1、第 46 卷 第 1 期2023 年 1 月测绘与空间地理信息GEOMATICS&SPATIAL INFORMATION TECHNOLOGYVol.46,No.1Jan.,2023收稿日期:2022-01-04作者简介:黄灯魁(1982-),男,广东东源人,工程师,注册测绘师,本科学历,主要从事三维激光、航测、地理信息系统开发等方面的应用研究工作。机载雷达技术在植被实物指标调查中的应用黄灯魁(广东省国土资源测绘院,广东 广州 510000)摘要:研究了机载雷达技术在植被实物指标调查中的应用方法及效果,并以广东省河源市 SU 地块土地开发项目为例,分析了如何通过合理选择设备、优化测绘路径、筛分
2、激光点云、修正模型点云等方法,使激光点云模型呈现更高精度。从而为植物实物指标调查工作夯实可靠的数据基础,并大幅提高工作效率,为国土空间规划后续工作开展奠定坚实基础。关键词:无人机;机载雷达;实物指标调查中图分类号:P231 文献标识码:A 文章编号:1672-5867(2023)01-0198-03Application of Airborne LiDAR Technology in VegetationPhysical Index SurveyHUANG Dengkui(Guangdong Institute of Land Resources Surveying and Mapping,G
3、uangzhou 510000,China)Abstract:The purpose of this paper is to study the application method and effect of airborne LiDAR technology in vegetation physical index survey.Taking the land development project of SU plot in Heyuan of Guangdong province as an example,this paper analyzes how to make the las
4、er point cloud models with higher accuracy through reasonable selection of equipment,optimization of mapping path,screening of laser point cloud,correction of model point cloud and other methods.It provides a reliable data basis for the inves-tigation of vegetation physical indicators,greatly improv
5、es the work efficiency,and lays a solid foundation for the follow-up work of land spatial planning.Key words:Unmanned Aerial Vehicle(UAV);airborne LiDAR;physical index survey0 引 言随着第三次全国土地调查工作的不断完善、国土空间规划工作的不断推进,越来越多的土地整理、土地开发与利用、土地复垦项目不断涌现,土地征用工作愈发重要。然而,伴随着大量的土地实物指标调查任务的开展,征地工作凸显出调查精度要求高、范围大、周期长、类别
6、复杂的特点1-2。其中,植被实物指标调查工作最为复杂,人工对植被进行逐一复核需要耗费大量的人力、物力,同时难以避免人为误差因素的影响3-4。因此,研究如何利用新兴技术手段,准确、高效地完成植被实物指标调查工作,成为本文的研究重点,该项目对国土空间规划有序推进具有十分重要的意义。为具体研究机载雷达技术在植被实物指标调查中的应用,本文以广东省河源市土地开发项目为例进行说明。在国土空间规划工作推进过程中,河源市 SU 地块被规划为仓储物流用地,该地原为 TJ 山山脚荒地,附近村民在此地块进行部分开垦后种植了果树,由于该地块 3 km 范围内有河流,2 km 附近有新建铁路,仓储物流开发条件较好,故经
7、过管理部门同意后即进行土地开发与规划利用,在开发前首先需要完成实物指标测量调查及补偿补助工作5-6。1 航测设备选型广东省河源市 SU 地块地处亚热带南沿,盛行暖湿的亚热带季风,属亚热带季风气候,对航测设备抗风稳定性要求相对较高。因此,本文选用 AT-F8 高性能航测无人机,该无人机的驱动系统具有很高的安全系数,即使满负荷情况下在 10 m/s 的风速中都能保持摄像云台整体稳定,为航测数据有效采集提供必要的条件。AT-F 8 属于小型多旋翼无人机,它具有 8 轴飞行稳定电机,可抵抗五级大风,并搭载 750 g 外设,可以为搭载激光雷达设备提供空间,为激光雷达采集高质量数据奠定基础,同时利用其高
8、性能 GPS 可以保证其准确定位,为航测模型复建提供有利条件。此外,该航测飞行器配有轻便易携带的移动地面操作站,可以快速高效地对无人机航测状态、航测路径、航测参数进行动态修正7-8。具体参数详见表 1。表 1 航测无人机设备参数表Tab.1 Parameters of aerial survey UAV equipment型号类型抗风等级飞行载重最大起飞重量升降速度飞行速度飞行高度AT-F 88 轴飞行器五级750 g2 200 g最大升速:4 m/s;最大降速:6 m/s12 m/s(无风环境)1 000 m 由于本文研究对象为植被实物指标,测绘难度大、精度要求高,测绘工作对测绘精度和测绘效
