无人机摄影测量技术的山体DEM生成方法

0.引言
数字高程模型(D i gi t al E l evat i on M odel,D E M)作为地球空间信息框架的基础数据,在科学研究、军事领域和经济建设都具有重要的应用价值。

传统地形测量手段成本高、更新慢。

而机载雷达具有数据精度高、测量面积大、采集效率快等优点,但由于设备成本高,限制了其广泛应用[1]。

传统的方法采用水准测量仪、全站仪以及R TK等仪器采集空间特征点坐标,通过内插的方式获取测区数字高程模型一直被广泛使用。

水准仪测量方法将整个测区均匀划分为若干个区域,利用成熟的空间插值的方法获取整个测区的高程值,该方法适用于测区格网布局单一的结构,适用性较差。

全站仪测量方法适用于测区面积不大、通视较好的地形,仪器操作简单,但对于地形复杂的环境采用全站仪测量方法难以发挥该方法的测量优势。

R TK测量方法是目前采集数字高程模型的常用方法,该方法不受通视与距离的条件限制,测量方法相对水准仪和全站仪方法作业效率较高,但对于测区R TK信号较差以及难以人工到达的区域,该方法无法完成数字高程模型数据的采集。

因此,上述三种方法都不同程度地受地形复杂程度的影响,且人力成本高、作业效率低的特点。

基于地面三维激光扫描仪器的测量方法,首先需要在相邻测站间铺设一定数量的靶标,通过在不同站数据间提取公共靶标,对不同站的数据进行拼接处理;其次,利用控制点数据对整个测区的点云数据进行坐标旋转、平移、缩放处理,将整个测区点云转化到已知坐标系下;最后,通过对采集的点云数据进行抽稀、滤波处理剔除非地面点,利用地面点数据构建三角网生成数字高程模型。

但地面三维激光扫描仪价格昂贵、作业成本较高、难以有效地推广。

随着无人机(unm anned aer i al vehi cl e,U A V)与传感器的不断发展,基于低空无人机平台的摄影测量技术越来越成熟。

无人机摄影测量技术具有自动化和智能化等特点[2-4],利用无人机航拍技术代替传统手段,特别是针对小区域高空间/时间分辨率地图应用时,具有系统灵活、起降方便、成本低、成像质量高等优点。

在快速获取小区域、人工作业困难地区和复杂地形区域高分辨率影像具有明显优势。

目前,无人机摄影测量技术已被广泛用于地形测量[5-7]、环境监测[8,9]、农作物信息提取及应用[10,11]、森林植被信息提取[12,13]等方面,精度可与机载雷达相当[14,15]。

本文以内蒙古锡林浩特周围山体为研究对象,采用瑞士SeneFl y公司发布的eB ee固定翼无人机平台与地面G PS R TK系统,构建外排土场地形测量作业平台,用检查点对测量结果进行精度检验,同时与G PS R TK地形测量数据进行比较分析,对该测量方法的实用性和不足进行思考和研究。

1.基本原理
数字高程模型的获取利用计算机视觉原理与摄影测量基本原理构建地物三维模型,首先通过无人机控制平台规划飞行航线获取影像数据;然后,利用计算机视觉的影像匹配方法获取影像间的连接点坐标,结合摄影测量的光束法区域网平差方法精化影像的姿态数
无人机摄影测量技术的山体D E M生成方法
黄树坤慕旭荆灵玲邹桂高
(中航勘察设计研究院有限公司,北京100098)
摘要传统技术在地形测量中存在精度低、时效差等缺点,无人机摄影测量作为新型航测与监测方法,具有精度高、成本低、更新快等特点,可弥补传统手段在地形测量中的不足。

以内蒙古锡林浩特周围山体为研究对象,利用无人机摄影测量技术集合G PS R TK地面相控点,获取研究区22000m2分辨率0.06m地形数据,并利用31个随机检查点进行D EM精度评价。

