CN106597416A - 一种地面GPS辅助的LiDAR数据高程差的误差修正方法 - Google Patents

Abstract

本发明提供一种地面GPS辅助的LiDAR数据高程差的误差修正方法：首先采用机载LiDAR设备对某一被测地貌对象进行往复K次的重复测量，得到K组航带点云数据，然后对点云数据进行粗差剔除和规则格网化，在进行机载LiDAR测量之前，已经在被测航带布置了一定数量的地面GPS测量仪，用于测量地面点的绝对位置，采用绝对差参数η_l对获得的K组点云数据进行最优排序，将GPS测量出的地面点绝对位置高程值与最佳点云数据对应的高程值参数进行比较，得出高程误差方差，根据方差判断可以进行误差修正的点云数据。最终经过修正得出较为准确的LiDAR数据。

Description

一种地面GPS辅助的LiDAR数据高程差的误差修正方法

技术领域

本发明属于测绘科学与技术领域，涉及一种地面GPS辅助的机载激光点云误差修正方法，主要应用于高精度DEM/DSM生产、城市三维建模、高精度地貌特征的拾取等领域。

背景技术

机载LiDAR(Light Detection And Ranging)系统是一种快速采集地表信息的新兴测量技术，在硬质开阔地面的高程精度可高达15cm，平面精度优于30cm，常用来大面积地获取密集且精确的地形和地物数据。目前已广泛地应用于电力巡线、公路选线、森林参数估计、3D城市建模等领域，机载LiDAR系统是由激光扫描仪、GPS/IMU(InertialMeasurementUnit)惯性导航装置、计算机控制导航系统、存储设备等硬件集成在一起的一个复杂的测距系统，因此，许多系统内在的因素制约着LiDAR点云的平面和高程精度。

在LiDAR点云数据获取过程中，常存在多种误差源，如激光扫描仪测距误差、扫描镜控制误差、激光扫描仪与POS设备时间同步误差、激光扫描仪与POS设备的偏心以及安置角误差、POS观测值系统误差等。在LiDAR数据处理的实际生产中发现，点云的高程误差一般在0.3m至1.0m之间，目前还没有系统的修正点云数据高程误差的方法。

发明内容

本发明的目的在于提供一种地面GPS辅助的LiDAR数据高程差的误差修正方法，可以有效的对机载LiDAR数据误差进行修正。

为达到上述目的，本发明采用了以下技术方案：

步骤1获取包含针对同一目标区的K个航带的激光雷达点云数据，作为原始点云数据，其中K≥3，对原始点云数据进行滤波，剔除植被和建筑物，只留下有效的地表点云数据；

步骤2格网化处理：用四边形网格对经过步骤1处理后的点云数据进行划分；

步骤3经过格网化处理后，将K组点云数据转换到一个绝对坐标下，分别对K组点云数据，在形状为长方形的航带上，在长度和宽度上每间隔拾取一个点，将这个点的高程值e_ij作为矩阵元素值，其中，i、j分别是点云取点的行数和列数，这样，可以由K组点云数据分别组装成一个点云高程值矩阵，即，可以组装出第一组，第二组，第三组，……第K组点云数据的点云高程值矩阵E₁,E₂,E₃,…,E_K；

步骤4计算K组点云高程值矩阵的均值高程值矩阵E_μ，然后分别计算各组点云高程值矩阵E_l(l＝1,2,……，K)与均值高程值矩阵E_μ的绝对差参数η_l，对η_l进行排序，即则第p₁组为最佳点云数据；

步骤5利用高精度GPS在目标区内静态测量一定数量的观测点，观测点的数量根据被测的地形进行选择，地势越平坦则需要布置的观测点越多，且相邻观测点的间距通常不应超过500米。从各个GPS观测点测得的数据值中分别提取高程值，组装成GPS高程值矩阵G_GPS，同时从最佳点云数据中，提取与GPS高程值矩阵G_GPS平面坐标对应的观测点的点云数据高程值，组装成最优点云数据高程值参数矩阵Q_p；

