近些年無人機(jī)遙感技術(shù)發(fā)展迅速，已經(jīng)成為傳統(tǒng)航空攝影測(cè)量的有利補(bǔ)充，它具有拍攝角度靈活，起降不受地形地勢(shì)影響，懸停時(shí)間長，分辨率高等優(yōu)勢(shì)，已被廣泛應(yīng)用在地質(zhì)環(huán)境與災(zāi)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(jī)獲取的影像分辨率較高，但由于無人機(jī)所攜帶的相機(jī)一般為普通的數(shù)碼相機(jī)，這種相機(jī)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(shí)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(diǎn)之間存在尺度與旋轉(zhuǎn)的差異；另外無人機(jī)上搭載的GPS精度較低，利用POS數(shù)據(jù)進(jìn)行絕對(duì)定向時(shí)誤差較大，因此只依賴于傳統(tǒng)的攝影測(cè)量方法不適合處理無人機(jī)影像。郭復(fù)勝等成功地將三維重建技術(shù)應(yīng)用到無人機(jī)圖像處理領(lǐng)域，實(shí)現(xiàn)了對(duì)全自動(dòng)的大場景三維重建，從而實(shí)現(xiàn)了利用無人機(jī)影像獲取高分辨率的DOM，但未獲取地面控制點(diǎn)，因此無法進(jìn)行絕對(duì)定向，限制了成果的進(jìn)一步利用。雖然近些年無人機(jī)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(yùn)用高精度的DEM與DOM對(duì)滑坡區(qū)域進(jìn)行定量的提取與分析方面。

因此，本文采用多旋翼無人機(jī)搭載高光譜成像相機(jī)的影像獲取平臺(tái)，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(duì)定向方面，采用RTK野外測(cè)量控制點(diǎn)的方式，克服了POS信息精度低的問題；在影像處理方面，將計(jì)算機(jī)視覺算法與攝影測(cè)量原理相結(jié)合，實(shí)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(yùn)用基于閾值的模糊分類與SVM監(jiān)督分類方法實(shí)現(xiàn)了滑坡信息的提取，使得無人機(jī)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?jiān)亩言鼒觯憩F(xiàn)出潛在的變形復(fù)活跡象，伴隨著復(fù)雜的地形條件和人為因素，一旦發(fā)生滑坡將會(huì)造成巨大的人員和財(cái)產(chǎn)損失。

1.2控制點(diǎn)的量測(cè)

本文選擇55個(gè)均勻分布在研究區(qū)內(nèi)的控制點(diǎn)進(jìn)行三維坐標(biāo)的量測(cè)，為了獲得高精度的控制點(diǎn)，選取地勢(shì)較高，視野開闊的區(qū)域架設(shè)基站點(diǎn)，并在每個(gè)測(cè)量點(diǎn)上涂抹油漆，便于后期對(duì)無人機(jī)影像進(jìn)行絕對(duì)定向?？刂泣c(diǎn)的量測(cè)有兩個(gè)目的：①可以用來對(duì)無人機(jī)影像進(jìn)行絕對(duì)定向；②可以對(duì)獲取的DEM和DOM影像進(jìn)行精度驗(yàn)證。本實(shí)驗(yàn)空間參考選擇WGS_1984_UTM投影坐標(biāo)系，其中5個(gè)控制點(diǎn)用于絕對(duì)定向，公路區(qū)域內(nèi)20個(gè)點(diǎn)和滑坡區(qū)域內(nèi)30個(gè)點(diǎn)作為檢查點(diǎn)，用于精度驗(yàn)證，其中測(cè)量點(diǎn)的空間位置與標(biāo)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(diǎn)和檢查點(diǎn)的分布

1.3無人機(jī)影像的獲取

本文研究區(qū)為山區(qū)，地勢(shì)起伏大，高程變化顯著，因而會(huì)增加影像的畸變，并且傳統(tǒng)的垂直拍攝的方式可能會(huì)損失部分紋理信息，因此本文對(duì)重點(diǎn)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(jì)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(jī)參數(shù)來計(jì)算航線的最低點(diǎn)的分辨率，具體計(jì)算公式如下：

