本文以飞马为基础D200S无人机搭载RIEGLmini210激光雷达46.7km点云数据制作1:500DEM。首先，根据测量面积大，飞马无人机管家智能航线模块自动划分过多的航空摄影分区，调整航线长度，减少航空摄影分区数量，统一航线方向，减少外部工作量和数据冗余，减少外部工作量和数据冗余；然后根据激光雷达性能进行比较实验，得出满足规范要求的云密度和旁向重叠，减少数据总量，提高内外业生产效率；最后，利用机载激光雷达制作高精度点云数据1:500DEM成果。使用野外实测高程点检测DEM计算得出结果的精度DEM成果高程中误差0.072m，1:500符合规范DEM平面区域误差0.2m限差要求。飞马用于项目D200S无人机搭载RIEGLmini1:500激光雷获取点云数据生产DEM，其成果精度符合规范要求；项目外业和内业共投入20人/天，总工期为7天；该方法运行效率高，技术成熟可靠，值得推广和应用。
1:500DEM；飞马D200S无人机；RIEGL mini210激光雷达；
数字高程模型（Digital Elevation Model,DEM）地面高程信息是地形曲面的数字表达，是基础空间数据的重要组成部分，通过高程和平面坐标的连续函数来描述。原来生产DEM获得的航空图像主要通过交互式摄影测量制作，根据对立体图像的地形地貌采集特征和线，然后插入制作DEM。随着地貌特征、植被覆盖等自然条件的变化，该方法耗时耗力，效率低下DEM工作量和收集难度不确定，得到的DEM其精度的均匀性也难以保证。
随着无人机技术的发展，无人机已广泛应用于航空摄影测量领域，LiDAR（Light Detction and Ranging,LiDAR）设备的轻量化和小型化发展使无人机配备LiDAR设备成为可能。无人机机载LiDAR系统集成空间定位、惯性测量、激光扫描等设备，直接获取地点的三维坐标数据，激光可以穿透一定的植被，获得植被下的地面，获得真实的地表地形，是测量茂密植被下地面高度的唯一可行的技术手段。机载LiDAR点云数据后处理算法的持续研究更新，也为无人机机载LiDAR通过滤波等操作获得的点云数可以获得高精度DEM提供软件技术支持的数据。
本文结合上合示范区1:50DEM生产项目根据作业环境和现有设备参数，分析作业难点，制定作业计划，逐步检查控制，确保获得的点云数据制作DEM可靠的结果精度。
2021年3月，国家发改委、中央网信办、自然资源部、住房和城乡建设部等28个部门联合发布了《加快培育新消费实施方案》推进城市信息模型（City Information Modeling, CIM）基础平台建设，支持城市规划建设管理多场景应用，促进城市基础设施数字化和城市建设数据汇聚。”
根据上海合作示范区智慧城市建设的需要和国家的需要CIM结合上海合作示范区智慧城市建设的相关要求，上海合作示范区管委会决定建立上海合作示范区城市信息模型（CIM）基础平台(以下简称CIM全面推进基础平台)CIM作为上合示范区智慧城市建设的重要基础，基础平台广泛应用于智慧城市和规划建设管理领域，将有助于提高上合示范区的精细化和智能化管理水平，实现高标准建设和智能化运营。数字高程模型（Digital Elevation Model,DEM）它是时空基础数据的重要组成部分CIM基础平台的重要底图数据。
测区位于胶州上合示范区，面积46.7km2，南北长11km、最宽的东西约8km。测区地势平坦，工业厂房多，高层建筑少；西南侧芦苇密集，东北侧山脉突出，植被茂密；国道228南北贯穿，交通流量大；南侧两个湖通过一条河东西连接，综合上述条件，可代表部分建成区和非建成区的工作环境，图1中红线范围为测区范围。
