机载激光测深数据获取及处理技术现状
崔子伟
,1,2, 徐文学
,2, 刘焱雄2, 郭亚栋2, 孟祥谦1, 蒋正坤2
1.山东科技大学海洋科学与工程学院,青岛 266590
2.自然资源部第一海洋研究所,青岛 266061
摘要 ：水下地形测量是测绘科学的重要分支,与人类开展海洋、湖泊等作业密切相关。在探测浅水区水下地形时,传统声学方法面临船体搁浅风险,被动光学方式则存在测量精度低等缺陷。机载激光测深技术的出现为解决浅水水深测量难题提供了新的手段,其在近岸区域应用可填补浅水区水下地形数据空白。文章首先简要介绍了机载激光测深系统的组成和原理; 其次,对激光测深数据的获取做了说明,并重点讨论了机载激光测深数据处理的关键技术,包括波形数据处理、误差修正和点云数据处理等; 最后,总结了机载激光测深存在的技术难点及未来的发展趋势。
0 引言
随着人类活动范围不断扩大,水域尤其是近岸区的开发逐渐被世界各国关注,掌握近岸水深及水下地形具有重要意义。近岸浅水区通常是礁石、淤泥等复杂环境,开展作业时效率低、难度大、危险性高,故浅水区长期存在大量测深数据空白。当前,测深技术主要分为声学和光学2类。声学测深主要包括船载声呐单波束和多波束技术[1-2],由于发射角限制,船载声呐在浅水区测深效率低且面临搁浅风险。被动光学测深技术主要有卫星遥感反演和双介质摄影测量[3⇓-5],卫星遥感反演可大范围测量水深,但测量精度较低; 双介质摄影测量精度不高且缺乏对星载立体影像浅水测深的系统性理论和实践案例。机载激光测深技术利用蓝绿光(波长为470~580 nm)在水体中衰减系数较小的特性进行浅水区域水下地形测量,具有测量精度高、安全性高、效率高和可进行水陆一体化测量等优点,为浅水区域数据不完善等问题提供了新的解决方案,可作为声学测深在浅水区域测量的有效补充。
迄今为止,机载激光测深系统已经过几十年更新换代。1968年,美国Hickman和Hog制造了世界上第一台激光海水深度测量系统,后续NASA成功研制了机载激光水深测量器(airborne LiDAR bathymetry,ALB),后又推出了具有高速数据记录能力和扫描功能的机载海洋激光雷达系统(airborne oceanographic LiDAR,AOL)[6-7]。20世纪80年代后,机载激光测深系统的高速数据记录能力和扫描功能更加完善,定位定姿等技术也融入其中,出现了Hawk Eye系列和LADS系列等代表产品[8⇓-10]。21世纪,机载激光测深系统迈入商业化阶段,世界上实力较强的厂商有美国Velodyne LiDAR、瑞典Hexagon AB、奥地利Riegl和加拿大Teledyn Optech等。国内于20世纪90年代开展相关研究,中国科学院上海光学精密机械研究所先后研发了三代机载测深系统,第三代Mapper5000双频系统已顺利完成南海实验。此外,海军测绘研究所、自然资源部第一海洋研究所、桂林理工大学、深圳大学和山东科技大学等单位也开展了机载激光测深设备研制工作[8⇓-10]。2017年,中国自然资源航空物探遥感中心采购了CZMIL Nova II系统,并开展实验分析了此系统在我国海岸带区域的应用潜力[11]。2020年末,国家标准化管理委员会与国家市场监督管理总局联合发布了《机载激光雷达水下地形测量技术规范》(GB/T 39624—2020)[12],进一步规范了作业标准。
由于知识产权保护及技术封锁等原因,国内的机载激光测深系统研制依旧处于试验研究阶段,许多核心技术都未彻底攻克。同时,相比快速发展的硬件系统,机载激光测深数据获取及处理的过程还存在诸多难题。因此,本文对机载激光测深技术进行了较为完整的综述,首先简要介绍了机载激光测深的系统组成和测深原理,然后对数据获取和数据处理进行了系统阐述和深入分析,并在此基础上总结了机载激光测深存在的技术难点及未来的发展趋势。
