互联网

比较全站仪与无人机的工作流程与点云数据输出

来源:网络    作者:      2019-04-16

导语:为了比较当今世界最先进的两种测量仪器,我们分别用Timble SX10 扫描全站仪和seseFly eBeePlus RTKPPK

摘要

为了比较当今世界最先进的两种测量仪器,我们分别用Trimble SX10 扫描全站仪和senseFly eBeePlus RTK/PPK 摄影测量无人机对一个四公顷的砾石坑进行了测量。

砾石坑是一种典型的测量场地,对这种场地来说,数字点云是最为重要的输出数据,可用于容积计算、坡度测量、坡脚和坡顶检测、等高线的生成等。本项目所选择的砾石坑底部较深(约40米),此外它还具有水平、垂直和外悬的剖面,因此被我们选中。

本项目共计生成五组独立的点云数据:四组无人机点云数据(来自两次无人机飞行,每次飞行离地面高度各不相同)和由五个站点合并而成的一组激光扫描仪点云数据。

对于仅在 RTK/PPK 功能支持下进行飞行是否可以获得与使用地面控制点 (GCP) 的飞行一样的绝对精度,事实证明是有可能实现的。对于使用 GCP 的点云而言,各次飞行的平均偏移量要比搭载 RTK 但未使用 GCP 的飞行少几厘米。四次无人机数据处理所得的标准偏差均相同。这意味着在整个项目期间,所有处理方法都给出了恒定的精度。为确保输出数据的可靠性,尤其是垂直方向上,我们仍然强烈建议使用至少一个 GCP。

1. 引言

为了比较当今世界最先进的两种测量仪器,我们分别用 Trimble SX10 扫描全站仪和 senseFly eBee Plus RTK/PPK 摄影测量无人机对一个四公顷的砾石坑进行了测量。

我们从下述几方面对公司拥有的这两种仪器进行了比较:

· 办公室准备时间

· 现场数据采集时间

· 数据处理时间

· 两种仪器所生成的点云质量

此外,我们安排 senseFly 无人机在两个不同的高度飞行来生成四组不同的无人机点云,我们的次要目标是对这些点云进行比较研究,找出无人机进行此类测绘工作的最佳工作流程。

最后,作为本次比较研究的一部分,我们还探讨了:

· 每种仪器生成的视觉输出是什么(如有)?

· 使用每种仪器分别会给操作员带来哪些现场风险?

· 两种仪器的相对成本

当然,对于这几种技术中是否有一种最适合所有的测量员这一问题来说,通过单个独立项目对这几种采集方法直接进行比较并不能给出确切的答案。因此,具体选择取决于:特定专业测量人员的需求;待测项目;还要考虑到技术本身的不断发展。但是,这样的比较有望突出这些产品及其点云输出数据的相对优势和劣势。本项目正是基于这一总体目标而实施。

2. 方法

2.1 测量场地与技术

本项目场地位于瑞士西北部 Olten 地区,是一片占地四公顷的砾石坑(图 1)。之所以选择砾石坑,是因为砾石坑是一种典型的测量场地,对这种场地来说,数字点云是最为重要的输出数据,可用于容积计算、坡度测量、坡脚和坡顶检测、等高线的生成等。该砾石坑底部较深(约 40米),此外它还具有水平、垂直和外悬的剖面,因此被我们选中。

图 1:项目场地,位于瑞士 Olten 附近 Lostorf 的一片占地四公顷的砾石坑

Trimble’s SX10 机器扫描全站仪(图 2)使用的是激光扫描技术,而 senseFly’s eBee Plus 无人机(或 UAV/UAS)使用的是无人机测量技术。这种无人机内置 RTK/PPK 功能(图 2),并且搭载 senseFly S.O.D.A RGB 相机。

图 2:senseFly eBee Plus 无人机(左)、 Trimble’s SX10 手动控制器(中)和带有手提箱的 SX 10 扫描全站仪(右)。

2.2 点云概述

本项目共计生成了五组独立的点云:四组无人机点云(来自两次无人机飞行,每次飞行离地面高度各不相同)和由五个站点合并而成的一组激光扫描仪点云。

我们从下述几方面对这些点云进行了比较:

· 现场数据采集流程(花费时间和相对复杂度)

· 办公室数据处理时间

· 定位精度、密度和质量

2.3 研究区域和控制点的设置

本项目的测量工作由 Lerch Weber AG 公司的四名员工负责,并由一名 senseFly 工程师提供现场支持。

为了校正激光扫描仪并评估无人机飞行的准确性,本项目共在整个场地上设置了九个地面控制点 (GCP),有效发挥了检查点的作用。这些 GCP 利用 Trimble R10 GNSS 接收机进行测量,均匀地分布在整个研究区域内(图 3)。GCP 用 50 厘米宽的方形黄色塑料板在地面上进行了标记。选择这些 GCP 的原因是其具有高能见度,保证了其后可被正确识别并标记在无人机的数字图像中。

图 3:本项目的地面控制点之一(左)和可能的扫描站点草图(右)。

设置九个 GCP——用于两次测量——大约花费了 1.5 小时。GCP 点和激光扫描仪获得的点云分别按照瑞士国家坐标系统 CH1903+/LV95 和国家水准测量系统 LN02 进行测量。eBee Plus 的飞行在 WGS84 坐标系下进行,然后使用 Agisoft 的 Photocan 摄影测量软件(也用于处理无人机的图像)转换到瑞士国家坐标系。

2.4 无人机飞行准备

使用 eBee Plus 配备的 eMotion 3 软件提前在办公室制定无人机的飞行计划:在 eMotion 中加载一张 senseFly 卫星背景图,然后围绕项目场地画一个多边形,覆盖区域为砾石坑测量周界外几米。

确定好飞行路线,也就设置了两个关键的飞行参数:所需地面采样间距 (GSD)(单位:厘米/像素)和所需图像重叠度(纵向和横向)。无人机的飞行高度会自动进行计算,结果会在 eMotion 中指定 GSD 后直接给出。为了评估地面分辨率对无人机点云输出质量的影响,我们决定让无人机在不同的高度飞行两次。

图像重叠度选择了指定的设置(表 1),以便在摄影测量过程中生成重构效果良好且匹配度高的图像。为了获得所需重叠度,GSD 最高的飞行——两次飞行中较低的一次,第一次飞行——采用了标准飞行路线和垂直飞行路线,而较短、分辨率较低的第二次飞行使用一组标准的飞行路线。

表 1:本项目两架无人机飞行对比。

为了提高无人机图像地理标注的精度,eBee Plus 能够接收 RTK 校正。在本项目中,我们使用了来自Swisstopo的VRS RTK校正流。这种情况下需要订阅 Swisstopo 服务,且场地中要有网络连接(需要通过接入网络的笔记本电脑运行 eMotion 来启用)。

为了使所有无人机图像都达到 RTK 精度,无人机与地面站之间必须始终保持无线电连接。但是,如果无线电连接或笔记本电脑的网络连接失败,利用无人机的 PPK 功能仍有可能对飞行进行校正。最后,这并非是必需步骤。

抵达场地后,选择了起飞和降落的地点;砾石坑旁边的草地(图 4)。

图 4:起飞时的 eBee Plus。

无人机每次飞行的办公室准备时间大约为 15 分钟,现场还需要 5 至 10 分钟:连接机翼,放入无人机的电池和相机,进行飞行前检查,并通过 USB 无线电台调制解调器(连接到运行 eMotion 的笔记本电脑上)将飞行计划无线上传到无人机上。

2.5 激光扫描仪的准备工作

Trimble SX10 测量仪的办公室准备工作主要包括场地分析,目的是估算本项目的 GCP 和激光扫描站的最优分布。每个站点需要能看到至少三个 GCP,且这些点要尽量分散。由于我们的工作人员已经对场地地形有了一定的了解,所以这个过程花费的时间并不多,大约 15 分钟左右。为了充分覆盖整个场地,在砾石坑外和底部分别选择了三个和两个扫描站点。