图1 项目范围图
项目所需的成果数据为1:500比例尺DEM，应符合以下规范：
(1)《机载激光雷达数据获取技术规范》(CH/T8024-2011)；
(2)机载激光雷达点云数据质量评价指标及计算方法(GB/T36100-2018)；
(3)《机载激光雷达数据处理技术规范》(CH/T8023-2011)；
(4)《测绘成果质量检验与验收》(GB/T24356-2009)；
(5)基础地理信息数字1:500、1:1000、1:2000数字高程模型(CH/T9008.2-2010)。
结合我院现有的无人机设备和无人机机载激光雷达设备，选用飞马D200S无人机和RIEGLmini210机载激光雷达。
飞马D200S无人机是一种基于高性能旋翼平台的高精度无人机测试系统。飞机传感器采用多路冗余设计，确保飞行安全可靠。设备参数如下：
表1 飞马D200S无人机基本参数
RIEGLmini210机载激光雷达具有多回波技术，可以使测量具有一定的渗透性，使雨雾、灰尘和植被间隙的渗透性成为可能。测量区域内的植被密集，芦苇茂盛，因此该型号的机载激光雷达作为本项目中点云数据获取的主要设备，其参数如下。
表2 RIEGLmini 210基本参数
项目存在以下困难：
难点一:测区面积大，南北长，飞马D200S无人机搭载LiDAR设备航程有限，飞马无人机管家智能航线自动划分航空摄影分区过多，航空摄影分区过多增加外部工作量，造成数据冗余和系统误差。
难点二:测区内存高层建筑，测量高层建筑距地面105m、塔吊高度约130m，提高航空摄影高度可以保证飞行安全和点云数据采集效率，但点云密度会随着航空高度的增加而降低，由低密度点云制成DEM精度能否满足规范的要求。
这两个难点考验了飞马D200S无人机和RIEGLmini210机载激光雷达设备的快速数据获取能力。
针对3.1.难点1。提高各航空摄影分区航线的相关性，减少航空摄影分区，均匀划分5个航空摄影区航空摄影区域。航空摄影分区图见图2，其中2、3条航线向东向西延伸，超过测量区域边界外150条m，分区4东侧航线端点和分区5西侧航线端点向西延伸，向东重叠200m。各航空摄影分区航线角度统一90°，每个航空摄影区域旁边重叠一条航线。
图2 航摄分区图
针对3.1.为项目找到合适的航空摄影参数，实验如下：
表3 实验航摄参数
选择一个有工厂、高层建筑和芦苇的区域，面积约1.2km2的实验区，用飞马D200S无人机搭载RIEGLmini210根据表3中的航空摄影参数采集点云数据，解决点云数据并进行基本处理。测量区域内间隔均匀测量25个高程点，检查试验区域云密度和高程误差，结果如下：
表4 航空摄影实验结果
为保证无人机飞行安全，兼顾外部效率，获得的点云数据密度符合规范要求，根据难点2进行的点云数据获取实验，本项目的航空摄影参数设置为侧重叠30%，速度7m/s、航高180m。虽然设定的航空摄影参数可以满足实验中点云密度和标高精度的要求，但需要进一步验证点云数据采集的精度和点云密度是否能满足标准要求。
测量区域内空域复杂，白天空域获得飞行许可证时间短，难以连续飞行。夜间空域批准时间连续，设置的差异基站可持续提供差异信号，有效减少基站差异造成的误差影响，减少夜间车辆和人员活动LiDAR因此，该项目在夜间进行了点云数据采集的航空作业。
LiDAR点云数据采集持续了2个晚上，共飞行26条架次60条航线，总长度为222.4公里，航线分布图见图3。
图3 航线分布图
100个控制点均匀布置在测试区域，作为整个测试区域的拟合调整和一些检查工作。控制点的分布图和样式见图4。
(a) 控制点分布
(b) 控制点样式
(c) 控制点规格