步骤6计算GPS高程值矩阵G_GPS与最优点云数据高程值参数矩阵Q_p元素差值的均值μ_p，将Q_p的各个元素加上μ_p，推算出新的参数矩阵Q′_p；计算GPS高程值矩阵G_GPS与参数矩阵Q′_p元素差值的方差σ_p；

步骤7若σ_p≤σ_MAX，则该组点云数据修正后符合误差要求，可以使用；若σ_p>σ_MAX，则说明此组点云数据不符合使用要求，应进行舍弃，以下一组点云数据(依步骤4给出的排序)为最优点云数据，转步骤8；

步骤8，重复步骤6、7，直至选出可以使用的首组点云数据(即最合适的点云数据)。

假设第p_i组为最合适的点云数据，则将计算出的GPS高程值矩阵G_GPS与第p_i组点云数据高程值参数矩阵元素差值的均值以代数计算的形式累加到第p_i组点云数据每一个激光脚点的Z向三维坐标数据上。

本发明具有如下有益效果：

本发明通过多次反复扫描被测对象，在地面使用GPS高精度定位等方式，使机载LiDAR点云数据中的高程值误差得到有效估计和预算，从而对DEM数据以及以后三维模型的绘制打下了良好的基础。本发明采用GPS数据与点云数据的误差绝对值以及方差大小作为判断点云数据是否合格的判别条件，通过计算参数对点云数据进行修正，使得修正后的点云数据更加的符合实际。

附图说明

图1是本发明实施例的流程图；

图2是GPS地面观测点在航带上的布置形式，图2中：1为GPS布置位点。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

本发明的实施步骤如下，参见图1：

步骤1，采用机载激光雷达由先至后对测区进行K个架次飞行后，获得包含K个航带的激光雷达点云数据，为防止无效点云数据组干扰，其中K≥3；每一个航带的激光雷达点云数据中均包括多个激光脚点的测量数据，且每一个激光脚点的测量数据均包括该激光脚点的(X，Y，Z)三维坐标数据和测量数据获取时间；

对原始点云数据进行滤波，剔除植被和建筑物，只留下有效的地表点云数据，数据包括该激光脚点的(X，Y，Z)三维坐标数据和测量数据获取时间；

步骤2，规则格网化处理：采用数据处理器对所处理点云数据进行格网划分，即用多个尺寸相同的方形网格对所述点云数据进行划分，且划分后所形成格网的行数和列数分别为：

其中，Y_MAX为所处理点云数据中Y轴坐标值最大的激光脚点的Y轴坐标值，Y_MIN为所处理点云数据中Y轴坐标值最小的激光脚点的Y轴坐标值，X_MAX为所处理点云数据中X轴坐标值最大的激光脚点的X轴坐标值，X_MIN为所处理点云数据中X轴坐标值最小的激光脚点的X轴坐标值；L为所述方形网格的边长，a为所处理点云数据的密度；L_MAX为划分网格的行数，R_MAX划分网格的列数；

步骤3，分别对K组点云数据，在形状为长方形的航带上，在长度和宽度上每隔拾取一个点，将这个点的高程值e_ij作为矩阵元素值，其中，i、j分别是点云取点的行数和列数。这样，可以组装成一个高程值矩阵：

其中，

区域内的地形采样点可以任意标记在网格的顶点、边上或者网格内，如果地形采样点在网格的边上或者网格内，可以通过线性插值的方法获得该采样点的高程值。这样航带上的每一次测量都可以生成一个高程值矩阵；

步骤4，将K组点云数据转换到一个绝对坐标下，按照步骤3所述的方法，可以组装出第二组，第三组，……第K组点云数据的点云高程值矩阵E₂,E₃,…,E_K，将K组点云数据转换到一个绝对坐标下，可以保证不同点云高程值矩阵的元素E_l(i,j)对应点的平面一样，不会出现平面偏差；

