基于无人机倾斜影像DSM 数据的城市土地利用动态监测分析

杨瑜 马家驹

（浙江有色勘测规划设计有限公司 浙江绍兴 312000）

1 引言

城市土地利用情况处于不断变化的状态，为了准确掌握城市土地利用的变化情况，必须做好动态监测[1]。无人机倾斜摄影测量技术是近年来新兴的一门低空摄影航测技术，在土地利用和城市规划方面扮演着越来越重要的角色。相比传统的土地利用监测方法，无人机航测技术具有效率高、成本低、受区域限制小等诸多优势，能够显著提高城市土地利用动态监测的精度和效率，对于决策者科学指导城市的规划与建设具有重要意义[2]。

Cai G 等[5]提出Perspective-SIFT 算法，进一步提升了影像匹配的效率和精度，促进了无人机技术在动态监测领域的应用。文雄飞等[4]提出利用无人机技术作为卫星影像的有效补充，对三峡库区水土保持动态监测进行了探讨分析。赵燕伶等[5]提出了一种利用无人机遥感进行土地违法监测的思路和方法，通过飞行验证了图斑识别的正确率为81.8%。但是，由于城市土地利用变化频繁，数据量较大，如何有效提升监测效率和精度，减少人为干预，就成为当前研究的重点。

本文基于前人研究理论和经验，构建基于无人机倾斜摄影测量技术的城市土地利用动态监测方法，以期能为无人机倾斜摄影技术在城市土地动态监测中的进一步运用提供借鉴。

2 无人机倾斜摄影测量技术

传统城市土地动态监测工作流程一般为获取数据源、数据预处理（制作数字正射影像图（Digital Orthophoto Map，简称DOM）和规划资料图件）、制作专题图、变化信息提取、实地核查、后期处理和数据入库。从工作流程来讲，传统的监测方法存在如下几个问题：

（1）监测过程需大量的人工干预，依赖于监管人员对行业标准、规范等的熟练程度。

（2）数据处理精度和效率受正射影像、专题图件以及遥感算法选择的影响较大。

（3）存在人工赋值属性环节，监测数据的真实性与可靠性难以得到保证。

针对传统监测方法的不足，提出基于无人机倾斜摄影测量技术的城市土地利用动态监测方法。无人机倾斜摄影测量技术借助于无人机飞行平台，搭载特定的遥感传感器和航拍设备来获取特定的数据信息，具有快速的反应能力、突出的时效性和性价比、监控区域受限制小以及数据快速获取和处理与建模能力等多重优势，能够显著提高城市土地利用动态监测的精度和效率。无人机倾斜摄影测量系统由飞行控制系统、地面站系统、动力系统与GPS 自主导航系统、数据采集系统（倾斜相机）以及倾斜影像处理系统组成。基于无人机倾斜摄影测量技术的城市土地利用动态监测方法可分为以下流程（见图1）：

图1 技术流程

（1）航摄前的准备工作。

（2）数据采集与处理，包括影像快拼、像控点的布设、空三加密。

（3）DSM 提取，包括倾斜影像预处理、影像匹配以及DSM 生成。

（4）基于DSM 的变化信息提取，包括变化信息提取和冗余变化点剔除。

3 数据采集与处理

研究试验区位于浙江绍兴某城区部分区域，数据采集共进行两次，第一次为2018 年10 月，第二次为2019 年10 月，时间间隔一年，分别对同一区域进行数据采集。数据采集时采用DM-610G 六旋翼电动无人机，其续航时间为3h，翼展为2.25m，有效载荷为5kg，倾斜相机采用红鹏AP5600 型5 镜头多视角相机，镜头焦距值为20mm，像素大于1×108(px)，相机镜头的倾角为45°。

数据采集完后，首先利用Pix4Dmapper 软件进行影像快拼，在快拼结果基础上，选择航摄区内易于识别和定位且位置相对固定的点作为像控点，一般选取建筑物上的点或者图案标志清晰的拐点棱角作为像控点，通过野外像控点，进行未知点坐标高程的分析计算，然后求解全图像的外方位元素（即进行空三加密）。

4 DSM 生成

利用倾斜影像生成DSM 的技术流程见图2。通过空三加密处理的影像，还不能直接进行DSM 的生成，这主要是因为倾斜相机独特的构造，使得在航摄过程中会造成影像不同程度的噪声和畸变，这会大大降低航片匹配过程中的匹配精度，故首先需要对其进行去噪、增强和畸变纠正处理。影像去噪处理采用非线性双边滤波法，经去噪处理后，再对影像进行增强处理以提高影像的显示质量，影像增强采用Wallis 滤波器，然后再利用10 参数模型作为相机畸变纠正模型对航片进行畸变纠正。

