鐵路測繪中機載LiDAR關鍵技術的(de)應用(yòng)

發布日期：2019-07-31 00:00 浏覽量：8991

近年來(lái)機載LiDAR漸漸趨向于商業化(huà)應用(yòng)，不管是數字線劃圖DLG、數字高(gāo)程模型DEM産品的(de)生成，都發揮其明(míng)顯優勢。值得(de)注意的(de)是，現行鐵路測繪實際中對(duì)于該技術的(de)應用(yòng)，仍存在利用(yòng)人(rén)工解譯問題，技術應用(yòng)效果并不明(míng)顯，所以考慮做(zuò)好LiDAR點雲數據提取，提高(gāo)測繪水(shuǐ)平。因此，本次研究對(duì)鐵路測繪中機載LiDAR關鍵技術的(de)應用(yòng)研究，具有十分(fēn)重要的(de)意義。

一、關于機載LiDAR的(de)介紹

關于LiDAR，主要指一種用(yòng)于主動對(duì)地觀測的(de)系統，用(yòng)于地面物(wù)體三維目标的(de)測量，将許多(duō)先進技術包括慣性測量單元IMU/DGPS差分(fēn)定位技術、計算(suàn)機技術、激光(guāng)測距技術等引入其中，能夠滿足高(gāo)時(shí)空分(fēn)辨率地球空間信息的(de)獲取。

由于機載LiDAR數據獲取後，通(tōng)過相應的(de)軟件處理(lǐ)，由等高(gāo)線圖、數字地面模型DTM形成，這(zhè)在傳統常規地面測量技術、攝影(yǐng)測量方法應用(yòng)下(xià)很難實現，因此被逐漸引入測繪領域中。國外對(duì)于該技術的(de)應用(yòng)起步較早，我國近年來(lái)也(yě)逐漸在機載LiDAR技術應用(yòng)方面不斷突破，如三維城(chéng)市建模、環境監測、地形測繪中技術應用(yòng)均較爲廣泛。

二、機載LiDAR點雲數據提取與處理(lǐ)

1、數據預處理(lǐ)

鐵路測繪領域中，LiDAR技術應用(yòng)下(xià)，以往存在依托于人(rén)工解譯、人(rén)工提取方法，自動化(huà)水(shuǐ)平較低。對(duì)此，研究中考慮借助LiDAR點雲數據，獲取鐵路地物(wù)信息，包括地物(wù)形狀特征，以及影(yǐng)像紋理(lǐ)、光(guāng)譜與灰度信息，做(zuò)到信息自動提取。

從機載LiDAR點雲數據具體處理(lǐ)流程看，主要表現爲：

①點雲數據經過濾波處理(lǐ)後，将與慣性測量系統、GPS系統數據結合，做(zuò)各點雲三維目标的(de)計算(suàn)；

②将系統中粗差點、誤差等檢測去除，引入自适應TIN方法，進行地面點與非地面點的(de)濾波分(fēn)離；

③引入Krig－ing插值方式，進行DEM構建。該流程實現後，便可(kě)根據提取處理(lǐ)後的(de)點雲數據，做(zuò)數字表面模型DSM構建，此時(shí)僅需将DEM由DSM去除，便能達到地物(wù)高(gāo)度信息獲取的(de)目标，一般将該模型叫做(zuò)nDSM，通(tōng)過該模型的(de)應用(yòng)，許多(duō)如植被、建築物(wù)信息被提取中，地形所帶來(lái)的(de)影(yǐng)響被消除。

2、鐵路要素提取

具體從鐵路測繪信息要素提取方面研究，提取的(de)内容主要包括：

①建築物(wù)信息提取。在nDSM模型運用(yòng)下(xià)，強調對(duì)高(gāo)度阈值進行設置，一般保持較小，使建築物(wù)完整性得(de)以保證。例如，鐵路沿線中由較多(duō)農村(cūn)房(fáng)舍分(fēn)布，高(gāo)度較低，所以可(kě)保持1m阈值。需注意房(fáng)屋陰影(yǐng)易有被錯分(fēn)情況，通(tōng)常房(fáng)頂由較高(gāo)亮度值，而陰影(yǐng)亮度值較低，此時(shí)要求利用(yòng)航空影(yǐng)響波段均值使陰影(yǐng)消除。

同時(shí)，考慮到機載LiDAR應用(yòng)下(xià)盡管高(gāo)度信息獲取準确，然而在獲取地物(wù)邊界信息房(fáng)方面精确度較差，所以技術應用(yòng)中考慮借助光(guāng)譜信息，對(duì)房(fáng)屋邊緣信息的(de)獲取進行改進。