1 机载激光测深技术
1.1 机载激光测深系统
机载激光测深系统是集激光光学、定位定姿、信号处理等多种先进技术于一体的综合系统(图1)。除飞行平台外,系统主体包括激光扫描系统、定位定姿系统(position and orientation system,POS)、控制系统和数据存储单元。此外,部分系统可搭载高光谱相机和数字摄像机等用于获取同步影像数据[13]。
激光扫描系统包括激光测距单元和扫描器,激光测距单元(激光发射器和接收器)确定距离、回波等信息,扫描器确定激光发射方向,其扫描方式主要有圆形、椭圆形和直线式扫描[14]。POS包括全球导航卫星系统(global navigation satellite system,GNSS)和惯性导航系统(inertial navigation system,INS),GNSS提供实时、全天候和全球性的导航定位服务,INS用来测定激光发射时刻激光扫描仪的俯仰角、侧滚角及航向角等姿态信息。控制系统负责协调各部件工作,使其保持高精度的时间同步,确保系统正常运行。数据存储单元用来保存各类数据,包括位置、姿态、时间、回波次数及回波强度等。
1.2 机载激光测深原理
机载激光测深系统利用蓝绿光能穿透水体的特性进行水下地形测量,当前主要分为单频和双频测深系统。单频测深系统的激光发射器发射532 nm蓝绿光,蓝绿光到达水面时部分发生反射、散射、折射,进入水体的能量被部分吸收或散射后,到达水底再反射回接收器(如图2所示); 双频测深系统则增加近红外通道以准确探测水面[10]。在不考虑更多复杂参数的情况下,机载激光测深的水深计算公式[15]可简化为:
D=cΔtcosβ2n(1)
式中: D为测得的水深; c为蓝绿光在空气中传播速度; ΔtΔt为水面与水底回波往返时间差; β为激光脉冲折射角; n为水体折射率(不同波长光的水体折射率不同,水体折射率随温度升高而减小,随盐度增大而增大)。
2 机载激光测深数据获取
水下地形的数据获取比陆地更为复杂,涉及到设备、大气、水文环境和水底底质等多种影响,具备测量条件后方可开展机载激光测深数据采集的系列工作。
2.1 影响因素
设备因素如飞行距离需保持在基站作用范围内,飞行器与基站之间距离过大使定位信号不稳定,进而影响采集精度[16]。除设备因素外,自然因素对数据采集产生更多的影响。空气中漂浮的灰尘等微粒凝结成较大颗粒时,激光脉冲遇到其会产生回波[14]。良好的水文环境有助于外业工作的开展,水面的气泡或浮游生物会导致激光难以穿透水面或水体[16]。不同底质的激光反射率具有差异性,图3展示了底质分别为沙滩、砂质、海草和珊瑚时不同波长的反射率[17]。
2.2 数据采集
采集数据前应制定合理的项目规划并做好相应准备,在获得航飞数据后及时检查数据(图4)。
项目规划需搜集目标区域的天气、气候、经纬度和地貌等资料,据此制定工作计划及应对意外状况的备选计划。准备阶段首先向有关部门递交申请材料,得到批准后展开后续工作; 选取基站点主要考虑基站不能距离作业区过远,基站上空无高压线和鸟群等危险因素或明显遮挡物,随着科学发展出现的虚拟基站技术则简化了自架实体基站的工作; 设计航线时根据最终成果要求设定航高、飞行范围、扫描频率等参数,确定航线间隔并保证相邻条带间的重叠度要求,计算出飞机加速、减速、掉头的位置,最优化航线可减少飞机持续直线航行导致的惯性测量单元(inertial measurement unit,IMU)的误差累计; 选取校验场时,对多通道系统来说,至少有1个负责修正陆域和浅水域的陆地校验场和1个负责修正浅水域与深水域的水上校验场,陆地校验场应具备明显建筑物目标,水上校验场应为水质清澈的岸线区域[18]。正式作业首先安装与调试设备,排除故障,设置相应参数; 校验场飞行的目的是进行系统检校,解算俯仰、侧滚、航向角偏移与距离偏移等,后续应用于误差改正; 测区飞行应以安全为首,提醒在场人员激光对眼睛的危害性[19],机载平台启动后要激活惯导[20]; 飞行期间需同步测量潮位数据,用于后续修正水深值。飞行结束后,及时查看获取到各类数据的质量及完整性,若出现数据缺失或错误,启动备选计划补测或重测。
