無人機遙感數(shù)據(jù)的處理與滑坡信息提取

近些年無人機遙感技術(shù)發(fā)展迅速，已經(jīng)成為傳統(tǒng)航空攝影測量的有利補充，它具有拍攝角度靈活，起降不受地形地勢影響，懸停時間長，分辨率高等優(yōu)勢，已被廣泛應(yīng)用在地質(zhì)環(huán)境與災害調(diào)查、國土資源管理、基礎(chǔ)地理信息更新等領(lǐng)域。雖然無人機獲取的影像分辨率較高，但由于無人機所攜帶的相機一般為普通的數(shù)碼相機，這種相機的像幅較小，使得獲取的影像數(shù)量較多，影像畸變較大；由于拍攝時傾角過大以及傾斜方向不規(guī)律的原因，使得相鄰影像同名點之間存在尺度與旋轉(zhuǎn)的差異；另外無人機上搭載的GPS精度較低，利用POS數(shù)據(jù)進行絕對定向時誤差較大，因此只依賴于傳統(tǒng)的攝影測量方法不適合處理無人機影像。郭復勝等成功地將三維重建技術(shù)應(yīng)用到無人機圖像處理領(lǐng)域，實現(xiàn)了對全自動的大場景三維重建，從而實現(xiàn)了利用無人機影像獲取高分辨率的DOM，但未獲取地面控制點，因此無法進行絕對定向，限制了成果的進一步利用。雖然近些年無人機遙感得到了廣泛的應(yīng)用，但是在滑坡信息提取方面的研究較少，特別是運用高精度的DEM與DOM對滑坡區(qū)域進行定量的提取與分析方面。

因此，本文采用多旋翼無人機搭載高光譜成像相機的影像獲取平臺，采取傾斜拍攝與垂直拍攝相結(jié)合的拍攝方式，獲取了滑坡表面豐富的光譜與紋理信息；在絕對定向方面，采用RTK野外測量控制點的方式，克服了POS信息精度低的問題；在影像處理方面，將計算機視覺算法與攝影測量原理相結(jié)合，實現(xiàn)了DEM與DOM的數(shù)據(jù)生產(chǎn)；在滑坡信息提取方面，采用多尺度分割與面向?qū)ο蠓诸惙椒?，并引入了坡度信息、可見光波段差異植被指?shù)、灰度共生矩陣作為分類參數(shù)，運用基于閾值的模糊分類與SVM監(jiān)督分類方法實現(xiàn)了滑坡信息的提取，使得無人機遙感在滑坡信息提取領(lǐng)域有了更深一步的應(yīng)用。

1 研究區(qū)概況和數(shù)據(jù)獲取

1.1研究區(qū)概況

本文的研究區(qū)位于北京市西南部的霞云嶺鄉(xiāng)附近，經(jīng)度范圍115°36′20″~115°37′25″E，緯度范圍39°42′35″~39°43′25″N。研究區(qū)縱向長為850m，橫寬約900m，海拔范圍378~850m，研究區(qū)概況如圖1所示。研究區(qū)主要為山區(qū)，地形起伏較大，平均坡度為30°，其中疑似滑坡區(qū)域的最大坡度為55°。該區(qū)域主要為公路施工殘渣的堆渣場，表現(xiàn)出潛在的變形復活跡象，伴隨著復雜的地形條件和人為因素，一旦發(fā)生滑坡將會造成巨大的人員和財產(chǎn)損失。

1.2控制點的量測

本文選擇55個均勻分布在研究區(qū)內(nèi)的控制點進行三維坐標的量測，為了獲得高精度的控制點，選取地勢較高，視野開闊的區(qū)域架設(shè)基站點，并在每個測量點上涂抹油漆，便于后期對無人機影像進行絕對定向?？刂泣c的量測有兩個目的：①可以用來對無人機影像進行絕對定向；②可以對獲取的DEM和DOM影像進行精度驗證。本實驗空間參考選擇WGS_1984_UTM投影坐標系，其中5個控制點用于絕對定向，公路區(qū)域內(nèi)20個點和滑坡區(qū)域內(nèi)30個點作為檢查點，用于精度驗證，其中測量點的空間位置與標記以及基站的位置如圖1所示。

圖1研究區(qū)概況及控制點和檢查點的分布

1.3無人機影像的獲取

本文研究區(qū)為山區(qū)，地勢起伏大，高程變化顯著，因而會增加影像的畸變，并且傳統(tǒng)的垂直拍攝的方式可能會損失部分紋理信息，因此本文對重點研究區(qū)域采取傾斜拍攝與垂直拍攝相結(jié)合的影像獲取方式，充分利用側(cè)視影像來獲取地物的側(cè)面紋理信息，更有利于提取滑坡特征。研究區(qū)內(nèi)大部分為山區(qū)的公路和低矮植被，地物種類少，具有顯著特征的地物較少，為了保證影像匹配以及后期成果的精度，在航線規(guī)劃過程中盡量增加重疊度，本次飛行過程中航向重疊不低于75%，旁向重疊不低于60%。因此，在飛行航線的設(shè)計過程中，需要根據(jù)航向重疊、旁向重疊、地面分辨率的要求來設(shè)定飛行航高以及拍攝位置，并結(jié)合航高與相機參數(shù)來計算航線的最低點的分辨率，具體計算公式如下：

