無人機(jī)攝影測(cè)量在現(xiàn)代河流體系形態(tài)定量化研究中的應(yīng)用

馮雙奇 譚程鵬

摘 要：無人機(jī)系統(tǒng)已經(jīng)廣泛地應(yīng)用于各個(gè)領(lǐng)域，但在現(xiàn)代河流地貌研究中的應(yīng)用較少。本文簡(jiǎn)要介紹了無人機(jī)的應(yīng)用現(xiàn)狀，總結(jié)了其主要應(yīng)用步驟。首先，建立合適的飛行任務(wù)，采集一定的地面控制點(diǎn);然后，獲取無人機(jī)影像數(shù)據(jù)，處理無人機(jī)數(shù)據(jù);最后生成DSM和DOM數(shù)據(jù)。基于以上方法對(duì)半灘子河進(jìn)行三維地貌建模，最終得到高精度的辮狀河模型，為河流動(dòng)力學(xué)研究提供了準(zhǔn)確的河流形態(tài)學(xué)參數(shù)。

關(guān)鍵詞：無人機(jī);SfM;河流形態(tài)

中圖分類號(hào)：P23文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-5168（2020）02-0008-04

Abstract： Unmanned aerial vehicles （UAVs） systems have been widely used in various fields， but they have fewer applications in modern river geomorphology research. This paper briefly introduces the application status of drones， and summarized their main application steps. First， a suitable flight mission was established， and a certain ground controlpoint （GCP） was collected; then， the drone image data was acquired and the drone data was processed; finally， DSM and DOM data were generated. Based on the above methods， a three-dimensional geomorphological model of Bantanzi River was obtained， and a high-precision braided river model was finally obtained， which provided accurate river morphological parameters for the study of river dynamics.

Keywords： UAVs;SfM;river morphology

河流的地貌形態(tài)是河流地貌學(xué)中理解河流的地質(zhì)作用和其相關(guān)過程（氣候、人類活動(dòng)等）的基本主題。詳細(xì)的形態(tài)數(shù)據(jù)是分析河流水動(dòng)力與形態(tài)學(xué)之間關(guān)系的基本要素[1-2]。對(duì)于一定流域面積內(nèi)的河流水動(dòng)力和地貌形態(tài)研究而言，河流形態(tài)數(shù)據(jù)必須滿足以下要求：具有能和野外實(shí)地考察相適應(yīng)的高分辨率和準(zhǔn)確性;可繼承性地獲取一定時(shí)間內(nèi)的形態(tài)動(dòng)態(tài)變化;可操作性強(qiáng)，適合地質(zhì)研究人員依據(jù)地質(zhì)背景和需求的變化而調(diào)整;獲取成本可控[3]。近幾十年，隨著傳感器技術(shù)和測(cè)量技術(shù)的不斷進(jìn)步，人們已經(jīng)研發(fā)出幾種可以獲取高精度河流地形數(shù)據(jù)的遙感技術(shù)，如合成孔徑雷達(dá)干涉（InSAR）、航空激光雷達(dá)（LiDARC）、地面激光掃描（TLS）、無人機(jī)攝影測(cè)量（UAVs）等。航空/地面激光掃描比傳統(tǒng)方法（航空攝影測(cè)量、合成孔徑雷達(dá)干涉）有更高的分辨率，但設(shè)備昂貴，受地形變化限制大。當(dāng)前，無人機(jī)（Unmanned Aerial Vehicles，UAVs）平臺(tái)的易用性和基于運(yùn)動(dòng)恢復(fù)三維形狀（Structure from Motion，SfM）算法原理的攝影測(cè)量軟件的發(fā)展，使得無人機(jī)攝影測(cè)量技術(shù)開始用于高精度地形數(shù)據(jù)的測(cè)量[4]。

相對(duì)于傳統(tǒng)數(shù)字?jǐn)z影測(cè)量方法需要確認(rèn)相機(jī)在三維空間的位置和攝影姿態(tài)，SfM攝影測(cè)量法只需要已知少量的地面控制點(diǎn)（GCP）坐標(biāo)，即可在相機(jī)姿態(tài)和區(qū)域幾何形態(tài)未知的情況下，在大量的重疊照片中自動(dòng)識(shí)別匹配關(guān)鍵點(diǎn)，然后通過在每一個(gè)照片中追蹤關(guān)鍵點(diǎn)，并使用非線性最小二乘法迭代處理估計(jì)原始拍照位置和目標(biāo)體的坐標(biāo)，最終建立目標(biāo)體的點(diǎn)云模型[5-6]。目前，國(guó)內(nèi)外常用的基于SfM算法進(jìn)行三維地形重建的無人機(jī)攝影測(cè)量軟件主要是Agisoft PhotoScan和PixDmapper[7]。