（a、(b)、(c)为图4 控制点分布和样式
点云数据处理流程见图5。
图5 数据处理过程
（1） 轨迹解算
采用无人机轨迹Inertial-Explore软件解算后，轨迹质量检查如图所示。
（a）位置精度检查
(b)解算精度检查
图6 轨迹质量检查
点云解算和航带拼接利用飞马无人机管家点云后处理模块进行相应处理。
（2） 点云分类和DEM制作
点云分类和DEM产品制作基于TerraSolid软件进行处理，DEM数据制作流程如下：
图7 解算后点云数据
①点云分类：一般的先将所有的点分到一个类中，采集的数据因为一些原因造成数据存在一些噪点，这些噪点会影响算法的滤波效果和结果，一般先去除噪点，然后提取地面点，在软件自动分类后人工干预并调整地面点。
②DEM制作与检查：先构建TIN，然后逐图幅检查，对检查出的问题根据造成错误的原因进行对应的处理，再次构建TIN格网，检查无误后生产DEM，对DEM数据叠加DOM数据进行质量检查，检查过程中注意错分的地类和水面，构建TIN和检查出的问题如图8、图9所示。
（a） 点云构建TIN
(b) 检查问题样例
图8 TIN格网和问题检查
（a） 错误分类
(b) 水面不平整
图9 DEM套合DOM质检结果
图9(a)中鱼塘中的凸点就是错分的类，不属于地表地形点而是鱼塘大型制氧机设备，图9(b)中水面未处理好不平整。对检查的问题逐一处理后得到的DEM成果见图10。
图10 上合示范区DEM成果
项目投入人力和设备情况见表5。像控点布设、点云数据采集航飞作业、内业点云处理和DEM编辑共计用时7个工作日，效率可见一般，飞马D200S无人机与RIEGLmini210机载激光雷达的组合完全解决了生产效率的问题，直接为客户带来了时间和经济效益。
表5 项目投入
本项目从点云密度、点云高程中误差、DEM高程中误差和检查点的误差分析这4个方面进行检核分析，高程精度通过野外实测点进行评定，主要检查的精度指标见表6，精度指标计算公式如下：
（1） 激光雷达点云密度
密度利用全测区（水域除外）激光点云个数与全测区（水域除外）面积进行计算。激光雷达点云密度计算公式如下：
其中为激光雷达点云密度，单位为个每平方米（个/m²） ；n为测区内激光雷达云点云总数；ni为第i个水域内激光雷达点云数，单位为个；m为测区内水域个数，单位为个；A为全测区激光雷达点云覆盖的面积，单位为平方米（m²）；Ai第i个水域激光雷达点云覆盖的面积，单位为平方米（m²）。
（2） 高程精度检查
高程中误差用于评定激光雷达点云数据高程与其真实的地面高程之间的误差，利用测区野外检查点数据进行评定。利用检查点为中心的邻近点云内插处检查点位置的高程，进行误差计算。
表6 机载Lidar点云数据制作DEM精度指标
在航摄分区接边处两条航带间、航摄分区内两条航带间重叠区域采用RTK测量方式实测高程点用来检查原始点云数据高程中误差，所选航带为：1-3和1-4，1-13和2-1，2-5和2-6，2-9和3-1，3-6和3-7，3-10和4-1，3-10和5-1，4-5和4-6，5-5和5-6共计18条航带，每两个航带间共测量15个点。
数字高程模型模型高程按照1:500分幅共计867幅，按照《测绘成果质量检查与验收》(GB/T24356-2009)中的规定，随机抽取90幅DEM进行质量检查，每幅图上测量高程点25个。
5.3.1 点云密度
按公式(1)计算点云密度，得到点云密度为16.5个/平方米，满足《机载激光雷达数据获取技术规范》(CH/T8024-2011)的要求。
5.3.2 原始点云高程中误差
