基于RTK定位的无人机DSM生产质量评估_朱增锋.pdf

技术探讨地理信息世界GEOMATICS WORLD第29卷 第6期2022年12月Vol.29 No.6December，2022基于RTK定位的无人机DSM生产质量评估引文格式：朱增锋，付云强，李明月.基于RTK定位的无人机DSM生产质量评估J.地理信息世界,2022,29(6):108-113.Production Quality Evaluation of UAV DSM Based on RTK Positioning朱增锋1，付云强2，李明月11.河北利宇资源环境科技有限公司，河北 保定 071000；2.河北省区域地质调查院，河北 廊坊 065000作者简介：朱增锋（1985），男，河南周口人，高级工程师，硕士，主要从事工程测量变形监测及无人机航测等工作E-mail：收稿日期：2021-11-04ZHU Zengfeng1，FU Yunqiang2，LI Mingyue11.Hebei Liyu Resources and Environment Technology Co.,Ltd.,Baoding 071000,China;2.Hebei Regional Geological Survey Institute,Langfang 065000,China【摘要】目前，应用无人机摄影测量技术可以生产出精度优于10 cm的高分辨率数字表面模型（DSM），但此类DSM的准确性取决于地面控制点（GCP）的数量和分布。一般而言，布设和测量GCP通常是无人机作业中最耗时的，受现场安全性和可接近性限制会妨碍GCP正确放置。差分无人机携带全球导航卫星系统（GNSS）模块能够进行实时动态差分（RTK）测量，为无人机提供曝光时刻厘米级精度的摄站坐标，用于地理参考和控制DSM精度。为更好地发挥差分无人机高精度定位优势，本文引入基于载波相位的双差测量模型对GNSS信号实施解算，并在辅助空中三角测量过程中探索摄站坐标权重影响，在不需要GCP的前提下生产出最高精度的DSM。为合理评估DSM生产质量，本文设计了不同配置方案下的重复性实验，结果表明：这一方法可以在无法大量布设GCP的场合，生产出水平和高程精度优于10 cm的DSM，可极大提升无人机作业效率。【关键词】无人机；空中三角测量；实时动态差分；权重；数字表面模型；精度分析【中图分类号】P23 【文献标识码】A 【文章编号】1672-1586（2022）06-0108-06Abstract：Atpresent，theapplicationofUAVphotogrammetrytechnologycanproducehigh-resolutiondigitalsurfacemodel（DSM）withaccuracybetterthan10cm，whiletheaccuracyofsuchDSMdependsonthenumberanddistributionofgroundcontrolpoints（GCP）.Generallyspeaking，deployingandmeasuringGCPisusuallythemosttime-consumingfieldtaskinUAVoperation.Atthesametime，itwillhinderthecorrectplacementofGCPduetothelimitationsoffieldsafetyandaccessibility.Globalnavigationsatellitesystem（GNSS）modulecarriedbythedifferentialUAVcancarryoutrealtimekinematic（RTK）measurement，andprovidethecamerastationcoordinateswithcentimeteraccuracyattheexposuretimeforUAVforgeographicreferenceandDSMaccuracycontrol.Inordertobettertaketheadvantagesofhigh-precisionpositioningofdifferentialUAV，thedoubledifferencemeasurementmodelbasedoncarrierphaseisintroducedtosolvetheGNSSsignal.Intheprocessofauxiliaryaerialtriangulation，theinfluenceofcamerastationcoordinateweightisexploredtoproducethehighestprecisionDSMwithoutGCP.InordertoreasonablyevaluatetheproductionqualityofDSM，repetitiveexperimentsunderdifferentconfigurationschemesaredesignedinthispaper.TheresultsshowthatthismethodcanproduceDSMwithhorizontalandelevationaccuracybetterthan10cmwhenGCPcannotbedeployedinlargenumbers，whichgreatlyimprovestheoperationefficiencyofUAV.Key words：UAV；aerialtriangulation；RTK；weight；DSM；accuracyanalysis0 引 言过去，受专业化硬件和软件、固定成本高及平台灵活性的限制，需要训练有素的人员经长时间处理才能生产出满足要求的地理信息产品，严重阻碍传统航空摄影测量在地球科学和工程应用领域中的发展1。