文引入基于形狀的上下文算法的水上水下點云配準(zhǔn)方法，實現(xiàn)水上水下點云數(shù)據(jù)的融合。

1 總體設(shè)計

在數(shù)據(jù)采集前，首先對測區(qū)進(jìn)行資料收集和空域申請，并開展現(xiàn)場勘察，做好測前準(zhǔn)備。根據(jù)現(xiàn)場勘察情況，本文采用無人船搭載多波束測深系統(tǒng)和無人機(jī)搭載機(jī)載激光雷達(dá)相結(jié)合的測量方法，空地一體對測區(qū)進(jìn)行外業(yè)數(shù)據(jù)采集，以多波束測深系統(tǒng)掃測數(shù)據(jù)為基礎(chǔ)，結(jié)合無人機(jī)正射影像和點云數(shù)據(jù)開啟測量，技術(shù)路線流程如圖1所示。

1.1 無人機(jī)系統(tǒng)

無人機(jī)系統(tǒng)（圖2）包括以下幾個部分。

（1） 飛行平臺。無人機(jī)飛行的主體平臺主要提供飛行能力和裝載功能。由機(jī)體結(jié)構(gòu)、動力設(shè)置、電氣設(shè)備等組成。

（2） 飛行控制與管理系統(tǒng)。主要是對無人機(jī)實現(xiàn)控制與管理，是無人機(jī)完成起飛、空中飛行、執(zhí)行任務(wù)、返場著落等整個飛行過程的核心系統(tǒng)。

（3） 任務(wù)設(shè)備系統(tǒng)。本次試驗包括激光點云設(shè)備和航攝相機(jī)，實現(xiàn)對數(shù)據(jù)的采集。

（4） 通訊與數(shù)據(jù)鏈系統(tǒng)。主要是實現(xiàn)地面操控人員對無人機(jī)的控制，以及傳輸無人機(jī)的姿態(tài)、位置、工作狀態(tài)等信息。

1.2 無人船測深系統(tǒng)

多波束測深系統(tǒng)又稱多波束測深儀（圖3）。與傳統(tǒng)的單波束測深系統(tǒng)每次測量只能獲取測量船垂直下方一個水底測量深度值相比，多波束測深系統(tǒng)在探測時能獲取一個條帶覆蓋區(qū)域內(nèi)多個測量點的水底深度值。

本次實驗采用某型號無人船搭載多波束測深系統(tǒng)對水下進(jìn)行掃測。無人船測深系統(tǒng)由船體、動力系統(tǒng)、通訊控制系統(tǒng)、定位系統(tǒng)、測深系統(tǒng)和岸邊控制系統(tǒng)組成，可以高效、準(zhǔn)確地進(jìn)行水下地形數(shù)據(jù)的采集工作。

（1） 船體。無人船船體由高分子聚酯碳纖維、凱拉夫防彈纖維、玻璃鋼等混合材料組成，可以在保證船體足夠堅固耐撞的前提條件下最大限度減輕自重。船體主要用于承載各種設(shè)備和傳感器，最大載重50 kg。

（2） 動力系統(tǒng)。動力類型為電動，電機(jī)類型為無刷電機(jī)，電池為32.4 V 23.1 Ah×9可充電鋰電池，單馬達(dá)最大功率為700 W，最大船速可達(dá)6 m/s。

（3） 通訊控制系統(tǒng)。作業(yè)人員可以采用人工遙控和自動航行兩種模式控制無人船的航線，并通過無人船與岸邊控制系統(tǒng)的有效鏈接，實時獲取無人船的工作狀態(tài)和采集數(shù)據(jù)。

（4） 定位系統(tǒng)。通過GNSS接收機(jī)進(jìn)行定位。

（5） 測深系統(tǒng)。多波束測深系統(tǒng)采用曲面陣列聲吶，條帶覆蓋寬度可達(dá)到210°。

（6） 岸邊控制系統(tǒng)。由基準(zhǔn)站、控制軟件、通訊設(shè)備組成。基準(zhǔn)站可自行架設(shè)，也可連接衛(wèi)星定位連續(xù)運行綜合應(yīng)用服務(wù)系統(tǒng)（CORS）。控制軟件包括船體控制軟件和數(shù)據(jù)采集處理軟件。通訊設(shè)備為顯示系統(tǒng)提供4G信號，接收并顯示無人船的動態(tài)信息。

