测绘新技术在自然资源测绘工程中的应用

罗林峰 LUO Lin-feng

（百色市右江区网格化服务管理中心，百色 533000）

0 引言

随着可持续发展战略的提出，自然资源测绘工程受到了越来越多的关注，在此工程开展过程中，需要使用高准确度、科学合理、全面性的测绘技术，以此促使自然资源管理工作的高质高效实施。对此，应当使用测绘新技术推动自然资源测绘工作的顺利进行，同时为自然资源的价值更加良好的发挥带来保障。

1 无人机航测技术在自然资源测绘工程中的应用流程

1.1 航线设计

在进行航拍线路的设计时，需要综合考虑航线和测区范围、平均基准面等因素的科学结合。航线的设计应该使无人机在相同区域内开展拍摄工作，同时调整高度差在设计航线高度的1/6 以下，以保证图像质量和数据精度。此外，重叠率是衡量航线设计优劣的重要指标之一，测区航向重叠应当大于65%。为了确保无人机采集的数据质量，还需要控制旋偏角小于15°和像片倾角最大不超过5°。这些控制措施可以避免数据失真和图像模糊，提高数据的精确性和可靠性[1]。

1.2 航空摄影

在作业时，把摄像机装载在无人机上，可以获得更清晰的图像，并能够获得多方位的拍摄角度。通过对面控制系统的使用，允许技术人员实时监控和操控无人机，对飞行轨迹、航拍参数等进行实时调整和优化，确保航拍任务的顺利完成。同时，飞行控制系统则负责稳定无人机的飞行，保证航拍过程中的稳定性和可靠性[2]。

1.3 平台成果展示与影像对比分析

对不同时期影像信息加以对比分析，展现变化图斑，能够更好地分析和研究区域内的地貌和环境变化情况，并为区域开发、规划和管理提供科学依据。为了更好地利用数据资源，应结合其他基础地理数据、国土调查数据和业务管理数据等，对变化图斑的合法性加以评估。对于疑似违法图斑，需要着重重点展示和核查，以维护区域内的环境和资源保护。此外，巡查结果可以呈现在自然资源综合监管平台中，为监管工作提供重要数据支持[3]。

2 尚志市林业资源调查和规划项目中无人机航测技术的应用

2.1 准备工作

下文主要针对尚志市帽儿山镇富民风景区实行测绘工作。为使得此次测绘探究活动具有更强的普遍性，另外挑选了一个村落作为参照对象。研究对象的地理位置具体如图1 所示。

图1 研究区域地理位置图

对于测绘设备的选取，其中测区一，即富民风景区使用skyland-DF100 无人机，装载SONY7R 相机，按照测绘目标规划了一共六条航带，总共需要拍摄150 张照片，具体可见图2。对于测区二，即作为参照的自然村，使用的是CanonELPH110HS 相机，一共规划了15 条航带，摄得168张照片（选择其中的三条航带，一共包含34 张相片），具体可见图3。

图2 测区一航带设计图

图3 测区二航带设计图

2.2 成图精度优化

本文重点探讨了无人机航测成图精准度的影响元素，分别从内外业、创建误差补偿模型等层面展开研究。结合实际测绘数据，优化了成图效果。

2.2.1 航测像控点布设

为提升无人机航测结果的准确性，针对外业像控点布设方式展开研究，通过明确布点方面的具体影响要素，找出更加科学合理的布点措施。由此，在空三加密中合理引进十九个像控点，再实行同样数据和操作方式的试验，将试验一共划分成六小组进行比较分析[4]。同时对各个小组所采取的不同的布点方法，利用光束法区域网平差，所得结果可见表1。

表1 不同布点方案平差结果精度统计

针对表1 中的相关数据展开详细分析研究可以得出，相对于单点布设，点组布点的方式能够明显提高数据精准度。特别是在测区地区坡度不高的状况下，使用在四个角落进行点组布点的方式相对于在四周单点联合少数布点的方式而言能够得到更高精度的数据。同时，在使用光束法平差环节，只需对航测地点实行适宜、均匀性的布点，再在四个角落进行点组布点，完全不用再在测绘区域中进行其它布点活动，便能够取得理想的精度，如此一来有助于减少外业工作量。这一研究成果为航测外业像控点布设提供了重要的指导意义，有助于优化数据处理流程和提高工作效率。

2.2.2 尺度旋转不变的无人机影像匹配

在当前的特征点提取方法中，为了寻找影像间的同名点，使用较多的方法包括利用角点算子一阶微分、二阶微分算子和Canny 算子检测边缘等。然而，在无人机航测中存在一个挑战，即姿态角的不稳定性会使得影像呈现出一定程度的倾斜和几何变化。因此，传统的灰度值阶跃性提取特征点的方式不太适合应用在此种状况下。

