基于机载LIDAR技术制作高精度DEM的实验研究*

0 引言

机载LIDAR是一种主动式对地观测的遥感技术。它发源于20世纪60年代，经过半个世纪的发展，LIDAR已经高度集成了现代激光测距技术、计算机技术、惯性测量技术(IMU)、DGPS差分定位技术；呈现出自动化程度高、受天气影响小、数据获取效率高、数据精度高等特点，备受人们的青睐。目前已经广泛应用于地形图测绘、城市规划、道路设计、农业开发、土地利用、电力电网建设、水利建设、地表沉降监测、环境监测及国家重大工程监测等领域。机载LIDAR在测绘方面的服务内容主要是DLG、DEM、DOM制作及三维模型建设，其中DEM为上述成果的基础数据，DEM精度决定了DLG、DOM精度；目前，机载LIDAR技术是制作DEM最重要的手段，因此，提高基于机载LIDAR技术制作DEM的精度，是当今测绘地理信息学者们关心和研究的热点。

1 机载LIDAR系统

1.1 系统组成及功能

机载LIDAR(Light Detection And Ranging)系统主要由以下部分组成：

1)GNSS接收机：通过接收卫星数据，实时精确测定出设备的空间位置，再通过后差分处理技术计算出确切的激光雷达信号发射时的空间位置。

2)IMU惯性导航系统：用于测定激光雷达主光轴的空间姿态参数[1]。

3)激光扫描测距系统：用于发射激光和接收激光，并能够计算出激光发出点至地面反射点的间距。

面对众媒体的围追堵截，吴浈表示，山东疫苗在流通过程中确实存在漏洞，疫苗是预防性制品，不会对注射的健康人造成身体伤害。

4)数字航摄仪系统：用于获取地面高分辨率数字影像。

此外，还有控制器、存储器、电源等辅助设备。

1.2 工作原理

激光扫描测距系统通过传感器发射激光束，并经空气传播到地表面，经地表面反射，反射能量被传感器接收，激光扫描测距系统通过记入激光束传播时间，计算出传感器至激光束反射地表之间的距离[2]。飞机上的GNSS接收机与GNSS地面基站通过实时或事后差分处理，确定激光雷达发射器空间坐标位置；通过IMU记入的激光雷达主光轴的空间姿态参数，便可计算出反射物体的空间坐标[3]。

2 项目实验

2.1 实验项目概况

2.1.1 实验项目基本情况

为满足新泰市至台儿庄区高速公路设计需求，采用机载激光雷达技术，进行激光点云获取，生产1∶500比例尺DEM，测量线路总长度约80 km，线路宽度约500 m，总面积约40 km2。

对于丘陵地形，点云高程数据检核点共统计323个点，高程中误差为11.1 cm，其中，粗差点2个，占比为0.62%；DEM高程检核点共统计364个，高程中误差为21.8 cm，其中，粗差点为6个，占比为1.65%。

作业区周边C级GPS点15个，用于坐标转换参数解算与测量检核。

2.1.2 实验项目基本要求

本实验以R44雷鸟直升飞机为飞行平台，遥感传感器类型为SZT-R1000，地面站采用南方S82灵锐GNSS接收机，地面基站沿线路共布设4个。实验过程严格按照技术要求进行遥感传感器安装、检查、运行。实验区共布设两条航线，单程覆盖范围1 200 m，往返覆盖范围1 800 m，重叠度50%；飞行高度300 m，飞行速度120 km/h；激光扫描视场角120°。

学校号召：虽然志愿服务实践教育未纳入到高校大学生的素质教育必修课程，但仍不在少数的高校十分重视学生公益精神的培养。学校会与社会公益组织联系，不定期联合举办一些公益活动，这些活动人力主要依靠高校大学生的参与，而活动的筹划和资金支持则由企事业单位承担。