2 數(shù)據(jù)采集與處理

2.1 研究區(qū)概況

本文以西南某水庫庫區(qū)（圖4）為研究區(qū)域進(jìn)行地形數(shù)據(jù)采集，庫區(qū)水域面積32.8 km2，干流總長度105 km，支流總長度約30 km。庫區(qū)呈狹長狀，多為“V”形河谷，兩岸山坡坡度大。庫區(qū)涉及兩個國家級自然保護(hù)區(qū)，植被覆蓋密實。庫區(qū)兩岸有少量村莊，江邊幾乎無公路交通，半數(shù)河道無通訊信號。

2.2 無人機(jī)數(shù)據(jù)采集與處理

2.2.1 無人機(jī)數(shù)據(jù)采集

本次試驗采用科衛(wèi)泰長續(xù)航六旋翼無人機(jī)搭載PM-1500激光模塊和4 240萬像素航攝相機(jī)（焦距28 mm）同時獲取庫區(qū)陸上的點云數(shù)據(jù)和正射影像。在測量前，提前對庫區(qū)情況進(jìn)行現(xiàn)場勘察。由于庫區(qū)內(nèi)植被較為茂密，可根據(jù)庫區(qū)內(nèi)植被覆蓋情況進(jìn)行分區(qū)處理。在飛行區(qū)域內(nèi)，選擇衛(wèi)星信號良好的地方架設(shè)GNSS固定基準(zhǔn)站，采用地面GNSS固定基準(zhǔn)站與POS系統(tǒng)采集的數(shù)據(jù)進(jìn)行差分測量。航線主要以順河道方向分兩岸進(jìn)行，飛行過程中航向重疊度不低于80%，旁向重疊度不低于70%，以保證后期無人機(jī)點云數(shù)據(jù)和正射影像的精度。

2.2.2 無人機(jī)數(shù)據(jù)處理

（1） 無人機(jī)搭載航攝相機(jī)拍攝的影像數(shù)據(jù)，采用pix4D軟件進(jìn)行處理，生成庫區(qū)DOM正射影像圖，如圖5所示。

（2） 點云數(shù)據(jù)處理。首先對基站數(shù)據(jù)和移動站POS數(shù)據(jù)進(jìn)行聯(lián)合解算，得到高精度定位定姿數(shù)據(jù)。然后結(jié)合激光掃描系統(tǒng)采集的原始點云數(shù)據(jù)進(jìn)行融合處理，生成三維點云數(shù)據(jù)。最后基于激光雷達(dá)數(shù)據(jù)處理平臺（Terrasolid），利用分類算法對激光數(shù)據(jù)進(jìn)行過濾，將植被、建筑物、電力設(shè)施等地物數(shù)據(jù)與地表數(shù)據(jù)分離，得到如圖6所示岸邊地面點云數(shù)據(jù)。

2.3 無人船數(shù)據(jù)采集與處理

2.3.1 數(shù)據(jù)采集

無人船在首次組裝進(jìn)行測量時，需對無人船進(jìn)行∞字校準(zhǔn)，對多波束測深儀進(jìn)行姿態(tài)校正，調(diào)整慣導(dǎo)系統(tǒng)。由于庫區(qū)內(nèi)地勢復(fù)雜，在無法確定水邊線的情況下難以準(zhǔn)確規(guī)劃航線。本文采用無人機(jī)激光點云數(shù)據(jù)和DOM正射影像圖確定庫區(qū)河道水邊線，以確定無人船測量區(qū)域，再確定范圍內(nèi)的區(qū)域規(guī)劃航線（圖7）。根據(jù)規(guī)劃的航線，實現(xiàn)無人船自動航行測量，自動航行結(jié)束后，并對未采集的部分地區(qū)進(jìn)行手動補線，外業(yè)流程如圖8所示。

2.3.2 數(shù)據(jù)處理

在外業(yè)數(shù)據(jù)采集過程中，為了避免在安裝過程中造成換能器軸向與船只軸向存在的偏差，進(jìn)而影響后續(xù)數(shù)據(jù)的成果質(zhì)量，需要進(jìn)行安裝系統(tǒng)校正，包括橫搖（Roll）校正、縱搖（Pitch）、艏搖（Heading）校正：① 橫搖校正，平坦區(qū)域布設(shè)一條測線，進(jìn)行相同航速、相反方向測量。② 縱搖校正，斜坡區(qū)域布設(shè)一條測線，進(jìn)行相同航速、相反方向測量。③ 艏搖校正，斜坡區(qū)域布設(shè)兩條平行測線，進(jìn)行相同航速、相反方向測量，且測線之間重疊度需達(dá)到50%。

