一种车载三维激光点云数据精度提升方法
苟永刚1,2 龙 川1,2 胡小林1,2
(1. 重庆市勘测院, 重庆 401121;2. 重庆市移动型智能测量装备工程实验室, 重庆 401121)
摘 要： 针对车载三维(3D)激光点云数据精度易受到复杂因素影响的问题,提出了一种基于网络实时动态载波相位差分技术(RTK)的精度优化方法,与车载平台固连一个网络RTK设备,在外业作业时同步采集网络RTK数据,将定位定姿系统(POS)数据与网络RTK数据融合,实现了车载三维激光点云数据的精度提升,并通过实验验证了该方法的有效性。
0 引言
车载移动测量系统能够在快速移动过程中非接触、高效率、高精度地获取行进轨迹两侧的三维(three-dimensional,3D)激光点云数据,目前已广泛应用于实景三维建设[1-4]、大比例尺测图[5-9]、城市部件普查[10-13]、竣工测量[14-15]、高精度地图生产等[16]领域。但其数据精度容易受到卫星信号、移动站到基准站距离等因素的影响,如何提高车载三维激光点云数据的精度,是车载移动测量系统应用中面临的主要问题。
为了提高点云数据精度,王永红等[17]人采用折线方式、以400 m间隔布设控制点等措施,对车载移动测量系统进行精度控制;胡源等[18]人总结出一种由经验判断控制点点云纠正质量的方法,通过对异常控制点筛查、改正、剔除等操作,提高了车载点云的纠正精度;孝兵等[19]人为了提高地铁隧道三维点云的精度,在隧道内均匀布设控制点,使用控制点对惯导轨迹进行纠正,从而得到高精度的隧道点云;魏国忠等人在高速公路改扩建项目中,利用均匀布设的控制点标靶对点云数据进行纠正,提高了车载点云的精度[20]。可以看出,利用控制点对三维激光点云数据进行校正,是目前提高点云数据精度使用的主要方法,然而,一方面,人工布设控制点增加了外业工作量,同时,对于封闭道路或者高速路等场景,给作业人员的人身安全造成了隐患;另一方面,在当前大规模数据生产的压力下,外业人工控制点的布设和内业控制点坐标的提取都需要耗费较长的时间,极大地降低了生产效率。
本文对影响车载三维激光点云数据精度的因素进行了分析,与车载平台固连了一个网络实时动态载波相位差分技术(real-time kinema-tic,RTK)设备,使用记录的网络RTK实时差分数据与定位定姿系统(position and orientation system,POS)数据融合,实现了车载三维激光点云数据的精度提升,并通过实验证明了方法的有效性。
1 车载移动测量系统
1.1 系统介绍
本文以重庆市勘测院研制的集景车载移动测量系统[21-22]为例,开展车载三维激光点云数据精度提升方法的研究。该系统集成了全球导航卫星系统(global navigation satellite system,GNSS)、惯性测量单元(inertial measurement unit,IMU)、激光雷达、全景相机、里程计等传感器,各个传感器固定在一个刚体上,且通过标定建立了相互之间严格的几何关系,在系统移动过程中,GNSS和IMU同步观测和记录系统的位置和姿态信息,同时激光雷达和全景相机以一定的频率采集原始点云与全景数据,通过时间同步控制,系统对所有传感器授予统一的时间基准,实现数据的同步采集。系统如图1所示。
图1 集景移动测量系统
图2描述了系统生产成果点云数据的一般流程,由采集的IMU数据、里程计数据和移动站数据与基站数据联合解算,得到POS数据,结合POS数据将原始点云转换为成果点云数据。
图2 三维激光点云数据处理流程
1.2 数据精度影响因素分析
影响车载三维激光点云数据精度的因素很多,本文将主要因素分为以下方面:
(1)时间同步。移动测量系统是一个多传感器系统,各个传感器之间需要精确的时间同步才能保证点云成果具有较高的精度。
(2)系统标定。各个传感器之间的相对位置与角度关系,要通过系统标定来获得相对关系,只有通过严密的标定实验才能获得精确的标定参数。
(3)卫星信号。卫星信号容易受到高楼、隧道、移动站到基准站距离等诸多因素的干扰,造成点云精度降低。
然而,时间同步和系统标定可在系统集成阶段通过设计合理的时间同步机制及高精度的标定策略加以解决,但卫星信号对点云精度造成的影响却难以控制。
本文与集景移动测量系统固连了一个网络RTK设备,同步采集高精度实时差分数据,将网络RTK数据与POS数进行融合以提高三维激光点云数据的精度。
2 基于网络RTK技术的精度提升方法
如图3所示,通过网络RTK数据过滤、网络RTK估计值计算、网络RTK数据纠正POS等步骤获得高精度的POS数据,对原始点云数据使用高精度POS进行解算,从而获得高精度的三维激光点云数据。
图3 算法流程
2.1 网络RTK过滤
网络RTK精度受到卫星信号、接收机状态、周边环境等因素影响,定位有时可能出现失真,其定位结果不可能完全可靠,为了获得可靠性较高的网络RTK数据,需要根据实际需要,设置合理的过滤阈值,对网络RTK数据进行过滤。网络RTK数据记录的水平精度因子(horizontal dilution of precision,HDOP)和垂直分量精度因子(vertical dilution of precision,VDOP)属性表示了定位点的平面和高程精度,通过设置过滤阈值,将误差较大的网络RTK数据过滤,使用精度较高的网络RTK数据参与下一步计算。