点云及DEM高程精度要求，见表1。

表1 点云、DEM高程精度要求

Tab.1 Requirements for high precision of point cloud and DEM

比例尺地形类别DEM成果高程中误差/m点云数据高程中误差/m1∶500平地±0.2±0.15丘陵地±0.4±0.25

2.2 LIDAR点云数据获取

平面坐标系统采用1980西安坐标系，投影采用高斯-克吕格投影、3°分带，中央经线东经117°40′。采用1985国家高程基准。DEM比例尺为1∶500，格网分辨率为0.5 m，分幅采用矩形任意分幅，数据格式采用DWG格式；点云数据格式为*.las。

2.3 LIDAR数据预处理

对于相对平坦地形，点云高程数据检核点共统计189个点，高程中误差为10.5 cm，其中，粗差点2个，占比为1.05%；DEM高程检核点共统计203个，高程中误差为11.0 cm，其中，粗差点3个，占比1.48。

1)GNSS数据预处理：使用Waypoint - Inertial Explorer 8.60软件，将基站、流动站GPS文件转换为.gpb文件。

2)IMU数据预处理：先使用PointProcess软件，将.dat文件转为.bin文件，再在Inertial Explorer中将bin文件转为.imr文件。

常规潜艇舰队的主力仍是“基洛”级，包括877型(16艘)和较新的646型改进的“基洛”潜艇(6艘)。正在为太平洋舰队建造后续6艘改进的“基洛”级潜艇，以更换第一代“基洛”级潜艇。

2.2 牛奶过敏儿童PBMC中DNMT 1表达变化DNMT 1是甲基化转移酶，牛奶过敏儿童PBMC中DNMT 1表达变化见下图2所示。上述结果可见，特应性皮炎儿童随症状程度的增加，DNMT1表达下降。

2.4 LIDAR点云数据处理

过了一些日子，我的母亲去看翠姨，带着我的哥哥，他们一看见她，第一个印象，就觉得她苍白了不少。而且母亲断言地说，她活不久了。

应改传统的“冬剪为主”为“四季修剪”。改形的重心在冬剪，而保证改形成功的关键则在于生长季修剪。所以要把全年70%～80%的修剪工作量放在生长季节进行，特别是抓住夏剪这一重要环节，采用刻、抹、扭、拉、摘、切、疏等综合手法，多动手、少动剪、不动锯，达到树体生长和成花结果的有机统一。否则，施入的肥料先长成条子再成为冬剪下来的柴火，何苦呢？

1)点云解算：使用PointProcess来解算点云，在软件中可设置点云滤波，去除部分噪声点[4]。

2)坐标转换：使用PointProcess软件，选择7参数，加载要转换的las点云数据，即可转换到地方坐标系。

3)粗分类点云滤波(软件自动)：利用软件自动将地面与非地面点大致区分开，对于平坦田地效果较好。如图1(a)为去噪前效果、图1(b)为去噪后效果。

图1 田地去噪前后对比 Fig.1 Comparison before and after denoising of field

在软件中创建宏命令，使用不同算法进行点云分类。本实验项目采用点云粗分类算法，具体过程如下：

①By class：简单的把所有点从一类或几类转移到另一类。

②Low points：把较低的点从与其相邻的点中分离出来，经常用于搜寻明显低于地面的点，而这些点可能是错误的。

③lassify below Ground：把一些低于邻近点的点从源类中分离出来。

杏A深度污水站随着杏A注水站停运而停运，因此其1.21×104m3/d处理污水需要调整到其它污水站处理，同时需要给杏B注水站、杏C注水站、杏D注水站提供其所需注入水量。区域内污水处理站能力见表5所示。

目前低压变频器在水泵、风机、物料运输、工业锅炉、机床、纺织等设备上的应用较多。一方面，变频器的应用，可以改善负载工况，使负载电动机的运行稳定，另一方面，变频器应用是节能改造的一大关键。变频器的软启动节能方式，大大地减少了负载电动机硬启动对电网造成的冲击。但由于工业应用中，低压变频器的分布依据就近负载原则，使得分布范围较广，布局较分散，这对变频器的巡检与故障排查带来了一定的工作量，所以在这种情况下，变频器的集中监控系统设计也随之应运而生。