將外業(yè)采集到的數(shù)據(jù)導(dǎo)入到億點通軟件，首先計算多波束系統(tǒng)（橫搖、縱搖、艏搖）校正值。通過對比分析最終設(shè)置：橫搖校準(zhǔn)值為-0.43、縱搖校準(zhǔn)值為0.8、艏搖校準(zhǔn)值為0.19，結(jié)果顯示為可靠。

（1） 定位數(shù)據(jù)檢查與編輯。在工程文件中設(shè)置校準(zhǔn)值與聲速數(shù)據(jù)參數(shù)值。隨后在億點通軟件中對每一條測線數(shù)據(jù)進(jìn)行質(zhì)量檢查，去除GNSS解狀態(tài)非固定解的數(shù)據(jù)。

（2） 潮位改正。檢查每一條測線數(shù)據(jù)中GNSS潮位數(shù)據(jù)是否存在突變值，對其進(jìn)行相應(yīng)修改或刪除。

（3） 最優(yōu)曲面濾波。在對測線數(shù)據(jù)進(jìn)行完整檢查和處理后，利用測量數(shù)據(jù)構(gòu)建最優(yōu)曲面，并采用最優(yōu)曲面進(jìn)行濾波處理。

（4） 波束點清理。在濾波完成后，逐步檢查一定范圍內(nèi)的波束點數(shù)據(jù)，對異常波束點進(jìn)行刪除處理。

（5） 多波束數(shù)據(jù)輸出。根據(jù)處理完成后的多波束點云數(shù)據(jù)，生成三維模型、高程模型等產(chǎn)品，以及輸出格網(wǎng)數(shù)據(jù)。

2.4 基于形狀上下文算法

形狀上下文算法是一種特征描述子，可以根據(jù)兩幅圖像輪廓上的采樣點之間的相互關(guān)系，計算出一個具有魯棒性的形狀匹配策略。該算法的框架是比較兩個點集中的每個點的上下文信息，以確定它們之間的相似度。通過比較每個點之間的上下文信息，可以找到最佳匹配，即第一個點集中的每個點對應(yīng)于第二個點集中的點。其過程分為以下步驟［17-18］。

（1） 輪廓提取canny算子和輪廓采樣。在二維圖像處理中，如果進(jìn)行指定像素點個數(shù)的采樣，通常使用均勻采樣、隨機(jī)采樣和等間隔采樣等方法。但由于二維輪廓點集的分布并不均勻，所以這些方法并不適用。由于均勻采樣、隨機(jī)采樣和等間隔采樣的方式都沒有圖像輪廓的概念，將圖像中有效區(qū)域和無效區(qū)域同時加入采樣過程中，將導(dǎo)致圖像信息丟失。

為了獲得指定數(shù)目的點集和減少計算數(shù)據(jù)量，需要對canny算子提取的輪廓再進(jìn)行采樣，將輪廓上點對之間的歐氏距離作為剔除依據(jù)，得到一個相對均勻的輪廓采樣。具體處理思路為：首先對所有輪廓點隨機(jī)排列，保證隨機(jī)刪除點對，以免引起每次計算都刪除最小點對中右值的連鎖反應(yīng)。然后規(guī)定倍數(shù)關(guān)系防止提取的輪廓點對數(shù)量過大，即當(dāng)提取到輪廓點的數(shù)量X大于K倍的采樣點N，就可對輪廓點集進(jìn)行隨機(jī)采樣，并選取前3N個點。最終參照點對間的距離剔除符合條件的點。

（2） 構(gòu)建形狀上下文直方圖矩陣和相似度度量方法。輪廓上點對的距離、角度等因素往往起著重要作用。對于輪廓上的每個點，構(gòu)建一個以該點為原點的極對數(shù)坐標(biāo)系，將其他輪廓點轉(zhuǎn)換到該坐標(biāo)系中，并統(tǒng)計每個區(qū)域中輪廓點的數(shù)量，最后進(jìn)行歸一化處理，生成了形狀上下文直方圖矩陣。采用極對數(shù)坐標(biāo)可使描述子對鄰近采樣點的信息更加敏感，強(qiáng)化局部特征。