本文以內(nèi)蒙古岱海湖北緣半灘子河為例，利用無人機(jī)對(duì)半灘子河進(jìn)行高精度三維建模，以獲取高精度的河流地貌數(shù)字正射影像（Digital Orthophoto Map，DOM）、數(shù)字表面模型（Digital Surface Model，DSM）等數(shù)據(jù)，實(shí)驗(yàn)性地探究獲取河流形態(tài)參數(shù)的方法，從而為定量化地質(zhì)研究提供參考。

1 研究區(qū)概況

岱海湖是位于內(nèi)蒙古自治區(qū)涼城縣境內(nèi)的陸內(nèi)斷陷湖盆。湖盆處于東亞季風(fēng)區(qū)邊緣，屬于溫帶半干旱半濕潤(rùn)氣候。降雨主要以季風(fēng)控制的暴雨形式出現(xiàn)，年降雨量約為400 mm，其中80%集中在6—8月，蒸發(fā)量為1 200 mm，每年7月溫度最高（平均達(dá)到20.5 ℃）。岱海湖盆地周緣有近十條河流匯入岱海湖，半灘子河位于其北緣陡坡帶的北西—南東向，縱向延伸約為11 km，高差為870 m，每年大多時(shí)間處于干涸狀態(tài)。

2 無人機(jī)和數(shù)據(jù)獲取

2.1 無人機(jī)介紹

基于SfM算法重建三維數(shù)字地貌模型時(shí)，數(shù)字照片作為其基本的原始數(shù)據(jù)，必不可少。考慮到研究區(qū)位于岱海湖盆地山前區(qū)，研究區(qū)規(guī)模較小（本次選取面積1 km2河段），加之成本考慮，本次采用四軸旋轉(zhuǎn)翼大疆精靈4pro無人機(jī)采集照片（見圖1）。其軸距為35 cm，起飛重量為1.4 kg，單塊電池最大飛行時(shí)間為30 min，可利用可視化的無人機(jī)飛控軟件和飛行控制器在手動(dòng)或者自動(dòng)航線模式下采集數(shù)據(jù)。無人機(jī)內(nèi)部安裝有紅外感知系統(tǒng)、測(cè)高儀、風(fēng)速儀（工作環(huán)境風(fēng)速<10 m/s）、GPS模組和2 000萬像素的相機(jī)。相機(jī)鏡頭FOV 84（8.8 mm/24 mm），配備f/2.8～f/11可自控對(duì)焦光圈。照片以jpg格式圖片（分辨率為5 472×3 648 pixels）儲(chǔ)存在內(nèi)存卡中。

2.2 飛行任務(wù)規(guī)劃

在詳細(xì)開展野外地質(zhì)勘查后，本次研究采用飛馬無人機(jī)控制軟件平臺(tái)——飛馬無人機(jī)管家規(guī)劃飛行任務(wù)。其中，飛行高度為150 m，航向疊置率為60%，旁向疊置率為80%。相機(jī)鏡頭設(shè)定垂直向下姿態(tài)抓取正射影像。整個(gè)飛行采取自動(dòng)模式，根據(jù)工區(qū)大小、飛行高度、疊置率、相機(jī)參數(shù)等，依靠無人機(jī)管家自動(dòng)決定拍攝間隔。由于本次測(cè)量主要為了獲取南北流向的支流幾何參數(shù)，整個(gè)測(cè)量區(qū)域呈南北向長(zhǎng)條狀，故而飛行路線采用近東西向飛行，如圖2所示。

2.3 地面控制點(diǎn)采集

為了提高數(shù)據(jù)的準(zhǔn)確性和精度，人們依據(jù)工區(qū)大小和地貌特征，采集一定量的地面控制點(diǎn)（Ground Control Point，GCP）。地面控制點(diǎn)的分布方式和數(shù)量是影響研究區(qū)測(cè)量數(shù)據(jù)準(zhǔn)確性的關(guān)鍵因素之一。一般100張照片采集6個(gè)控制點(diǎn)即可。合理的分布應(yīng)該將控制點(diǎn)放置在邊緣并呈層狀分布[8]。工區(qū)內(nèi)共布置10個(gè)GCP點(diǎn)，河流兩側(cè)堤岸和河床都有分布，如圖3所示。

