高起伏区无人机摄影测量精度评估-以西秦岭光盖山-迭山断裂为例1

2022-08-10高泽民王爱国刘小丰袁道阳

震灾防御技术 2022年2期

关键词：差分控制点剖面

张波高泽民王爱国刘小丰郑龙袁道阳

1）甘肃兰州地球物理国家野外科学观测研究站, 兰州 730000

2）西南交通大学, 地球科学与环境工程学院, 成都 611756

3）兰州大学, 地质科学与矿产资源学院, 兰州 730000

引言

随着活动构造研究的精细定量化发展，无人机摄影测量已成为常规研究手段（毕海芸等，2017）。近10 年来，随着无人机摄影测量在活动构造研究领域中的应用，提高了活动构造测量精细化程度和效率（Westoby 等，2012；王朋涛等，2016）。

目前对无人机摄影测量精度评估的研究较少，艾明等（2018）利用无人机摄影测量获取茶卡盆地内部活动构造定量参数，并评估其精度，发现当控制点数量增加时，误差随之下降，但当控制点数量达12～15 个后，图像精度提高不明显；当飞行高度为40～60 m 时，图像精度最高，90%置信度的数据精度为10～15 cm，垂直精度为5～10 cm。杨海波等（2016）在河西走廊洪水坝河东侧阶地上开展了跨断裂无人机摄影测量，发现90%置信区间内实测数据与提取数据的高程差为10～15 cm。

上述2 个代表性实例主要基于地形相对平坦的低起伏区。对于高起伏区，无人机摄影测量的应用虽较多，但精度评估工作相对较少（张波等，2018）。高起伏区通常测量条件不理想、地形起伏度高、行走困难、植被密集，图像精度能否达到低起伏区的水平，亟待系统的精度评估。

本文研究点位于白龙江流域（图1），地形起伏度超过3 000 m，发育了白龙江断裂和光盖山-迭山断裂，发生过多次大地震、滑坡、泥石流等地质灾害（陈洪凯等，1997；袁道阳等，2007；余斌等，2010；梁学战等，2010；俞晶星等，2012；刘兴旺等，2015；常直杨等，2015；苏琦等，2016；张波等，2018）。在该地区，传统测量手段（差分GPS、全站仪等）无法开展大面积的精细测绘工作，为此，本文对白龙江北岸光盖山-迭山断裂沿线的黑峪寺、化马村开展了无人机摄影测量工作，并结合差分GPS 法进行精度评估。

图1 西秦岭白龙江流域地形地貌及测点分布Fig. 1 Topography and measure sites distribution in Bailongjiang watershed, West Qinling

1 测量原理与方法

无人机摄影测量是基于移动摄影重建技术快速构建高分辨率数字地形的方法（Westoby 等，2012；毕海芸等，2017），测量原理如图2 所示。首先获取大量一定重合度的照片，然后基于尺度不变特征变换算法（Lowe，2004；Moreels 等，2007）进行特征检测、跟踪与匹配，得到相机的空间位置及场景结构；再利用迭代光速平差方法（Harwin 等，2012；Mancini 等，2013；Bemis 等，2014；Javernick 等，2014；Lucieer 等，2014）确定相机的空间位置及场景结构，得到稀疏点云框架；最后在影像之间根据逐像素搜索匹配和多视角立体摄影测量原理得到大量匹配点，建立更密集的点云，拼接后得到高分辨率的数字地形（Johnson 等，2014；毕海芸等，2017；艾明，2018）。

图2 无人机摄影测量原理Fig. 2 Schematic diagram of UAV photogrammetry

1.1 数据采集与图像处理

本文使用大疆Inspire 1 二代专业级无人机获取照片（图3），该无人机配备SONY EXMOR 相机，焦距为3.61 mm，有效像素为1 240 万，传感器尺寸为1/2.3 寸，视场角为94°。野外采集时间主要安排在冬季（黑峪寺测量时间为2018 年12 月2 日，化马村测量时间为2016 年11 月26 日），此时季节性乔木、灌木等已落叶，可最大程度降低植被影响。黑峪寺和化马村测量情况如表1 所示。

表1 黑峪寺和化马村测量情况Table 1 Measurements of Heiyusi and Huama site

图3 黑峪寺无人机摄影测量构建的DOM 和DSMFig. 3 DOM and DSM of Heiyusi site constructed by UAV Photogrammetry

在黑峪寺、化马村分别布设12、7 个控制点，控制点为50 cm×50 cm 正方形。控制点尽量保持在水平和垂直方向均匀分布。使用天宝GeoExplorer 6 000 系列差分GPS 定位仪测量控制点坐标并校正无人机点云数据，其改正精度为厘米级。