在无人机航空测绘影像中，我们可以发现一些实际生活中的角点，比如公路、房屋建筑、围墙拐弯处等，在无人机航测影像中能够良好地展现出来，并且通常是相对稳定的区域。这些角点具有一些特性，例如它们在旋转和尺度变化下保持不变。为了有效地提取无人机航测影像中的特征点，常用的算法有SIFT 算子（尺度不变特征变换）、SURF 算子（加速稳健特征）和MSER 算子（最大稳定极值区域）等。这些算法能够根据特征点的不变性和稳定性取得较佳的效果。它们能够在无人机影像中检测到具有旋转不变性、尺度不变性和稳定性的特征点，从而实现可靠的特征点匹配和图像配准。这对于无人机航测任务的成功执行具有重要意义[5]。

SIFT 特征提取为一种以真实地物局部外观兴趣点为基础的算法，它可以在图像中检测出多个具有稳定特征的关键点，并提取这些关键点的特征描述。与其他特征提取算法相比，SIFT 算法具有尺度不变性和对光线、噪声等变化的容忍度高的优点，因此在物体辨识、影像缝合和三维建模等领域得到了广泛应用。SURF 算法是一种基于高斯二阶微分模板的特征提取算法，它将模板化处理后对图像进行滤波，从而减少了尺度不变特性的检测时间，同时还具有一定的对光线、噪声等变化的容忍度。MSER 算法是一种区域特征提取方式，它通过利用不同的灰度阈值对图像实行二值化，从而检测出最具稳定性的区域。相比于其他特征提取算法，MSER 算法对图像灰度的仿射变化具有不变性特征，能够检测计算得出不同精细度的区域范围。在本文中，选择使用SIFT 算法对无人机航测影像进行稳定的特征点采集，并与原始影像进行匹配。尽管SIFT 算法的速度较慢，不过伴随现代科技的持续发展，其速度已经不会对数据处理速度产生太大影响，而且它具有稳定的特征提取能力和较高的匹配精度，可以有效地解决无人机航测影像的特征点提取和匹配问题。

2.2.3 基于LS-SVM 的误差补偿模型的建立

当对测绘影像实行平差处理时，使用较多的一种方法为光束法区域网平差。然而，因为采集影像和模型坐标点位之时容易受到多方面因素的干扰，不可避免地会出现误差，如无人机在飞行期间产生的加速度、温度差异、气压的变动等，均会使得相机拍摄效果受到一定程度的影响。

利用光束法区域网平差，重点在于把像点坐标充当观测数据，当进行影像连接点的匹配工作之时，常会由于匹配算法的局限性而产生随机误差。为控制此类问题对数据精准度造成的影响，应当创建针对性的误差补偿模型。支持向量机是一种以统计学原理为基础发展演变而来的计算方式，其最为突出的特征便是，只需给出小样本，便可以做到非线性、高维度计算，而且还能够获取到高精准度的预测信息，在此基础上又进一步衍生了LS-SVM，是目前提高模型计算速率以及预测精确性的一项重要措施。

在本次研究活动中，应用的是LS-SVM 模块来进行建模，然后利用高斯核函数来构建对应的误差补偿模型。而在选择合适的核函数之时发现，针对同样的数据选取不一样的函数，最终取得的训练结果比较接近，由此得出初步结论——挑选不同的核函数并不会对训练成果带来明显影响，核心的影响要素为有关参数的选取。

把LS-SVM 运用到误差补偿环节中，促使航测成图精度获得了明显提升，关键建模步骤包括：①将像控点信息作为内业加密时的地表信息，并且需要将其在影像之中对应的位置详细记录下来。②将外业测量结果的误差准确计算。③创建补偿模型。④实行补偿处理，以此获得改善过的地表坐标。

此次研究把测区一航空测绘影像当做实验信息（已进行平差优化），创建补偿模型，针对以POS 平差后的坐标信息展开修正。在研究活动期间，一共在野外设置了二十九个实测点，在此之中选取二十三个测点结果输入模型，剩下的六个点则用来检测模型的精确度。把经过修正处理的POS 数据输入到空三加密内，对经过加密的坐标信息和控制点实测信息予以对比，对比结果可见表2 和表3。

表2 建模控制点信息

表3 29 个控制点实测坐标与加密后量测坐标的水平距离

把待检验测点的坐标数据输入模型之中，计算出相应的偏差值，得出如表4 所示的结果。

表4 补偿后平面与高程的误差统计信息

根据测区一的实验结果可知，其航测影像经过空三处理后的GSD 是8.25 厘米，为满足后期DLG 成图比例尺需求，则模型补偿之后的误差绝对值不可超出补偿之前。所以，可得知X、Y、H、S 方向存在的有效补偿点分别为5、4、4、4 个，X 方向可用率达到了百分之83.33，其它三个方向的可用率均为百分之66.67。而且针对补偿之前与之后的水平、高程方向实行中误差计算，所得结果表示检测点坐标精度在补偿以后均得到了提升。

3 结束语

本文以尚志市林业资源调查项目为例，分析了无人机航测技术在自然资源测绘工程中的具体应用，着重探讨了影响成图精度的各方面要素与解决办法。结合实际采集到的信息数据分析，提出了有效的减小成图误差的办法，同时基于对测区二展开数据收集，实现对全部结果的验证，证实了其正确性，此研究结果对于指导同类型或是相似条件下的无人机航测工作具有可靠的参考意义。