结果表明,无人机摄影测量与R TK G PS控制点相结合的技术获取数据满足制作1颐500地形数据的精度要求。

关键词U A V;无人机摄影测;地形测量;D EM精度分析
中图分类号P231文献标识码A文章编号2095-7319(2020)05-0054-06
1.1影像密集匹配技术
半全局匹配(SG B M )算法为双向密集匹配方法的一种,通过影像精化后的姿态数据计算核线参数,利用核线参数重采样生成核线影像;其次,在核线影像上进行稀疏匹配获取同名点坐标,计算影像的初始收索范围。

再次,通过对核线影像上每个像素点进行匹配获取视差参数,获取核线影像的初始视差影像;最后,以初始视差影像为基础,选择合适的能量函数,该函数的选择与初始视差影像相关,且能够使选择的能量函数取最小值,计算获取每个像素的最优视差影像达到每个像素的最优匹配结果的目的。

半全局匹配方法通过在影像上尝试多个方向的一维路径进行约束,构建马尔科夫全局的能量方程,通过将每个像素的多个路径信息叠加获取最终的匹配代价,利用简单的W TA 决定每个像素视差参数的最优解,生成最优的视差影像。

聚集多方向能量的示意图(如图2所示):
图2
聚集多方向能量
依据动态规划的思路对影像上每个像素进行每个方向能量累积求和,然后对多个方向进行匹配代价的叠加,获得每个像素点的总匹配代价。

其中,L 表示该路径下的代价累积函数;p 1、p 2表示相邻像素点间存在初始最大视差与初始最小视差,p 1<p 2;p 、d 表示核线影像上影像的行、列号;r 表示影像上离中心像素(p ,d )的距离;第3项为消除不同方向路径、不同长度下造成的影响,没有实际意义。

将所有方向的匹配代价相加,得到总的匹配代价,计算公式如式(1)、式(2)所示:
据(内外方位元素);最后,利用影像密集匹配的方法获取整个测区的原始点云数据,通过空间内插构建数字
高程模型。

其中多视影像密集匹配技术为生成数字高程模型的关键技术。

其作业流程(如图1所示)
:
图1
无人机地形测量流程
图
(1)
2.数据采集及预处理
研究区位于内蒙古自治区锡林浩特市境内,面积约22000m 2,海拔在1156m ~1306m 之间。

数据采集采用固定翼无人机飞行平台搭载数码相机;地面控制单元由地面站和双向数据收发电台组成;外业影像控制点由G PS R TK 测量完成。

实际飞行时,侧风会对无人机
姿态造成较大影响,从而影响采集数据质量。

通过多次飞行的数据分析,总结该测区航拍的飞行规律,找到了最佳飞行窗口,最终获得了较为满意的航摄资料。

数据采集于2018年4月30日,天气晴朗无云,微风,共采集航片1262张。

2.1控制点与检查点量
测
(2
)
无人机上搭载的G PS 精度较低,为保障足够精度,需对航拍获取的影像数据添加外业控制点数据进行空三处理以保证精度[16,17]。

外业控制点布设采用航向每隔6~10条基线布设1个平面、高程点,旁向每隔两条航带布设1个平面、高程点的区域网布点方式,在航区内布设了54个控制点。

为保证控制效果,控制点选取地势较高,视野开阔的平坦区域布设,并在每个测量点上涂抹红色油漆,便于后期对无人机影像进行绝对定向。

控制点的量测可以保证:
(1)用来图像处理时对无人机影像进行绝对定向;(2)对获取的D E M 和D O M 影像进行精度检验。

控制点利用G PS R TK 对各点进行测量,坐标系统采用CG C S2000坐标系。

2.2影像获取
在飞行计划前,根据需要设计航线航向重叠与旁向重叠[18]。

本次实验设置航向重叠度为80%,旁向重叠度为70%,航高为150m 。

相机拍照由飞控系统自动完
成,曝光设置为无穷远。

为了保证获取影像数据分辨率一致,进一步提高精度,在研究区陡坡区域采用变航高倾斜摄影测量模式获取影像数据。

2.3数据处理
为处理不规则航拍图像数据,生成地理配准的3D 点云[19],利用外业无人机平台采集的影像数据与像控点导入Phot oScan 软件中,经过初始预处理剔除由于部分扭曲、模糊的照片,然后对齐照片,构建几何体和纹理构建。