④Ground：通过反复建立地表三角网模型的方式分离出地表上的点。

⑤By height from ground：把距离地面模型指定距离范围内的点从源点云中分类出来(这一方法在地表分类之后运行)。

⑥Model keypoint：对建立给定精度的三角网模型的点进行分类。

4)精细分类点云滤波(人工干预)：粗分类仅仅是将地面点与非地面点进行大概的分离，对于复杂地形点云分类做不到完全正确。因此，还需要人工对粗分类的结果进行检查和修改，这种分类称之为细分类。细分类检查修改的内容主要有两类：一类是，应该保留在地面层中的点(如：山脊山谷、路沟坎、大坝、礁石、田埂等)被粗分类到非地面层，需要人工将其重新返回到地面层中；另一类是，需要分类的点(植被、建筑物、交通设施、桥、小物体等)粗分类不干净、不彻底的，需要人工进一步正确分类[5]。如桥的精细分类：图2(a)为细分类前、图2(b)为细分类后、图2(c)为对应影像图。

图2 桥精细分类前后对比 Fig.2 Comparison before and after fine classification of bridge

2.5 DEM制作

DEM可以直接利用经过细分类后的地面点云数据进行制作，在某些由于激光点采集或过滤造成的地形表现不完整的特殊区域(如河流、桥下、陡坎等)，可通过添加特征线数据来补充。在软件中设置好DEM分辨率、数据格式，软件自动生成DEM。对于高精度的DEM，外业应该适当、均匀采集一些高精度的高程点，用以检核其高程精度[6]。

3 实验成果精度分析

利用山东省CORS系统，采用网络RTK技术[7]，在实验区外业实测高程检核点870个，其中，硬化路面上高程检核点303个，相对平坦地形高程检核点203个，丘陵地形高程检核点364个。将所有外业检核点与邻近点云、DEM数据对应高程数据进行比较，统计高程误差，计算得出实验项目整体精度为：点云高程中误差为0.11 m，粗差率为2.27%；DEM高程中误差为0.19 m，粗差率为3.33%。

3.1 点云数据精度统计

为进一步了解不同地形条件下点云与DEM精度情况，本实验分别对平坦地形、丘陵地形、硬化路面的点云与DEM精度进行统计与分析。

3.1.1 相对平坦地形点云及DEM高程精度

数据预处理的内容主要为GNSS数据预处理、IMU数据预处理。数据预处理主要为数据格式转换。

高程具体精度情况，见表2。用离散点法表示相对平坦地形点云高程误差分布，结果见图3。用离散点法表示相对平坦地形DEM高程误差分布，结果见图4。

表2 平坦地形点云和DEM高程精度统计

Tab.2 Statistics of elevation errors between point cloud data and DEM in a flat terrain

误差范围/cmΔ≤55<Δ≤1010<Δ≤1515<Δ≤2020<Δ≤2525<Δ≤3030<Δ≤3535<Δ≤4040<Δ≤4545<Δ≤5050<Δ点云个数98502564210012DEM个数895336154300012

图3 平坦地形点云高程误差分布 Fig.3 Distribution of point cloud elevation errors in a flat terrain

图4 平坦地形DEM高程误差分布 Fig.4 Distribution of DEM elevation errors in a flat terrain

3.1.2 丘陵地形点云及DEM高程精度

作业区位于泰安市东南部、临沂市西部，纵跨新泰市、平邑县、蒙阴县、费县等县市；作业区地理概略位置为北纬：35°08′49″～35°47′03″，东经117°32′09″～117°49′02″。作业区地势北高南低，多为山地和丘陵，平均海拔高度约为300 m；作业时间为初秋季节。

高程具体精度情况，见表3。用离散点法表示丘陵地形点云高程误差分布，结果见图5。用离散点法表示丘陵地形DEM高程误差分布，结果见图6。

图5给出了改变布站方式后，算法对目标定位的均方根误差和偏差情况.可以看出，改变布站方式后，本文算法的定位RMSE和偏差仍然是几种算法中最低的.布站方式2与布站方式1相比，主要是布站数量的减少.对比图5和图2可以明显看出，减少外辐射源和接收站的数量后，系统的定位精度显著下降.

