当前位置:网站首页>飞马D200S无人机与机载激光雷达在大比例尺DEM建设中的应用
飞马D200S无人机与机载激光雷达在大比例尺DEM建设中的应用
2022-07-28 16:10:00 【三维GIS技术社区】
摘要
本文基于飞马D200S无人机搭载RIEGLmini210激光雷达获取46.7km2的点云数据制作1:500DEM。首先根据测区面积大,飞马无人机管家智航线模块自动划分航摄分区过多的情况,调整航线长度以减少航摄分区数量,统一航线方向减少航摄分区间航线冗余,从而减少外业工作量和数据冗余;然后制定对比实验,根据激光雷达性能,得出点云密度满足规范要求的航摄高度和旁向重叠度,减少数据总量提高内外业生产效率;最后利用机载激光雷达获取高精度点云数据制作1:500DEM成果。利用野外实测高程点检验DEM成果精度,计算得出DEM成果高程中误差0.072m,满足规范中1:500DEM平地区域中误差0.2m的限差要求。项目使用飞马D200S无人机搭载RIEGLmini210激光雷获取点云数据制作1:500DEM,其成果精度满足规范要求;项目外业、内业共投入人力20人/天,总工期历时7天;该方法作业效率高,在数据采集、生产流程上技术成熟可靠值得推广应用。
图新地球桌面端新版(LSV4.3.1)发布,新增点云大师功能,功能如下:
1. 大疆、飞马等无人机航测点云成果
2. 自动完成地面点提取
3. 生成高精度地形和CAD格式等高线
点击查看详情:点云大师
关键词
1:500DEM;飞马D200S无人机;RIEGL mini210激光雷达;
1.引言
数字高程模型(Digital Elevation Model,DEM)是通过高程与平面坐标的连续函数来描述地面高程信息,是地形曲面的数字化表达,是基础空间数据的重要组成部分。原来生产DEM主要利用获取的航空影像采用交互式摄影测量方式进行制作,根据对立体像对的地形地貌采集特征点、线,再通过内插制作DEM。这种方法耗时耗力、效率低下,还随着地貌特征、植被覆盖等自然条件的变使得利用该方法制作DEM的工作量和采集难度不定,得到的DEM成果也难以保证其精度的均匀性。
随着无人机技术的发展,无人机在航空摄影测量领域得到广泛的应用,LiDAR(Light Detction and Ranging,LiDAR)设备的轻量化、小型化发展,使得在无人机上搭载LiDAR设备成为可能。无人机机载LiDAR系统集成空间定位、惯性测量、激光扫描等多种设备,直接获取得到地物点的三维坐标数据,而且激光能够穿透一定的植被,获取植被下地面点得到真实的地表地形,是目前唯一能够大面积的测量茂密植被下地面高程的可行技术手段。机载LiDAR点云数据后处理算法的持续研究更新,也为无人机机载LiDAR获取得到的点云数能够通过滤波等操作后得到高精度DEM数据,提供软件技术支撑。
本文结合上合示范区1:500DEM生产项目,根据作业环境和已有的设备参数等条件,分析作业难点制定作业计划,步步检核、步步控制,保证获取得到的点云数据制作的DEM成果精度可靠。
2. 项目概述
2.1 项目背景
2021年3月,国家发展改革委、中央网信办、自然资源部、住房和城乡建设部等28部门联合发布《加快培育新型消费实施方案》,提出“加强新一代信息基础设施建设。推动城市信息模型(City Information Modeling, CIM)基础平台建设,支持城市规划建设管理多场景应用,促进城市基础设施数字化和城市建设数据汇聚。”
根据上合示范区智慧城市建设的需要和国家对CIM基础平台建设相关要求,结合上合示范区智慧城市建设,上合示范区管委决定建立上合示范区城市信息模型(CIM)基础平台(以下简称CIM基础平台),全面推进CIM基础平台在上合示范区智慧城市及规划建设管理领域的广泛应用,作为上合示范区智慧城市建设重要基础,将助力上合示范区精细化、智慧化管理水平的提升,助力上合示范区实现高标准建设、智能化运营。数字高程模型(Digital Elevation Model,DEM)是时空基础数据的重要组成部分,是CIM基础平台的重要底图数据。
2.2 测区情况
测区位于胶州上合示范区,面积46.7km2,南北长11km、东西最宽处约8km。测区内地势平坦,工业厂房较多,存在少量高层建筑;西南侧有一片较为密集的芦苇荡,东北侧有一个突起的山头,这两处植被较为茂密;国道228南北向贯穿其中,车流量较大;南侧两个湖泊通过一条河流东西向连通并贯穿测区;综合以上条件该测区能代表一些建成区、非建成区的作业环境,具有一定的代表性,图1中红线范围内为该测区范围。