3 數(shù)據(jù)處理

本次飛行共采集影像306張，無人機(jī)影像數(shù)據(jù)處理使用基于SfM攝影測(cè)量方法的Pix4Dmapper軟件。

標(biāo)準(zhǔn)的作業(yè)流程如下：建立工程，輸入原始采集影像，并依據(jù)研究區(qū)坐標(biāo)位置設(shè)定合理的影像坐標(biāo)系統(tǒng)以及DSM/DOM輸出坐標(biāo)系統(tǒng);進(jìn)行初始化處理后，優(yōu)化相機(jī)參數(shù)并輸入地面控制點(diǎn)坐標(biāo)，依次手動(dòng)使用像控點(diǎn)編輯器在影像中刺出地面控制點(diǎn)，重新優(yōu)化;利用尺度不變特征變換（SFIT）對(duì)象識(shí)別系統(tǒng)識(shí)別關(guān)鍵點(diǎn)并創(chuàng)建特征描述符;匹配所有照片中可識(shí)別的關(guān)鍵點(diǎn);使用三角測(cè)量法估計(jì)相機(jī)位置，重建場(chǎng)景幾何和三維位置，進(jìn)而創(chuàng)建三維疏密點(diǎn)云;進(jìn)行點(diǎn)云加密;生成DSM和DOM。無人機(jī)數(shù)據(jù)處理過程步驟及其點(diǎn)云模型如圖4所示。

使用Pix4Dmapper軟件時(shí)，要重視質(zhì)量報(bào)告分析，重點(diǎn)關(guān)注平均重投影誤差（Mean Reprojection Error）、相機(jī)自檢校誤差和控制點(diǎn)誤差分析值。

4 結(jié)果

經(jīng)過Pix4Dmapper處理的無人機(jī)影像數(shù)據(jù)得到的成果圖DOM清晰完整，未出現(xiàn)畫面的扭曲變形，色差無異常，DSM也很好地適用于GIS或Global Mapper中，以提取河道幾何參數(shù)（精度約0.1m）。圖5為截取的河道片段，明顯可以看出辮狀河道、河道沙壩和河床沉積物的粗細(xì)變化，而DSM圖也可用于分析辮狀河道的分布和形態(tài)變化以及河道兩側(cè)階地的變化。由此可見，利用無人機(jī)采集的數(shù)據(jù)影像資料，使用基于SfM影像重建算法的軟件（如Pix4Dmapper）對(duì)地質(zhì)研究中河流形態(tài)的刻畫和形態(tài)參數(shù)的提取有很高的價(jià)值。

5 結(jié)論

基于SfM攝影算法的無人機(jī)平臺(tái)為建立高精度的河流體系地貌數(shù)字模型提供了機(jī)會(huì)，尤其是地貌變化復(fù)雜的小流域尺度。主要的實(shí)現(xiàn)步驟包括：基于地質(zhì)背景和需求，建立合適的飛行任務(wù)，同時(shí)采集一定量分布于工區(qū)邊緣的三維控制點(diǎn);獲取無人機(jī)數(shù)據(jù);處理無人機(jī)數(shù)據(jù)，包括坐標(biāo)系統(tǒng)的設(shè)置、控制點(diǎn)的刺入和建立三維點(diǎn)云;生成DSM和DOM數(shù)據(jù)。本文基于以上方法對(duì)岱海湖北緣半灘子河進(jìn)行三維地貌建模，最終得到了高精度的辮狀河模型，為提供準(zhǔn)確的河道幾何參數(shù)提供了可能。

參考文獻(xiàn)：

[1]Vianello A，Agostino V.Bankfull width and morphological units in an alpine stream of the dolomites （Northern Italy）[J].Geomorphology，2007（83）：266-281.

[2]Tarolli P.High-resolution topography for understanding Earth surface processes：Opportunities and challenges[J].Geomorphology，2014（216）：295-312.

[3]Mi?ijovsk? J，Langhammer J.Multitemporal Monitoring of the Morphodynamics of a Mid-mountain Stream Using UAS Photogrammetry[J].Remote Sensing，2015（7）：8586-8609.

[4]Rusnák M，Sládek J，Kidová A，et al.Template for high-resolution river landscape mapping using UAV technology[J].Measurement，2018（115）：139-151.

[5]Westoby M J，Brasington J，Glasser N F，et al.“Structure-from-Motion” photogrammetry：A low-cost，effective tool for geoscience applications[J].Geomorphology，2012（179）：300-314.

[6]Madjid M Y A，Vandeginste V，Hampson G，et al.Drones in carbonate geology：Opportunities and challenges，and application in diagenetic dolomite geobody mapping[J].Marine and Petroleum Geology，2018（91）：723-734.

[7]吳永亮，陳建平，姚書朋，等.無人機(jī)低空遙感技術(shù)應(yīng)用[J].國(guó)土資源遙感，2017（4）：120-125.

[8]Martínez-Carricondo P，Agüera-Vega F，Carvajal-Ramírez F，et al.Assessment of UAV-photogrammetric mapping accuracy based on variation of ground control points[J].International Journal of Applied Earth Observation and Geoinformation，2018（72）：1-10.