中铁十局集团有限公司济南勘察设计院 山东济南 250001
摘要：当今铁路工程建设和运营中，对线路控制网的测量和线路安全的勘测等技术都在不断精进更新，航空摄影测量中的无人机航测技术是近几年里发展最快，技术先进的勘测技术之一。无人机机载激光雷达测量技术是无人机航测技术的一种，在既有线铁路线的勘测实验中，探索无人机机载激光雷达测量技术在铁路工程建设和运营中的成果稳定性和可行性分析。我国高铁运营里程已成为世界前列，因此航空摄影在铁路工程勘测中的应用前景非常广阔，实验结果证明无人机机载激光雷达测量技术在现在铁路工程勘测中提高了勘测效率，精度高，在有植被覆盖的区域仍然有很高的精度。
关键词：机载激光雷达；无人机；既有线铁路；航空摄影
随着无人机应用在测绘领域的快速发展，越来越多的专业航摄设备（比如数码相机、激光雷达等）逐渐向轻型化、小型化和智能化发展[1]。机载激光雷达（Lidar-Light Detecion and Ranging）测量技术是一门集激光测距技术、GPS差分技术和IMU惯性测量技术于一体的高新技术。该项技术是将激光扫描仪、GPS接收机、惯性导航系统、数码相机及控制原件等搭载在载体飞机上，通过主动向地面发射激光脉冲，接收地面反射回来的反射脉冲并同时记录所用是时间，从而计算出激光扫描仪到地面的距离。结合POS系统测得的位置和姿态信息可计算出地面点的三位坐标[2]。 机载激光雷达技术作为目前先进的三维航空遥感技术，其对植被具有一定的穿透能力且无需布设像控，具有高精度、高效率等特点[3]。机载激光雷达测量技术的发展为我们获取高时空分辨率的地球空间信息提供了一种全新的技术手段，使我们从传统的人工单点数据获取变为自动数据获取，提高了观测精度和速度。机载激光雷达测量技术在既有线铁路工程中的应用具有广阔的发展前景和应用需求，有很强的市场竞争力。
1 无人机在铁路行业的应用现状
无人机是无人驾驶飞行器的简称（UAV），可以在无人驾驶的条件下完成复杂的空中飞行任务，被誉为“空中机器人”[4]。截止到2019年，国内铁路运营总里程已经超过13万公里，高铁运营线也超过了3.5万公里，成为世界铁路运营里程最长的国家。并且国家政策大有加大高铁建设运营的投资建设力度，经济前景广阔。监控测量对高铁项目的勘测阶段（例如：通过无人机倾斜摄影，为BIM设计提供三维实景模型，为方案比选和虚拟施工提供基础数据[5]）、建设阶段、运营阶段都至关重要，传统的监测技术时效低、成本高，并不能满足国内铁路建设运营的速度，而无人机技术高效，监测范围广，精度高，受环境限制小，具有广阔的应用前景和经济效益。
在铁路行业，无人机航摄技术还没有得到大规模的应用，虽然无人机航摄技术已在其他很多行业，如环境监测、防险救灾等方面已应用广泛深入，但在铁路工程中还有诸多限制因素，主要有以下几点原因：①在铁路工程建设和运营中对安全把控较为严格，特别是在运营阶段既有线铁路安全监控方面极为严格，而无人机作为新的产品技术还不成熟，在既有线监测中安全性尚待验证；②铁路工程里程较长，环境因素不确定性大，如隧道、跨河等，在受机械耗能方面的影响无人机还需加强；③铁路工程呈带状特征，跨度较大，普通无人机航摄系统作业效率低，难以满足实际生产应用需要。
2 机载激光雷达特点分析
