鐵路測(cè)繪中機(jī)載LiDAR關(guān)鍵技術(shù)的應(yīng)用

發(fā)布日期：2019-07-31 00:00 瀏覽量：10852

近年來(lái)機(jī)載LiDAR漸漸趨向于商業(yè)化應(yīng)用，不管是數(shù)字線劃圖DLG、數(shù)字高程模型DEM產(chǎn)品的生成，都發(fā)揮其明顯優(yōu)勢(shì)。值得注意的是，現(xiàn)行鐵路測(cè)繪實(shí)際中對(duì)于該技術(shù)的應(yīng)用，仍存在利用人工解譯問(wèn)題，技術(shù)應(yīng)用效果并不明顯，所以考慮做好LiDAR點(diǎn)云數(shù)據(jù)提取，提高測(cè)繪水平。因此，本次研究對(duì)鐵路測(cè)繪中機(jī)載LiDAR關(guān)鍵技術(shù)的應(yīng)用研究，具有十分重要的意義。

一、關(guān)于機(jī)載LiDAR的介紹

關(guān)于LiDAR，主要指一種用于主動(dòng)對(duì)地觀測(cè)的系統(tǒng)，用于地面物體三維目標(biāo)的測(cè)量，將許多先進(jìn)技術(shù)包括慣性測(cè)量單元IMU/DGPS差分定位技術(shù)、計(jì)算機(jī)技術(shù)、激光測(cè)距技術(shù)等引入其中，能夠滿(mǎn)足高時(shí)空分辨率地球空間信息的獲取。

由于機(jī)載LiDAR數(shù)據(jù)獲取后，通過(guò)相應(yīng)的軟件處理，由等高線圖、數(shù)字地面模型DTM形成，這在傳統(tǒng)常規(guī)地面測(cè)量技術(shù)、攝影測(cè)量方法應(yīng)用下很難實(shí)現(xiàn)，因此被逐漸引入測(cè)繪領(lǐng)域中。國(guó)外對(duì)于該技術(shù)的應(yīng)用起步較早，我國(guó)近年來(lái)也逐漸在機(jī)載LiDAR技術(shù)應(yīng)用方面不斷突破，如三維城市建模、環(huán)境監(jiān)測(cè)、地形測(cè)繪中技術(shù)應(yīng)用均較為廣泛。

二、機(jī)載LiDAR點(diǎn)云數(shù)據(jù)提取與處理

1、數(shù)據(jù)預(yù)處理

鐵路測(cè)繪領(lǐng)域中，LiDAR技術(shù)應(yīng)用下，以往存在依托于人工解譯、人工提取方法，自動(dòng)化水平較低。對(duì)此，研究中考慮借助LiDAR點(diǎn)云數(shù)據(jù)，獲取鐵路地物信息，包括地物形狀特征，以及影像紋理、光譜與灰度信息，做到信息自動(dòng)提取。

從機(jī)載LiDAR點(diǎn)云數(shù)據(jù)具體處理流程看，主要表現(xiàn)為：

①點(diǎn)云數(shù)據(jù)經(jīng)過(guò)濾波處理后，將與慣性測(cè)量系統(tǒng)、GPS系統(tǒng)數(shù)據(jù)結(jié)合，做各點(diǎn)云三維目標(biāo)的計(jì)算；

②將系統(tǒng)中粗差點(diǎn)、誤差等檢測(cè)去除，引入自適應(yīng)TIN方法，進(jìn)行地面點(diǎn)與非地面點(diǎn)的濾波分離；

③引入Krig－ing插值方式，進(jìn)行DEM構(gòu)建。該流程實(shí)現(xiàn)后，便可根據(jù)提取處理后的點(diǎn)云數(shù)據(jù)，做數(shù)字表面模型DSM構(gòu)建，此時(shí)僅需將DEM由DSM去除，便能達(dá)到地物高度信息獲取的目標(biāo)，一般將該模型叫做nDSM，通過(guò)該模型的應(yīng)用，許多如植被、建筑物信息被提取中，地形所帶來(lái)的影響被消除。

2、鐵路要素提取

具體從鐵路測(cè)繪信息要素提取方面研究，提取的內(nèi)容主要包括：

①建筑物信息提取。在nDSM模型運(yùn)用下，強(qiáng)調(diào)對(duì)高度閾值進(jìn)行設(shè)置，一般保持較小，使建筑物完整性得以保證。例如，鐵路沿線中由較多農(nóng)村房舍分布，高度較低，所以可保持1m閾值。需注意房屋陰影易有被錯(cuò)分情況，通常房頂由較高亮度值，而陰影亮度值較低，此時(shí)要求利用航空影響波段均值使陰影消除。

同時(shí)，考慮到機(jī)載LiDAR應(yīng)用下盡管高度信息獲取準(zhǔn)確，然而在獲取地物邊界信息房方面精確度較差，所以技術(shù)應(yīng)用中考慮借助光譜信息，對(duì)房屋邊緣信息的獲取進(jìn)行改進(jìn)。

②植被信息提取。實(shí)際做植被信息提取中，要求計(jì)算綠度指數(shù)，假定對(duì)航空影像藍(lán)、綠、紅波段分別以B、G、R表示，以Greenness表示綠度指數(shù)，有Greenness=G/(R+G+B)，部分研究中提及，在非植被、植被綠度指數(shù)上，可設(shè)定為0.34閾值。將nDSM模型引入，借助其高度信息差異，可進(jìn)行農(nóng)作物、灌叢、喬木林地的區(qū)分。

