南方测绘推荐 | 中山大学测绘学院张书航：基于无人机倾斜摄影和激光扫描的离岸海岛高精度实景三维重建 - 海洋测绘专业开设学校

2 I0 ^3 s( d- P/ |! Z

9 V( m$ B, O0 N! u9 ^( u

. b, E' @9 r" F" }- J3 M4 i

9 p6 R. j7 d/ w0 m9 H

本文内容来源于《测绘通报》2024年第3期，审图号：GS京（2024）0499号

基于无人机倾斜摄影和激光扫描的离岸海岛高精度实景三维重建 4 f: F0 Z& f% B* w9 Q6 _9 i2 {

张书航1,2, 李旺民3, 庞尹宁1, 常兵涛1, 马德富3, 李秀龙3, 张吴明1

1. 中山大学测绘科学与技术学院, 广东 珠海 519082;2. 自然资源部海洋环境探测技术与应用重点实验室, 广东 广州 510310;3. 珠海市测绘院, 广东 珠海 519000

基金项目：珠海市社会发展领域科技计划(2320004000333);自然资源部海洋环境探测技术与应用重点实验室开放基金(MESTA-2022-B004);广东省珠江人才计划(2021CX02S024)

关键词：离岸海岛, 实景三维, 无人机, 摄影测量, 激光雷达, 地面滤波

引文格式：张书航, 李旺民, 庞尹宁, 等. 基于无人机倾斜摄影和激光扫描的离岸海岛高精度实景三维重建. 测绘通报，2024(3)：25-30. DOI: 10.13474/j.cnki.11-2246.2024.0305.摘要 ; H4 h' C( h* K8 ~

摘要 ：本文面向离岸海岛实景三维需求与技术挑战,以珠海市庙湾岛为观测对象,采用无人机倾斜摄影与激光扫描的方式进行离岸海岛的实景三维数据获取。详细介绍了无人机任务规划、地面控制与实景三维数据处理工作,以及基于无参数布料模拟滤波的DEM生成,最终通过检查点验证了数据的绝对精度。结果表明,获取的正射、倾斜影像总中误差分别为14.72、6.60cm;点云、DSM、DEM高程中误差分别为3.10、6.20、7.11cm,满足离岸海岛实景三维展示与调查管理的需求。

