|
近日，山东科技大学海洋测绘团队开展无人机LiDAR测深系统检校研究工作，提出了一种面向无现场控制的机载测深LiDAR安置角误差检校方法，在国产机载测深LiDAR安置角误差检校方面取得显著进展。 相关成果以“面向无现场控制的机载测深LiDAR安置角误差检校”为题，发表在EI检索/中国卓越期刊《测绘学报》之上。  8 h& \ h% v5 D& V6 U% D
1. 研究背景 1 L2 D1 Y4 u. R& ]4 u5 t
机载LiDAR测深（Airborne LiDAR Bathymetry, ALB）技术已成为解决海岸带测量难题的一项重要手段，并在浅水区域中有着高精度、高分辨率、快速高效的优势。ALB系统集成了全球导航卫星系统（Global Navigation Satellite System, GNSS）、惯性导航系统（Inertial Navigation System, INS）、激光测距等多种先进测量技术，能够补充海岸带浅水区域水深测量。然而，多传感器集成过程中会产生安置角偏差，严重影响ALB海陆一体化地形测量精度。  6 r6 k' A& j& R% C3 i
2. 研究方法
" i0 c* q) t: }2 { 文章提出了一种面向无现场控制的机载测深LiDAR安置角误差检校方法，该方法以ALB系统内部码盘光学零位误差检校为前提，在此基础上分别构建俯仰角与横滚角误差检校模型依次进行安置角误差检校，能够有效减小安置角误差，保障ALB系统测量精度。 + r6 A' K2 Y2 _0 I) q* y
3. 结果与分析
3 x/ _4 q J! U4 l( B 试验所使用的ALB设备为中国科学院上海光学精密器械研究所自主研发的Mapper 20KU。该设备采用中心波长为532 nm的激光，重复频率达到20 kHz，扫描角度范围为±20°，激光发散角为1 mrad，总重量约6 kg，具有轻量化与集成度高的优点。系统内部集成了NovAtel EG370N高精度惯导，载体为垂直起降固定翼无人机RY-V50。试验所用数据采集自山东省青岛市山东科技大学及胶州湾沿岸。为验证论文算法的有效性，2023年9月，在山东科技大学划定的检校场内开展了安置角误差检校数据采集。试验中，飞行高度设定为120 m，飞行速度为22 m/s，所获取点云密度约为10个/m²。为验证论文所提算法对ALB系统中安置角误差校正的效果，于胶州湾沿岸采集了验证数据，飞行参数与上述一致，同时保持30%的航带重叠度，塞齐盘透明度为3.7 m，平均风力约3级，最大探测深度约为7.55 m。
# n3 E2 E: {( R 为评估检校后Mapper 20KU系统在实际测量中的外符合精度，本文选用当前广泛应用且精度可靠的陆上与水下地形测量手段（RTK与船载单波束），分别获取地面控制点与海底控制点的高精度基准数据，将ALB系统所测得的激光点云与RTK和船载单波束所采集的数据进行对比分析。 . U# i$ S0 I7 s; m* \( U9 O
为了对检校后Mapper 20KU系统的高程精度进行定量分析，考虑到ALB点云与参考验证数据（RTK与船载单波束）在空间分布与密度上的差异，论文采用反距离加权法匹配确定同名点。在此基础上，分别计算平均绝对误差与均方根误差作为精度评价指标。 7 h) @" D+ Y% H; ^1 L$ O. E
由上表可知，对于陆地点云与RTK同名点间高差，应用本文算法检校后MAE为6.5 cm，RMSE为8.1 cm，与有控制点算法仅差0.3 cm和0.1 cm；对于水下地形点云与船载单波束同名点间高差，应用论文算法检校后MAE为15.4 cm，RMSE为17.1 cm，与有控制点算法仅差0.3 cm和0.2 cm；再次证明论文算法能够在无控制点条件下实现接近有控制点算法的高精度。综合分析表明，ALB系统中因安置角误差引起的点云偏移在经过本文算法处理后已基本得到消除。同时，该方法可降低对外业检校点的依赖，在提升测量效率的同时保障了点云数据的空间精度，展现出良好的工程实用性。 7 }9 M4 q( I8 y
4. 展望与思考
: n5 r8 N( _6 V) } 该研究不仅可为机载LiDAR测深数据精细化处理提供技术支撑，还能够为海岸带等区域水下地形测量提供高精度数据，有利于促进海洋科学、海洋测绘等领域的相关研究和应用发展。随着测绘技术的进一步发展，未来可借助机器学习与深度学习方法，在大规模点云中自动提取特征平面、线状物和角点，实现更加鲁棒的误差参数估计。
* t7 r- @' @/ m9 p( Q" o- Q
/ y% g# t4 r$ G6 g+ B7 d2 ]6 K$ X. z: i3 F( C Z- _
4 d6 S% d# ?& d3 T1 G! c
+ s( ^5 H! e$ W ~, d1 Z N | 
