實景三維之激光點云采集技術

        實景三維之激光點云采集技術，機載激光雷達技術是激光測距技術、計算機技術、高精度動態(tài)載體姿態(tài)測量技術(INS)和高精度動態(tài)GPS差分定位技術迅速發(fā)展的集中體現。激光測距技術在傳統(tǒng)的常規(guī)測量中就扮演著非常重要的角色,從最初的有反射棱鏡的測距儀系統(tǒng)發(fā)展到如今無合作目標的激光測距系統(tǒng);GPS定位技術的出現徹底解決了海陸空的定位問題:INS和GPS的集成為確定高動態(tài)載體的姿態(tài)成為可能。以上幾種技術的成熟運用及相關技術的發(fā)展為整個系統(tǒng)的集成奠定了技術基礎,機載激光雷達實際上已經代表了對地觀測領域一個新的發(fā)展方向。整個系統(tǒng)比較復雜,就數據獲取的方式來講更像大地測量系統(tǒng)(通過測邊、測角進行點的定位),就數據后處理的方式來講卻更像攝影測量系統(tǒng),包括地物的提取,建筑物三維重建等。實景三維之激光點云采集技術現在有以下三種技術：機載激光點云采集技術，車載激光點云采集技術，基于 SLAM 的激光點云采集技術。

　　1. 機載激光點云采集技術

　　機載激光掃描系統(tǒng)由激光掃描儀、全球導航衛(wèi)星系統(tǒng) (global navigation satellite system，GNSS)、慣性測量裝置 (inertial measurement unit，IMU) 以及高分辨率數碼相機等部件組成。機載激光掃描系統(tǒng)以各類低、中、高空飛行器(如航空飛機、直升機、無人旋翼機、汽艇等)為平臺獲取觀測區(qū)域的三維空間信息。按照搭載平臺的不同，機載激光掃描系統(tǒng)又可以分為有人機載激光掃描系統(tǒng)和無人機載激光掃描系統(tǒng)。當前，有人機載激光掃描系統(tǒng)主要有:加拿大 Optech 公司的Eclipse、Galaxy，瑞士 Leica 公司的 ALS系列、SPL 系列，以及奧地利 Riegl 公司的LMS-Q系列:無人機載移動激光掃描系統(tǒng)具有機動靈活、可控性強、成本低、受外界環(huán)境影響小等傳統(tǒng)測繪手段無可比擬的優(yōu)勢。目前主流的無人機載移動激光掃描系統(tǒng)主要包括: 武漢大學測繪遙感信息工程國家重點實驗室研制的 Heli-mapper 低空 LiDAR 系統(tǒng); Wallace 利用八旋翼無人機系統(tǒng)搭載輕小型激光掃描儀構建的 TerraLuma UAV-LiDAR 系統(tǒng);Riegl公司推出的無人機搭載平臺 VUX-SYS 和 minivUx;武漢大學研制的無人機激光掃系統(tǒng)麒麟云;東京大學在雅馬哈 RPH2 無人機平臺開發(fā)的模塊化多傳感器集成移動測量系統(tǒng)。

　　機載激光掃描系統(tǒng)通常需要在觀測區(qū)域架設一定數量的全球定位系統(tǒng)(globalpositioningsystem，GPS)基準站與飛行器上 GPS 進行實時差分，來提高飛行器定位的精度。此外，為了獲取觀測目標更真實的紋理信息，彌補激光數據對目標物理特性表達的不足，在飛行器上可以搭載光學成像設備，如 CCD 相機等。當前，機載激光掃描儀設備主要有多回波 LiDAR 和全波形 LiDAR 兩大類。多回波 LiDAR采用簡單的回波探測方法，如恒比鑒相器實時檢測回波，得到目標相對觀測中心的距離。全波形LiDAR 在激光束發(fā)射后以很小時間間隔(如 1ns)不斷記錄后向射信號，通過各種波形分解方法，如高斯分解、去卷積方法等，可獲取觀測目標表面的幾何信息和物理特性。

　　機載 LiDAR 系統(tǒng)觀測目標三維坐標原理。其中，動態(tài)差分GPS測定GPS天線相位中心的坐標IMU確定飛行器的姿態(tài)(俯仰角、航偏角和側滾角)，激光掃描儀測量激光掃描中心與觀測點之間的距離并記錄掃描鏡的方位信息，以此計算觀測點在WGS-84 坐標系下的三維坐標。由于各觀測單元(GPS、IMU激光掃描儀)測量的數據均在各自獨立的坐標系下，且參考中心和坐標軸方向都不同，需要嚴格的坐標系轉換處理。在坐標系轉換過程中涉及6 個坐標系之間的 5 步轉換。6 個坐標系分別是瞬時激光束坐標系、激光掃描坐標系、慣性平臺參考坐標系、當地水平參考坐標系、當地垂直參考坐標系以及WGS-84 坐標系。對于坐標系轉換的平移和旋轉參數，可以通過飛行作業(yè)前系統(tǒng)檢校結果(如: 各參考中心平移參數、安置角誤差等)、相關傳感器相互關系測定數據等來確定。