标记并测量好本项目的九个 GCP 后,将 SX10 设置在其五个站点中的第一个(图 5)。为了确定激光扫描仪的方向和确切位置,需要进行仪器校平,然后使用“自由站点”方法(用于确定未知点相对于已知点的 3D 位置的方法,本案例中的已知点为三个预先设置的 GCP)。

SX10 在五个站点中每个站点花费的设置时间均为 15 分钟。该过程包括扫描仪操作员确定瞄准哪些 GCP,另外一名操作员手持靶标依次站在各个已知的点上。使用 SX10 的默认点密度设置(中等)进行激光扫描。各个站点所需的扫描时间取决于被扫描区域的宽度(直接在 SX10 屏幕上选择)。

图 5:确定 Trimble SX10 扫描全站仪在砾石坑底部的位置。

设置 Trimble SX10 和用该仪器执行激光扫描两个过程平均花费的时间为每个站点 45 分钟。所花费的时间总计为 3 小时,45 分钟扫描,再加上操作员在扫描站点之间移动所花费的几分钟。

3. 处理工作

回到办公室后,处理过程包括:

· 检索和处理无人机飞行的图像(.jpg),创建四组数字点云(表 2)。

· 将激光扫描仪的点云文件(.las)拷贝到电脑上(五个站点的点直接在 SX10 上保存为一张点云)。

表 2:本项目两次 eBee Plus 无人机飞行生成的四组无人机点云详情。

利用 Agisoft PhotoScan 摄影测量软件对无人机图像进行处理。该软件除了生成每次飞行的点云外,还会生成一个正射投影,即项目场地经过正射处理的高分辨率航拍图。

由于在各个扫描站点收集的点已经合并为了一个点云,因此从激光扫描的角度来看,唯一可以做的工作可能就是用 Trimble SX10 拍摄的 RGB 图像给这些点上色。但是,由于本项目的对比工作是在不考虑颜色的情况下进行的,我们认为没有必要进行这一步。因此,所需的扫描后工作(将 TLS 连接到电脑上和拷贝 .las 文件)只花费了五分钟。

3.1无人机点云

利用在不同高度进行的两次无人机飞行以及在测量现场设置的 GCP,本项目提供了一个独特的机会来生成和比较几种不同的无人机点云。这可解决下述三个问题:

1) 仅靠 RTK 飞行能否达到 GCP 的精度水平?

通过对比启用 RTK 的飞行与使用本项目 GCP 飞行的点云,有可能分析出仅在 RTK 模式下飞行(例如,未使用 GCP)时是否可以实现 GCP 水平的地理空间精度。

2) 飞行高度/GSD 对点云质量有何影响?

通过比较在不同高度进行的两次无人机飞行的点云,可评估分辨率对点云质量的影响。

3) 照片数量对点云密度有何影响?

通过合并本项目 100 米和 150 米高飞行的点云,可分析数据处理中所使用的照片数量对点云密度是否有直接影响。

3.1 点云分析

考虑到地面扫描和无人机方法的精度,本部分最好分为相对精度和绝对精度。无人机的绝对精度可以通过使用地面控制点 (GCP) 或通过对无人机飞行进行 RTK/PPK 校正来获得。同时,无人机图像所得结果的相对精度取决于其图像的分辨率,该分辨率与飞机的飞行高度直接相关——高度越低,点云越密。

地面激光扫描仪 (TLS) 的绝对精度取决于所使用的仪器定位方法;在本项目中,所用方法为“自由站点”法,即直接利用测得的(三个)GCP 的精度来确定每个 TLS 站点的位置。利用 TLS 测得的点的相对精度与测角精度和电子测距法 (EDM) 的精度直接相关。

由于无人机的相对精度和绝对精度已知有几厘米误差,而 TLS 的精度可达到几毫米,因此我们可以认为由 TLS 得到的点云先验精度较高。出于这一原因,并且由于 TLS 数据采集可实现比无人机更高的点密度(在 TLS 的中等密度设置下),我们决定以 SX10 得到的点云为参考,来对比不同的无人机点云。

在 CloudCompare 和 Autodesk AutoCAD Civil 3D 2015 中对以地理坐标为参考的 SX10 点云和四个无人机点云进行了分析(图 6)。