图1 项目范围图
2.3 成果要求
项目所需的成果数据为1:500比例尺的DEM,其应满足以下规范:
(1)《机载激光雷达数据获取技术规范》(CH/T8024-2011);
(2)《机载激光雷达点云数据质量评价指标及计算方法》(GB/T36100-2018);
(3)《机载激光雷达数据处理技术规范》(CH/T8023-2011);
(4)《测绘成果质量检查与验收》(GB/T24356-2009);
(5)基础地理信息数字成果1:500、1:1000、1:2000数字高程模型》(CH/T9008.2-2010)。
2.4 设备选用
结合我院现有的无人机设备和无人机机载激光雷达设备,选用飞马D200S无人机和RIEGLmini210机载激光雷达。
飞马D200S无人机是一款基于高性能旋翼平台的高精度无人机航测系统,飞行器的传感器采用多路冗余设计,保障飞行作业安全可靠,设备参数如下:
表1 飞马D200S无人机基本参数

RIEGLmini210机载激光雷达具有多次回波技术,该技术可以使得测量具有一定的穿透性,使得穿透雨雾、粉尘和植被缝隙等成为可能。测区内存在的较为密集芦苇荡和茂盛的植被,所以选用该型号机载激光雷达作为本项目中点云数据获取的主要设备,其参数如下。
表2 RIEGLmini 210基本参数

3. 技术难点与解决方案
3.1 技术难点
项目存在以下难点:
难点一:测区面积大、南北长,飞马D200S无人机搭载LiDAR设备航程和有限,飞马无人机管家智航线自动划分航摄分区过多,航摄分区过多增加外业工作量,产生数据冗余和系统误差。
难点二:测区内存高层建筑,经过测量高层建筑物距离地面为105m、塔吊高度约130m,提高航摄高度能确保飞行安全和点云数据采集效率,但是点云密度会随着航高的升高而降低,低密度的点云制作的DEM精度能否满足规范的要求。
这两个难点考验飞马D200S无人机和RIEGLmini210机载激光雷达设备的快速数据获取能力。
3.2 解决方案
针对3.1中难点一,提高各航摄分区内航线的相关性、减少航摄分区,将测区均匀划分5个航摄区域,航摄分区图见图2,其中分区2、3航线分别向东向西延伸超出测区边界外150m,分区4东侧航线端点和分区5西侧航线端点分别向西、向东延长并重叠200m。各航摄分区内航线角度统一为90°,各航摄分区间旁向重叠一条航线。