利用软件的匹配模块进行多视影像匹配获取影像同名点坐标,通过约束策略剔除明显的误匹配点;利用软件分A T 模块和少量的外业控制点数据进行辅助G PS 光束法区域网平差精化原始影像姿态数据,获取高精度的姿态数据;最后利用软件的密集匹配[20]、Sf M 摄影测量等处理,生成研究区0.06m 精度三维点云数据,经过规则格网内插获取数字地表模型(D SM )和数字正射影像(D O M )(如图3所示),同时生成数据评估报告。

A.点云
B.正射影像
C.数字高程
模型
3.结果与分析3.1精度评价
为确定无人机采集地形数据的精度,采用研究区
内控制点误差统计和检查点验证两种方式进行精度评估。

控制点误差统计、检查点高程值与影像解算对应比较(如表1、表2所示):
表1
控制点误差统计
图3研究区
续表1:
表2检查点误差统计
由表1与表2可知,所有控制点和检查点均有效,其中,控制点投影误差均控制均在1个像素之内,满足设计要求。

采用研究区内G PS R TK 所测检查点与生成D E M 相应点进行比较。

通过同名点差值的平均绝对误差(M A E )及均方根误差(R M SE )评估精度,公式如式(3)、式(4)所示:
式中,E 为检查点实测值与生成影像值的差值;n 为验证样本数。

由表2数据计算可知,检查点绝对误差为0.048m ,水平方向均方根误差为0.053m ,高程均方根误差为0.060m ,误差在0值区间内分布相对均匀,没有出现过大的误差值。

根据《数字航空摄影测量空中三角测量规范》(G B /T23236-2009)的作业要求,平面、高程测量误差结果符合1颐500地形数据制作要求。

3.2成果应用分析
采用无人机摄影测量技术,可以获取各种所需的高分辨率的D O M 数据、高分辨率三维倾斜立体模型数据,为相关业务部门的需要提供基础地理信息数据支撑。

在D O M 成果上可以识别出所需的高精度水系网络
数据,同时,可以进行土方量计算、特别区域面积识别等监测。

由于无人机摄影测量为用户提供了精确的地理信息、更精细的纹理信息以及更深的数据挖掘空间,该技术可广泛应用于应急指挥、国土安全、土地资源管理、公共安全、城市规划、地灾评估等方面。