图 6:用于对比的区域地图

在 CloudCompare 中,使用一个名为 M3C2 的函数进行分析。该插件可直接计算两个点云之间的带符号(和稳健)增量,是一种先进的算法。然后用均值和标准差对三维差异进行了比较(表 3)。

同时,在 AutoCAD 中使用相同的基面对所有点云进行了体积比较(表 3)。然后对以该表面为基准的切割和填充体积进行了比较。

CloudCompare 和 AutoCAD 的数值结果见表 3。每个数值代表对某个特定的无人机点云与激光扫描仪点云进行的对比。

表 3:Trimble SX10 采集所得点云(我们的参考点云)与 eBee Plus UAV 采集所得的四个不同点云对比结果列表。

图 7:使用砾石坑最深部位的一个横截面在 AutoCAD Civil 3D中 进行了第三次也是最后一次对比。

4. 结果

4.1 数值结果

数值比较的另一种形式是比较每组点云中点的数量(表 4)。

表 4:不同点云中点的数量

将 100 米与 150 米高无人机飞行合并所得点云包含的点数与 100 米飞行点云的点数相似。这是因为合并处理的两次飞行的图像使用的是与 100 米飞行完全相同的图像处理设置。

4.2 数据采集所需时间

图表 1:数据采集所需的总时间。

4.3

点云的截图

图 8:TLS 点云的截图

图 9:100 米/不使用 GCP 无人机点云的截图

4.4 讨论

虽然 GSD 对云密度的影响正如预期的那样得到了证实——即,GSD 较高的点云中有更多点——将在不同高度进行的飞行进行合并(需处理图像数量加倍)并未带来任何明显的好处。平均 GSD 并没有更精确,点云未包括更多的点(由于合并和处理的图像使用的是与单次 100 米飞行相同的设置),而整体处理时间更长。

对于仅在 RTK 功能支持下进行飞行是否可以获得与使用地面控制点 (GCP) 的飞行相同的绝对精度这一问题,事实证明是有可能的。对于使用 GCP 的点云而言,各次飞行的平均偏移量要比搭载 RTK 但未使用 GCP 的飞行少几厘米。四次无人机数据处理所得的标准偏差均相同。这意味着在整个项目期间,所有处理方法都给出了恒定的精度。

关于捕获点的数量——点密度——尤其是每平方米的平均点数,无人机飞行产生了足够高的细节级别 (LOD),可以用来测量采石场等场地。与此同时,TLS 提供了更高的细节级别,可用于更小、要求更高的项目,例如数字环保制图。此外还有一点比较重要,就是两种情况下(无人机和 TLS)点的密度都是均匀的,也就是说每平方米的最低和最高点密度之间差异很小,其与最终细节级别的相关性比与平均点数的相关性更高。

尽管 TLS 和无人机(图 1)的准备时间相差无几,但是无人机在场地上花费的时间明显较短(在砾石坑上空飞行一次所需时间要少大约 10 倍)。在后期处理方面,无人机图像处理时间是一个需要考虑的因素,但是使用 GCP 时这一时间明显增长——与仅在 RTK 模式下飞行的时间相比,大约要长 50%。

就每种技术(图片 1)所需的总数据生成时间(采集和处理)而言,在开启 RTK 模式且未使用 GCP 的飞行情况下,这一时间是 TLS 相应时间的三分之一。在单次飞行高度为 100 米、使用 GCP 的无人机飞行情况下,这一时间可节省大约 40%。

5. 结论

本遥感项目的目的是比较由 TLS 与无人机图像生成的点云;特别是通过评估每个点云的数据采集效率性和评估每个点云的最终质量。

表 5:主要发现总结

5.1 效率

在不需要使用 GCP 的情况下,使用启用 RTK的eBee Plus 无人机在项目场地采集点数据的效率是 TLS 的两倍多(图片 1)。在无 RTK 飞行的情况下,两种飞行(100 米和 150 米)仍明显快于 (40%)TLS 方法。

在数据处理方面,TLS 无需进行数据处理,只需将一份文件从仪器上拷贝到电脑上。相比之下,无人机图像必须进行复制和处理,该过程约需花费一个小时到三个半小时,具体取决于飞行高度(表 2)。但是,我们必须注意到的是,摄影测量处理时间只是电脑时间——开始后,处理过程便可自动进行。因此,员工仍旧可以做其他事情,例如计划或执行更多的无人机飞行。