3 机载激光测深数据处理
机载激光测深系统采集的原始数据主要包括: POS数据、基站数据、码盘数据、波形数据、辅助数据(影像、视频数据)等[21],经过数据预处理、波形数据处理、误差修正、点云数据处理后,获取水陆全覆盖地形图,如图5所示。
3.1 数据预处理
数据预处理主要包括POS数据处理和安置参数检校过程。
3.1.1 POS数据处理
POS利用动态后处理差分技术(post processed kinematic,PPK),根据机载GNSS接收机和基站数据计算激光脉冲发射时刻的初始位置,再通过IMU数据获取飞行平台的姿态变化增量,应用卡尔曼滤波器和反馈误差控制迭代获取激光脉冲发射时刻的空间位置和飞行平台的侧滚角、俯仰角及航向角数据。
3.1.2 安置参数检校
安装IMU时无法保证IMU与激光扫描仪坐标系完全平行,导致机载激光测深系统存在距离和角度安置参数误差[22]。设备出厂时已进行系统安置参数检校,但应用阶段依然需要检校过程,传统方法为人工解算,把航带分为同向或异向、等高或异高,结合校验场中的明显目标,一般按侧滚角、俯仰角、航向角的顺序校正,通过经验公式多次迭代,尽量消除不同航带同名点间差异。人工解算难免出现偏差,因此很难分辨出真正意义上的同名点,黎东等[23]提出一种基于共面约束的自动检校方法,于点云中自动提取尖顶或房屋顶平面,建立连接平面关系,基于激光脚点坐标计算公式和共面约束条件,通过平差解算得安置误差参数。
3.2 波形数据处理
机载激光测深系统常用记录方式为全波形回波,波形数据处理主要涉及波形去噪、反卷积、波峰探测与数值模拟方法。由于激光脉冲在水中和空气中传播特性存在差异,还需利用波形数据实现水陆分类,为后续数据处理奠定基础。
3.2.1 波形去噪
噪声可分为外界背景噪声与系统内部噪声,全波形数据处理首要过程通常是波形去噪。高斯滤波是一种线性平滑滤波器,能降低数据尖锐变化,本质是将波形与高斯函数进行卷积计算。移动平滑要选择合理窗口长度,取窗口内平均值作为该点数据,滑动窗口得到所有点的平均值。Savitzky-Golay(S-G)滤波可看作移动加权平滑滤波算法,基于局部数据多项式拟合,通过滑动窗口对所有数据平滑处理[24]。小波去噪首先对信号进行小波分解得到系数,筛除小于所设阈值的系数,从而达到去噪目的,由其衍生出的自适应阈值小波去噪方法则优化了阈值选取范围,避免了去除有效信号的问题。
3.2.2 反卷积
接收波形可视为系统发射波形与目标反射截面的卷积,反卷积可理解为其逆向过程,由接收波形反算目标反射截面。傅里叶反卷积(Fourier transform deconvolution,FTD)是最简易的反卷积算法,通过傅里叶变换在频域中直接进行逆滤波去除发射信号,但其受噪声干扰大,维纳滤波反卷积(Wiener filter deconvolution,WFD)则是FTD的改进[25]。理查德森-露西反卷积(Richardson-Lucy deconvolution,RLD)最初是一种图像复原算法,派生自贝叶斯理论,属于极大似然估计法,该算法也可用于波形数据处理[26]。非负最小二乘算法(nonnegative least squares,NNLS)是在时域内计算使波形估计值与实际波形间平方误差最小的非负解,实质是将反卷积转化为矩阵分解问题[27]。
3.2.3 波峰探测
波峰探测可获取全波形数据的峰值位置,常规方法有极大值检测和平均方差函数(average square difference function,ASDF)等。极大值检测即查找波形中局部极大值点,得到结果后应筛除无效极大值点。ASDF则是通过计算发射波形与接收波形的相关性,将相关性极大值点作为信号位置[28]。
