一、項(xiàng)目背景
露天礦采場(chǎng)驗(yàn)收測(cè)量、生產(chǎn)測(cè)量、工程測(cè)量、礦圖繪制等需要外業(yè)數(shù)據(jù)采集的工作以往全是利用全站儀、RTK等傳統(tǒng)測(cè)量設(shè)備進(jìn)行。其中問(wèn)題突顯,一是測(cè)繪環(huán)境惡劣,現(xiàn)場(chǎng)開(kāi)采時(shí)的揚(yáng)塵影響儀器的觀測(cè)效果,二是測(cè)繪人員與機(jī)械設(shè)備在同一工作面作業(yè),易發(fā)生危險(xiǎn),三是人工采集的點(diǎn)主要是地形變化的特征點(diǎn),無(wú)法全面的反映地形的變化,方量準(zhǔn)確性較低。
飛馬多旋翼無(wú)人機(jī)D200針對(duì)露天礦山的特殊地形及測(cè)繪作業(yè)環(huán)境進(jìn)行了設(shè)計(jì)??纱钶d包括正射相機(jī)、傾斜相機(jī)、三維激光LiDar等多種傳感器,同時(shí)可以適應(yīng)地形飛行,以滿足礦山測(cè)繪的不同工作需求,為礦山的測(cè)繪工作帶來(lái)新的技術(shù)手段。本案例以內(nèi)蒙古某露天煤礦為研究背景,用飛馬多旋翼無(wú)人機(jī)D200搭載單正射相機(jī)、機(jī)載Lidar傳感器獲取測(cè)量數(shù)據(jù),驗(yàn)證其點(diǎn)位及高程精度,進(jìn)而將其應(yīng)用于露天礦土石方量的計(jì)算。
二、技術(shù)路線
本案例的技術(shù)路線是飛馬D200多旋翼無(wú)人機(jī)掛載單正射相機(jī)、機(jī)載Lidar(單正射相機(jī)可獲取測(cè)區(qū)內(nèi)DOM、DSM,為變高飛行提供基礎(chǔ)數(shù)據(jù)。機(jī)載Lidar獲取測(cè)區(qū)兩期點(diǎn)云數(shù)據(jù),時(shí)間間隔1天,5級(jí)風(fēng)情況下兩期點(diǎn)云數(shù)據(jù)獲取,研究風(fēng)力對(duì)設(shè)備系統(tǒng)誤差的影響。同時(shí)分析不同航速下獲取的點(diǎn)云精度及作業(yè)效率,分析變高飛行區(qū)與等高飛行區(qū)點(diǎn)云精度的一致性。以及獲取測(cè)區(qū)DEM)對(duì)測(cè)區(qū)進(jìn)行數(shù)據(jù)采集,通過(guò)數(shù)據(jù)處理最終生成DOM、DSM、DEM及DLG等成果,用于精度分析及實(shí)用性研究。事先在測(cè)區(qū)內(nèi)布設(shè)足夠多的高精度的檢查點(diǎn),待飛行完成后,通過(guò)對(duì)比相應(yīng)檢查點(diǎn)及地物特征點(diǎn)的平面和高程差異來(lái)評(píng)定無(wú)人機(jī)的航測(cè)精度是否滿足大比例尺測(cè)圖的精度要求。
三、實(shí)際作業(yè)流程
1.場(chǎng)地選擇
考慮到礦區(qū)地形起伏變化、測(cè)區(qū)內(nèi)機(jī)械狀況、無(wú)人機(jī)優(yōu)勢(shì)特點(diǎn)、方便成果精度對(duì)比檢查等因素,經(jīng)綜合考慮,我們選擇以下場(chǎng)地進(jìn)行研究。
圖1 測(cè)區(qū)示意圖(1.19平方公里)
圖2 測(cè)區(qū)示意圖(3.5平方公里)
分別選擇面積1.19平方公里和3.5平方公里的兩個(gè)區(qū)域,測(cè)區(qū)內(nèi)地形起伏變化較大,且該區(qū)域風(fēng)力較大,具有露天礦區(qū)的一般代表性。
2.數(shù)據(jù)采集與處理軟硬件配置
表1
項(xiàng)目 | 名稱 | 作用 | 數(shù)量 |
硬件 | D200多旋翼無(wú)人機(jī) | 作為掛載的飛行平臺(tái) | 1架 |
正射單鏡頭相機(jī) | 獲取垂直影像數(shù)據(jù) | 1個(gè) | |
機(jī)載Lidar | 獲取點(diǎn)云數(shù)據(jù) | 1臺(tái) | |
