农村房屋不动产调查中无人机倾斜摄影技术研究

刘善彬，张 蕊，李连苹

（河南省航空物探遥感中心，河南 郑州 450053）

目前，我国许多省市正在开展农村房屋不动产登记权籍调查项目。农村房屋不动产登记权籍调查是开展统一地籍调查、统一权利确认登记、统一颁发农村宅基地、集体建设用地以及地上建筑物、构筑物不动产证书的重要工作。农村住房和房地产整合权登记主要包括2个方面：①住房信息，包括业主、位置、房屋性质、结构类型（建筑）、共有、使用、楼层总数、建筑结构、竣工年限、建筑面积等；②地块信息，包括所有者、权利类型、权利性质、土地用途、面积等。本文介绍了无人机（UAV）倾斜摄影测量的基本原理和关键技术[1]。本文结合正在进行的农村房屋不动产登记项目，介绍了倾斜摄影测量的基本方法，并对图像控制点的布局方案和精度进行了比较分析。实践证明，倾斜摄影测量在农村房屋不动产登记中的应用可以充分满足测量精度的要求，在提高工作效率和降低劳动力成本方面具有显著优势。

1 主要测绘方法比较确认

农村房屋不动产登记权籍调查项目，对测量精度的要求一般较高。根据《地籍调查规程》（TD/T 1001—2012）中解析界址点的精度要求，明显界址点的均方误差要求在±5 cm以内。目前，农村房屋不动产登记权籍调查外业测绘方法主要有3种[2]，即全野外测量、传统摄影测量和倾斜摄影测量。这3种测量方法的优缺点：①全野外测量。主要方法为RTK+全站仪；其主要优点是精度高，但周期长、效率低、成本高，容易受到天气等外部环境因素的影响。②传统摄影测量。主要优点是效率高，进行了大量的野外工作，但影像判读等问题仍需现场调绘研究。此外，传统摄影测量中使用的软硬件对数据采集人员有较高的要求，如立体声眼镜、手轮脚板等，需要很长时间才能掌握。③倾斜摄影测量。随着无人机技术的发展，倾斜摄影技术的出现和成熟三维建模、绘图等技术，利用斜摄影进行农村房屋不动产登记确权登记已成为可能。斜视摄影可以获取各个方向建筑的纹理信息。三维重建技术可以准确地恢复建筑的现状。低空无人机技术可以获得分辨率大于1 cm 的图像数据，大大提高了三维模型的精度。斜摄影的高冗余图像重叠可以大大提高图像匹配的精度。与传统的摄影测量不同，该采集方法可以准确地获得建筑物的拐角信息，而不受屋檐的影响。因此，该方法非常适用于房屋的边界点采集。

2 倾斜摄影测量技术分析

2.1 原理及关键技术

利用倾斜摄影测量可以获得当相机的主光轴具有一定的倾斜角度时所拍摄的图像。倾斜摄影测量是近年来在国际测绘和遥感领域发展起来的一项高新技术。通过在同一飞行平台上携带多个传感器，从垂直和倾斜的角度收集图像，可以获得更完整、更准确的地面物体信息。以垂直地面角度拍摄的图像称为正站仪，在透镜方向与地面之间有一定角度的图像称为斜图像[3]。

2.2 无人机飞行数据收集

远程数据收集设备是一个大疆 MavicPro 无人机与机载数码相机。每个飞行都使用了一个飞行计划器应用程序，采用Pix4D图像捕获。该移动应用程序使每次飞行都可以实现自动化，以提高数据收集过程的结果安全性和效率。空中调查采用了高度为300 m的双网格飞行模式[4]。无人机摄像机在飞行中的角度被设置为捕捉来自地平线的角度。该摄像机被编程限制沿飞行路径的连续图像之间的农村房屋图像内容正面覆盖80%，在地面的相邻飞行路径图像之间70%的侧重叠[5]。重叠确保了影像之间有足够的主体冗余，从而提高了利用摄影测量法进行三维数字表面模型重建的条件。在整个数据收集过程中，所有设备、校准、和参数都保持不变，以最小化响应方差和处理均值估计偏差中的变化。

2.3 倾斜摄影测量关键技术分析

根据无人机系统的结构特点，所确定的无人机斜向摄影的关键技术包括如下几点[6]。

（1）多视点图像的联合调整。多视图图像不仅包括垂直摄影数据，还包括斜向摄影数据。然而，一些传统的空中三角测量系统无法处理斜向摄影数据。因此，在多视图图像的联合调整中，应充分考虑图像之间的几何变形和遮挡关系。