3.2.4 数值模拟
数值模拟的核心是以合适的函数拟合波形。激光在穿透水面前于空气中传播,较严格遵守高斯函数规律,因此常用高斯函数[29]拟合水面,若考虑激光穿透水面瞬间发生的衰减作用,可将水面回波表示为高斯与指数函数的卷积[30]。针对水底回波,拟合方法还有韦伯分解函数[31]等。水深较浅时可忽略水体后向散射的影响,仅考虑水面和水底回波,但水体回波影响较大时,可利用三角形函数、四边形函数和指数函数来拟合水体回波[32-33]。数值模拟本质是最优化问题,初始参数的选择与后续迭代求解模型的算法都很关键,常用的求解参数方法有非线性阻尼最小二乘方法(levenberg-marquardt,LM)和期望最大化方法(expectation-maximization,EM)[34]等。
3.2.5 算法组合及改进
波形去噪可降低噪声,但无法真正提取信息。反卷积则是从目标反射截面中检测有效回波并提取相关信息。波峰探测能提取峰值,但可能提取伪极大值。数值模拟将波形参数优化后提取信号特征,间接确定信号位置,但需可靠的初始参数与算法。由于水文环境过于复杂,单一方法难以满足信息提取精度要求时,有研究则进行了方法的组合及改进,例如: 基于B样条的方法[35]、由粗到精检测方法[36]、基于分层异构模型的拟合算法[37]、顾及水面、水体和水底(surface,volume,bottm,SVB)算法[38]和极浅水波形分解方法[39]等。
3.2.6 水陆分类
机载激光测深系统可同时测定水域与陆地,从众多数据中识别水陆波束成为数据处理关键。水陆分类混淆区域往往是泥滩或极浅水域,蓝绿激光回波信号易发生重叠,增加红外光辅助通道可准确探测陆地,多波段激光的组合使用可提高分类精度[40]。王丹菂等[41]提出的基于单频机载激光测深海陆回波自动分类方法不借助其他波段激光也可实现分类。此外,基于波形的分类方法还有Ji等[42]根据不同波形形态特征提出的随机森林特征选择模型,以及胡善江等[43]提出的基于深度学习的海陆波形分类等。影像辅助法和基于点云的分类也可进行水陆识别,影像辅助法借助相机和卫星等获取的影像资料从点云中匹配瞬时分界线,但可能存在影像与点云数据时间不同步的问题[44]。基于点云的分类方法则有Smeeckaert等[45]提出的支持向量机模型(support vector machines,SVM),以及王晓阳[46]提出的三维点云高程阈值分类法等。
3.3 误差修正
机载激光测深涉及的技术复杂,削弱误差影响是确保该技术有效性的前提,误差来源可分为系统本身、外部环境和其他因素[47⇓-49],具体如表1所示。
误差修正的研究方向主要分为综合修正和单一误差改正。赵建虎等[50]采用逐步回归法构建了一种改进的顾及水深、水体含沙量、波束扫描角和传感器高度等参数的深度偏差修正模型,可满足国际海道测量组织的规定标准; 叶修松等[51]着重讨论了IMU姿态测量误差影响,并结合扫描角误差、测距误差和平台坐标系原点误差进行了计算分析; Yang等[52]提出了一种基于海面剖面和射线追踪的空气-水面折射校正方法,首先利用最小二乘法和波浪谱拟合3D海面,再根据海面坡度,通过追踪空气与水面分界处的每个激光传输路径来校正激光点地理位置偏差; Xu等[53]则采用基于维度特征的邻域自适应方法计算激光脉冲入水瞬间的海面法向量,并结合激光脉冲传播的几何模型进行顾及海面波动的折射误差改正。
3.4 点云数据处理
生成初始点云后,还需进行去噪、滤波和配准等处理。点云去噪针对随机且无规律的离群点,如飞鸟、云等明显高于或低于目标地物的点; 点云滤波是从点云数据中分离地面点和非地面点的过程; 点云配准则是将航带点云拼接为完整测区点云的过程。