工作站 | 用于處理無(wú)人機(jī)影像等數(shù)據(jù) | 1臺(tái) | |
筆記本電腦 | 用于無(wú)人機(jī)地面站及基礎(chǔ)數(shù)據(jù)解算 | 1臺(tái) | |
立體測(cè)圖電腦 | 用于點(diǎn)云的矢量化工作 | 1臺(tái) | |
GNSS接收機(jī) | 用于采集檢查點(diǎn),進(jìn)行精度對(duì)比 | 1臺(tái) | |
作業(yè)車輛 | 用于運(yùn)送人員及設(shè)備 | 1輛 | |
軟件 | 飛馬無(wú)人機(jī)管家 | 用于地面站控制、快拼、空三、點(diǎn)云處理等 | 1套 |
LidarFeature矢量化采集軟件 | 用于點(diǎn)云的矢量化工作及兩期算量 | 1套 | |
Global Mapper | 用于DOMDSM的瀏覽以及兩期算量 | 1套 |
3.外業(yè)檢查點(diǎn)的分布與采集
測(cè)區(qū)選好后組織人員在測(cè)區(qū)范圍內(nèi)制作高精度檢查點(diǎn)標(biāo)識(shí)及采集檢查點(diǎn)坐標(biāo)。并計(jì)算測(cè)區(qū)范圍內(nèi)不同坐標(biāo)系之間的轉(zhuǎn)換參數(shù)。
外業(yè)檢查點(diǎn)采用RTK采集方式獲取,通過(guò)連接連續(xù)運(yùn)行參考站(CORS),在固定解狀態(tài)下采集檢查點(diǎn),分別分布在不同的高程梯面上,且沒(méi)有因?yàn)殚_(kāi)采而導(dǎo)致高程有明顯變化。具體分別位置如下圖所示。
圖3 四個(gè)區(qū)域布設(shè)外業(yè)檢查點(diǎn)
圖4 外業(yè)檢查點(diǎn)采集
4.使用無(wú)人機(jī)對(duì)測(cè)區(qū)進(jìn)行不同掛載傳感器采集數(shù)據(jù)工作
具體內(nèi)容如下表。
表2
序號(hào) | 無(wú)人機(jī) | 掛載 | 工作內(nèi)容 |
1 | D200 | 單正射相機(jī) | 1.獲取測(cè)區(qū)內(nèi)DOMDSM,為變高飛行提供基礎(chǔ)數(shù)據(jù)。2.進(jìn)行變高飛行與等高飛行DOM的精度對(duì)比。 |
2 | D200 | 機(jī)載Lidar | 1.獲取測(cè)區(qū)兩期點(diǎn)云數(shù)據(jù),時(shí)間間隔1天。2.不同航速下獲取的點(diǎn)云精度及作業(yè)效率分析。3.分析變高飛行區(qū)與等高飛行區(qū)點(diǎn)云精度的一致性。4.在5級(jí)風(fēng)情況下進(jìn)行兩期點(diǎn)云數(shù)據(jù)獲取,研究風(fēng)力對(duì)設(shè)備系統(tǒng)誤差的影響。 |
本次研究?jī)?nèi)容包括垂直攝影測(cè)量、激光點(diǎn)云采集兩種采集方式。測(cè)區(qū)首先施行300米高度飛行(約6cm/px)采集正射影像,整個(gè)飛行不變高,得到精確的地形DSM;然后搭載雷達(dá)自適應(yīng)地形飛行,保持對(duì)地高度60米,采集激光點(diǎn)云數(shù)據(jù)。飛行完畢后,連接飛機(jī),下載飛機(jī)記錄數(shù)據(jù)、照片數(shù)據(jù)、點(diǎn)云數(shù)據(jù)等,以備內(nèi)業(yè)數(shù)據(jù)處理。
圖5 地面基準(zhǔn)站任意點(diǎn)架設(shè)
圖6 正射航線規(guī)劃
圖7 正射航線三維預(yù)覽
圖8 激光雷達(dá)航線規(guī)劃
圖9 激光雷達(dá)航線三維預(yù)覽
4.1飛馬D200無(wú)人機(jī)外業(yè)數(shù)據(jù)采集各架次完成情況統(tǒng)計(jì)
D200無(wú)人機(jī)在外業(yè)采集過(guò)程中,累計(jì)飛行21架次,其中各架次完成情況如下。
表3
序號(hào) | 機(jī)型 | 日期 | 掛載 | 測(cè)試內(nèi)容 | 完成情況 |