③鐵路區(qū)域信息提取。鐵路測(cè)繪中，整個(gè)沿線地形特征復(fù)雜，如有平原、山區(qū)等，可利用對(duì)比分割圖像，做鐵路地形特征的識(shí)別。

三、機(jī)載LiDAR與RANSAC算法結(jié)合下的高密度點(diǎn)云數(shù)據(jù)提取

1、激光點(diǎn)云信息提取

為提高機(jī)載LDAR技術(shù)應(yīng)用效果，本次研究中提及將RANSAC算法引入，主要將特征數(shù)據(jù)、高程信息、掩膜圖像等進(jìn)行結(jié)合，分類(lèi)軌道信息并提取。具體實(shí)踐中要求進(jìn)行軌道特征屬性的構(gòu)建，明確鐵軌信息精確提取中的約束條件，如區(qū)域坡度較小、鐵軌相比道床有一定高度。此時(shí)，做激光點(diǎn)云分類(lèi)，整個(gè)流程為：

①鐵路點(diǎn)云的確定，取0.5m為半徑，進(jìn)行最低點(diǎn)的搜索，做高差計(jì)算；

②利用DEM完成坡度計(jì)算，取計(jì)算結(jié)果作為軌道信息提取中的閾值。具體對(duì)鐵路掩膜區(qū)域中軌道點(diǎn)進(jìn)行判斷，有相應(yīng)的要求，其一為高差△h介于0.15m與0.4m之間，空間區(qū)域坡度為15°以下。這樣通過(guò)分類(lèi)點(diǎn)云，可將其中許多人工物體分離，使軌道目標(biāo)對(duì)象更容易確定。

2、鐵路橫斷面數(shù)據(jù)提取分析

鐵路測(cè)繪中，測(cè)量鐵路橫斷面的目的在于進(jìn)行地形起伏情況的判斷，許多工程項(xiàng)目開(kāi)展中，如橋涵設(shè)計(jì)、路基檢查、邊樁放樣等，均需將橫斷面圖作為基礎(chǔ)。具體進(jìn)行數(shù)據(jù)提取中，提取參數(shù)包括路基高程、路基寬度、路基邊坡高度等。引入機(jī)載LiDAR技術(shù)，借助DEM實(shí)現(xiàn)鐵路橫斷面數(shù)據(jù)的提取，在此基礎(chǔ)上分析橫斷面幾何特征。如在坡度數(shù)據(jù)分析中，主要可將最大變化率反映出來(lái)，通過(guò)計(jì)算特征點(diǎn)擬合直線斜率，獲取最終結(jié)果。實(shí)際提取分析中，一般也強(qiáng)調(diào)引入曲線二階導(dǎo)數(shù)，點(diǎn)為零的位置便為曲線拐點(diǎn)，亦可理解為坡向線、路面交叉點(diǎn)為拐點(diǎn)。在明確該拐點(diǎn)后，便可做路基寬度、邊坡坡度的統(tǒng)計(jì)。

3、軌道數(shù)據(jù)提取

軌道數(shù)據(jù)提取中，在引入機(jī)載LiDAR技術(shù)的同時(shí)，需配合RANSAC算法，完成提取過(guò)程，且該過(guò)程中要求借助TLS，即最小二乘法獲取相應(yīng)的擬合曲線，使最終提取的結(jié)果更加準(zhǔn)確，整個(gè)提取過(guò)程中，首先要求得以數(shù)據(jù)點(diǎn)對(duì)鐵路軌道進(jìn)行擬合，若為鐵路所有點(diǎn)，需歸屬到內(nèi)部點(diǎn)范疇中。在此基礎(chǔ)上進(jìn)行模型的確定，如圓弧模型或直線模型，為各內(nèi)部點(diǎn)選擇最優(yōu)擬合模型。模型確定后，將所有數(shù)據(jù)中的內(nèi)部點(diǎn)去除，計(jì)算剩余點(diǎn)云，便能達(dá)到提取軌道數(shù)據(jù)的目標(biāo)。

綜上所述，機(jī)載LiDAR技術(shù)應(yīng)用是當(dāng)前提高鐵路測(cè)繪水平的關(guān)鍵性保障。實(shí)際應(yīng)用該技術(shù)中，應(yīng)正確認(rèn)識(shí)該技術(shù)實(shí)現(xiàn)的原理，使其在鐵路測(cè)繪中優(yōu)勢(shì)充分發(fā)揮出來(lái)，具體實(shí)踐中，將該技術(shù)引入，主要通過(guò)機(jī)載LiDAR點(diǎn)云數(shù)據(jù)提取與處理、機(jī)載LiDAR與RANSAC算法結(jié)合下的高密度點(diǎn)云數(shù)據(jù)提取實(shí)現(xiàn)，如在點(diǎn)云數(shù)據(jù)處理方面強(qiáng)調(diào)數(shù)據(jù)與處理以及鐵路要素的提取，而高密度點(diǎn)云數(shù)據(jù)包含激光點(diǎn)云數(shù)據(jù)匪類(lèi)、橫斷面數(shù)據(jù)以及軌道數(shù)據(jù)的提取等，可推動(dòng)鐵路測(cè)繪水平的進(jìn)一步提高。