传统的无人机航测技术比较繁琐，且设备较大，耗时耗力，受天气和铁路线路运营情况影响较大，而无人机机载激光雷达测量技术则避免了很多繁琐的内容，节省时间效率高（例如：利用无人机对铁路沿线进行定期巡检，快速识别风险源（接触网、非法侵线、非法工程及高危目标等） [6]，危岩落石会严重威胁山区铁路建设及行车安全[7]）。无人机机载激光雷达测量系统设备主要包括以下几个部分：机载激光扫描仪、航空数码相机、POS系统。其中机载激光扫描仪部件采集三维激光点云数据，测量地形同时记录回波强度及波形；航空数码相机部件拍摄采集航空影像数据；POS系统部件测量设备在每一瞬间的空间位置与姿态。
无人机搭载激光雷达系统可以在飞行中同步获取高精度、高密度的三维激光点云与影像数据，在数据类型、定位精度等方面具有明显优势，可以为铁路工程提供各种比例的数字地形图、影像图、横（纵）断面和三维地形模型等数据，所获取的数据具有非常好的现势性，可为铁路选线、地质、环评和拆迁等提供决策依据[8-9]。
与传统航测相比，无人机机载激光雷达测量技术成果的精度更高，三维激光点云数据都是由激光直接测量得到的，且原始点的密度较传统航测更多更大，在树木植被覆盖的地方激光具有穿透力，可以获取更高精度的地形表面数据。由于无人机操作简单，也大大节省外业人员和劳动力，时间上也缩短很多，因而工期相对较短。激光点云、数码影像等多源数据的互验使得数据精度更高。无人机机载激光雷达测量系统具有以下特点：①操作简单；②安全系数高；③架次之间准备时间短；④巡航时间短、航测范围较大。
3 应用案例
3.1 基于无人机机载激光雷达实验
（1）实验概况
按照技术方案设计，某既有线无人机机载激光雷达测量范围为DK66-DK68公里，采用夜间飞行。
航线前，综合考虑线路走向、交通情况以及植被覆盖等情况，在谷歌地球上对全线提前进行了控制点点位布设，用以架设平面装置和进行高程改正。DK66-DK68公里处的航线设计和点位标示如下：
.png)
图1 航线设计示意图以及控制点点位分布示意图
（2）飞行平台及传感器选择
本次航飞采用数字绿土公司提供的八旋翼无人机和RIEGL VUX_SYS(RIEGL VUX-1无人机载激光扫描仪集成GNSS辅助惯性导航系统)，在实验开展后运至实验现场进行调试和安装，无人机航飞空调由数字绿土公司负责协调。
RIEGL VUX_SYS是一款高精度低空扫描测图系统，系统设计紧凑、轻便，内置RIEGL无人机专用的激光扫描仪以及Trimble Applanix惯导卫星定位姿态控制单元，全套系统重约8kg；八旋翼无人机载重约10kg，动力为锂电池，搭载RIEGL VUX_SYS后单架次航飞时间约15分钟。
在飞行前，飞控人员通过设计航飞相关参数，导入无人机系统后可以实现自动数据获取。
（3）飞行方案
本次实验计划在铁路沿线开展，数据获取方为北京数字绿土公司，沿铁路线两侧飞行，获取两条航线的lidar点云数据，并进行预处理，线路长度37公里，基于飞机安全飞行航高以及点云密度的综合考虑，需要满足：
1）无人机在航飞前需要提前进行航线设计和航飞规划，有独立的航线设计模块和飞行控制模块，不能在现场手工完成。
2）航飞过程中需要尽可能保证飞行平台的稳定性。
3）航线设计的基本原则是保证线路左右各有一条航线的数据，曲线段可以适当增加航线。
4）设计的点密度不小于每平米400个点。具体设计参数依据航飞设备来定。
（4）飞行准备
“米”字激光雷达平面检测装置，其目的是通过该装置，精确提取目标点中心位置，作为点云平面改正的控制点；布设的点位通过喷漆或者画笔描绘的方式标识出点位，以便于后期进行控制测量。
.png)
图2 “米”字型天线
为了尽可能准确的计算出激光点云与控制测量成果之间的系统差值，平坦地面上的高程点布设采用类似“九宫格”的分布，枕木上的高程点一般采用六点分布。