（2）多视图图像的密集匹配。图像匹配是摄影测量学中的基本问题之一。多视点图像具有覆盖范围大、分辨率高的特点。因此，多视点图像匹配的关键是如何在匹配过程中充分考虑冗余信息，以便快速准确地获得多视点图像上同名点的坐标，并获得图中的三维信息。

（3）数字表面模型的生产。多视图图像的密集匹配可以获得高精度、高分辨率的数字表面模型，并能够充分表达地形特征和表面特征，这已成为新一代空间数据基础设施的重要组成部分。

（4）真投影图像校正。多视图图像的真实校正包括连续DEM（数字高程模型）和大量离散分布粒度非常不同的地面物体以及大量具有数据密集型和计算密集型典型特征的多角度图像。因此，对多视图图像的真实可以同时分为对象侧和图像侧[7]。

3 斜摄影的测量基本过程

3.1 过程简介

采用斜向摄影进行测量的基本过程如下[8]：①对该区域的现场调查。现场调查主要是为了查明调查区域的地形地貌，检查是否有高障碍物、大障碍物等。通过现场调查的区域，便于图像控制点的布局。同时，在设计飞行高度时，可以避开高、大的障碍物，以确保飞行安全。 ②图像控制点的布局。图像控制点布局的基本原理如下：照片控制点的目标图像应清晰清晰，易于区分。第1控制点与照片边缘之间的距离不得小于1.0～1.5 cm；第二控制点与照片各标记之间的距离大于1 m。

3.2 操作方法试验

（1）总体路线图。测试的总体路线图是：首先选择中等面积的村庄作为测量区域，在测量区域均匀布置一定数量的图像控制点，选择不同的图像控制点布局方案进行平面三角测量和三维重建，然后将不同图像控制点布局方案生成的三维模型分别导入映射软件进行三维测绘。然后，在测量区域内均匀选择一定数量的拐角点，并利用总站进行现场测量[9]。在图像控制点的不同布局方案中，计算三维映射的拐角结果与现场测量结果之间的均方误差，找到一个既满足测绘精度要求、又考虑效率和成本的操作方案。

（2）调查区域。选择西南地区一个面积约0.24 km2的村庄作为调查区。测量区域相对平坦，平均海拔+300 m。

（3）坐标系。此次试验采用CGCS2000国家大地坐标系。

（4）飞行设计。在测试中，大疆 MavicPro 无人机空中摄像机系统使用了5个镜头。根据《低空数字技术规范》的规定，已提到的1∶500映射尺度的分辨率≤5 cm[10]。试验设计的地面分辨率为2 cm，面重叠为80%，边重叠为78%。根据公式，设计高度为128 m（D200采用斜向摄像机的主点分辨率来规划路线）。无人机参数：起飞质量为7.5 kg，耐力时间为48 min，差分模式为PPK/RTK及其集成运行模式，像素大小 5.47 μm。无人机标记形式为图1所示。

图1 无人机标记形式示意Fig.1 UAV marking form

（5）图像控制点测量。使用红色油漆将测试区域道路上的图像控制点排列为“L”形状，如图2所示，并通过RTK（实时运动学）在中间极上的测量目标的中心坐标。L形具有直角角点，比其他形状更准确、更易于解释。对每个点进行2～3轮操作，以平均值为真实值。控制点的精度控制在2 cm以内[11]。

图2 地面L图像示意Fig.2 Ground L image schematic

（6）图像控制点的平面布置方案。 设计了5种控制点组合方案。在方案1中，仅在测量区域的4个角处布置4个图像控制点（K1、K2、K3、K3、K4），均匀地在测量区域内选择7个检查点（JC1—JC7）。点选择方案如图3（a）所示。 在方案2中，根据第1种方案对测量区域周围的6个图像控制点（K5—K10）进行加密，并且仍然使用JC1—JC7作为检查点。该方案如图3（b）所示。 在方案4中，根据方案3在测量区域中增加了6个图像控制点（K13—K18），并且仍使用JC1—JC7作为检查点。该方案如图3（c）所示。在方案5中，在测量区域中仅选择了8个图像控制点（K11—K18，未完全控制测量区域）。为比较控制范围内外检查点的误差，采用K1—K10和JC1—JC7作为检查点。该方案如图3（d）所示。