步骤5，计算K组点云高程值矩阵的均值高程值矩阵E_μ，作为航带点云数据是否合格的判别参数：

分别计算各组点云高程值矩阵E_l与均值高程值矩阵E_μ的绝对差参数η_l：

式中，η_l为第l组点云高程值矩阵E_l与均值高程值矩阵E_μ之差的绝对值，E_μ(i,j)为均值高程值矩阵E_μ第i行第j列的元素，E_l(i,j)为第l组点云高程值矩阵E_l第i行第j列的元素；

比较η_l值的大小，对η_l进行排序，即则第p₁组为最佳点云数据；

步骤6，利用测量精度可达mm级的高精度GPS在测区内静态测量20个观测点。每个观测点的持续测量时间＞100min，有效观测卫星总数＞5个。这些观测点原则上均匀分布在被测带宽内呈四边形的20个地点上，参见图2；

为了避免地形起伏引起的2次高程误差的影响，选取的GPS观测位置可以根据实际情况进行微调，尽量为视野开阔，地势平坦，周边地表无茂密植被。每一个GPS点的测量数据均包括观测点的(X，Y，Z)三维坐标数据和测量数据获取时间；为保证测量精度，可多次测量取平均值；

为了使GPS测量数据与点云高程值矩阵元素值进行直接对比，应使得GPS测量点的平面坐标在点云绝对坐标内呈整数值，这样可以使得GPS测量点与点云高程值矩阵某一元素的平面坐标重合，有利于直接对比高程值；

从20个GPS观测点测得的数据值中提取高程值，组装成地面GPS测量的固定点高程值矩阵G_GPS：

从第p₁组点云数据中，提取与地面GPS测量的固定点高程值矩阵G_GPS平面坐标对应的观测点的点云数据高程值，组装成最优点云数据高程值参数矩阵

步骤7，计算地面GPS测量的固定点高程值矩阵G_GPS与最优点云数据高程值参数矩阵元素差值的均值

式中，为地面GPS测量的固定点高程值矩阵G_GPS与最优点云数据高程值参数矩阵元素差值的均值，G_GPS(i,j)为地面GPS测量的固定点高程值矩阵G_GPS第i行第j列的元素，为最优点云数据高程值参数矩阵第i行第j列的元素；

将的各个元素加上地面GPS测量的固定点高程值矩阵G_GPS与最优点云数据高程值参数矩阵元素差值的均值得到新的元素值即：

这样可以得到新的参数矩阵

计算地面GPS测量的固定点高程值矩阵G_GPS与最优点云数据高程值参数矩阵元素差值的方差

式中，为地面GPS测量的固定点高程值矩阵G_GPS与最优点云数据高程值参数矩阵元素差值的方差，为最优点云数据高程值参数矩阵第i行第j列的元素；

步骤8，若则修正后的点云数据符合误差要求，可以使用；若则说明此组点云数据不符合使用要求，应进行舍弃，重新依据步骤5给出的点云数据排序选取下一组点云数据(例如，P₁的下一组为P₂，依次类推)为最佳点云数据；重新选取最佳点云数据后，按照步骤6、7进行处理，直至选出最合适的一组点云数据，假设最合适的点云数据为第p_i组，则将计算出的以代数计算的形式累加到第p_i组点云数据每一个激光脚点的Z向三维坐标数据上，即可得到修正后的点云数据。

σ_MAX的取值取决于对测区精度的要求，精度要求越高，则σ_MAX越小，σ_MAX可根据实际情况进行选取。

Claims (8)

1.一种地面GPS辅助的LiDAR数据高程差的误差修正方法，其特征在于：包括以下步骤：

1)采用高程值绝对差参数η_l对针对某目标区获得的K组点云数据进行最优排序，其中K≥3，按照最优排序将K组点云数据依次与所述目标区地面固定观测点测量的GPS高程值矩阵G_GPS进行对比，直至确定用于误差修正的一组点云数据；