数据处理使用Photoscan 软件（1.2.5 版），处理流程完全参照艾明（2018）使用的流程，主要步骤包括照片对齐、导入控制点、加密点云、建立网格、生成纹理、构建DSM 和DOM 等。

1.2 点误差确定

从未经控制点校正的DOM 上提取控制点坐标，与实测坐标进行对比，二者的差异即为水平误差。从未经控制点校正的DSM 上提取相应的高程，与实测高程进行对比，二者差异即为垂直误差。

由于地形起伏不平，飞行高度会发生变化，高度大时采集的图像控制点不清晰。为确定图像控制点中心坐标，本文在DOM 图像上大致勾出标靶点范围，然后在Arcmap 里使用属性表计算标靶点范围中心点的经纬度坐标（Xcenter，Ycenter），再将经纬度坐标和差分GPS 测量坐标同时添加到Arcmap 中，新建线图层，用线连接实测点和计算点，在属性列表中计算线的长度，代表水平误差。同时，用经纬度坐标提取相应DSM 高程，将提取到的高程和实测高程进行对比，二者差异为垂直误差。

1.3 剖面误差确定

断层陡坎是最常见的断错地貌，对断层陡坎的精细刻画有助于活动构造的定量研究。本文通过对比分析差分GPS 实测剖面和从DSM 上提取剖面的差异，研究高起伏区无人机摄影测量对地形剖面的显示特征。首先将差分GPS 实测剖面投影到DOM 和DSM 上，由于DOM 经过拼接校正，其上投影剖面和实测剖面位置可能存在一定偏差，此时需将投影到DOM 上的剖面位置微调到实测位置；然后使用调整后的剖面点从DSM 上提取三维坐标，形成剖面；最后与实测剖面进行对比。本研究在黑峪寺和化马村分别对3 条剖面进行实测，将各自修正后的提取剖面与实测剖面进行对比，分析二者差异，从而分析高起伏区无人机摄影测量对地形的细节显示特征和偏差。

2 结果分析

2.1 黑峪寺

黑峪寺位于由光盖山-迭山断裂控制的大型山间盆地内。在黑峪寺以北的盆地边缘跨断层开展无人机摄影测量，测量范围为长1.5 km、宽0.5 km 的近似矩形。生成的DOM 像元为4.46 cm，DSM 像元为17.8 cm。由于图像边缘畸变严重，本文对图像边缘进行裁剪。黑峪寺无人机摄影测量构建的DOM 和DSM 如图3所示。

2.1.1 点精度

（1）控制点坐标对比-差分GPS 实测控制点坐标与未校正DOM 和DSM 上提取点坐标对比

从未校正的DOM 和DSM 上识别并提取控制点坐标，并与差分GPS 实测控制点坐标进行对比，结果如表2 所示。由表2 可知，12 个控制点的水平误差为5.64～7.76 m，标准差为0.53 m；垂直误差为111.38～114.79 m，标准差为1.08 m。未经控制点校正的DOM 和DSM 水平误差与垂直误差均较大，绝对精度低，尤其是垂直方向误差可达百米。水平方向和垂直方向的标准差较小，说明方向误差较集中。产生误差的原因可能是系统偏差，即GNSS 接收机系统的定位差异。

表2 黑峪寺未校正图像提取控制点与差分GPS 实测控制点水平误差和垂直误差Table 2 Horizontal and vertical errors between uncorrected image extraction points and DGPS measured points

（2）控制点坐标对比-差分GPS 实测控制点坐标与从DOM 和DSM（经6 个控制点校正）上提取点坐标对比

在12 个控制点中随机选择6 个点对DOM 和DSM 进行校正，另外6 个点作为检验点。在校正后的DOM 和DSM 上识别6 个检验点，提取其坐标信息，与差分GPS 实测坐标进行对比，结果如表3 所示，表中检验点编号与控制点编号一致。由表3 可知，6 个检验点实测坐标与提取坐标的水平误差为8～20 cm，标准差为4 cm；垂直误差为7～22 cm，标准差为5 cm。经6 个控制点校正后，误差显著降低，水平方向和垂直方向误差均在22 cm 以内。

表3 经6 个控制点校正后提取的检验点坐标与实测坐标对比Table 3 Comparison between six control points-corrected test points and measured points

综上所述，在高起伏区进行无人机摄影测量时，使用少量控制点进行图像校正，可显著提高水平和垂直方向绝对精度，总体精度可控制在20 cm 以内。

2.1.2 剖面精度

本文在两级地貌面上利用差分GPS 测量了3 条地形剖面（图3（c）、图4）。剖面P1（图4（a））位于山前坡洪积台地上，剖面P2、P3（图4（b））位于冲沟阶地上。同时，在未校正DSM、6 个控制点校正的DSM 和12 个控制点校正的DSM 上分别提取相同位置的地形剖面。对比实测剖面和提取剖面（图5～7），得到以下结论：