以輪廓上任意一點為中心做同心圓，將該同心圓分為5層，每一層分為12個分區(qū)，形成5×12=60個網(wǎng)格，統(tǒng)計出其他點分別分布在這60個網(wǎng)格內(nèi)的數(shù)量。首先，通過計算點對之間的距離矩陣，并將其除以距離的均值，可得到形狀上下文描述符，使其對縮放不敏感。然后，將距離矩陣映射到對數(shù)域中，并與預(yù)設(shè)的5個閾值進(jìn)行比較。其中，閾值通過對數(shù)映射后可轉(zhuǎn)化為歐氏距離中的值（0.125，0.25，0.5，1.0，2.0）。歐氏距離超過閾值2.0的點被認(rèn)為距離目標(biāo)點太遠(yuǎn)，因此不被考慮。通過這種方式，可減少對數(shù)運算的時間成本，對描述符進(jìn)行快速計算并匹配。距離矩陣和角度矩陣的計算公式為

dist（q，pi）=lg（（x-x0）2+（y-y0）2mean）（1）

θ=arctan（y-y0x-x0）（2）

式中：q和pi表示形狀上的關(guān)鍵點，（x，y）和（x0，y0）分別為點q和pi的坐標(biāo)，mean為輪廓上點對距離的平均值。

得到距離矩陣與角度矩陣后，進(jìn)行區(qū)域映射，統(tǒng)計各區(qū)域內(nèi)點的個數(shù)。生成X×K矩陣，X為采樣輪廓點的個數(shù)，K為區(qū)域數(shù)量。對輸入圖像和模板圖像構(gòu)建形狀上下文直方圖矩陣，根據(jù)卡方統(tǒng)計X2，計算出它們之間的相似度。對輸入圖像和模板圖像中的每一點都計算出K維的直方圖向量g（k）和h（k），然后代入到下式中計算相似度度量矩陣：

Cs=12∑Kk=1［g（x）-h（k）］2g（k）+h（k）（3）

式中：g（k）為目標(biāo)P的點pi的形狀直方圖；h（k）為目標(biāo)Q的點q的形狀直方圖。

（3） 構(gòu)建局部外觀描述矩陣和相似度度量方法。根據(jù)形狀上下文直方圖矩陣獲得全局信息，即其他所有點對目標(biāo)點的方位矩陣，與在不同方向、角度輪廓上點集的密度類似。為約束局部特征，需添加基于局部方向的外觀信息。計算輸入圖像和模板圖像相應(yīng)的灰度圖梯度Gx和Gy，尋找輪廓點對應(yīng)的梯度值并求出切向角θ1，θ2。引入切向角非相似性函數(shù)作為衡量局部方向的依據(jù)，并對其進(jìn)行變換得到：

CA=12‖cos（θ1）sin（θ1）-cos（θ2）sin（θ2）‖=12‖cos（θ1）-cos（θ2）sin（θ1）-sin（θ2）‖=12［cos（θ1）-cos（θ2）］2+［sin（θ1）-sin（θ2）］2=0.5×［1-cos（θ1-θ2）］∝0.5×［1-cos（θ1-θ2）］（4）

對兩個相似度度量矩陣加權(quán)求和，得到總相似度度量矩陣：

C=（1-β）Cs+βCA（5）

式中：Cs對應(yīng)形狀上文；CA對應(yīng)局部外觀；β取值為0.1。

（4） 匈牙利匹配策略。匈牙利算法主要用于解決二分圖最小權(quán)值匹配的相關(guān)問題，形狀上下文算法中將矩陣轉(zhuǎn)化為對應(yīng)的二分圖匹配關(guān)系。具體思路是先將相似度度量矩陣抽象成距離矩陣，再利用匈牙利算法計算一個總損失最小的點對匹配，運算公式如下：