此次实验为夜间天窗点作业，沿线提前布设“六宫格”如下：
.png)
图3 “六宫格”
为了从激光雷达点云中提取出规则地物，本项目设计了30cm*30cm的水泥墩台。其表面需用水泥抹平，边缘规则（正方形），离地至少保证0.3米高，地面平坦，墩台周围2米范围内没有任何遮挡物或者杂草等。
.png)
图4 水泥墩台
沿航飞线路，布设米字型平面精度检测装置，原则上每隔2公里布设一对，分别位于铁路两侧。
（5）数据获取
本次飞行在5月27日晚12点左右进行，天气情况良好。共进行了两个架次的飞行，飞行航高分别为100米和80米。
（6）数据处理
经POS解算后的点云数据，航迹线文件为通用的文本格式，下图为按高程值显示的一个架次点云，测线长度为2公里。按照高程分布显示，如下图所示。
.png)
图5 100米航高点云数据的高程渲染图
解算后的原始点云航带间存在误差，需要通过航带平差改正其相对精度。为做进一步绝对精度改正需要将点云数据分类、分块、转坐标。
点密度分析：将工程文件中的点云打开后查看点云密度：在单航线段，航线正下方点云密度为每平米220个点，航线边缘处每平米约100个点。
强度分析：点云数据中记录着地物的强度信息，将其按照强度显示后，可以看出植被、接触网杆等高反射地物很明显。
轨道截面分析：轨面上是否存在一定数量的激光点云是本项目的关键，在点云数据中通过拉取界面的方式进行分析，可以看出轨面特征较为清晰，如下图所示。
.png)
图6 点云轨面界面图
3.2 基于控制点的精度改正
为了进一步提高点云数据的精度，需要对其进行平面和高程的精度改正。通过对布设的一系列控制点检核后确定：平面改正采用布设的“米”字天线进行改正，高程改正基于布设的“九宫格”进行面拟合来进行改正。
（1）平面精度改正
首先，需要在点云数据中对布设的“米”字天线进行识别和特征提取。
点云“米”字天线提取结果和实测成果对比如下：
（2）高程精度改正
高程精度的改正，主要是基于布设的“九宫格”、“六宫格”进行面拟合来进行改正。“九宫格”是铁路沿线选择一块平坦、质地均匀的裸露地，按照九宫格的形状布设9个高程控制点，通过这9个点和激光雷达数据的差值，来拟合面与点云的差值。
下表为此次实验地面桩附近实测高程与点云对比：
可以看出，本次试验激光雷达高程精度较高，中误差在0.035m。分析差值，可以看出点云并不存在系统误差，因此不需要进行高程修正。
3.3特征提取与轨面拟合
（1）点云精细分类
特征提取的基础数据主要是轨面上的激光雷达点云数据，因此首先需要对轨面上的数据进行精细分类。其基本步骤是，沿着与铁轨垂直的方向拉截面，通过目视判断铁轨轨面上的点，将其分为某一特定的类别。分类采取逐段人工分类的策略来完成，后期通过直线段拟合后，对点云数据再进行整体的平差计算。下图为精细分类提取出的轨面数据。
.png)
图7 轨面点云数据示意图
（2）轨面拟合
采用人工判读的方式，对轨面进行判断，以３到５米的间隔，依次对左右轨面进行逐点判断。其基本原则是：通过截面图判断轨面的中心点，确定中心点后，在TOP视图中还原中心点的位置，并记录下该点的平面坐标，直至完毕。下图为对全线进行轨面拟合后的线路示意图：
.png)
图8 轨面拟合后的线路示意图
将分类后的轨面数据构建三角网，逐点判断拟合点在三角网中的位置，并基于坡度、位置等几何关系，剔除粗差点，最终给轨面数据赋以高程信息。
.png)
图9 上行方向平面差值分布图
4 精度分析
依据外业队既有线测量成果，对Lidar试验的结果开展分析。依据无人机平差结果和外业实测结果，对平面和高程分别开展对比分析。