图4 黑峪寺地形剖面分布Fig. 4 Distribution of topographical profiles at Heiyusi site

图5 黑峪寺P1 实测剖面与提取剖面对比Fig. 5 Comparison of P1 in Heiyusi between measured profiles and extraction profiles

（1）实测剖面和提取剖面形态一致，细节清晰完整，各级地形陡坎、梯田、缓坡等可被完整识别，肉眼可见的地形细节在各剖面均有显示。

（2）未校正DSM 上提取的剖面与实测剖面具有较大的垂向偏差，而校正后的DSM 上提取的剖面与实测剖面重合度较好。通过分析3 条剖面上所有点的提取高度与实测高度，发现6 个控制点校正剖面与差分GPS 剖面的平均垂直误差分别为0.17 m（剖面P1）、0.16 m（剖面P2）和0.33 m（剖面P3），标准差分别为0.11 m（剖面P1）、0.26 m（剖面P2）和0.17 m（剖面P3）；12 个控制点校正剖面与差分GPS 剖面的平均垂直误差分别为0.20 m（剖面P1）、0.33 m（剖面P2）和0.36 m（剖面P3），标准差分别为0.13 m（剖面P1）、0.31 m（剖面P2）和0.16 m（剖面P3）。3 条剖面的平均垂直误差和标准差均较小，说明提取剖面（校正后）可如实反映真实的地形。

（3）当控制点数量由6 个增至12 个时，提取剖面的垂直误差未显著提升，说明在高地形起伏区开展摄影测量时，使用少数几个控制点校正图像可达到较高的精度，实现地形的高精度测绘。

（4）垂直误差较大的部位往往是地形坡度陡变的部位，特别是在剖面P2 的地形陡坎处，垂直误差由约0.2 m 升至1.6 m（图6（c））。在地形陡变（陡坎改造成梯田）部位，低矮植被密集，行走困难，实际测量时需绕行，测量条件的不理想可能造成了异常高的垂直误差。

图6 黑峪寺P2 实测剖面与提取剖面对比Fig. 6 Comparison of P2 in Heiyusi between measured profiles and extraction profiles

2.2 化马村

化马村位于宕昌岷江左岸，多级大型洪积扇被断层断错，形成一系列左旋兼具逆冲的断错地貌，断层露头上的断层擦痕侧伏角为20°，显示断层以水平分量为主，兼具倾滑运动（张波等，2018）。化马村无人机摄影测量范围为不规则形状，面积为0.385 km2。无人机平均飞行高度为98.6 m，共拍摄427 张照片。生成的DOM 像元为3.65 cm，DSM 像元为14.6 cm。分析前裁剪了边缘畸变严重部分。

2.2.1 差分GPS 实测控制点坐标与未校正DOM 和DSM 上提取点坐标对比

由于无人机与差分GPS 定位系统存在差异，在未校正DOM 和DSM 上提取控制点和实测控制点存在较大的系统误差，水平误差为7.65～7.97 m，标准差为0.1 m；垂直误差为35.79～37.74 m，标准差为0.69 m（表4）。方向误差的标准差均较小，说明方向误差较集中。化马村垂直误差（35.79～37.74 m）远小于黑峪寺（111.38～114.79 m），这可能与无人机定位系统的不稳定、测量时间间隔较长（约2 年）等因素有关。

表4 化马村未校正图像提取控制点与差分GPS 实测控制点水平误差和垂直误差Table 4 Directional error at Huama site between extraction points from uncorrected images and measured points

2.2.2 剖面精度

使用差分GPS 在化马村测量了3 条剖面（P1～P3），剖面P1 和P3 位于二级洪积台地上，剖面P2 位于河道上（图8（b）、图9）。同时，从未校正DSM、7 个控制点校正DSM 上的相同位置提取地形剖面，对比分析实测剖面和提取剖面，发现以下特征（图10～图12）：

图7 黑峪寺P3 实测剖面与提取剖面对比Fig. 7 Comparison of P3 in Heiyusi between measured profiles and extraction profiles

图8 化马村无人机摄影测量Fig. 8 UAV Photogrammetry of Huama site

图9 化马村地形剖面分布Fig. 9 Distribution of Topographical profiles in Huama site

（1）实测剖面与提取剖面总体形态、细节特征具有较好的一致性。剖面P1、P3（图10、图12）上不同剖面对多级梯田和地形陡坡的显示具有较好的同步性。

（2）未校正剖面与实测剖面具有较大的垂直误差，而使用7 个控制点校正后的剖面和实测剖面重合较好。校正剖面的平均垂直误差分别为0.25 m（剖面P1）、0.65 m（剖面P2）和0.30 m（剖面P3），垂直误差的标准差分别为0.22 m（剖面P1）、0.69 m（剖面P2）和0.34 m（剖面P3）。剖面P2 平均垂直误差达0.65 m，标准差达0.69 m，显著优于未校正图像的绝对误差，对高地形陡坎的高度测量影响较小。