4.结束语
(1)通过对研究区进行无人机航拍获取影像、地面G PSR TK 获取控制点的方式,可获取研究区高分辨率的D E M 数据。

通过控制点/检查点进行精度评估,数据水平精度为0.053m ,垂直精度为0.060m ,满足制图要求。

与传统的载人机载平台相比,无人机平台大大降低成本,在小区域数据采集方面表现突出。

(2)由于无人机重量轻、动力小,因此除控制点外,无人机摄影测量受天气、风力、镜头失真以及软件建模方式等其他因素影响。

同时,内业数据处理时,由于影像的摄影比例尺不一致、重叠度不一致、地物遮挡等因素导致获取的数据中含有较多的粗差,影响空三精度。

因此,为保障数据的精度,需要科学合理地布设外业控制点,同时,在局部复杂区域需要进行人工补测。

(3)无人机飞行需要遵守飞行区法律法规,飞行前需向相关部门提出申请,做到不黑飞、不乱飞。

(3
)(4)
参考文献:
【1】Remondino F,Barazzetti L,Nex F,et al.Uav Photogrammetry for Mapping and 3d Modeling Current Status and Future Perspectives:Uav-G,2012[C].
【2】张太鹏,宋会传.无人机技术在现代矿山测量中的应用探讨[J].矿山测量,2010(3):44-46.
【3】李德仁,李明.无人机遥感系统的研究进展与应用前景[J].武汉大学学报(信息科学版),2014(5):505-513.【4】汪沛,罗锡文,周志艳,等.基于微小型无人机的遥感信息获取关键技术综述[J].农业工程学报,2014(18):1-12.【5】王鸿鸽.无人机航测在矿山测绘中的实际应用[J].技术与市场,2014(9):55-57.
【6】肖武,胡振琪,张建勇,等.无人机遥感在矿区监测与土地复垦中的应用前景[J].中国矿业,2017,26(6):71-78.【7】Tonkin T N,Midgley N G,Graham D J,et al.The potential of small unmanned aircraft systems and structure-from -motion for topographic surveys:A test of emerging integrated approaches at Cwm Idwal,North Wales [J].Geomorphology,2014,226(1):35-43.
【8】Doi H,Akamatsu Y,Watanabe Y,et al.Water sampling for environmental DNA surveys by using an unmanned aerial vehicle[J].LIMNOLOGY AND OCEANOGRAPHY,2017,9(5):71-76.
【9】Shang S,Lee Z,Lin G,et al.Sensing an intense phytoplankton bloom in the western Taiwan Strait from radiometric measurements on a UAV[J].REMOTE SENSING OF ENVIRONMENT,2017,198(2):85-94.【10】韩文霆,李广,苑梦婵,等.基于无人机遥感技术的玉米种植信息提取方法研究[J].农业机械学报,2017,48(1):
139-147.
【4】杨超,王豪威.无人机航测技术在1颐1000带状地形图制作中的应用研究[J].经纬天地,2018(4):31-37.【5】杨昆仑.无人机倾斜摄影测量技术在大比例尺地形图测绘方面的应用[J].测绘技术装备,2019,21(1):84-88.【6】王海涛,耿守民,李锐,等.无人机航摄大比例尺地形图精度分析及优化措施[J].陕西水利,2019(5):201-202.【7】王丽霞,王晨辉,刘招,等.像控点刺点影像选取对无人机测量精度的影响[J].科学技术与工程,2019,19(10):237-240.
【8】李万能,唐庆忠,陈黎.无人机航摄像控点数量对空三解算精度的影响[J].测绘通报,2017(S1):84-89,99.【9】王光彦,徐加东,赵培.无人机航测在小范围工程测绘中的应用研究[J].矿山测量,2016,44(5):36-38,43.【10】田超,陈杰,李能能,等.利用无人机免像控快速构建高精度DSM[J].测绘通报,2017(8):158-160.作者简介:
许海红(1992—),女,山东省菏泽市人,本科。

研究方向:变形监测、水利工程测量、滩涂测量。

(上接第44页)
【11】李宗南,陈仲新,王利民,等.基于小型无人机遥感的玉米倒伏面积提取[J].农业工程学报,2014(19):207-213.【12】冯家莉,刘凯,朱远辉,等.无人机遥感在红树林资源调查中的应用[J].热带地理,2015(1):35-42.【13】张园,陶萍,梁世祥,等.无人机遥感在森林资源调查中的应用[J].西南林业大学学报,2011,31(3):49-53.【14】Niethammer U,James M R,Rothmund S,et al.UAV-based remote sensing of the Super -Sauze landslide:Evaluation and results[J].Engineering Geology,2012,128(1):2-11.
【15】Hugenholtz Chris H,Whitehead Ken,Brown Owen W,et al.Geomorphological mapping with a small
unmanned aircraft system (sUAS):Feature detection and accuracy assessment of a photogrammetrically-derived digital terrain model[J].Geomorphology,2013,194(15):16-24.【16】薛永安,王晓丽,张明媚.无人机航摄系统快速测绘矿区大比例尺地形图[J].测绘地理信息,2013,38(2):46-48.
【17】周旺辉,蔡东健,甄宗坤.控制点布设对低空小型无人机高分影像精度的影响[J].测绘通报,2017(S1):69-74.【18】陈天博,胡卓玮,魏铼,等.无人机遥感数据处理与滑坡信息提取[J].地球信息科学学报,2017,19(5):692-
701.
【19】Siebert Sebastian,Teizer Jochen.Mobile 3D mapping for surveying earthwork projects using an Unmanned Aerial Vehicle (UAV)system[J].Automation in Construction,2014,41(2):1-14.【20】Scharstein D,Szeliski R.A Taxonomy and Evaluation of Dense Two -Frame Stereo Correspondence Algorithms[J].International Journal of Computer Vision,2002,47(3):7-42.
作者简介:
黄树坤(1992—),男,河北邢台人,硕士,助理工程师。

研究方向:测绘工程、资源与环境遥感、摄影测量与遥感等工作。