计算航带间点云数据的高程中误差，计算结果见表7。航带间点云高程中误差均优于《机载激光雷达数据获取技术规范》(CH/T8024-2011)中对于点云数据高程中误差15cm的限差要求。
表7 原始点云高程中误差 单位:m
5.3.3DEM高程精度评定与分析
90幅图中，每幅图上测量25个高程点，共得到2250个高程检查点，计算得到中误差为0.072m，满足规范《基础地理信息数字成果1:500、1:1000、1:2000数字高程模型》(CH/T 9008.2-2010)中对1:500 DEM平坦地区高程中误差0.2m的要求。
DEM检查点的误差和个数分段统计见图11(a)，将检查点的高程误差值与其平面位置展绘出误差分布图见图11(b)，分析误差大小与点位分布，根据误差分布图可以得出DEM检查点高程误差的正负、大小与位置无关。根据图11可以得出检查点高程误差值绝对值相等的正误差和负值出现的概率大致相同，而且绝对值误差小的误差值比绝对值误差大的误差出现的概率大。综上可以得出DEM产品高程误差大小、符号没有明显的规律分布均匀，因此可以判定DEM成果无系统误差。
(a) 误差分布分段统计
（b） 误差位置分布
图11 误差分布图
大比例尺高精度DEM数据获取与制作一直是一个难点，随着无人机技术的发展，使得无人机为测绘行业带来了全新的作业模式，既减少了人员投入又提高了作业效率，能获取得到精度均匀且满足需求的高精度数字化产品，保证了新型测绘成果的质量和效果。通过本项目可以得到以下结论：
（1）基于飞马D200S无人机搭载RIEGLmini210机载激光雷达进行大面积点云数据获取任务，其获取的点云数据制作的1:500DEM成果满足规范要求。
（2）本项目针对D200S续航问题，合理的划分航摄分区和规划航线用来采集大面积的点云数据，合理的航摄分区划分和航线布设方式提高了外业数据采集效率，有效的减少冗余数据提高内业数据处理效率。
（3）点云数据精度由无人机轨迹数据和激光雷达设备共同决定的，本项目能得到高精度、高质量的点云数据，与D200S无人机能够提供高精度的轨迹数据和RIEGLmini210机载激光雷达优良的性能是密不可分的，这得益于厂家对无人机设备和RIEGLmini210机载激光雷达的系统整合与优化调教。
（4）飞马D200S搭载RIEGLmini210机载激光雷获取的点云数据其精度满足1:500DEM数据生产的要求，得到的DEM模型地形精细度是传统方式生产的DEM所不具备的。RTK测量杆和全站仪棱镜杆在外业测量时其与地面的垂直状态不能保证，而且遇到软土层时测量杆插入土中的情况是不能避免的，所以传统方式测量得到的DEM成果其精度均匀性也是不可控的。而无人机搭载LiDAR设备采集点云数据制作DEM成果，可以有效的避免这些误差得到产品在整个测区精度都比较均匀。
（5）飞马D200S搭载RIEGLmini210机载激光雷达可以全天候作业。D200S还能仿地飞行，在山地、丘陵地区可以跟随地形起伏保持相对航高飞行作业使重叠度均匀一致，该机型一个飞行平台可以搭载多种传感器，航线规划和防地飞行操作简单易懂，这是其他无人机飞行平台不具有的，作者团队用该机型获取了超过8000km航线的倾斜和正射数据，也曾经在6级风力的情况飞行作业获取应急数据并且安全降落，这些优势是其他无人机不能比拟的。
无人机技术的出现使得轻便化、简单化、低成本的航空摄影测量成为可能，特别的像飞马这样专攻、深耕测绘行业的无人机厂商能提供优质的无人机飞行平台和载荷，并且将飞行平台和载荷系统有机融合，使得航测外业难度大大降低，航测成果精度能够保证，提高了数据采集的效率，让我们的工作更加便捷、高效且安全。
文章转载自微信公众号飞马机器人，版权归原作者及刊载媒体所有。