“你疑惑就对了。”仿佛她的话语不是从嘴里说出的，而是眼角的岁月在倾诉着一切。“你这个年龄疑惑是正常的。知道为什么吗？你把未来许许多多的时间点会发生的事纠集到现在这一个时间点里去思考，去猜测，而未来的时间点是有依赖性的，也就是说，疑惑就是人在同时猜测未来许许多多个时间点所发生的事或别人的心理。”

表3 丘陵地形点云和DEM高程精度统计

Tab.3 Statistics of elevation errors between point cloud data and DEM in a hilly terrain

误差范围/cmΔ≤55<Δ≤1010<Δ≤1515<Δ≤2020<Δ≤2525<Δ≤3030<Δ≤3535<Δ≤4040<Δ≤4545<Δ≤50Δ≤50点云个数1639032148523213DEM个数145723718161215571225

图5 丘陵地形高程点云误差分布 Fig.5 Distribution of point cloud elevation errors in a hilly terrain

图6 丘陵地形DEM高程误差分布 Fig.6 Distribution of DEM elevation errors in a hilly terrain

3.1.3 硬化路面点云及DEM高程精度

点云数据处理过程如下：

对于硬化道路表面，点云高程数据检核点共统计282个点，高程中误差为7.09 cm，其中，高程误差大于0.5 m的14个，占比4.96%；DEM高程检核点共统计303个，高程中误差为10.3 cm，其中，高程误差大于0.8 m的点20个，占比为6.60%。高程具体精度情况，见表4。

用离散点法表示硬化道路面点云高程误差分布，结果见图7。用离散点法表示硬化道路面DEM高程误差分布，结果见图8。

表4 硬化道路面点云和DEM高程精度统计

Tab.4 Statistics of elevation errors between point cloud data and DEM in hardened road surface

误差范围/cmΔ≤55<Δ≤1010<Δ≤1515<Δ≤2020<Δ≤2525<Δ≤3030<Δ≤3535<Δ≤4040<Δ≤4545<Δ≤50Δ≤50点云个数1677122103201114DEM个数1708116641111022

图7 硬化道路面点云高程误差分布 Fig.7 Distribution of point cloud elevation errors in ahardened road surface

图8 硬化道路面DEM高程误差分布 Fig.8 Distribution of DEM elevation errors in ahardened road surface

3.2 成果分析

通过对结果进行分析，笔者得出如下结论：

看麦娘，隶属禾本科看麦娘属，是长江中下游地区小麦田的主要杂草[1-2]，其繁殖能力强，易对小麦造成较重的危害。精唑禾草灵是小麦田常用的除草剂，主要用于防除看麦娘等禾本科杂草。目前，看麦娘对精唑禾草灵的抗药性已有报道[3-5]，有关报道侧重于抗药性机制的研究，而关于其抗药性水平及变化情况的研究未见系统报道。本研究连续3年检测江苏地区多个看麦娘种群对精唑禾草灵的敏感性，旨在明确这些地区看麦娘对精唑禾草灵的抗药性水平及其年度变化，掌握抗药性杂草的发生、发展动态，并为后续的抗性治理研究奠定基础。

1)从点云误差统计表和点云误差分布图可以看出：丘陵地形的点云高程误差离散程度较高，平坦地形、硬化路面的点云高程误差离散度较小。说明硬化路面点云高程精度高于普通地表点云高程精度；相对平坦区域点云高程精度与丘陵地点云高程精度基本相当。相同的传感器在同等条件下，点云高程精度与反射激光的地表特征有关。