2.2 网络RTK估计值计算
根据时间属性将过滤后的网络RTK数据与POS数据关联,计算每个网络RTK数据的估计值。车载移动测量系统的坐标系一般与IMU的坐标系一致,以IMU的坐标原点为中心,x轴指向前进方向右侧,y轴指向前进方向,z轴垂直于x和y轴指向车子上方,该坐标系称为载体坐标系。设网络RTK设备中心相对于载体坐标系的安装位置偏移为(Xo,Yo,Zo),网络RTK估计值计算就是根据该偏移值,以及对应时刻的惯导姿态计算理论位置的过程。
设t时刻的网络RTK数据为R(Xr,Yr,Zr),其对应的POS数据为P(Xp,Yp,Zp,pitch,yaw,roll),其中pitch,yaw,roll分别表示IMU的俯仰角、航向角和侧滚角。设R对应的估计值为
其计算公式为
(1)
式中,
是载体坐标系到世界坐标系的旋转矩阵,其通过IMU的pitch、yaw、roll三个角度按一定的欧拉角序列构成。
2.3 网络RTK纠正POS
设t1和t2时刻的网络RTK点测量值分别为R1(Xr1,Yr1,Zr1)和R2(Xr2,Yr2,Zr2),对应的POS点分别为P1(Xp1,Yp1,Zp1)和P2(Xp2,Yp2,Zp2),计算的网络RTK估计值分别为
和
网络RTK的估计值和测量值之间存在误差,设t1和t2时刻的误差值分别为
和
其计算公式为
(2)
式中,i取值1或者2。
t1、t2时刻及其之间的POS数据纠正值按照式(3)计算。
(3)
式中,pi表示从点P1起的第i个POS点;
表示pi点的纠正值;ti表示pi点对应的时间。
则纠正后的POS点坐标为
(4)
式中,(Xpi,Ypi,Zpi)表示POS点pi的原始坐标;
表示纠正后的pi的坐标。
3 实验分析
实验采用重庆市勘测院研发的集景移动测量系统,与该系统固连了一个网络RTK设备,图1中左侧的设备即为固连的网络RTK天线,经过精确测量,其相对于载体中心的安装偏移为(0,0.269 13,0.185 08)。以某地总长度约4 km的城市道路作为试验区,在该路段左右两侧均匀布设控制点92个,并使用高精度全站仪测量了控制点的坐标,控制点分布如图4所示(图中用不同编号展示了控制点分布)。使用集景移动测量系统同步进行点云和网络RTK数据的采集,然后分别从不使用网络RTK进行点云精度提升和使用网络RTK进行点云精度提升两个方面进行了分析。
图4 控制点示意及分布
在未使用网络RTK数据进行点云精度提升的情况下,仅使用POS数据进行点云数据生产,后在点云数据中提取了92个控制点的点云坐标,表1显示了实测控制点坐标和点云中同名点坐标的精度分析结果,中误差:平面0.053 m,高程0.036 m。
表1 不使用网络RTK的点云精度统计表
注:平面中误差0.053 m,高程中误差0.036 m。
使用网络RTK数据对点云数据进行精度提升,网络RTK数据的过滤阈值设置为平面0.03 m,高程0.04 m,对POS数据进行优化,然后使用优化后的POS数据生产点云,并进行了点云数据中控制点坐标的提取,表2显示了统计结果,中误差:平面0.025 m,高程0.027 m。
表2 使用网络RTK的点云精度统计表
注:平面中误差0.025 m,高程中误差0.027 m。
可以看出,在使用网络RTK数据对POS纠正后,生产的点云数据精度得到了大幅提升。
4 结论
本文对影响三维激光点云数据精度的因素进行了分析,结合生产实际提出了基于网络RTK技术的精度优化方法,并通过实验证明了方法的有效性。本文方法与传统布设人工控制点进行点云精度提升的方法相比,具有以下优势:①车载移动测量系统大多是在城市规划覆盖的区域开展,这些区域大多实现了连续运行参考站(continuously operating reference stations,CORS)的覆盖,使用任何一种网络RTK设备都可以接入CORS,获得高精度的测绘级定位数据,因此本文方法具有很高的可用性;②如果使用已有CORS基站的数据用于POS解算,则无须单独架设GNSS基准站;如果要架设基准站,也不会受到距离限制,在几十千米内都是可行的,极大地增加了作业范围,节约了人力和设备;③采集过程中,网络RTK的手薄可实时显示HDOP和VDOP属性,采集人员可根据该属性值评估当前点云数据的精度,为点云数据的采集作业提供指导;④无须大量的外部控制点布设工作,同时减少了内业从点云中提取同名点的工作量,节约了人力,缩短外业作业周期。因此,本文方法为解决移动测量应用中三维激光点云数据精度难以控制的问题提供了思路,对推动移动测量系统在更加广泛领域的应用具有重要的意义。
参考文献
[1] 杨必胜,陈驰,董震.面向智能化测绘的城市地物三维提取[J].测绘学报,2022,51(7):1476-1484.