3.4.1 点云滤波
目前主流的点云滤波算法有: 数学形态学滤波、坡度滤波、内插滤波、基于不规则三角网滤波和布模拟滤波等方法[54-55],但针对海底数据的点云滤波方法还较少。Yang等[56]提出一种双向布模拟滤波方法,首先建立传递迭代趋势面以消除负异常及实现海底地形连续表示,根据坡度、深度标准偏差、高斯曲率和粗糙度特征因子计算海底地形复杂度; 再计算子区域地形复杂度和自适应距离阈值并获取自定义参数; 最后进行分区域滤波,建立基于双向布模拟滤波方法的滤波面。
3.4.2 点云配准
水面开阔导致水域目标物不如陆地标志清晰,且针对机载激光测深数据的点云配准技术尚未成熟[57]。目前,Yang等[58]和Wang等[59]研究利用平差实现声学与机载激光测深数据的融合,对系统偏差进行精度补偿; Ji等[60]提出由粗到精航带拼接模型可解决点云密度低等导致的航带拼接困难,根据重叠区域不同特征利用不同算法对水域和陆域分类配准; Xu等[61]提出基于特征曲线的数据配准方法,解决了数据特征稀疏、点云密度低和特征提取困难等配准难题。
4 总结与展望
近年来,机载激光测深硬件设备趋于小型化、简单化与多功能。小型化意味着系统重量轻,方便携带与搭载; 简单化是对内部传感器等进行改进,降低硬件结构复杂度; 多功能即获取全波形数据、点云数据、光谱数据和影像数据等多元数据。机载激光测深技术的硬件研制日益完善,也出现了一些具备基础功能的商业化数据处理软件,但商业化数据处理软件不能完全满足需求,且在数据处理方面还需解决如下问题:
1)在较深水域,水底信号微弱且受噪声影响,难以准确分辨真实水底位置; 在极浅水域,则出现水底和水面波峰叠加的情况,如何从冗杂的波形中分解或提取出有效信号成为波形数据处理的关键。
2)优化测深精度需对激光传播路径的各类误差进行修正处理,同时要兼顾误差修正算法的空间复杂度与时间复杂度。
3)水下地形的点云滤波和点云配准等技术尚未成熟,且部分算法依旧参考陆域的处理方法,可能导致数据质量不佳,进一步提高水下地形点云密度对数据处理方法有更高要求。
随着机载激光测深技术的不断发展,未来机载激光测深系统需突破测量水下地形的单一功能,实际应用于水体参数反演、底质分类和目标探测等。国际上机载激光测深系统已体现出巨大的经济效应,因此,我国开展高性能机载激光测深系统研发及数据处理研究,对岛礁、河流和海岸带等监管与保护工作具有重要意义。
基金资助:国家自然科学基金项目“机载激光测深回波波形分解及折射率改正方法研究”(41871381);“基于机载激光测深数据的海底DEM生成及底质分类研究”(41401573);国家卫星海洋应用中心项目“机载激光雷达测深”(20CINC-024051-01)
通讯作者: 徐文学(1980-),男,博士,副研究员,研究方向为激光扫描数据处理、海洋测绘。Email: xuwx@fio.org.cn。
作者简介: 崔子伟(1998-),男,硕士研究生,研究方向为机载激光测深数据处理。Email: lucky_cuiziwei@163.com。
引用本文: 崔子伟, 徐文学, 刘焱雄, 郭亚栋, 孟祥谦, 蒋正坤. 机载激光测深数据获取及处理技术现状[J]. 自然资源遥感, 2023, 35(3): 1-9.
CUI Ziwei, XU Wenxue, LIU Yanxiong, GUO Yadong, MENG Xiangqian, JIANG Zhengkun. Current status of the acquisition and processing of airborne laser sounding data. Remote Sensing for Natural Resources, 2023, 35(3): 1-9.
转自：“测绘学术资讯”微信公众号
如有侵权，请联系本站删除！