②植被信息提取。實際做(zuò)植被信息提取中，要求計算(suàn)綠度指數，假定對(duì)航空影(yǐng)像藍、綠、紅波段分(fēn)别以B、G、R表示，以Greenness表示綠度指數，有Greenness=G/(R+G+B)，部分(fēn)研究中提及，在非植被、植被綠度指數上，可(kě)設定爲0.34阈值。将nDSM模型引入，借助其高(gāo)度信息差異，可(kě)進行農作物(wù)、灌叢、喬木(mù)林(lín)地的(de)區(qū)分(fēn)。

③鐵路區(qū)域信息提取。鐵路測繪中，整個(gè)沿線地形特征複雜(zá)，如有平原、山區(qū)等，可(kě)利用(yòng)對(duì)比分(fēn)割圖像，做(zuò)鐵路地形特征的(de)識别。

三、機載LiDAR與RANSAC算(suàn)法結合下(xià)的(de)高(gāo)密度點雲數據提取

1、激光(guāng)點雲信息提取

爲提高(gāo)機載LDAR技術應用(yòng)效果，本次研究中提及将RANSAC算(suàn)法引入，主要将特征數據、高(gāo)程信息、掩膜圖像等進行結合，分(fēn)類軌道信息并提取。具體實踐中要求進行軌道特征屬性的(de)構建，明(míng)确鐵軌信息精确提取中的(de)約束條件，如區(qū)域坡度較小、鐵軌相比道床有一定高(gāo)度。此時(shí)，做(zuò)激光(guāng)點雲分(fēn)類，整個(gè)流程爲：

①鐵路點雲的(de)确定，取0.5m爲半徑，進行最低點的(de)搜索，做(zuò)高(gāo)差計算(suàn)；

②利用(yòng)DEM完成坡度計算(suàn)，取計算(suàn)結果作爲軌道信息提取中的(de)阈值。具體對(duì)鐵路掩膜區(qū)域中軌道點進行判斷，有相應的(de)要求，其一爲高(gāo)差△h介于0.15m與0.4m之間，空間區(qū)域坡度爲15°以下(xià)。這(zhè)樣通(tōng)過分(fēn)類點雲，可(kě)将其中許多(duō)人(rén)工物(wù)體分(fēn)離，使軌道目标對(duì)象更容易确定。

2、鐵路橫斷面數據提取分(fēn)析

鐵路測繪中，測量鐵路橫斷面的(de)目的(de)在于進行地形起伏情況的(de)判斷，許多(duō)工程項目開展中，如橋涵設計、路基檢查、邊樁放樣等，均需将橫斷面圖作爲基礎。具體進行數據提取中，提取參數包括路基高(gāo)程、路基寬度、路基邊坡高(gāo)度等。引入機載LiDAR技術，借助DEM實現鐵路橫斷面數據的(de)提取，在此基礎上分(fēn)析橫斷面幾何特征。如在坡度數據分(fēn)析中，主要可(kě)将最大(dà)變化(huà)率反映出來(lái)，通(tōng)過計算(suàn)特征點拟合直線斜率，獲取最終結果。實際提取分(fēn)析中，一般也(yě)強調引入曲線二階導數，點爲零的(de)位置便爲曲線拐點，亦可(kě)理(lǐ)解爲坡向線、路面交叉點爲拐點。在明(míng)确該拐點後，便可(kě)做(zuò)路基寬度、邊坡坡度的(de)統計。

3、軌道數據提取

軌道數據提取中，在引入機載LiDAR技術的(de)同時(shí)，需配合RANSAC算(suàn)法，完成提取過程，且該過程中要求借助TLS，即最小二乘法獲取相應的(de)拟合曲線，使最終提取的(de)結果更加準确，整個(gè)提取過程中，首先要求得(de)以數據點對(duì)鐵路軌道進行拟合，若爲鐵路所有點，需歸屬到内部點範疇中。在此基礎上進行模型的(de)确定，如圓弧模型或直線模型，爲各内部點選擇最優拟合模型。模型确定後，将所有數據中的(de)内部點去除，計算(suàn)剩餘點雲，便能達到提取軌道數據的(de)目标。

綜上所述，機載LiDAR技術應用(yòng)是當前提高(gāo)鐵路測繪水(shuǐ)平的(de)關鍵性保障。實際應用(yòng)該技術中，應正确認識該技術實現的(de)原理(lǐ)，使其在鐵路測繪中優勢充分(fēn)發揮出來(lái)，具體實踐中，将該技術引入，主要通(tōng)過機載LiDAR點雲數據提取與處理(lǐ)、機載LiDAR與RANSAC算(suàn)法結合下(xià)的(de)高(gāo)密度點雲數據提取實現，如在點雲數據處理(lǐ)方面強調數據與處理(lǐ)以及鐵路要素的(de)提取，而高(gāo)密度點雲數據包含激光(guāng)點雲數據匪類、橫斷面數據以及軌道數據的(de)提取等，可(kě)推動鐵路測繪水(shuǐ)平的(de)進一步提高(gāo)。