[2] 关丽,丁燕杰,张辉,等.面向数字城市建设的三维建模关键技术研究与应用[J].测绘通报,2017(2):90-94.
[3] 李晓丽,刘如飞,汤玉兵,等.高精度矢量数据的路面三维自动建模方法[J].测绘通报,2021(7):70-73.
[4] 曹峰,纪思源. 基于倾斜摄影与车载移动测量互补的实景三维建模技术初探[C]//江苏省测绘地理信息学会.2019年江苏省测绘地理信息学会学术年会论文集.2019年江苏省测绘地理信息学会学术年会论文集,2019:104-107.
[5] 熊成利,周友生,郑永忠.空地一体化激光移动测量技术在大比例尺地形图更新工作中的应用[J].测绘通报,2019(S1):93-97.
[6] 吴波,杨晓锋,陈宏强,等.应用车载移动测量技术进行大比例尺测图的方法[J].测绘通报,2017(3):80-82,107.
[7] 卢秀山,谢欣鹏,刘如飞.轻便型移动测量系统在乡村地形测量中的应用[J].测绘科学,2016,41(10):149-152.
[8] 王越,江威,王树根. 车载移动测量技术在道路全息测绘中的应用[J]. 测绘技术装备,2023,25(1):50-55.
[9] 杨恒,刘扬,贾竞珏,等.国产移动测图系统发展及道路普查应用[J].测绘通报,2021(S2):288-290,295.
[10] 高笔清,杨小东,张旭冬.车载移动测量系统在城市部件普查中的应用[J].测绘通报,2020(S1):6-8.
[11] 李席锋,汤竞煌,李辉.移动测量技术在数字城市部件普查中的应用[J].国土资源导刊,2017,14(1):53-57.
[12] 余建伟,林伟恩.中海达高精度移动测量系统在城市部件普查中的应用[J].测绘通报,2016(8):147-148.
[13] 宋杨,曾凡洋,高志国.车载全景摄影测量在城市部件普查中的应用[J].测绘科学,2016,41(11):40-43,78.
[14] 闵启忠,罗成鹏.三维激光扫描技术在规划竣工测绘中的应用[J].测绘通报,2021(S2):27-30.
[15] 李柏.利用移动三维激光测量系统进行公路竣工测量方法的研究[J].测绘通报,2014(9):94-96.
[16] 徐杰,侯飞,曹广航. 高精道路地图制作方法及关键技术[J].测绘通报,2022(1):155-158.
[17] 王永红,陈宏强,杨晓锋,等. 车载移动测量系统在市政管线地形图测量中的精度分析[J]. 测绘通报,2017(5):82-84,99.
[18] 胡源.车载三维激光扫描数据纠正与质量控制方法研究[J].测绘通报,2021(S2):70-73.
[19] 孝兵,高志强,杨坤.基于惯导和CPⅢ控制点的地铁隧道移动激光扫描三维点云重建[J].测绘通报,2021(9):112-115,129.
[20] 魏国忠,侯飞,张衡,等.高速公路勘测中车载激光点云高精度校正可行性分析[J].测绘通报,2016(8):20-24.
[21] 明镜,向泽君,龙川,等.车载移动测量系统装备研制与应用[J].测绘通报,2017(9):136-141.
[22] 龙川,苟永刚,明镜,等.车载移动测量系统研制与应用实践[J].测绘通报,2021(4):120-125.
引文格式: 苟永刚,龙川,胡小林.一种车载三维激光点云数据精度提升方法[J].北京测绘,2023,37(5):666-670.
基金项目：重庆市英才计划(cstc2021ycjh-bgzxm0321)
作者简介：苟永刚(1989—),男,硕士,工程师,从事移动测量系统的研究。
E-mail:869283263@qq.com
转自：“测绘学术资讯”微信公众号
如有侵权，请联系本站删除！