正文海岛是人类开发海洋的远涉基地和前进支点，是第二海洋经济区，在国土划界和国防安全上也有特殊重要地位，国家高度重视海岛的管理、开发、建设和保护工作。海岛测量作为海岛建设、开发、管理和保护的前期性、基础性、保障性工作，可为蓝色国土管理、海洋经济发展和海洋生态环境保护等重要领域提供科学依据和基础空间信息支撑。实景三维数据能够呈现真实的海岛数字化场景，提供多维地理空间信息服务，是新时期海岛测量满足高质量发展需求的标准化产品，可为海岛资源管理、旅游和生态建设、生态环境保护、灾害预防和应急管理，以及经济开发建设等重要工作提供分析基础和决策支持。大多数的海岛远离陆地，无水、无电、无路，交通不便、补给困难，空间基准难以精确传递，这些离岸海岛较大陆有较复杂的自然条件和外部环境[1]，给登岛测量带来较高的工作风险与难度。由于上述难点的限制，海岛测量中的某些测区人力难以到达，传统的测量手段不便于实施，地理数据信息的获取难度较大。而随着近年来无人机技术的发展，无人机测量也随之兴起。专为无人机设计的航空摄影测量相机与激光雷达(LiDAR)可以实现精细的对地观测[2]。在高精度定位定姿传感器的辅助下，无人机可进行厘米级分辨率和精度的航空摄影测量与机载激光扫描[3]。目前，无人机测量技术已在国内外的离岸海岛得到了多次成功的应用，如马来西亚沙巴州的西巴丹岛[4]、惠州市大亚湾虎州岛[5]和浙江省舟山市的庙子湖岛[6]等。但是，由于离岸海岛地理位置偏远、地表覆盖复杂等原因，无人机海岛测量同样存在基准难以转换、地面滤波效果不佳、DEM数据不能满足精度要求等问题。目前尚不存在可以完全解决以上挑战的公认且通用的方案。另外，海岛陡峭的地形、不规则的岸线、复杂的植被覆盖情况给DEM地面滤波带来了较大的挑战[7]。目前常用的地面滤波方法包括渐进形态学滤波[8]、坡度滤波[9]、布料模拟滤波(cloth simulation filter，CSF)[10]等，能够较为有效地从常规陆地地形中获取地面点[11]。但应用于海岛等特殊地形时，通常因为场景过于复杂而难以取得满意的滤波结果。对比试验表明，上述3种滤波方法中，CSF更适用于海岛地形地面点提取[12]。但CSF参数固定且需分场景、分地形处理[13]，在应对场景混杂、地形剧烈变化的海岛时，人工进行场景分类挑战较大。本文以珠海市庙湾岛为观测对象，采用无人机倾斜摄影与激光扫描的方式进行离岸海岛的实景三维数据获取，采用珠海市北斗连续运行卫星导航与位置服务系统(ZHBDCORS)提供测量基准与定位，并通过无参数布料模拟滤波(parameter-free cloth simulation filter，Pf-CSF)方法生成DEM，以克服岛屿地表崎岖、覆盖复杂的困难与挑战。1 外业准备及完成情况 1.1 测量区域概况本文的观测对象是珠海市庙湾岛。庙湾岛地处广东省珠海市东南、万山群岛佳蓬列岛中部、外伶仃岛以南。南临太平洋，东北距北尖岛1.1 km，北距香港48.8 km。该岛长约3000 m，最宽处750 m，最窄处220 m，最高处海拔226.8 m，面积为1.437 km2，环岛岸线长11 km。其地理位置和卫星影像如图 1所示。图 1 庙湾岛位置庙湾岛内地形主要为丘陵、山地及沙滩，地势陡峭，起伏较大，高低差最大可达220 m。地表多覆盖密集植被、石块，仅有约0.03 km2的礁盘区域有建筑物(如图 2所示)。石块、沙滩的颜色与纹理重复给航空摄影测量带来一定的挑战，同时密集植被遮盖真实地表，也给机载激光扫描与地面滤波造成困难。

: z* i- y" l3 M9 Z# o4 g: B) e9 ]

图 2 庙湾岛地貌地物

1.2 无人机任务规划使用无人机倾斜摄影获取海岛的可视化模型。由于测区内自然地物与植被较多，航空摄影往往无法绕开植被的遮挡获取地面信息，导致地面滤波后的DEM存在较多孔洞，极大降低了数据质量。机载激光雷达对植被有穿透性，可以获取林下地面点，为地面滤波提供真实数据[14]。因此，必须使用机载激光雷达获取DEM数据。根据相关规范与数据需求，设计无人机倾斜摄影与激光雷达的航线，参数见表 1。为确保扫描地面点密度的一致性，激光雷达使用仿地飞行航线，航线数据源为ASTER 30 m DEM，激光扫描频率设定为600 kHz。因庙湾岛测区为东北—西南方向且水域面积较大，故将航线角度设置为45°，航线如图 3所示。表 1 无人机倾斜摄影与激光雷达航线参数 + O- I4 J U, e: ^8 B) E: u/ u& s