图2 航摄分区图
针对3.1中难点二,为项目寻找一个合适的航摄参数,制定实验如下:
表3 实验航摄参数

选定测区中一个有厂房、高层建筑和部分芦苇存在的区域,面积约1.2km2的实验区,用飞马D200S无人机搭载RIEGLmini210按照表3中的航摄参数进行点云数据采集,并进行点云数据的解算和基本处理,在测区内间隔均匀的测量25个高程点,检查实验区点云密度和高程中误差,其结果如下:
表4 航摄实验结果
为了确保无人机飞行安全并兼顾外业效率,以及获取得到的点云数据密度满足规范要求,依据针对难点二进行的点云数据获取实验,本项目中航摄参数设定为:旁向重叠30%、航速7m/s、航高180m。设定的航摄参数虽然在实验中点云密度和高程精度均能满足要求,但是大面积的进行点云数据采集,其精度和点云密度能否满足规范要求还有待进一步验证。
4. 数据获取与处理
4.1 航飞作业和控制点测设
测区内空域情况复杂,白天空域获得飞行许可时间短,难以持续航飞作业。夜间空域获批时间连续,架设的差分基站能够持续不间断提供差分信号,有效减少因为基站差分带来的误差影响,夜间车辆和人员活动少能有效减少LiDAR点云数据的噪点,因此本项目在夜间进行点云数据采集的航飞作业。
LiDAR点云数据采集历时2个晚上,累计飞行26个架次共60条航线,总航线长度为222.4公里,航线分布图见图3。

图3 航线分布图
测区内均匀布设100个控制点以供后期作为整个测区高程拟合调整和一些检查工作使用,控制点分布图及样式见图4。

(a) 控制点分布

(b) 控制点样式

(c) 控制点规格
(a、(b)、(c)为图4 控制点分布与样式
4.2 数据处理
点云数据处理流程见图5。

图5 数据处理流程
(1) 轨迹解算
无人机轨迹采用Inertial-Explore软件进行解算,解算后轨迹质量检查如图6。
a

(a)位置精度检查
b

(b)解算精度检查
图6 轨迹质量检查
点云解算和航带拼接利用飞马无人机管家点云后处理模块进行相应处理。
(2) 点云分类和DEM制作
点云分类和DEM产品制作基于TerraSolid软件进行处理,DEM数据制作流程如下:

图7 解算后点云数据
①点云分类:一般的先将所有的点分到一个类中,采集的数据因为一些原因造成数据存在一些噪点,这些噪点会影响算法的滤波效果和结果,一般先去除噪点,然后提取地面点,在软件自动分类后人工干预并调整地面点。
②DEM制作与检查:先构建TIN,然后逐图幅检查,对检查出的问题根据造成错误的原因进行对应的处理,再次构建TIN格网,检查无误后生产DEM,对DEM数据叠加DOM数据进行质量检查,检查过程中注意错分的地类和水面,构建TIN和检查出的问题如图8、图9所示。
a

(a) 点云构建TIN
b

(b) 检查问题样例
图8 TIN格网和问题检查
a

(a) 错误分类
b

(b) 水面不平整
图9 DEM套合DOM质检结果
图9(a)中鱼塘中的凸点就是错分的类,不属于地表地形点而是鱼塘大型制氧机设备,图9(b)中水面未处理好不平整。对检查的问题逐一处理后得到的DEM成果见图10。

图10 上合示范区DEM成果
4.3 项目投入情况
项目投入人力和设备情况见表5。像控点布设、点云数据采集航飞作业、内业点云处理和DEM编辑共计用时7个工作日,效率可见一般,飞马D200S无人机与RIEGLmini210机载激光雷达的组合完全解决了生产效率的问题,直接为客户带来了时间和经济效益。
表5 项目投入

5.精度分析
5.1 精度评价指标
本项目从点云密度、点云高程中误差、DEM高程中误差和检查点的误差分析这4个方面进行检核分析,高程精度通过野外实测点进行评定,主要检查的精度指标见表6,精度指标计算公式如下:
(1) 激光雷达点云密度
密度利用全测区(水域除外)激光点云个数与全测区(水域除外)面积进行计算。激光雷达点云密度计算公式如下:

其中为激光雷达点云密度,单位为个每平方米(个/m²) ;n为测区内激光雷达云点云总数;ni为第i个水域内激光雷达点云数,单位为个;m为测区内水域个数,单位为个;A为全测区激光雷达点云覆盖的面积,单位为平方米(m²);Ai第i个水域激光雷达点云覆盖的面积,单位为平方米(m²)。
(2) 高程精度检查
高程中误差用于评定激光雷达点云数据高程与其真实的地面高程之间的误差,利用测区野外检查点数据进行评定。利用检查点为中心的邻近点云内插处检查点位置的高程,进行误差计算。
表6 机载Lidar点云数据制作DEM精度指标

5.2 高程精度检核方案
在航摄分区接边处两条航带间、航摄分区内两条航带间重叠区域采用RTK测量方式实测高程点用来检查原始点云数据高程中误差,所选航带为:1-3和1-4,1-13和2-1,2-5和2-6,2-9和3-1,3-6和3-7,3-10和4-1,3-10和5-1,4-5和4-6,5-5和5-6共计18条航带,每两个航带间共测量15个点。
数字高程模型模型高程按照1:500分幅共计867幅,按照《测绘成果质量检查与验收》(GB/T24356-2009)中的规定,随机抽取90幅DEM进行质量检查,每幅图上测量高程点25个。
5.3 精度评定
5.3.1 点云密度
按公式(1)计算点云密度,得到点云密度为16.5个/平方米,满足《机载激光雷达数据获取技术规范》(CH/T8024-2011)的要求。
5.3.2 原始点云高程中误差
计算航带间点云数据的高程中误差,计算结果见表7。航带间点云高程中误差均优于《机载激光雷达数据获取技术规范》(CH/T8024-2011)中对于点云数据高程中误差15cm的限差要求。
表7 原始点云高程中误差 单位:m

5.3.3DEM高程精度评定与分析
90幅图中,每幅图上测量25个高程点,共得到2250个高程检查点,计算得到中误差为0.072m,满足规范《基础地理信息数字成果1:500、1:1000、1:2000数字高程模型》(CH/T 9008.2-2010)中对1:500 DEM平坦地区高程中误差0.2m的要求。
DEM检查点的误差和个数分段统计见图11(a),将检查点的高程误差值与其平面位置展绘出误差分布图见图11(b),分析误差大小与点位分布,根据误差分布图可以得出DEM检查点高程误差的正负、大小与位置无关。根据图11可以得出检查点高程误差值绝对值相等的正误差和负值出现的概率大致相同,而且绝对值误差小的误差值比绝对值误差大的误差出现的概率大。综上可以得出DEM产品高程误差大小、符号没有明显的规律分布均匀,因此可以判定DEM成果无系统误差。

(a) 误差分布分段统计

(b) 误差位置分布
图11 误差分布图
6.总结
大比例尺高精度DEM数据获取与制作一直是一个难点,随着无人机技术的发展,使得无人机为测绘行业带来了全新的作业模式,既减少了人员投入又提高了作业效率,能获取得到精度均匀且满足需求的高精度数字化产品,保证了新型测绘成果的质量和效果。通过本项目可以得到以下结论:
(1)基于飞马D200S无人机搭载RIEGLmini210机载激光雷达进行大面积点云数据获取任务,其获取的点云数据制作的1:500DEM成果满足规范要求。
(2)本项目针对D200S续航问题,合理的划分航摄分区和规划航线用来采集大面积的点云数据,合理的航摄分区划分和航线布设方式提高了外业数据采集效率,有效的减少冗余数据提高内业数据处理效率。
(3)点云数据精度由无人机轨迹数据和激光雷达设备共同决定的,本项目能得到高精度、高质量的点云数据,与D200S无人机能够提供高精度的轨迹数据和RIEGLmini210机载激光雷达优良的性能是密不可分的,这得益于厂家对无人机设备和RIEGLmini210机载激光雷达的系统整合与优化调教。
(4)飞马D200S搭载RIEGLmini210机载激光雷获取的点云数据其精度满足1:500DEM数据生产的要求,得到的DEM模型地形精细度是传统方式生产的DEM所不具备的。RTK测量杆和全站仪棱镜杆在外业测量时其与地面的垂直状态不能保证,而且遇到软土层时测量杆插入土中的情况是不能避免的,所以传统方式测量得到的DEM成果其精度均匀性也是不可控的。而无人机搭载LiDAR设备采集点云数据制作DEM成果,可以有效的避免这些误差得到产品在整个测区精度都比较均匀。
(5)飞马D200S搭载RIEGLmini210机载激光雷达可以全天候作业。D200S还能仿地飞行,在山地、丘陵地区可以跟随地形起伏保持相对航高飞行作业使重叠度均匀一致,该机型一个飞行平台可以搭载多种传感器,航线规划和防地飞行操作简单易懂,这是其他无人机飞行平台不具有的,作者团队用该机型获取了超过8000km航线的倾斜和正射数据,也曾经在6级风力的情况飞行作业获取应急数据并且安全降落,这些优势是其他无人机不能比拟的。
无人机技术的出现使得轻便化、简单化、低成本的航空摄影测量成为可能,特别的像飞马这样专攻、深耕测绘行业的无人机厂商能提供优质的无人机飞行平台和载荷,并且将飞行平台和载荷系统有机融合,使得航测外业难度大大降低,航测成果精度能够保证,提高了数据采集的效率,让我们的工作更加便捷、高效且安全。
文章转载自微信公众号飞马机器人,版权归原作者及刊载媒体所有。