　　2.車載激光點云采集技術

　　車載激光雷達優(yōu)勢在于突破了傳統(tǒng)的單點測量法，具備穿透地表覆蓋的森林植被的能力，更好地獲取地形信息。將激光雷達搭載在機動車上，通過對道路及其兩側的掃描來記錄目標的位置和反射強度等信息，可以快速、高密度、低成本、高精度、高自動化地完成道路及其沿線設施的三維信息采集，大大減少了外業(yè)采集的工作量，工作便捷,信息采集高效，精細化程度高。

　　隨著慣性測量器件 IMU 性能和 GPS 和INS 組合定位技術等不斷提升，加之 CCD數字傳感器、激光掃描儀等在測量精度、抗干擾、輕便、易操作等性能的提高，國內外的研究機構和公司相繼研發(fā)了各種車載移動測量系統(tǒng)，其中有美國JECA 公司研制的主要用來測量道路的 TruckMap 系統(tǒng)、德國慕尼黑聯邦大學的 KiSS 車載系統(tǒng)、日本東京大學空間信息科學研究中心研制的 VLSM 系統(tǒng)等。國內有 1999 年武漢大學研制的WUMMS 系統(tǒng)、武漢立得空間信息技術發(fā)展有限公司的 LD2000-RM 系統(tǒng)、山東科技大學和武漢大學聯合研制的車載式近景目標三維數據采集系統(tǒng)ZOYON-RTM系統(tǒng)、南京師范大學與武漢大學研制的3DRMS 系統(tǒng)、華東師范大學研制的“GPS/北斗雙星制導高維實景采集系統(tǒng)”(ECNC-VLS) 系統(tǒng)以及 2011 年由中國測繪科學研究院、首都師范大學等共同研制我國首臺車載激光掃描系統(tǒng) SSW-MMTS,該系統(tǒng)采用國產全方向激光掃描儀 RA-360娉泵磅啊磅把拔挨艾挨璇腸愁摻寶彬豹俺遍出拌蚌頒安

　　在外業(yè)數據采集前，進行實地踏勘，確認采集范圍內的道路交通狀況，并在地圖上做好標記，以便在外業(yè)線路規(guī)劃中可以進行合理安排。提前規(guī)劃基站位置、行駛線路，盡量保證沿衛(wèi)星信號良好的路段行駛。數據采集過程中，車速應盡量穩(wěn)定，保證各個區(qū)域的點云密度大致相同。在路口地段，應該保證數據具有一定的重疊度，方便后續(xù)數據處理。

　　3.基于 SLAM 的激光點云采集技術

　　同步定位與建圖 (simultaneous localization and mapping，SLAM)是指移動機器人利用自身搭載的傳感器構建環(huán)境地圖，同時利用環(huán)境信息進行自主定位。SLAM 技術因具有較好的自主性和精度而廣泛應用于各類移動平臺中。移動機器人在未知環(huán)境中運動時，可以通過 SLAM 系統(tǒng)構建環(huán)境地圖，同時利用構建的地圖進行自主定位，SLAM。

　　設 SLAM 問題中待估計的機器人運動參數為 Xoxk=x,,x3，其中，x表示k時刻載體的位姿參數;設 SLAM 構建的地圖可表示為一組地標的集合 M=mi,m,··m}，其中，m,表示第n 個地標在地圖中的位置。機器人在移動過程中可以通過傳感器對地標進行觀測，這些觀測的集合表示為 Zox=zoz,.·,3;而驅使機器人從 x 到x轉移的控制量為 ，在移動過程中所有控制量的集合表示為 U=uou,,u。SLAM 就是根據觀測Z和控制輸入 U，估計運動軌跡和地位置M的過程。在SLAM 算法框架中，對觀測Z的提取部分通常被稱為 SLAM 的前端front-end);而利用Zo和U對運動軌跡和地標位置進行估計的部分被稱為SLAM的后端(back-end)前端算法一方面要從每一幀的傳感器數據中提取出地標觀測信息，另一方面利用數據關聯方法判斷新一幀數據中的觀測地標是首次觀測到的新地標還是某一已經被觀測到的舊地標。在激光雷達 SLAM 中，通常直接采用三維點云描述環(huán)境。建立幀間觀測的關聯也是前端算法的重要組成部分，數據關聯算法與地標描述方法緊密聯系。

　　激光 SLAM 系統(tǒng)在搭載激光雷達的同時，還會搭載 IMU、相機等傳感器，形成多傳感器融合的數據采集處理框架。

　　基于 SLAM 的激光點云采集技術在數據采集的過程中，不斷進行對點云坐標的優(yōu)化，輸出即成圖，也體現了實時這個概念。若測區(qū)較大，要求后續(xù)的離線高精度建圖,可以保存每一幀數據，采集完成后進行離線解算。

　　主流的商用背包式激光掃描系統(tǒng)主要有:瑞士 Leica 公司的 Pegasus，英國GeoSLAM 公司的ZEB Discovery，國內數字綠公司的 LiBackpack 系列，國內立得空間公司的背包俠，以及國內歐思徠公司的 3D SLAM 激光全景背負式機器人等。主流的商用手持式激光掃描系統(tǒng)有瑞士 Leica 公司的 BLK 系列，美國KAARTA 公司的STENCIL系列，英國GeoSLAM 公司的ZEB Horizon，ZEB REVO等。主流的商用背包式激光掃描系統(tǒng)，背包式激光掃描系統(tǒng)在不同場景下獲取的點云數據。