（3）垂直误差异常高的部位往往位于地形坡折处或测量条件不理想的部位，如剖面P1 上的横坐标150 m附近（图10），野外实测时绕道、植被等不利因素导致了异常高的垂直误差。

图10 化马村P1 实测剖面与提取剖面对比Fig. 10 Comparison of P1 in Huama between measured profiles and extraction profiles

图11 化马村P2 实测剖面与提取剖面对比Fig. 11 Comparison of P2 in Huama between measured profiles and extraction profiles

图12 化马村P3 实测剖面与提取剖面对比Fig. 12 Comparison of P3 in Huama between measured profiles and extraction profiles

（4）化马村摄影测量精度评估得到的结论与黑峪寺类似，即提取剖面与实测剖面具有相似的剖面形态、完整的细节展现。在高起伏区，少量控制点校正后的剖面平均垂直精度可达分米级，可较准确地反映真实地形地貌。但当垂直误差达分米级后，再增加控制点数量难以提高绝对精度。在地形坡度陡变（如梯田、地形陡坎）、植被密集、行走困难等测量条件不理想部位，易出现异常高的垂直误差。

3 讨论

本文介绍了在高起伏区开展无人机摄影测量的2 个实例，发现经少数控制点校正后，DOM 和DSM 可达较高的绝对精度和相对精度，满足高精度测量需求。无人机摄影测量在高地形起伏区仍适用，基于此，研究人员可快速获取此类地区大面积高精度数字地形，满足多行业工作需要。此外，需注意以下方面：

（1）在黑峪寺图像校正任务里，使用12 个控制点得到的剖面垂直精度未得到提高，反而略有下降。这与艾明（2018）在茶卡盆地（低起伏区）开展的摄影测量精度评估略有差异，该研究发现绝对精度随控制点的增加逐渐提高，超过12～15 个控制点后精度提高不明显。

（2）本文得到的最高单点垂直精度为0.08 m，最高的剖面平均垂直精度为0.16 m（黑峪寺剖面P2）。最高的平均剖面垂直精度与杨海波等（2016）在低起伏的河西走廊地区相当，但本文得到的6 条剖面平均垂直精度（0.17、0.16、0.33、0.25、0.65、0.30 m）和对应的标准差（0.11、0.26、0.17、0.22、0.69、0.34 m）低于已有研究得到的垂直精度。剖面上异常高的误差通常与地形陡变同时存在，与魏占玉等（2015）的认识一致，即平缓地形的精度高于陡峭地形的精度。虽误差略高，但对于地形复杂、植被密集、自然和人为改造强烈的高起伏区而言，仍为可接受的误差范围。在如此复杂的多因素影响环境中，难以消除这些误差。另外，本文未发现杨海波等（2016）和Johnson 等（2014）所提到的倾斜变形。

（3）在高起伏区，影响误差的因素是多方面的。本文将部分细节应用到评估工作中，可能会有利于精度的提高。由于高起伏区无法在同一高度按设计航线飞行，高度过高时，DOM 上标靶的中心点有时无法准确识别。对于不清楚的控制点图像，本文首先通过Arcmap 编辑工具大致勾画标靶范围，然后计算标靶范围中心点的经纬度坐标，最后根据经纬度坐标提取对应数字地表模型高度。通过计算的中心点可能较肉眼目视估计的中心点准确。

（4）提取剖面与实测剖面进行对比时，差分GPS 剖面投影到DSM 上的测线可能与实际测线有偏差，此时需结合DOM、Google Earth 影像上加载的野外测量轨迹、地形环境等特征，将测线修正到实际测量位置，再根据修正测线在DSM 上提取剖面。该方法将有效提高实测剖面和提取剖面的重合度，提高垂直精度分析的可靠性。同时，由于地形过于复杂，提取剖面使用的测线可能难以精确修正到实际测线位置，从而形成新的误差，如化马村剖面P2 可能受到了测线修正不够精确的影响。

（5）高植被对重建图像的影响较大。本文研究点尽量避开了高大植被密集区，测量时间选择在冬季落叶期，最大程度地减小了植被的影响。部分低植被区可能是导致剖面上异常高的垂直误差因素之一。总体来看，本文较好地评估了高起伏区无人机摄影测量的点精度和剖面精度，验证了无人机摄影测量在高起伏地区的可用性和实用性，并分析了可能影响精度的原因。