H（π）-∑iC［pi，qπ（i）］（6）

DSC（P，Q）=1n∑p∈Pargminq∈QC［p，T（q）］+1m∑q∈Qargminp∈PC［p，T（q）］（7）

式中：P，Q表示關(guān)鍵點的集合。

（5） 偽點匹配。經(jīng)過上述過程，已經(jīng)找到了大部分的點對關(guān)系。其中有部分點雖然找到了對應(yīng)的點對，但并不是正確的對應(yīng)關(guān)系，這是因為兩組點的個數(shù)不一致，導(dǎo)致點對匹配的后期會將距離遠(yuǎn)的離群點強(qiáng)行配對。因此，再通過添加偽點的方式解決兩組輪廓點數(shù)不一致的問題，還可剔除匹配計算中損失大于閾值的點對匹配。

2.5 水上水下一體化建模

2.5.1 基于形狀上下文算法點云配準(zhǔn)

在數(shù)據(jù)預(yù)處理結(jié)束后，引入基于形狀上下文算法進(jìn)行點云數(shù)據(jù)融合，將最接近水平面的水上點云和水下點云作為輸入圖像和模版圖像點云輸入，利用形狀上下文算法相似度量矩陣，再根據(jù)匈牙利策略將相似度度量矩陣抽象為距離矩陣，求出點對匹配。然后，將水下點的坐標(biāo)改正為其對應(yīng)的水上點坐標(biāo)，但由于水下點和水上點分別在水面的兩端，在高度Z軸上并不重疊，并不能將匹配到的點對直接重疊到一起。所以水下點的實際Z值：Z=水上點Z值-水上點云的水平面Z值-水下點云初始Z值。最終校正整個水下點云坐標(biāo)［19］，實現(xiàn)多源數(shù)據(jù)融合。

2.5.2 水上水下一體化建模

將融合后的水上水下點云數(shù)據(jù)以文件為單位導(dǎo)入Maptek I-Site Studio點云處理軟件，實現(xiàn)三維模型的構(gòu)建，三維模型結(jié)果如圖9所示。

3 結(jié)果分析

3.1 無人機(jī)點云精度對比分析

無人機(jī)點云精度影響后續(xù)對水邊線的繪制，需要對無人機(jī)點云進(jìn)行精度驗證［19-20］，包括平面精度和高程精度，采用RTK采集檢查點坐標(biāo)，以檢驗無人機(jī)點云精度，計算公式如下：

Mx=［Δx·Δx］n（8）

My=［Δy·Δy］n（9）

Mz=［Δz·Δz］n（10）

Δx=X檢-X模，Δy=Y檢-Y模，Δz=Z檢-Z模（11）

式中：X檢，Y檢，Z檢分別為用RTK實測的檢查點X，Y，Z坐標(biāo)值；X模，Y模，Z模分別為用Terrasolid軟件測得的相同點X，Y，Z坐標(biāo)值；n為檢查點個數(shù)。

為了進(jìn)行平面精度和高程精度分析，將RTK測得的坐標(biāo)當(dāng)作檢查真值，然后基于Terrasolid軟件分別獲取對應(yīng)模型上的檢查點坐標(biāo)信息，計算檢查點坐標(biāo)與對應(yīng)真值坐標(biāo)的差值。表1為飛機(jī)架次部分RTK檢查點與點云檢查點的坐標(biāo)比測。

根據(jù)平面中誤差和高程中誤差對點云精度進(jìn)行綜合分析，平面誤差絕對值在0.01～0.05 m的點數(shù)占比33.6%，在0.05～0.10 m的點數(shù)占比53.3%；高程誤差絕對值在0.01～0.05 m的點數(shù)占比43%，在0.05～0.10 m的點數(shù)占比48.6%。

3.2 多波束測深系統(tǒng)精度分析

通過上述處理，無人船搭載多波束測深系統(tǒng)以點云數(shù)據(jù)形式輸出地形曲面。圖10為某一段河道生成的成果曲面圖。

在無人船測量時，同步采用單波束測深儀采集數(shù)據(jù)，以驗證多波束數(shù)據(jù)的準(zhǔn)確性［21-22］。以單波束測點周邊0.5 m為半徑，提取多波束數(shù)據(jù)作為該單波束數(shù)據(jù)的共同點，進(jìn)行單波束與多波束所采集數(shù)據(jù)的高程值比對。本文選取某一段河段進(jìn)行精度比對，共匹配點數(shù)80點。圖11為不同互差的出現(xiàn)頻率，整體呈現(xiàn)正態(tài)分布，互差越小所占比例越高，其中，互差約為0 占比超過50%。計算出高程互差中誤差Mz=±0.175 m。