8 W" s) w# W& j! \9 [. ]; X8 u

图 3 无人机航线

1.3 地面控制与基准定位 1.3.1 已知点设置因测区部分海岸线登陆困难，在可达区域均匀设置10个像控点，其分布如图 4所示。其中，8个红色点为控制点，2个白色点为检查点。像控点地面标记采用“L”形，长约60 cm，粗约15 cm，用红色油漆喷涂于地面、屋顶、裸露岩石等均质地物上。使用RTK采集像控点坐标，激光雷达检查点在在平整地面上设立，共17个检查点，并额外使用位于平坦地表的像控点，共23个。使用RTK采集坐标，检查点分布如图 5所示。像控点设计与采集照片如图 6所示。图 4 像控点分布图 5 激光雷达检查点分布图 6 已知点实地测量1.3.2 基准与定位服务为解决离岸海岛的基准传递与定位问题，ZHBDCORS为海岛测量提供便捷高效的坐标基准保障和北斗卫星定位支持。系统支持包括CGCS2000、ZH2000和1985国家高程基准、1956年黄海高程系等在内的国家、地方坐标基准服务，其有效服务区域覆盖整个万山群岛区域。ZHBDCORS在庙湾岛设立有基准站，基于这一优势，庙湾海岛测量工作可灵活利用ZHBDCORS的实时、事后服务作为支撑。数据采集前，通过ZHBDCORS网络RTK服务可灵活、快速完成像控点的布设工作；采集过程中，无人机加载系统网络RTK服务获取目标坐标系定位结果；成果处理阶段，可利用庙湾基准站观测数据作为检核，同时可为克服偏远海岛网络通信意外中断、无人机平台兼容性等问题提供后处理保障手段。2 实景三维数据处理与成果分析 2.1 倾斜影像数据处理为获取外方位元素初值，先使用厂商自带软件进行动态后处理技术(PPK)解算。由于测区为海岛，在测区边缘拍摄的倾斜影像存在大量水域，影响影像匹配与建模。因此，根据外方位元素初值、测区范围和内方位元素出厂检定值，将不在测区范围的影像剔除，提升解算的稳定性。本文采用Agisoft Metashape v1.7软件进行摄影测量解算与建模，以下叙述建模的详细流程与关键参数。首先，对影像外方位元素及像控点中误差进行估计，据此确定空中三角测量(简称“空三”)的权。影像外方位元素是由机载IMU、PPK解算而来，具有厘米级的精度。然后，为应对其他因素或潜在系统误差对精度的影响，将外方位线元素中误差定为5 cm，角元素中误差定为3°；控制点由网络RTK直接测量而来，定权时同样放大其中误差，设定水平中误差为5 cm，垂直中误差为10 cm。最后，针对无人机相机畸变的不确定性，以出场检定参数为初始值，采用附加参数的Browns模型对相机内方位元素与畸变参数进行建模，提高空三的精度[15]。倾斜影像处理的后续密集匹配、表面重建、纹理映射步骤按照标准流程进行。2.2 激光雷达点云数字地形模型生成 2.2.1 点云解算从激光雷达原始观测数据生成精细DSM需要经过点云解算、航带平差、去冗余、去噪、格网化等步骤。生成精细DEM则需要在格网化之前，对点云数据进行地面滤波，获取地面点后再进行格网化。点云解算流程如图 7所示。图 7 点云解算流程激光雷达解算的原始观测数据包括移动站数据、基准站数据、LiDAR观测数据及载荷IMU文件，以航带为单位进行点云解算。为消除不同航带点云中的分层和冗余现象，采用航带平差与阈值法对点云进行优化。对于重叠区域不同航带的点云数据，若来自不同航带的临近点距离小于0.5 m，则从航带重叠区域的中线开始进行裁切，从而去除冗余点、提升航带边缘精度。采用基于统计学的点云噪声滤除方法[16]去除噪声点，本文中k设定为20。经过上述点云处理步骤，即生成高质量的完整庙湾岛测区点云数据。2.2.2 点云地面滤波与数字地形模型生成精确区分地形和地物信息是构建高质量地形模型的决定性前提。然而，海岛场景受制于长期自然风化、人为改造少等因素，具有地形陡峭多变、植被分布不均、碎石遍布等复杂环境特性，现有地面点滤波算法难以兼顾。为此，本文基于经典布料模拟滤波算法(cloth simulation filtering，CSF)发展了一种无须人为调参、适用于大多数场景的无参布料模拟滤波算法(Pf-CSF)。Pf-CSF算法的主要步骤可分为布料模拟和参数估计。其中布料模拟沿用经典CSF算法的布料模型，以较硬的布料参数初始化迭代。若布料硬度不合适，则进行自适应的参数估计，即根据布料模型的局部坡度及点云到布料模型的高差来调整布料硬度参数。随后，利用更新的布料参数再次初始化布料模型并执行下落模拟。通过以上迭代估计布料参数的方式，可保证Pf-CSF在整个海岛场景中，从平坦到陡峭逐步满足所有地形判断要求，保证地面点识别精度。如图 8区域Ⅰ所示，相对平坦地形的建筑物均被完整滤除，而礁盘边缘的断裂地形保留完整；同时，如图 8区域Ⅱ所示，陡峭山地上的植被几乎无残留、地形无缺失。图 8 滤波前后局部区域点云对比2.3 成果质量分析 2.3.1 精度分析采用中误差反映观测与重建的精度，正射影像与倾斜影像的中误差见表 2。表 2 影像重建检查点中误差