所述对比包括以下步骤：计算G_GPS与一组点云数据的高程值参数矩阵Q_p元素差值的均值μ_p，将Q_p的各个元素加上μ_p得到参数矩阵Q′_p，所述高程值参数矩阵Q_p依据所述观测点的位置由该组点云数据中提取得到，计算G_GPS与元素差值的方差然后判断是否成立；若成立，则判别对应组点云数据误差可修正，对比结束，若不成立，则选取排序靠后的下一组点云数据继续进行对比；

2)根据计算得到的G_GPS与用于误差修正的一组点云数据对应的高程值参数矩阵元素差值的均值，对该组点云数据进行修正。

2.根据权利要求1所述一种地面GPS辅助的LiDAR数据高程差的误差修正方法，其特征在于：所述绝对差参数η_l的计算方法为：

${\mathrm{\η}}_l=\underset{i=1}{\overset{m}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}|E_{\mathrm{\μ}}(i,j)-E_l(i,j)|,l=1,2,......,K$

其中，η_l为第l组点云数据的点云高程值矩阵E_l与K组点云数据的均值高程值矩阵E_μ之差的绝对值，E_μ(i,j)为E_μ第i行第j列的元素，E_l(i,j)为E_l第i行第j列的元素。

3.根据权利要求2所述一种地面GPS辅助的LiDAR数据高程差的误差修正方法，其特征在于：所述其中，Y_MAX为点云数据中Y轴坐标值最大的激光脚点的Y轴坐标值，Y_MIN为点云数据中Y轴坐标值最小的激光脚点的Y轴坐标值，X_MAX为点云数据中X轴坐标值最大的激光脚点的X轴坐标值，X_MIN为点云数据中X轴坐标值最小的激光脚点的X轴坐标值；a为点云数据的密度。

4.根据权利要求1所述一种地面GPS辅助的LiDAR数据高程差的误差修正方法，其特征在于：所述最优排序是指按照所述绝对差参数η_l从小到大进行排序。

5.根据权利要求1所述一种地面GPS辅助的LiDAR数据高程差的误差修正方法，其特征在于：所述高程值参数矩阵Q_p是通过从一组点云数据中提取与G_GPS平面坐标对应的观测点的点云数据高程值而得到的。

6.根据权利要求1所述一种地面GPS辅助的LiDAR数据高程差的误差修正方法，其特征在于：所述μ_p的计算方法为：

${\mathrm{\μ}}_p=\frac{\underset{i=1}{\overset{L}{\Σ}}\underset{j=1}{\overset{R}{\Σ}}{G}_{GPS}(i,j)-Q_P(i,j)}{O}$

其中，μ_p为所述G_GPS与Q_p元素差值的均值，G_GPS(i,j)为所述G_GPS第i行第j列的元素，Q_p(i,j)为所述Q_p第i行第j列的元素，L为观测点行数，R为观测点列数，O为观测点数目。

7.根据权利要求1所述一种地面GPS辅助的LiDAR数据高程差的误差修正方法，其特征在于：所述σ_p的计算方法为：

${\mathrm{\σ}}_p=\frac{\underset{i=1}{\overset{L}{\Σ}}\underset{j=1}{\overset{R}{\Σ}}{\left(G_{GPS}\right(i,j)-Q_P^{\′}(i,j\left)\right)}^2}{O}$

其中，σ_p为所述G_GPS与Q′_p元素差值的方差，Q′_p(i,j)为Q′_p第i行第j列的元素。

8.根据权利要求1所述一种地面GPS辅助的LiDAR数据高程差的误差修正方法，其特征在于：所述K组点云数据的获取方法为：采用机载LiDAR系统对所述目标区进行往复K次重复测量，得到K组原始点云数据，对每组原始点云数据进行粗差剔除和格网化处理，得到K组用于最优排序的点云数据。