通過上述計算確定本次實驗分為2次飛行：第1次飛行對整個研究區(qū)進行垂直拍攝，飛行航高為950m；第2次飛行對重點滑坡區(qū)域進行垂直拍攝加傾斜拍攝，其中垂直拍攝的飛行航高為720m，傾斜拍攝航高為700m。

圖2飛行航線和影響范圍

2 數(shù)據(jù)處理和精度驗證

2.1無人機影像的預處理

由于無人機的飛行姿態(tài)較不穩(wěn)定，加上北京的空氣常伴有霧霾，因此導致獲取的無人機影像曝光不均勻，相片偏白，本文采用多尺度Retinex算法對圖像進行增強處理，該算法是一種基于光照補償?shù)挠跋裨鰪娝惴?，?jīng)過處理后每張照片圖像清晰，色調(diào)均勻。為了保證后期產(chǎn)品的精度，在人工選取控制點進行絕對定向時，選擇了標志點清晰、重疊率高、均勻分布于重點研究區(qū)域的5個點作為控制點，并將每個控制點轉(zhuǎn)刺到5到8張相片上，其中控制點的分布如圖1所示。

2.2自動空中三角測量

空中三角測量是無人機影像處理的核心內(nèi)容，其結(jié)果的質(zhì)量直接影響后期DEM和DOM的精度，主要包括以下3個方面：

（1）特征點的提取與匹配：通過SURF算法提取每張照片的特征點進行匹配，并通過RANSAC算法對匹配的結(jié)果進行優(yōu)化，以提高匹配精度。

（2）相對定向與絕對定向：通過相片的焦距信息以及匹配的特征點進行相對定向，從而恢復每張照片拍攝時的空間姿態(tài)，其空間位置如圖3所示。接著通過野外測量的控制點進行絕對定向，從而使每張照片具有絕對的空間坐標。

圖3相片的空間位置與覆蓋范圍

（3）光束法平差：根據(jù)提取的特征點以及匹配點來恢復投影光束，并按照光束法平差模型對研究區(qū)進行整體解算，求取像點坐標與相片的內(nèi)外方位元素。區(qū)域1中選取的5個控制點中誤差為0.103m，區(qū)域2中5個控制點中誤差為0.079m

2.3DEM和DOM的生產(chǎn)

DEM和DOM是后期信息提取的核心數(shù)據(jù)，通過該數(shù)據(jù)可以獲取滑坡的空間形態(tài)與表面紋理信息。利用空中三角測量加密后的結(jié)果進行密集匹配，生成高精度的三維點云數(shù)據(jù)，依據(jù)點云數(shù)據(jù)生成DEM影像。根據(jù)高精度的DEM影像依次對每張相片進行數(shù)字微分糾正，并進行拼接與鑲嵌處理，從而獲得整個研究區(qū)的DOM影像。通過上述方法，獲得整個研究區(qū)（圖2（a））的DOM和DEM數(shù)據(jù)，其空間分辨率為8.6cm，重點區(qū)域（圖2（b））的分辨率為5.4cm，數(shù)據(jù)成果如圖4所示。

圖4研究區(qū)DOM與DEM影像

2.4DEM和DOM的精度評價

高精度的DEM和DOM數(shù)據(jù)對地形地勢分析和滑坡信息提取具有十分重要的意義，因此需要選擇合適的方法來對DEM和DOM進行精度驗證。本文通過野外測量的檢查點坐標與獲取的DEM與DOM數(shù)據(jù)進行運算來完成精度驗證。選取50個均勻分布在研究區(qū)內(nèi)的點作為檢查點，其中30個點分布在滑坡區(qū)域，20個點分布在公路區(qū)域，分布情況如圖1所示。對于DEM的驗證，通過將野外GPSRTK測量的檢查點高程值與相應(yīng)點的DEM影像值進行運算得到誤差。

DOM的精度評價方法與上述方法類似，通過野外GPSRTK測量的檢查點平面坐標與DOM上相應(yīng)點坐標進行運算得到誤差。根據(jù)上述方法，計算得到DEM與DOM影像中檢查點中誤差，其中DEM影像的高程中誤差為0.253m，DOM的水平位移中誤差為0.104m。根據(jù)《數(shù)字航空攝影測量空中三角測量規(guī)范》（GB/T23236-2009）的要求，符合1:500的DEM與DOM的制作要求，因此，本文的實驗成果具有較高的精度。本文獲取的DOM影像分辨率較高，較好地保留了局部的紋理信息，其中植被、裸露巖石、堆積碎石清晰可見，彌補了衛(wèi)星影像分辨率不足的劣勢。參照驗證結(jié)果，DEM數(shù)據(jù)具有較高的分辨率與位置精度，相較于地面測量獲取DEM的方式，本文的方法生產(chǎn)效率高，并且有精度保證；相較于運用遙感影像建立的立體像對獲取DEM方法，本文的研究方法在精度上有了大幅度的提升。

萊森光學（深圳）有限公司是一家提供光機電一體化集成解決方案的高科技公司，我們專注于光譜傳感和光電應(yīng)用系統(tǒng)的研發(fā)、生產(chǎn)和銷售。

審核編輯 黃昊宇