（7）4个方案测绘比选分析。 首先，利用基于无人机的智能地图模型GPS（全球定位系统），获得5台摄像机的准确曝光定位信息。结果为5组POS数据和天线相位中心。使用上下文捕获软件进行空中三角测量处理，分别导入5组镜头的图像和POS数据，并根据设计的4种图像控制方案进行控制。空中三角剖分处理完成后，分别计算5种方案的空中三角剖分检查点的平面和高程精度，并以现场测量的数据作为真实值，计算平面和高程均方误差。通过比选得出了方案1的总体平面精度较好，高程精度相对较差；方案2中的平面和高程精度均高于方案1。方案3比方案2进一步提高了精度；方案4的精度是最好的，但方案4和方案3差别在于，方案3中，控制范围内的检查点误差较小，但控制范围外的检查点误差较大，这随着距离的增大而增大。方案4的精度最好，但需要安排更多的图像控制点。一方面，应降低工作效率，另一方面，场地可能不能满足平面布置的要求。因此，选用方案4作为无人机测绘农村房屋的方法。

图3 4种方案测绘布点示意Fig.3 4 Schemes for surveying and mapping points

3.3 农村房屋三维图像的模拟重建

为了进一步验证这4种方案是否能够满足住房和房地产集成项目中住房边界点的精度要求，使用上下文捕获软件对这4种方案进行了重构，然后将生成的3D模型导入制图软件，使用5点房屋采集方法，统一收集20个房屋角点的坐标。角点的分布如图4所示。

以总站的场测量坐标为真实值，方案 1的结果精度较差，房间角误差分布不均匀。在方案2中，减少了角点的均方误差。在方案3中，角点的精度很高，可以满足住房和房地产集成项目对住房边界点的精度要求。在方案4中，角点的精度最好，但与方案3相同。实践证明，适当增加图像控制点有助于提高测量精度，但当图像控制点的数量达到一定程度时，精度提高的趋势并不是很明显。同时方案4在控制区域具有较好的精度，误差为均匀，但控制区域外的误差随着距离的增加而迅速增加，最大的误差是在图像的边缘，检测到的拐角的总体均方误差也是4种方案中最小的。方案4对于真实房屋造型的模拟重建如图5所示。通过现场测试，测量区采用斜摄影进行测量，现场飞行和内处理只需4 d即可完成测量区地籍图的绘制；在传统测量中，相同人员组成需要约10 d，说明斜摄影不仅满足房地产一体化测量的精度要求，而且大大缩短了项目周期，效率是原始测量方法的2倍以上。

图4 房屋角点的坐标分布示意Fig.4 Schematic diagram of the coordinate distribution of the corner points of the house

图5 真实房屋造型的模拟重建示意Fig.5 Simulation and reconstruction of the real house shape

4 无人机测量误差分析

农村房屋的无人机倾斜摄影测量平均误差为（-0.457±0.490） m。传统卫星拍照对建筑长度进行测量的平均误差为（1.662±0.478） m。此外，平均卫星估计误差高于无人机测量的置信区间。2种方法均值估计的置信区间不重叠，这意味着测量预测不一致。无人机倾斜摄影测量在精度方面更占优势，将成为未来的测量方法。农村房屋建筑的矩形尺寸的平均长度比正常建筑的宽度大10倍。无人机在一个明显低于卫星的高度运行，同时捕捉航空图像。这导致了数码相机的视场减少，从而增加了图像频率。虽然建筑宽度通常被无人机捕捉到1～3张照片，但建筑长度需要10～15张图像。同时也要看到，尽管无人机航空图像有较多优点，但在远程收集数据时也有一些限制。天气条件并不总是无人机操作的最佳条件。有时，风速超过9 m/s会使数据收集变得不可能。此外，Pix4D飞行映射器应用程序需要移动小区服务来加载背景地图，或者运营商提前通过WiFi网络准备飞行区域的数字缓存基础地图。在一些情况下，由于农村地区的蜂窝接收能力差，基础地图无法被成功加载。GIS数据结果的准确性对遥感数据收集和摄影测量过程中所使用的特定参数高度敏感。无人机飞行路径或摄影绑点极限的变化会显著影响最终重建输出，因此无人机测量技术还有较大的提升空间。

5 结语

本文针对无人机在农村房地产整合权登记项目方面的应用开展研究，采用无人机斜摄影测量，现场飞行和室内图像处理只需4 d，完成测量区地籍图绘制只需3 000元；在相同的人员组成下，传统测量工作约需10 d，人工成本约8 000元。从以上分析可以看出，与传统测量相比，无人机斜向摄影可以提高工作效率，将人工成本降低至最低的水平。与传统算法相比，它在提高精度和降低现场映射方面也具有明显的优势。结果表明，使用消费级无人机和运动摄影测量结构（SfM）可以创建足够准确的数字表面模型和正模型，进行简单的建筑尺寸测量，有效利用经济和时间资源，同时避免使用昂贵的测量级设备。研究成果为无人机倾斜摄影的多方面应用提供了依据。