3.3 模型精度分析

通過測區(qū)中測量的水邊特征點（如護(hù)坡、固定坎等）比較三維模型中陸上與水下接邊處的平面與高程精度。選取了部分RTK測量的水邊點數(shù)據(jù)，與模型中同位置水邊點的對比結(jié)果如表2所示。

4 結(jié) 論

本文采用無人船搭載多波束測深系統(tǒng)和無人機(jī)航測相結(jié)合的測量方式，有效解決了西南地區(qū)河道兩岸山地起伏大、植被茂密、作業(yè)人員上岸測量困難等問題，進(jìn)一步提高了水下與岸上地形測量的工作效率，降低外業(yè)測量的危險性。

（1） 無人機(jī)搭載激光雷達(dá)測量技術(shù)不受地形、植被等因素影響，可從空中對地物進(jìn)行測量，生成無人機(jī)點云模型。本文通過檢查點坐標(biāo)與對應(yīng)真值坐標(biāo)對比，發(fā)現(xiàn)平面誤差絕對值在0.01～0.05 m的點數(shù)占比為33.6%，在0.05～0.10 m的點數(shù)占比為53.3%。高程誤差絕對值在0.01～0.05 m的點數(shù)占比為43%，在0.05～0.10 m的點數(shù)占比為48.6%，測量成果精度符合要求，大大提高了工作效率。

（2） 無人船搭載多波束測深系統(tǒng)，充分利用無人船機(jī)動靈活、智能化程度高的特點，解決了傳統(tǒng)多波束測深系統(tǒng)安裝校準(zhǔn)工序復(fù)雜且耗時、外業(yè)工作量大且安全性低等問題。無人船測量結(jié)果表明，與單波束測深相比，高程誤差整體呈現(xiàn)正態(tài)分布，互差越小所占比例越高，其中，互差約為0占比超過50%，高程互差中誤差Mz=±0.175 m。

（3） 本文引入一種基于形狀上下文算法的水上水下點云配準(zhǔn)方法，將機(jī)載激光點云數(shù)據(jù)與多波束測深點云數(shù)據(jù)進(jìn)行配準(zhǔn)融合，實現(xiàn)了水上水下一體化三維模型的構(gòu)建。結(jié)果表明，該測量方法能夠滿足工程測量的精度要求，具有推廣應(yīng)用價值。

參考文獻(xiàn)：

［1］ 陳天博，胡卓瑋，魏錸，等.無人機(jī)遙感數(shù)據(jù)處理與滑坡信息提?。跩］.地球信息科學(xué)學(xué)報，2017，19（5）：692-701.

［2］ 李貴柱.測繪新技術(shù)在測繪工程測量中的應(yīng)用探究［J］.城市建設(shè)理論研究，2023（23）：181-183.

［3］ 焦思穎.自然資源部將啟動“十四五”基礎(chǔ)測繪規(guī)劃編制［J］.國土資源，2019（3）：37.

［4］ 程海云.推進(jìn)新時代長江水文高質(zhì)量發(fā)展體系建設(shè)構(gòu)想［J］.人民長江，2023，54（1）：88-97.

［5］ 李曉斌，林志軍，楊璽，等.基于激光掃描和傾斜攝影技術(shù)的三維實景融合建模研究［J］.激光雜志，2021，42（8）：166-170.

［6］ OBANAWA H，HAYAKAWA Y S.Variations in volumetric erosion rates of bedrock cliffs on a small inaccessible coastal island determined using measurements by an unmanned aerial vehicle with structure-from-motion and terrestrial laser scanning［J］.Progress in Earth and Planetary Science，2018，5（1）：1-10.

［7］ SANTAGATA T.Monitoring of the Nirano Mud Volcanoes Regional Natural Reserve （North Italy） using unmanned aerial vehicles and terrestrial laser scanning［J］.Journal of Imaging，2017，3（4）：42.

［8］ 趙保成，徐健，徐堅，等.基于無人船的多波束系統(tǒng)水下地形測量應(yīng)用［J］.地理空間信息，2023，21（9）：65-68.

［9］ 任建福，韋忠揚，張治林，等.EM2040C多波束系統(tǒng)在采砂量監(jiān)測中的應(yīng)用［J］.測繪通報，2021（10）：136-140.

