基于无人机的国土空间规划用地测绘技术

屈 莹 刘军廷 姜南雪

（1.宁波冶金勘察设计研究股份有限公司，浙江 宁波 315041；2.辽宁省地质矿产局铁岭工程勘察院有限责任公司，辽宁 铁岭 112000）

0.引言

国土空间规划是国土空间发展的依据与高质量发展的空间蓝图，是各类国土空间开发建设保护活动的基本依据。近年来，在自然资源部和各级政府的推动下，从国家到地方出台了一系列政策，有力地推动了我国国土空间规划体系的完善；同时，随着遥感测绘技术、计算机图形技术、人工智能等技术的不断融合发展，国土空间规划智能化的信息手段也在不断完善。在过去几年，各级政府已经搭建了相应层级的国土空间基础信息平台，并初步实现了纵向互联互通，在横向上为各级自然资源和规划部门搭建国土空间规划一张图提供了有力支撑，为自然资源业务部门开展国土空间规划编制、实施、监督等工作提供了智能而科学的决策支撑。在此过程中，国内外研究人员开始尝试基于遥感和计算机影像特征智能分析等技术，建立国土空间规划用地测绘遥感影像分析模型，实现国土空间规划用地测绘优化，从而提高国土空间的利用和综合测绘管理能力。相关的国土空间规划用地测绘技术研究在计算机图像和测绘学等诸多方面具有重要的研究前景。通过国土空间规划用地测绘遥感监测，采用无人机遥感测绘技术进行图像采集，通过数字图像分析和空间数据智能化处理技术，能显著提高国土的规划和利用效能[1]。

对国土空间规划用地的测绘研究是建立在对土地测绘的信息分析和图像特征提取的基础上，通过地理空间测绘技术，构建国土调查过程中的地籍测绘数据分析样本，然后采用BIM分析模型，进行国土空间测绘数据库设计[2]。当前，主要的国土空间规划用地测绘方法包括机载点云数据分析法、BIM测绘分析法及卫星遥感监测法等[3]。文中提出基于生成对抗网络的天绘一号卫星高原地区影像监测和测绘方法，通过云覆盖下垫面（下垫面即大气与其下界的固态地面或液态水面的分界面）形貌卫星参数分析，结合图像增强法及图像修复法进行测绘设计，但该方法在测绘作图过程中的收敛性较差。文献[4]中提出图像语义特征分析的国土空间规划用地测绘技术，采用纹理合成和扩散填充方法，通过遥感影像去云处理，提高测绘输出的清晰度，但该方法的模糊度较大，测绘绘图的精度不高。为此，本文提出基于无人机的国土空间规划用地测绘技术。首先，采用无人机遥感探测技术实现对国土空间规划用地的遥感影像监测；然后建立国土空间规划用地测绘的聚类分析模型，实现国土空间规划用地测绘优化，为国土空间规划用地的保护和管理提供数据基础；最后通过一组真实数据开展仿真测试并对结果进行分析，用以验证本文方法在提高国土空间规划用地测绘遥感监测能力方面的可靠性。

1.国土空间规划用地遥感影像采集和测绘总体结构

1.1 遥感影像采集

结合国土空间规划用地测绘遥感影像采集方法，采用低空无人机和地基摄影测量技术获取研究范围内地物的遥感影像；然后建立国土空间规划用地测绘遥感监测和图像分析模型，通过自适应图像区域分割和区域增长性特征分析方法，进行国土空间规划用地遥感影像的边缘轮廓检测和分割处理。通过高分辨率遥感影像分割处理算法，进行模型参数分析，建立国土空间规划用地遥感影像的BIM数据库；通过样本标签识别，采用模型检验和样本标签标注的方法，进行遥感测试和数据标签标注；通过数据增强和渲染方法[6]，得到遥感影像目标特征。面向测绘技术的国土空间规划用地遥感影像分割及检测模型流程如图1所示。

图1 国土空间规划用地测绘影像检测流程图

根据图1所示的国土空间规划用地测绘影像检测采集流程，提取国土空间规划用地测绘遥感影像的边缘轮廓。以无人机监测的高光谱影像为数据源，在无云影像中使用矩形中心迁移方法，建立国土空间规划用地测绘影像的边缘轮廓检测模型[7]，得到无人机监测遥感区域的细节特征。利用原图进行替换，通过对遥感测绘获取的影像边缘信息分布情况进行检测，得到国土空间规划的网络训练流程，如图2所示。

