铁路测绘中机载LiDAR关键技术的应用

发布日期：2019-07-31 00:00 浏览量：10473

近年来机载LiDAR渐渐趋向于商业化应用，不管是数字线划图DLG、数字高程模型DEM产品的生成，都发挥其明显优势。值得注意的是，现行铁路测绘实际中对于该技术的应用，仍存在利用人工解译问题，技术应用效果并不明显，所以考虑做好LiDAR点云数据提取，提高测绘水平。因此，本次研究对铁路测绘中机载LiDAR关键技术的应用研究，具有十分重要的意义。

一、关于机载LiDAR的介绍

关于LiDAR，主要指一种用于主动对地观测的系统，用于地面物体三维目标的测量，将许多先进技术包括惯性测量单元IMU/DGPS差分定位技术、计算机技术、激光测距技术等引入其中，能够满足高时空分辨率地球空间信息的获取。

由于机载LiDAR数据获取后，通过相应的软件处理，由等高线图、数字地面模型DTM形成，这在传统常规地面测量技术、摄影测量方法应用下很难实现，因此被逐渐引入测绘领域中。国外对于该技术的应用起步较早，我国近年来也逐渐在机载LiDAR技术应用方面不断突破，如三维城市建模、环境监测、地形测绘中技术应用均较为广泛。

二、机载LiDAR点云数据提取与处理

1、数据预处理

铁路测绘领域中，LiDAR技术应用下，以往存在依托于人工解译、人工提取方法，自动化水平较低。对此，研究中考虑借助LiDAR点云数据，获取铁路地物信息，包括地物形状特征，以及影像纹理、光谱与灰度信息，做到信息自动提取。

从机载LiDAR点云数据具体处理流程看，主要表现为：

①点云数据经过滤波处理后，将与惯性测量系统、GPS系统数据结合，做各点云三维目标的计算；

②将系统中粗差点、误差等检测去除，引入自适应TIN方法，进行地面点与非地面点的滤波分离；

③引入Krig－ing插值方式，进行DEM构建。该流程实现后，便可根据提取处理后的点云数据，做数字表面模型DSM构建，此时仅需将DEM由DSM去除，便能达到地物高度信息获取的目标，一般将该模型叫做nDSM，通过该模型的应用，许多如植被、建筑物信息被提取中，地形所带来的影响被消除。

2、铁路要素提取

具体从铁路测绘信息要素提取方面研究，提取的内容主要包括：

①建筑物信息提取。在nDSM模型运用下，强调对高度阈值进行设置，一般保持较小，使建筑物完整性得以保证。例如，铁路沿线中由较多农村房舍分布，高度较低，所以可保持1m阈值。需注意房屋阴影易有被错分情况，通常房顶由较高亮度值，而阴影亮度值较低，此时要求利用航空影响波段均值使阴影消除。

同时，考虑到机载LiDAR应用下尽管高度信息获取准确，然而在获取地物边界信息房方面精确度较差，所以技术应用中考虑借助光谱信息，对房屋边缘信息的获取进行改进。

②植被信息提取。实际做植被信息提取中，要求计算绿度指数，假定对航空影像蓝、绿、红波段分别以B、G、R表示，以Greenness表示绿度指数，有Greenness=G/(R+G+B)，部分研究中提及，在非植被、植被绿度指数上，可设定为0.34阈值。将nDSM模型引入，借助其高度信息差异，可进行农作物、灌丛、乔木林地的区分。

③铁路区域信息提取。铁路测绘中，整个沿线地形特征复杂，如有平原、山区等，可利用对比分割图像，做铁路地形特征的识别。

三、机载LiDAR与RANSAC算法结合下的高密度点云数据提取

1、激光点云信息提取

为提高机载LDAR技术应用效果，本次研究中提及将RANSAC算法引入，主要将特征数据、高程信息、掩膜图像等进行结合，分类轨道信息并提取。具体实践中要求进行轨道特征属性的构建，明确铁轨信息精确提取中的约束条件，如区域坡度较小、铁轨相比道床有一定高度。此时，做激光点云分类，整个流程为：

①铁路点云的确定，取0.5m为半径，进行最低点的搜索，做高差计算；

②利用DEM完成坡度计算，取计算结果作为轨道信息提取中的阈值。具体对铁路掩膜区域中轨道点进行判断，有相应的要求，其一为高差△h介于0.15m与0.4m之间，空间区域坡度为15°以下。这样通过分类点云，可将其中许多人工物体分离，使轨道目标对象更容易确定。

2、铁路横断面数据提取分析

铁路测绘中，测量铁路横断面的目的在于进行地形起伏情况的判断，许多工程项目开展中，如桥涵设计、路基检查、边桩放样等，均需将横断面图作为基础。具体进行数据提取中，提取参数包括路基高程、路基宽度、路基边坡高度等。引入机载LiDAR技术，借助DEM实现铁路横断面数据的提取，在此基础上分析横断面几何特征。如在坡度数据分析中，主要可将最大变化率反映出来，通过计算特征点拟合直线斜率，获取最终结果。实际提取分析中，一般也强调引入曲线二阶导数，点为零的位置便为曲线拐点，亦可理解为坡向线、路面交叉点为拐点。在明确该拐点后，便可做路基宽度、边坡坡度的统计。

3、轨道数据提取

轨道数据提取中，在引入机载LiDAR技术的同时，需配合RANSAC算法，完成提取过程，且该过程中要求借助TLS，即最小二乘法获取相应的拟合曲线，使最终提取的结果更加准确，整个提取过程中，首先要求得以数据点对铁路轨道进行拟合，若为铁路所有点，需归属到内部点范畴中。在此基础上进行模型的确定，如圆弧模型或直线模型，为各内部点选择最优拟合模型。模型确定后，将所有数据中的内部点去除，计算剩余点云，便能达到提取轨道数据的目标。

综上所述，机载LiDAR技术应用是当前提高铁路测绘水平的关键性保障。实际应用该技术中，应正确认识该技术实现的原理，使其在铁路测绘中优势充分发挥出来，具体实践中，将该技术引入，主要通过机载LiDAR点云数据提取与处理、机载LiDAR与RANSAC算法结合下的高密度点云数据提取实现，如在点云数据处理方面强调数据与处理以及铁路要素的提取，而高密度点云数据包含激光点云数据匪类、横断面数据以及轨道数据的提取等，可推动铁路测绘水平的进一步提高。