［10］ 王茂枚，周廣宇，陳楠，等.基于高分辨率的多波束測量方案研究［J］.水利水電技術(shù)（中英文），2021，52（增2）：385-389.

［11］ 葉斌，陳立波，羅正龍，等.無人船測量系統(tǒng)在河道清淤中的應(yīng)用［J］.地理空間信息，2017，15（11）：21-23，9.

［12］ 孫振勇，杜澤東，何友福，等.三維水深測量技術(shù)在山區(qū)河道測量中的適應(yīng)性分析［J］.人民長江，2022，53（增2）：72-75.

［13］ 羅旭，石明旺.無人船測量系統(tǒng)在河道水下地形測量中的應(yīng)用［J］.城市勘測，2020（4）：164-167.

［14］ 許成義，孫棟，張金營，等.基于無人船測量系統(tǒng)的水下地形測量研究與應(yīng)用［J］.山東國土資源，2023，39（2）：50-55.

［15］ 王冬敏，楊國興，李春林，等.無人船水下測量技術(shù)在溪洛渡庫區(qū)的應(yīng)用［J］.人民黃河，2022，44（增1）：269-270.

［16］ BESL P J，MCKAY H D.A method for registration of 3-D shapes［J］.IEEE Transactions on Pattern Analysis amp; Machine Intelligence，1992，14（2）：239-256.

［17］ KENT J T，MARDIA K V.The link between kriging and thin-plate splines［M］∥Probability，Statistics and Optimization：a Tribute to Peter Whittle.Chichester：John Wiley amp; Sons，Ltd.，1994.

［18］ BELONGIE S，MALIK J，PUZICHA J.Shape matching and object recognition using shape contexts［J］.IEEE Transactions on Pattern Analysis amp; Machine Intelligence，2002，24（4）：509-522

［19］ 李晨.全水覆蓋底面的大型溶洞水上水下一體化三維重建技術(shù)研究［D］.昆明：昆明理工大學(xué)，2023.

［20］ 曹琳.基于無人機(jī)傾斜攝影測量技術(shù)的三維建模及其精度分析［D］.西安：西安科技大學(xué)，2017.

［21］ 和文斌，甘淑，袁希平.無人機(jī)用于形態(tài)復(fù)雜實驗對象量測的精度分析［J］.城市勘測，2022（1）：96-100.

［22］ 楊柳，王超，吳忠明.多波束測深系統(tǒng)與單波束測深儀在長江河道測量應(yīng)用中的比較與分析［J］.水利水電快報，2021，42（5）：23-25，29.

（編輯：李 慧）

Exploration of underwater topographic measurement method for reservoir area based on multi-source data fusion

HAN Xiao，GONG Delin，ZHANG Zhimin，YANG Kun

（Southwest River Bureau of Hydrology and Water Resources，Bureau of Hydrology of Changjiang Water Resources Commission，Kunming 650051，China）

Abstract：

Aiming at the problems in the process of river surveying，such as single technology，low accuracy，low efficiency and incomplete data，and to improve the safety and efficiency of terrain data collection，a measurement method that combines unmanned aerial vehicles with airborne LiDAR and unmanned ships with multi-beam depth measurement systems was adopted to collect data in the reservoir area.A shape context algorithm based on multi-source data point cloud fusion was introduced，and the integrated construction of three-dimensional models above and below water was achieved through Maptek I-Site Studio point cloud processing software.The results showed that the proportion of points of the airborne laser point cloud data with plane error from 0.01 to 0.05 was 33.6% ，and 53.3% points with plane error from 0.05 to 0.10.Then 43% of the points had an elevation error from 0.01 to 0.05 m，and 48.6% of the points had an elevation error from 0.05 to 0.10.The elevation error of unmanned ship multi-beam depth measurement data showed a normal distribution as a whole compared to the single beam，and the smaller the mutual difference was，the higher the proportion was.The zero mutual difference accounted for more than 50% of the points.The proportion of water edge points in 3D models with accuracy from 0.1 to 0.2 m was about 70%.The operation method adopted was suitable for areas with large undulating mountains on both sides，dense vegetation，and deep water channels in the reservoir area，which can simplify the workflow of field work and improved the accuracy of the operation.

Key words：

underwater topographic survey； drones； airborne LiDAR； multi-beam bathymetric system； 3D model