图2 DSM 生成技术流程

经去噪、增强和纠正过后的影像，需进行影像分块匹配，本文主要采用SIFT 算法对航摄影像进行匹配，其具体过程为：

（1）进行高斯差（Difference of Gaussians，DOG）尺度的空间构建。

（2）极值点检测。

（3）确定关键点主方向。

（4）根据特征向量匹配照片，匹配策略为：首先对影像公共区域部分进行分块处理，其次对同名影像进行匹配，最后再对所有的影像进行融合处理。

由于倾斜摄影过程中产生的误差以及影像处理过程中产生的误差，会导致影像精度不佳，故通过影像匹配处理过后，还需要对影像进行光束法区域平差，最终生成两个时间节点的DSM 见图3。生成DSM 后，在试验区选取一个区域，布设10 个外业检查点，然后对DSM 精度进行评价，结果见表1。从表中可以看到：经影像预处理、影像匹配和区域网平差过后，一期DSM 的平面最大误差为0.093m，中误差为0.0638m，高程最大误差为0.736m，中误差为0.328m；二期DSM 的平面最大误差为0.089m，中误差为0.0598m，高程最大误差为0.367m，中误差为0.21m，误差精度均满足对变化信息的提取要求。

图3 DSM 生成结果

表1 DSM 精度评价

5 变化信息提取

基于两期DSM 数据，可以对城市土地变化信息进行提取，城市土地的利用主要反映在不同时期高程的变化，因而，对两个不同时间段同一位置点的DSM 高程数据进行读取。读取过程中为了避免两期选取的坐标位置不是同一精确位置，从而影响读取数据的精度。因此，选择读取点和周围8 个点的高程值的平均值作为读取点的高程值，得到两个时间段的高程h1和h2，然后利用两个时间段的高程值之差来判断实地是否发生土地利用变化，当差值超过阈值α（本文选3.5m）时，视为发生变化，当差值低于阈值α 时，视为未发生变化。高程值解算示意见图4。

图4 高程值解算示意

若对整个DSM 影响图的像元进行一一对应提取，由于数据量太大，不仅会耗费大量的人力物力，还会造成同一变化提取出多个变化点。因此，在数据读取过程中需要对检索单元进行放大。选择3.5m 作为高差阈值，并在一个较小区域内进行6m×6m、12m×12m 和15m×15m 三种不同网格检索单元的提取结果进行对比，见图5。从图中可以看到：在6m×6m 网格检索单元下，提取到了15 个信息点，在12m×12m 网格检索单元下，共提取到了5 个信息点，在15m×15m 网格检索单元下，仅保留了1 个提取点，因此，从满足变化提取的要求上来讲，12m×12m 网格检索单元不仅减少了计算工作量，而且在X 和Y 两个平面上均至少保留了一个提取点。综合各项因素，本文选取12m×12m 网格检索单元进行变化信息的提取分析。

图5 不同网格检索单元提取结果

采用12×12m 网格检索单元提取得到的变化结果见图6。从图6（a）中可以看到：由于各种因素的影响，会造成提取的变化点数据依然存在冗余情况，同时，检索网格单元的选取也会造成同一位置出现多个提取点的情况发生。因此，在变化信息提取结果基础上，还需要对冗余点进行剔除，剔除思路为：以当前提取点为圆心，将指定半径范围内存在的其他提取点进行剔除，最终得到的信息变化提取结果见图6（b），从图中可以观察到，经精简过后的变化信息提取点较精简前有大幅度减少，能够避免对同一区域变化的重复检测，可大大提升工作效率。

图6 变化信息提取结果

对变化信息提取结果进行准确度分析，结果见表2。整个实验研究区共提取到170 个变化信息点，其中，正确提取点个数为150 个，误提取点20 个，漏提取点11 个，准确率为82.9%，表明基于无人机倾斜摄影测量技术的城市土地利用动态监测分析效果良好，可在工程实践中予以合理使用。造成误提取的主要原因在于植物遮挡、水体反射、特殊建筑物干扰或者数据算法存在一定的漏洞，造成漏提取的主要原因在于DSM 影像经特殊处理后仍存在部分误差，检索网格以及高差阈值的选取对信息的提取也存在一定影像，因而会造成漏提取现象，这将在今后做进一步探讨和研究。

表2 变化信息提取精度分析结果

6 结论

基于无人机倾斜摄影测量技术，构建城市土地利用动态监测基本流程，从数据采集与处理、DSM 生成以及变化信息提取三个方面阐述了技术要点，得出如下结论：

（1）倾斜影像数据需要经过去噪、增强和纠正，分块匹配，区域网平差等减少误差的处理措施后，才能够满足变化信息提取对数字地表模型的精度要求。

（2）在变化信息提取过程中，应对高差阈值以及检索网格进行合理选取。既要保证监测信息提取精度，又要减少数据分析量，确保工作效率。

（3）利用处理过后的DSM，选择高差阈值为3.5m，网格检索单元规格为12m×12m，可使动态变化信息提取准确度达到82.9%。