将现场时间和处理时间相结合时,比较每种技术的总数据采集时间(表 5)可以发现,在类似本项目的砾石坑测量中,启用 RTK 的 eBee Plus 的整体效率要高于 TLS。因此,对于此类场地来说,无人机是一种更加有效的方法,可以减少测量团队的数据采集工作量。因此,无人机可使此类机构减少人力资源成本、提供更具竞争力的价格和/或在一定时间内完成更多的项目。

5.2 绝对定位精度

我们可以得出结论,无人机无需使用 GCP 即可获得较高的绝对精度(表 3),其原因是 senseFly 无人机和瑞士 VRS 系统可使图像具有较高的地理坐标精度。这一点可通过比较使用 GCP 和仅使用 RTK 功能的点云与 TLS 点云得到证实;偏移量很小,而且所有的比较结果均显示相同的标准偏差,即整个项目过程中一直存在噪点,无论是否使用 GCP。

5.3 点云质量

点云的质量可通过观察点密度和噪点情况进行评估。TLS 点云中的点密度非常高,但是上文进行的比较显示,无人机的低密度点云获得的结果与之相似。因此我们可以得出结论,虽然无人机点云与 TLS 点云(设置为中等密度)相比提供的细节更少,但是对于大多数典型的测量程序而言,其仍提供了足够的细节。

虽然未对各个点云的噪点进行评估,但是通过比较不同的无人机点云与 TLS 点云(将这些点云依次重叠)可以发现,其具有相同的标准偏差和最小偏移量。因此,我们可以得出结论:所有这些来源的噪点都很小且不具相关性——所有点云都是完全可用的,它们的衍生产品,例如 DTM(数字地面模型)、体积等,都不受影响。

5.4 总结

对于需要最高细节级别的测量项目来说,例如小型场地的数字环保项目等,激光扫描方法无疑是最优选择。

对于较大的项目,例如本项目的砾石坑或类似规模的采石场或建筑工地,启用 RTK 的无人机技术不仅可以提供可接受的点云细节等级,而且效率更高。除此之外,由于测量人员无需穿越场地,因此无人机方法还可以潜在地提高工作人员的安全性。

对于本项目的砾石坑场地而言,从效率和质量方面考虑可以得出结论,最佳的数据采集方法是 RTK 无人机低空(100 米)飞行(不使用 GCP)。该方法花费的图像处理时间最短,可获得较高的绝对精度和可接受的点密度,同时将现场风险最小化。

无人机与 TLS 数据采集方法之间另一个值得注意的区别就是保存和未来重新加载无人机自动飞行计划的能力。这一点可确保在长期监测某一场地时后期数据的一致性,例如计算从某一周或某个月到下一周或下个月的容积差。相比之下,TLS 方法需要控制点,如果控制点未固定到位,那么设置这些控制点会非常耗时。

无人机提供的额外免费视觉数据(航空二维正射形式(正射像片),图像处理完毕后生成)颇具价值。这种数据可作为点云或数字表面模型的有力补充,提高客户满意度。

最后一点,同样也是值得注意的一点,从成本方面考虑,目前(2018 年 1 月)瑞士无人机的零售价格(表 5)约为 TLS 的三分之一。

简历

Armin WEBER,瑞士苏黎世联邦理工学院测绘学硕士,Lerch Weber AG 公司共有人

Thomas LERCH,瑞士西北应用科技大学 IT 学士与测绘学学士,Lerch Weber AG 公司共有人


(文章为作者独立观点,不代表艾瑞网立场)
  • 合作伙伴

  • 官方微信
    官方微信

    新浪微博
    邮件订阅
    第一时间获取最新行业数据、研究成果、产业报告、活动峰会等信息。
     关于艾瑞| 业务体系| 加入艾瑞| 服务声明| 信息反馈| 联系我们| 广告赞助| 友情链接

Copyright© 沪公网安备 31010402000581号沪ICP备15021772号-10