1 | D200 | 6月26日 | 單正射相機(jī) | 為地形跟隨飛行提供精確的基礎(chǔ)數(shù)據(jù)/影像采集 | 1架次 |
2 | D200 | 6月26日 | 機(jī)載LiDAR100 | 五級(jí)風(fēng)力下采集點(diǎn)云數(shù)據(jù) | 2架次 |
3 | D200 | 7月25日 | 單正射相機(jī) | 為地形跟隨飛行提供精確的基礎(chǔ)數(shù)據(jù)/影像采集 | 1架次 |
4 | D200 | 7月26日 | 機(jī)載LiDAR100 | 8m/s低航速下點(diǎn)云數(shù)據(jù)采集 | 1個(gè)架次 |
5 | D200 | 7月26日 | 機(jī)載LiDAR100 | 11m/s正常航速下點(diǎn)云數(shù)據(jù)采集 | 2個(gè)架次 |
6 | D200 | 7月26日 | 機(jī)載LiDAR100 | 14m/s正常航速下點(diǎn)云數(shù)據(jù)采集 | 3個(gè)架次 |
7 | D200 | 7月28日 | 機(jī)載LiDAR100 | 11m/s正常航速下點(diǎn)云數(shù)據(jù)采集 | 1個(gè)架次 |
8 | D200 | 7月28日 | 機(jī)載LiDAR100 | 14m/s正常航速下點(diǎn)云數(shù)據(jù)采集,不變高飛行 | 2個(gè)架次 |
9 | D200 | 7月28日 | 正射相機(jī) | 變高飛行采集正射影像 | 1個(gè)架次 |
10 | D200 | 9月14日 | 機(jī)載LiDAR200 | 變高100m點(diǎn)云采集 | 3個(gè)架次 |
11 | D200 | 9月15日 | 機(jī)載LiDAR200 | 變高150m點(diǎn)云采集(6級(jí)) | 2個(gè)架次 |
12 | D200 | 9月15日 | 機(jī)載LiDAR200 | 變高80m點(diǎn)云采集(6-7級(jí)) | 1個(gè)架次 |
13 | D200 | 9月16日 | 正射相機(jī) | 正常飛行,影像獲取 | 1個(gè)架次 |
注:其中機(jī)載LiDAR100激光器為Velodyne Puck;機(jī)載LiDAR100激光器為RIEGL。
4.2飛馬D200無(wú)人機(jī)各架次航線參數(shù)設(shè)計(jì)及效率
架次 | 機(jī)型 | 測(cè)區(qū)面積 | 航時(shí) | 基本參數(shù) | 成果 |
1 | D200 | 1.2Km2 | 22min | 重疊度:80%/60% ,對(duì)地高度:306米,地面分辨率:6cm | 241張影像 |
2 | D200 | 0.587Km2 | 2min | 重疊度:25% ,對(duì)地高度:60米,點(diǎn)云密度:57點(diǎn)/平方米 | 1.27億點(diǎn) |
3 | D200 | 1.686Km2 | 36min | 重疊度:80%/60% ,對(duì)地高度:255米,地面分辨率:5cm | 575張影像 |
4 | D200 | 1.79Km2 | 35min | 重疊度:30% ,對(duì)地高度:60米,點(diǎn)云密度:57點(diǎn)/平方米 | 3.9億點(diǎn)云 |
5 | D200 | 31min | 3.6億點(diǎn)云 | ||
6 | D200 | 1.68Km2 | 33min | 重疊度:30% ,對(duì)地高度:60米,點(diǎn)云密度:57點(diǎn)/平方米 | 3.7億點(diǎn)云 |
7 | D200 | 17min | 1.2億點(diǎn)云 | ||
8 | D200 | 0.6Km2 | 19min | 重疊度:30% ,對(duì)地高度:60米,點(diǎn)云密度:57點(diǎn)/平方米 | 1.2億點(diǎn)云 |
9 | D200 | 0.144Km2 | 8min | 重疊度:30% ,對(duì)地高度:60米,點(diǎn)云密度:57點(diǎn)/平方米 | 0.25億點(diǎn)云 |