由表 2可以看出，正射及倾斜影像的检查点中差均小于20 cm，而倾斜影像的控制点残差及检查点中误差均优于正射影像。图 9为正射与倾斜影像的像控点误差椭圆图，其颜色代表高程误差值。可以看出，控制点和检查点的误差椭圆方向呈随机分布，倾斜影像的误差同样优于正射影像，可以认为观测结果不存在系统误差。

' T! r# j" n/ l: T) F

图 9 像控点误差

表 3统计了点云及生产的DSM、DEM高程中误差，所有产品的高程中误差均优于10 cm。因为4个检查点位于建筑屋顶，所以这些点不参与DEM高程中误差的计算。图 10展示了激光点云与检查点的高程差异分布，可以看出检查点误差分布并无规律，具有随机性。表 3 点云产品高程中误差 7 W" k4 K8 H2 {4 d

& S0 U ^0 p: x" t' C9 {! y

- r3 A# S3 u! |" \8 L7 V

图 10 激光雷达检查点误差

2.3.2 三维可视化模型效果分析参考《三维地理信息模型数据产品质量检查与验收》(CH/T 9024—2014)的评价体系，结合图 11可看出，庙湾岛的倾斜摄影实景三维模型整体完整、准确，不存在明显的孔洞、场景接边错误或测区覆盖不完整等问题。模型中房屋结构正常，屋角形状明显，各立面外观表达准确，未出现模型穿插、裂缝等问题；礁石和沙滩色调过度真实、自然，接边处地物连接整齐，无明显孔洞和拉花等不良现象；植被处由于纹理复杂且重复较多，存在一定的模糊现象，但通常不影响三维模型的展示与解译。

图 11 倾斜摄影实景三维模型总览与局部图

3 结语本文以珠海市庙湾岛为观测对象，采用无人机倾斜摄影与激光扫描的方式进行离岸海岛的实景三维数据获取；并通过Pf-CSF地面滤波方式，从激光点云生成DEM。精度验证结果表明，获取的正射、倾斜影像总中误差分别为14.72、6.60 cm；点云、DSM、DEM高程中误差分别为3.10、6.20、7.11 cm，满足离岸海岛实景三维展示与调查管理的需求。本文对离岸海岛进行了无人机与地面测量，对于海岛特殊环境的外业测量与内业处理，总结了一些经验。在外业测量中，由于海岛测区周围存在大范围的水域，在航线规划时，应充分考虑岛屿的地势与走向，灵活调整航带方向，并调整测区形状，避免整套航带覆盖水域；对于难以进入核心区域的岛屿，可在岸线附近寻找裸露、平坦的岩石布设像控点，并采用CORS等手段提供辅助定位信息。对于内业数据处理，同样需要剔除存在大面积水域的影像。另外，海岛具有独特的地形与植被覆盖，岸线周围可能存在大量礁石，在地面滤波过程中必需考虑这些因素，得到更加准确的DEM。未来的离岸海岛的高精度实景三维重建研究工作可以从以下几个方面展开：①采用低成本、小型化的无人机与传感器，在稀少控制点的情况下进行高质量的数据采集与处理；②对于难以登岛的情况，需要进行无人机船载移动起降，克服母船摇晃、测量基准模糊的更大挑战；③进行水陆一体化测量，利用无人船或测深激光雷达，同时获取海岛陆上与浅水水下地形。作者简介作者简介：张书航(1991—),男,博士,助理教授,主要研究方向为无人机摄影测量与点云处理。E-mail:zhangsh52@mail.sysu.edu.cn通信作者：李旺民，E-mail:155288253@qq.com初审：纪银晓 ) R& V) Q9 Q. l3 r: K! T! o

复审：宋启凡

终审：金 君

资讯

7 V% u+ ?7 y6 V+ C' S: _

# u( |, [% h( l6 ]- Z l8 N# C