通過上述計(jì)算確定本次實(shí)驗(yàn)分為2次飛行：第1次飛行對(duì)整個(gè)研究區(qū)進(jìn)行垂直拍攝，飛行航高為950m；第2次飛行對(duì)重點(diǎn)滑坡區(qū)域進(jìn)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(yàn)證

2.1無人機(jī)影像的預(yù)處理

由于無人機(jī)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(dǎo)致獲取的無人機(jī)影像曝光不均勻，相片偏白，本文采用多尺度Retinex算法對(duì)圖像進(jìn)行增強(qiáng)處理，該算法是一種基于光照補(bǔ)償?shù)挠跋裨鰪?qiáng)算法，經(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(diǎn)進(jìn)行絕對(duì)定向時(shí)，選擇了標(biāo)志點(diǎn)清晰、重疊率高、均勻分布于重點(diǎn)研究區(qū)域的5個(gè)點(diǎn)作為控制點(diǎn)，并將每個(gè)控制點(diǎn)轉(zhuǎn)刺到5到8張相片上，其中控制點(diǎn)的分布如圖1所示。

2.2自動(dòng)空中三角測(cè)量

空中三角測(cè)量是無人機(jī)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(gè)方面：

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

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

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(diǎn)以及匹配點(diǎn)來恢復(fù)投影光束，并按照光束法平差模型對(duì)研究區(qū)進(jìn)行整體解算，求取像點(diǎn)坐標(biāo)與相片的內(nèi)外方位元素。區(qū)域1中選取的5個(gè)控制點(diǎn)中誤差為0.103m，區(qū)域2中5個(gè)控制點(diǎn)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(cè)量加密后的結(jié)果進(jìn)行密集匹配，生成高精度的三維點(diǎn)云數(shù)據(jù)，依據(jù)點(diǎn)云數(shù)據(jù)生成DEM影像。根據(jù)高精度的DEM影像依次對(duì)每張相片進(jìn)行數(shù)字微分糾正，并進(jìn)行拼接與鑲嵌處理，從而獲得整個(gè)研究區(qū)的DOM影像。通過上述方法，獲得整個(gè)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(diǎn)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(píng)價(jià)

高精度的DEM和DOM數(shù)據(jù)對(duì)地形地勢(shì)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(duì)DEM和DOM進(jìn)行精度驗(yàn)證。本文通過野外測(cè)量的檢查點(diǎn)坐標(biāo)與獲取的DEM與DOM數(shù)據(jù)進(jìn)行運(yùn)算來完成精度驗(yàn)證。選取50個(gè)均勻分布在研究區(qū)內(nèi)的點(diǎn)作為檢查點(diǎn)，其中30個(gè)點(diǎn)分布在滑坡區(qū)域，20個(gè)點(diǎn)分布在公路區(qū)域，分布情況如圖1所示。對(duì)于DEM的驗(yàn)證，通過將野外GPSRTK測(cè)量的檢查點(diǎn)高程值與相應(yīng)點(diǎn)的DEM影像值進(jìn)行運(yùn)算得到誤差。

DOM的精度評(píng)價(jià)方法與上述方法類似，通過野外GPSRTK測(cè)量的檢查點(diǎn)平面坐標(biāo)與DOM上相應(yīng)點(diǎn)坐標(biāo)進(jìn)行運(yùn)算得到誤差。根據(jù)上述方法，計(jì)算得到DEM與DOM影像中檢查點(diǎn)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(cè)量空中三角測(cè)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(shí)驗(yàn)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(bǔ)了衛(wèi)星影像分辨率不足的劣勢(shì)。參照驗(yàn)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(cè)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(yùn)用遙感影像建立的立體像對(duì)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(xué)（深圳）有限公司是一家提供光機(jī)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