9、率综合要求较高,故需要选择测绘精度高、稳定性好的激光雷达设备,本文选用 RS-R 型 128 线激光雷达,该激光雷达航测镜头具有纳米级光波,该雷达行理论测绘精度可达 3 cm,可以满足植被测绘需求,同时可以实现激光点云和红外激光点云的叠加提取9-10。具体参数见表 2。表 2 激光雷达镜头参数表Tab.2 LiDAR lens parameters型号激光波长 激光安全等级测距能力精度(典型值)水平视场角垂直视场角水平角分辨率垂直角分辨率帧率回波数量RS-R905 nmClass 1 250 m(200 m10%NIST)Up to 3 cm360400.2/0.4Up to 0.110 Hz
10、/20 Hz4 次2 航测路径分析为保障植物点云信息采集精度,本文设定航测飞行高度为 100 m,无人机航测影像纵向重叠率 70%,横向重叠率 80%11。经现场测试,单图幅有效影像采集面积约取 75 m120 m 为宜,测试点位有效影像范围植被数量为1015 棵。SU 地块待测区域果树青苗主干直径均大于5 cm,果树青苗数量约 2 500 棵左右,故需采集有效航测影像约 200 张,测绘工作可执行度较高。无人机激光点云数据集采用“之”字形飞行路径,根据果树青苗分布情况成组、逐排测绘,共交叉测绘 2 次,一方面消除航测误差,另一方面在不影响测绘效率的情况下提高航测精度。本次航测共采集航测影像
11、462 张,经过无人机管家智能建模软件分析,测绘区域可以实现至少 5幅图像重建一个三维点,影像重叠率满足激光点云建模需求。经过对航测影像重叠率分析,最终筛选出有效航测影像 224 张用于激光点云建模,以降低数据冗余度,提高激光点云建模效率12-13。3 激光点云建模为避免植被枝叶对航测成果造成干扰,在无人机航测影像采集过程中可以利用 RS-R 激光雷达 4 次回波的滤波优势,将植被枝叶有效筛除。独立果树青苗的枝叶点云筛除后建模效果如图 1、图 2 所示(浅色点云为实物切割点云,深色点云为机载雷达航测点云)。根据图 1 可知,机载激光雷达点云主要覆盖区域为植物躯干,植被枝叶点云被有效剔除,这样就
12、可以很好地避免植被枝叶被误判为植物躯干,同时可以有效还原 SU 地块植被数量与整体分布情况,同时根据图 1 中点云分布情况可知,在高程分布上,点云误差小于 2 cm,测绘成果精度相对较高14。根据图 4 可知,机载激光雷达点云所呈图 1 独立青苗激光点云建模效果图Fig.1 Independent seedling laser point cloud modeling图 2 独立青苗激光点云对比分析图Fig.2 Independent seedling laser point cloud comparative analysis现的植被躯干模型与植被实际躯干切割点云位置基本相吻合,水平误差约
13、35 cm,半径误差约 2 cm,基本可以保证航测成果的整体精度。同时这种坐标偏差主要由无人机扫描摄影过程中点云投射角度误差造成,可以通过固991第 1 期黄灯魁:机载雷达技术在植被实物指标调查中的应用定参数修正对点云成果进行整体修整,以使航测成果具有更高的精度15。因此,本文在运用激光点云建立实景三维模型前,先对激光点云进行整体修正,点云高程向下修正 1 cm,水平方向向西修正 1.5 cm,向北修正 2.5 cm。然后利用 Bent-ley Pointools 点云数据处理软件对激光点云建模。首先对原始激光点云进行拼接、去噪、分类、滤波等处理,输出预处理后的点云数据。其次将三维点云和全息影
14、像关联并自动配准映射,输出影像点云数据,利用点云切面,快速勾画植物水平截面的轮廓线,自动利用点云计算植物高度将轮廓进行拉伸,构建植物三维模型。再次通过与全息影像融合进行纹理提取,在三维模型中显示与其对应的植被贴图纹理。最后,使用点层技术编辑点云,隔离要详细编辑的区域,清理或细分点云模型,使其呈现更准确清晰的模型效果16-17。经过计算,通过无人机机载雷达航测技术建立植被实景模型测得 SU 地块共有果树青苗 2 341 棵,为检验本文所述方法的准确性,实物指标调查人员将 SU 地块果树青苗情况进行了人工复测,经过复测 SU 地块果树青苗也为 2 341 棵,故可认为机载雷达航测成果准确。为进一步
15、分析无人机机载雷达航测技术实测误差,本文在无人机机载雷达航测模型影像中随机抽取 20 个取样点位进行结果检验18。检验结果见表 3。表 3 无人机机载雷达测绘成果误差分析表Tab.3 Error analysis of UAV airborne LiDAR mapping results误差方向检验值 R平均误差(cm)最大误差(cm)高程 H 方向0.0970.60.9水平 X 方向0.0980.81.2水平 Y 方向0.0980.81.6max0.81.6 根据表 3 可知,20 组随机抽样点在高程方向、水平方向的平均误差小于 0.8 cm,最大误差小于 1.6 cm。经过点云成果修正及模
16、型修正后,无人机机载雷达航测成果误差小于 2 cm,精度较高,能够满足植被实物指标调查需求。4 结束语综上所述,通过对航测区域基本情况分析合理选择无人机航测设备及激光雷达设备可以有效保障航测基础条件满足测绘需求;通过优化测绘路径可以提高航测效率,同时保证激光点云采集精度与覆盖率;通过对激光点云进行初步筛分可以降低数据冗余度,提高建模效率;通过修正模型点云可以校正模型方位,提高测绘成果精度,使激光点云模型尽可能与实物布局情况及坐标点位相符。根据本文案例分析成果,无人机机载雷达航测技术可以有效提取植被主要枝干点云数据,并较好地形成激光点云模型,模型可有效反映植被数量、位置、主干尺寸等信息,且测绘误差小于 2 cm,能够满足数字测绘产品检查验收规定和质量评定(GB/T 183162008)数字化模型精度要求,在模型展示效果和测绘点云精度上具有双重优势,大幅降低了人工实物指标调查的工作难度,提高了工作效率与质量。因此,通过本文分析研究,机载雷达航测技术能够较好地服务于植被实物指标调查工作,为植物实物指标调查工作提供可靠的数据及模型基础,并大幅提高工作效率,为国土空间规划后续工作开展奠定坚实基础