边栏推荐
- [deep learning]: day 4 of pytorch introduction to project practice: realize logistic regression from 0 to 1 (with source code)
- QT designer for QT learning
- Learn to use MySQL explain to execute the plan, and SQL performance tuning is no longer difficult
- Interesting kotlin 0x08:what am I
- Applet: scroll view slides to the bottom by default
- Oracle table partition
- PHP calculate coordinate distance
- Add differential pairs and connections in Ad
- 深入理解 DeepSea 和 Salt 部署工具 – Storage6
- Question making note 2 (add two numbers)
猜你喜欢

综合设计一个OPPE主页--页面服务部分

概率论与数理统计第一章
![[deep learning]: day 9 of pytorch introduction to project practice: dropout implementation (including source code)](/img/19/18d6e94a1e0fa4a75b66cf8cd99595.png)
[deep learning]: day 9 of pytorch introduction to project practice: dropout implementation (including source code)

小程序:scroll-view默认滑倒最下面

大学生参加六星教育PHP培训,找到了薪水远超同龄人的工作

【深度学习】:《PyTorch入门到项目实战》第四天:从0到1实现logistic回归(附源码)
![[deep learning]: the second day of pytorch introduction to project practice: realize linear regression from zero (including detailed code)](/img/19/18d6e94a1e0fa4a75b66cf8cd99595.png)
[deep learning]: the second day of pytorch introduction to project practice: realize linear regression from zero (including detailed code)

Cluster construction and use of redis5

Binary representation of negative integers and floating point numbers

Brother Ali teaches you how to correctly understand the problem of standard IO buffer
随机推荐
技术分享 | MySQL Shell 定制化部署 MySQL 实例
How to use fail2ban to protect WordPress login page
egg(十九):使用egg-redis性能优化,缓存数据提升响应效率
Re11:读论文 EPM Legal Judgment Prediction via Event Extraction with Constraints
小程序:获取元素节点信息
leetcode647. 回文子串
Implementation of paging
Some suggestions on Oracle SQL tuning
MySQL installation tutorial
PHP calculate coordinate distance
How should I understand craft
2020Q2全球平板市场出货大涨26.1%:华为排名第三,联想增幅最大!
Comprehensively design an oppe homepage -- after sales service of the page
快速掌握 Kotlin 集合函数
Programmers from entry to roast!!!!
Understanding of asmlinkage
Signal shielding and processing
Interesting kotlin 0x09:extensions are resolved statically
go语言慢速入门——流程控制语句
NoSQL introduction practice notes I