2)从DEM误差统计表和DEM误差分布图可以看出：硬化路面DEM高程精度和相对平坦地形DEM高程精度基本一致，并且高于丘陵地形的DEM高程精度。说明了同精度的点云制作的DEM高程精度与地形特征有关。

3)对于丘陵地形，DEM高程精度除了与点云高程精度有关外，还与点云密度有关。在丘陵地形高程误差分布图表中可以看出：高程误差的绝对值较大，且负值较多，说明了在点云密度不够，或者说坎子上边沿没有点云，且特征线漏绘情况下，构建DEM时，会将坎子高处且远离坎边线的点与坎下的点直接连线构建DEM网，这样就降低了坎子边沿上对应的DEM的高程值，利用坎子上的检核点去检核DEM，定会出现上述结果。因此，要制作高精度的DEM时，应适当增加点云密度，或者增加特征线。

4)从硬化路面的点云和DEM误差统计图表中可以看出：硬化路面点云及DEM粗差较多。经检查和分析，粗差较多的原因主要是移动物体(如：车辆等)造成的，同时说明了点云去噪不彻底、滤波不够精细。因此，应加强深度清理噪点工作。

4 结束语

基于激光雷达技术制作高精度的DEM是目前较理想的方法。利用该方法不仅可以获取高精度、高密度的点云，生产高精度的DEM，而且可以大大提高生产效率；另外，该方法不仅适用平坦地区，也适用丘陵地和山地。

目前，采用机载雷达获取点云，同时也可以获取高清影像，实现点云与影像匹配生成三维模型，从而可制作数字线划图(DLG)、正射影像(DOM)。激光雷达技术发展与应用有着广阔的前景。当然，点云数据处理应用还存在一些问题，如噪点如何彻底去除问题，移动地物上的点云去除问题，点云密度科学设定等问题，还需要继续研究和探索。

[参 考 文 献]

[1] 李长辉，王峰，王磊，等.城市机载LiDAR测图系统关键技术研究与应用[J].测绘通报，2013(8)：36-39.

[2] 朱雪峰.基于机载激光雷达测量技术的铁路勘测方法[J].测绘通报，2015(12)：125-128.

[3] 蒋桂美，聂倩，陈小松，等.利用机载激光点云数据生产DEM的关键技术分析[J].测绘通报，2017(6)：90-93.

上海悠佩输送设备有限公司成立于2004年，是德国UP输送技术有限公司在中国的子公司。德国UP输送技术有限公司汇聚了中德两国工业自动化输送技术领域的专家和优秀人才：其德国专家具有在德国输送技术行业近30年丰富的技术开发经验及在中国近7年的项目管理经验；而中方技术管理人员也大都参与了中国汽车生产企业投资的大型输送设备新建和改造项目。

[4] 吴惠丰，唐健林，龙盈.机载LIDAR点云生成多尺度DEM方法[J].测绘科学，2017，42(5)：131-134

[5] Yining Quan，Jianfeng Song，Xue Guo，etal.Filtering LiDAR data based on adjacent triangle of triangulated irregular network[J].Multimed Tools Appl，2017(76)：11 051-11 063.

[6] 李英，刘沛，古林玉，等.点云滤除临时动地物构建表面模型方法探讨[J].测绘科学，2015，40(5)：159-162.

[7] 潘宝玉，张西恩，李宏伟.提高RTK测量成果精度的技术关键[J].地矿测绘，2003，19(3)：1-3.

观察两组产后并发症情况，评估两组新生儿情况。并发症情况主要观察产后出血、感染以及尿潴留的发生情况。新生儿情况应用新生儿评分量表（Apgar）进行评估[7]，量表满分10分，分值与新生儿健康状况成正比，分值0～2分表示新生儿重度窒息；分值3～7分表示新生儿轻度窒息；分值8～10分表示新生儿无窒息，健康状况良好。