10 | D200 | 1.124 Km2 | 24min | 重疊度:80%/60% ,對(duì)地高度:255米,地面分辨率:5cm | 338張影像 |
表4
5.數(shù)據(jù)處理
5.1 Lidar內(nèi)業(yè)處理流程
(1)點(diǎn)云預(yù)處理
主要采用飛馬無(wú)人機(jī)管家進(jìn)行點(diǎn)云的預(yù)處理,輸出標(biāo)準(zhǔn)點(diǎn)云供點(diǎn)云后處理軟件使用。
圖10 點(diǎn)云數(shù)據(jù)預(yù)處理
1)點(diǎn)云軌跡解算
采用Smart GNSS模塊進(jìn)行GPS/IMU的聯(lián)合解算,解算出點(diǎn)云的軌跡文件
圖11 點(diǎn)云軌跡解算1
圖12 點(diǎn)云軌跡解算2
2)、點(diǎn)云解算
采用智激光模塊進(jìn)行點(diǎn)云數(shù)據(jù)解算,基于原始點(diǎn)云數(shù)據(jù)和軌跡文件計(jì)算輸出標(biāo)準(zhǔn)化點(diǎn)云成果。
圖13 點(diǎn)云解算
按照航帶進(jìn)行渲染,檢查航帶接邊誤差,若大于閾值,則進(jìn)行面片提取,并自動(dòng)進(jìn)行航帶平差。由下圖可知此次數(shù)據(jù)航帶間不存在明顯接變問(wèn)題。
圖14 航帶平差
3) 點(diǎn)云賦色
應(yīng)用測(cè)區(qū)正射影像數(shù)據(jù),則可進(jìn)行點(diǎn)云賦色,更直觀的展示點(diǎn)云。
圖15 點(diǎn)云賦色
4)點(diǎn)云坐標(biāo)變換
由于目標(biāo)坐標(biāo)系為地方坐標(biāo)系(北京54),而點(diǎn)云默認(rèn)解算為WGS84坐標(biāo)系,因此采用七參數(shù)進(jìn)行坐標(biāo)轉(zhuǎn)換。然后采用該參數(shù)進(jìn)行點(diǎn)云數(shù)據(jù)投影變換,轉(zhuǎn)換為礦區(qū)坐標(biāo)系。
圖16 點(diǎn)云坐標(biāo)變換
5)、消除冗余
航帶間點(diǎn)云重疊較多大時(shí),由于靠近航帶邊緣的點(diǎn)云精度稍差,因此可采用消除冗余功能進(jìn)行航帶間重疊點(diǎn)云的剔除。
圖17 剔除航帶間重疊點(diǎn)
(2)點(diǎn)云后處理
采用LIDAR_DP點(diǎn)云后處理軟件進(jìn)行。
作業(yè)流程:
點(diǎn)云分塊——點(diǎn)云去噪——自動(dòng)濾波——人工交互編輯——分塊DEM輸出——接邊合并
1)點(diǎn)云分塊:
當(dāng)點(diǎn)云數(shù)據(jù)量過(guò)大時(shí),需采用分塊處理,提高處理效率,減少數(shù)據(jù)處理對(duì)硬件的依賴。
圖18 點(diǎn)云分塊
2)、點(diǎn)云去噪
采用點(diǎn)云去噪功能進(jìn)行飛點(diǎn)和低點(diǎn)去除。
圖19 點(diǎn)云去噪
3)點(diǎn)云自動(dòng)濾波及分類
通過(guò)地面點(diǎn)的分類算法(三角網(wǎng)TIN模型迭代分類算法)分離出未分類層(Unclassify層)中的地面點(diǎn)。
圖20 類別顯示
圖21 地面點(diǎn)高程渲染
圖22 點(diǎn)云分類圖
4)人機(jī)交互分類
通過(guò)多個(gè)視圖結(jié)合DOM、剖面圖等信息將點(diǎn)云通過(guò)編輯工具手工分類。
圖23 多視圖觀察分類圖
圖24將未正確分類的點(diǎn)云進(jìn)行重新分類
5)、分塊DEM輸出
將編輯好的點(diǎn)云按照?qǐng)D幅進(jìn)行成果輸出。
圖25 輸出DEM
6)、 DEM接邊合并
圖26 DEM接邊
5.2點(diǎn)云矢量化數(shù)據(jù)編輯
LidarFeature點(diǎn)云矢量化采集軟件根據(jù)點(diǎn)云數(shù)據(jù)便捷的進(jìn)行坡頂、坡底線的采集,生成高精度符合礦山測(cè)繪要求的DEM數(shù)據(jù)模型。