上行方向，X方向的中误差为00424m，Y方向中误差为0.02454m，绝对距离的位置中误差为0.0249m，其X和Y方向的差值分布示意图如下：
下行方向，X方向的中误差为0.005m，Y方向中误差为0.03317m，绝对距离的位置中误差为0.03355m，其X和Y方向的差值分布示意图如下：
.png)
图10 下行方向平面差值分布图
由于外业所提的部分里程没有平面坐标只有高程坐标，将上下行方向数据合并后一起统计，高程有效点共有40个，统计水准高程和点云提取高程的差值。
高程方向的中误差为0.03806m。其差值分布图如下所示：
.png)
图11 高程差值分布图
根据外业实测点和点云数据中提取的平面点，作相邻高程点较差比较，分析其数据的平稳性，结果如下图：
.png)
图12 上行相邻点较差示意图
.png)
图13 下行相邻点较差示意图
从统计结果可以看出，外业实测点与点云提取中提取的平面点较差的比较中，无人机机载激光雷达测量的成果稳定性较外业实测成果稳定更高，趋于平缓，外业实测波动较大。由此得出，与外业实测相比，点云提取的数据成果具有可靠的稳定性和更高的精度。
5 结论
综上所述，无人机机载激光雷达测量技术航测成果的整体精度与精细程度会更高，特别是在植被覆盖度较高的地区，项目勘测生产效率更高、工期较以往更短、勘测范围更大，短期、高效的测量技术带来更高的经济收益，航测成果质量较高且更有保障，成果应用价值更加深远。无人机机载激光雷达测量技术在既有线铁路工程中的应用可以较好的解决铁路安全问题以及勘测难题，无论是在铁路工程勘测阶段、建设阶段、运营阶段，无人机机载激光雷达测量技术都可以发挥很好的作用，具有很强的技术优势和经济前景。
参考文献：
[1]景瑞.低空无人机航测技术在铁路勘测设计中的应用[J].华北国土资源,2016(1):65-66.
[2]姜大志. 标准图形法求解相机镜头非线性畸变的研究[J]. 东南大学学报，2001，31（4）.
[3]靳志光，等. 非量测数码相机标定方法研究[J]. 测绘技术装备，2008，10（2）：46-48.
[4]肖苏勇.基于无人机遥感平台的铁路测绘航空摄影若干问题探讨[J].铁道勘察,2018(1)：28-30.
[5]浦石,吴新桥,燕正亮,等.无人机激光雷达智能识别输电线路缺陷[J].遥感信息,2017,32（4）:52-57.
[6]边江豪,李秀珍.川藏铁路旺北村特大型滑坡特征及对铁路危害分析[J].铁道标准设计,2018，62(2):53-56.
[7]耿小平,王波,马均霆,等.无人机倾斜摄影测量技术在桥梁施工现场中的应用研究[J].现代测绘,2017,40(4):27-31.
[8]胡海友.飞行姿态不稳定的无人机影像空三加密探讨[J].测绘,2018,41(5):204-207.
[9]闫文娟,王水璋.无人机倾斜摄影航测技术与BIM结合在智慧工地系统中的应用[J].电子测量与仪器学报,2019,33(10):59-65..
[10]张煜，窦延娟，张晓东.机载激光雷达采集及数据处理[J].长江科学院院报，2010，27（1）：13-16.
[11]张晓锐.浅谈无人机在桥梁检测中的应用与发展[J].数字化用户,2018,24(43):248.
[12]刘正坤,汤坚,黄玉林.低空航测三维优化选线技术应用研究[J].遥感信息,2013(15)：148-149.
[13]冯威.高寒高海拔复杂艰险山区无人机勘察技术应用[J].铁道工程学报,2019,36(8):9-13.