近几年，运动恢复结构（Structure From Motion，SFM）技术和无人机摄影测量相结合，即高效软件包和灵活巨大的平台为地表重建提供了非常有效的生产工具2。因此，无人机摄影测量被越来越多的学科研究者使用，包括：地质学和岩土工程用于监测滑坡；地貌学用于研究地貌时间演化；冰川学用于估算冰体积变化和运动；景观监测和变化检测用于支持土方工程体积估算等3。轻小型无人机具有较强的易操作性，几乎在任何环境下都能不受监管限制运行。随着差分系统的精准性、模块化发展，在无人机上搭载高精度差分 GNSS 模块后，1092022年 第6期技术探讨可为用户实时提供厘米级精度坐标4，但受无人机飞行速度快、信号遮挡等因素影响，难免会出现信号接收不够稳定的情况5，因此有必要探寻更加稳定的载波相位测量模型。这样，经偏心和延迟改正后就能提供连续有效的摄站坐标，较好地用于空中三角测量过程中6。应用高度自动化软件包（如 Pix4D、Agisoft Photoscan、Context Capture），可以在有限的时间内生产出高分辨率数字表面模型。然而，SFM 软件包是在近距离环境中开发的，要求无人机影像具有高重叠度和多连接点，同样，控制信息应作为约束条件参与到光束法平差过程，用于确保最终产品质量7。从影像处理过程可知，DSM精度取决于几何和物理参数，如图像比例、地面采样分辨率、基高比、相机参数、航向旁向重叠度、地面控制点精度和分布、地表纹理和反照率、照明条件、空气折射率、传感器质量、图像清晰度，以及SFM、光束法平差、图像匹配、点云噪波等算法8。可见，测量 DSM 质量是一项复杂的工作，因为涉及的变量数量非常大，并且没有一项实验研究能够涵盖所有方面。因此，为生产高精度 DSM 仍然需要对摄影测量过程进行深入了解，并在关键环节加以改进。本文深入研究实时动态差分测量技术原理，在选择适合无人机高速运动条件下的测量模型后，将其应用到摄影测量过程中。在 GNSS 辅助空中三角测量过程中，讨论并确定最佳摄站权重，经多次实验设计，进一步评估 DSM 生产质量。1 基于载波相位的双差测量模型无人机差分定位技术是指地面基准站和无人机机载天线在同时接收相同卫星信号后，基准站将误差改正值传输给无人机天线，这样就可以消除与基准站相同的误差，实时修正自身测量结果，达到高精度位置测量目的9（图 1）。图 1 无人机差分定位Fig.1 UAV differential positioning差分定位主要包括位置差分、载波相位差分和伪距差分 3 种测量方法，其中载波相位差分具有严密的测量模型，在静态和动态条件下均能实现优质精度的定位测量，是无人机摄影测量的首选10。在实时处理基准站和移动站接收的载波相位观测信息时，现存单差、双差和三差3种计算模型。单差模型虽然消除了电离层、大气层等空间环境造成的共性误差，但不能有效解决接收机钟差不一致的问题。三差模型虽然误差消除较为彻底，但引入了历元相关性，会产生数据冗余现象。经综合考量，本文选用基于载波相位的双差测量模型，在无人机飞行短基线范围内，能够提升动态定位精度和稳定性。将无人机机载天线端设为移动站 r，与基准站 b 之间的载波相位和伪距双差模型，可表述为：（1）式中，为载波相位；P为伪距；为天线与卫星间的距离；为波长；B为模糊度参数；为误差项；角标jk为卫星j与卫星k之间的较差；角标rb为移动站和基准站之间的较差。在这里采用L1、L2双频载波，则待求参数向量可表示为：（2）式中，rr、vr分别为无人机动态飞行状态下的位置和速度；x为待估计状态向量；Bi为接收m颗卫星L1和L2载波信号计算的模糊参数单差值；T 为向量与矩阵的转置。因此，在某历元下可列观测方程：（3）式中，y为观测参数向量。由 kalman 滤波算法，对待求参数向量x及协方差矩阵P进行计算：（4）式中，h(xk)、H(xk)、Rk分别为测量模型向量、偏导数矩阵和协方差矩阵；Kk为 kalman 变换矩阵；角标k为状态值对应的时刻；（-）为上一状态预测值；（+）朱增锋，等.基于RTK定位的无人机DSM生产质量评估110地理信息世界GEOMATICS WORLD第29卷技术探讨为本次状态预测值。进而，就可以通过以下方式解算出相应的模糊度参数和无人机天线位置：（5）式中，QR、QNR、QRN、QN为协方差矩阵的分区矩阵；N为模糊度；G为由变换到双差的转换矩阵，表示为：（6）经最大似然估计，获得最优整数解N：（7）因此，无人机实时差分定位坐标rr及其速度矢量vr可由下式计算得到：（8）2 顾及权值的 GNSS 辅助空中三角测量2.1 测量模型GNSS辅助空中三角测量是指在光束法平差过程中，将差分无人机系统获取的精确摄站坐标与像点坐标、地面点坐标、相机参数一同作为观测量进行整体平差解算11。由于在平差过程中不引入或少量引入地面控制点，因此摄站坐标是控制平差模型精度的关键。结合摄影测量理论，辅助光束法平差测量模型可表述为：（9）式中，Vx、Vc、Vs、Vg分别为像点、空间点、畸变参数和摄站坐标改正数向量；x=x y zT为像点坐标增量；t=XS YS ZST为影像位置、姿态参数增量；c、r、d分别为相机检校参数、天线相位中心改正参数、漂移改正参数向量；A、B、C、A-、R、D为系数矩阵；lx、lc、ls、lg为残差向量；Pc、Ps、Pg为观测值权矩阵。上式误差方程可简化表示为：（10）进而得到法方程：（11）代入各参数后，得到：（12）上式经最小二乘平差，可清晰求解出未知参数，获取精准的三维重建效果。2.2 观测值权重分析从上述空中三角测量模型可知，每项观测值在平差过程中体现着不同的权重，也就是说权重设定会直接影响平差精度情况。在 GNSS 辅助光束法平差过程中，摄站坐标是平差模型解算精度的关键，因此本文主要讨论摄站坐标权值的最优设定方法。对于某观测值而言，一般采用方差来衡量精度情况，且方差的大小与观测值误差相对应12。也就是说，方差值越大，观测值精度越差，因此可以采用比值的方式定义权值大小。设观测量Li(i=1,2,n)对应的精度为i2(i=1,2,n)，经设定基