图2 国土空间规划的网络训练流程

1.2 测绘遥感影像预处理

以无人机监测的高光谱影像为数据源，通过最小二乘光谱解混处理方法，建立国土空间规划用地测绘规划的最小二乘损失函数。根据国土空间的沼泽、水域、农田、林地、草甸等土地属性的聚类特征，得到每训练1次生成网络后的无人机监测遥感图像中的细节信息分布序列。根据国土的沼泽、水域、农田、林地、草甸等土地属性的聚类特征，采用植被分布格局多样性聚类方法，进行用地测绘模型优化。

2.国土空间规划用地测绘优化

2.1 无人机国土空间规划用地参数解析

通过控制扩张率获得不同大小的测绘信息，得到无人机测绘图像I（x，y）在球面弧最大高度Height，大范围判定阈值Delta，约束矩阵J（x，y，σ），高程采样计算值，如式（1）所示：

式（1）中，Lx（x，y，σ）和Ly（x，y，σ）为地形起伏特征参数，采用断面封闭约束的方法分别为线面与地面的像素级融合导数，提取高程采样点的梯度信息，得到两个目标点AO、BO对应的封闭约束矩阵H（x，y，σ）。空间平面点、地面点的参考信息，如式（2）所示：

式（2）中，Lx（x，y，σ）和Ly（x，y，σ）为地形起伏特征参数；J为高程采样点参数；将离散点数据导入测绘系统中，采用地理位置区域分块检测，从而增加偏移量。根据上述对无人机国土空间规划用地参数解析结果，采用两点线段进行可视表达，实现对地籍测绘图像样本信息的特征分析和数据解算。

2.2 国土空间规划用地的测绘输出

建立国土空间规划用地测绘遥感影像传感参数融合模型，结合标记形状分析，小块融合的32×32分量根据颜色特征具有旋转不变性的特点，对空间规划测量数据进行区域网平差，并沿球面进行插值采样，得到国土空间规划用地测绘的无人机采样遥感影像的凸特征点集，表示为Ima（xt）=p（xt|d0，…，t），其为N个目标信息专题图样本，如式（3）所示：

式（3）中，sjt为对应金字塔级别的高程数据；xjt为球面弧最大高度参数；wjt为地球中心点EC加入后的高程函数；N为检测点，对于t＝0，1，…k，对应的地球球面弧绘制测量值Zk=｛z0，z1，…，zk｝，用xk表示深度学习分量WR，得到平滑参数，进而获得每个输入点的两侧生成的控制点共线参数｛xk，yk，θk｝。由此，根据两个目标之间不同连线的空间分布位置和特征，进行高程值测量，实现基于无人机的国土空间规划用地测绘。

3.仿真测试

采用GPU Shader构建国土空间规划用地测绘的仿真模型，对国土空间规划光谱光频端输出分量，取R、G、B三个分量，设定国土空间规划用地测绘的初始匹配点数6000，图像被切割成尺寸为512×512，样本采样网格大小为256×256，测绘的三维地理位置信息分布如表1所示。

表1 国土空间规划用地测绘的三维地理坐标系分布

由表1可知：三维坐标分布空间中，采用1∶25万DEM数字高程模型数据，进行无人机遥感监测，得到国土空间规划用地测绘的无人机监测拓扑结构，如图3所示。

图3 国土空间规划用地测绘的无人机监测拓扑结构

在此基础上进行国土空间规划用地测绘，得到凸包拟合曲线，如图4所示。

图4 国土空间规划用地测绘的凸包拟合曲线

通过凸包拟合结果，在垂直平分线两侧进行高程采样和平滑处理，得到处理后的地面特征拟合结果，如图5所示。

图5 平滑处理

通过对整条曲线进行局部几何特征综合分析，实现测绘优化输出，得到分析后的结果，如图6所示。

图6 测绘输出

由图6可知：本文提出的国土空间用地测绘方法能有效实现国土空间用地测绘规划。通过国土空间规划用地测绘优化，为国土空间规划用地的保护和管理提供数据基础。对比国土空间规划用地测绘的正确匹配率和测绘时间，得出结果，如表2所示。由表2可知：本文方法的匹配正确率较高，匹配时间较短。

表2 测绘正确匹配率和时间比较

4.结束语

本文提出基于无人机的国土空间规划用地测绘技术，建立国土空间规划用地遥感影像的BIM数据库，采用模型检验和样本标签标注的方法进行遥感测试和数据标签标注；根据国土的沼泽、水域、农田、林地、草甸等土地属性的聚类特征，采用植被分布格局多样性聚类方法，进行用地测绘模型优化。通过真实的试验数据分析得知，本文方法对国土空间规划用地测绘规划的性能较好，匹配率较高，能显著提高国土空间规划用地的测绘输出平滑性和准确性，具有较高的应用价值。由于条件限制，未将本文的研究成果导入国土空间基础信息平台和国土空间规划实施监督一张图等信息系统中进行效果和质量的进一步验证，这将是下一步研究的重点。