激光雷達在長輸油氣管道工程設計選線中的應用

摘 要：闡述了機載激光雷達技術及傳統長輸油氣管道工程設計的方法，闡述了機載激光雷達技術在長輸油氣管道工程設計中的具體應用優勢，主要體現在數據的獲取效率、精度和成本。介紹了機載激光雷達技術在某管道工程設計項目中的應用，基于TerraSolid的數據處理，特別是高精度DEM的生產。通過與野外實際測量數據的對比分析表明，成果數據精度達到設計標準，能夠滿足長輸石油管道工程設計的精度要求。最后客觀總結了該技術的優缺點，同時指出該技術在未來具有的應用前景。

關鍵詞：機載激光雷達；DEM；管道工程設計

0 前言

當前，油氣資源在國民經濟中扮演了越來越重要的角色。在油氣管道建設工程中，設計工作作為工程的最初環節，決定了油氣管道的工程走向、工程造價、運營維護及環境影響等諸多方面。為設計工作提供良好的基礎測繪數據，包括DOM、DEM和DLG，是道設計人員在選線、設計施工方案、計算征地拆遷量等必不可少的依據。

機載激光雷達技術，即LiDAR，是一種綜合利用激光、全球定位系統（GPS）、慣性導航系統（IMU）的數據采集技術。利用機載激光雷達技術結合航空攝影測量技術，能夠以相對較低成本為管道設計選線提供高精度的參考數據。

筆者參與了某國家級長輸天然氣管道的設計工程的設計選線數據采集工作，針對該項目需求進行了實驗工作，利用機載激光雷達技術與航空攝影測量技術，獲取了大量高質量原始數據，并利用TerraSolid等軟件對原始數據進行處理，獲得了DOM、DEM等數據，為設計選線工作提供了高質量的空間地理信息數據，取得了令人滿意的實驗成果。

1 激光雷達測量系統技術原理

1.1 激光雷達測量原理

激光雷達使用的是由激光器發射激光以光速傳播，當激光發射到被測量物體的表面時，一部分反射激光被接收器所接收，計算出激光器發射點到反射物體的距離，再結合激光雷達系統瞬時位置與姿態，即可得到測點的三維坐標。

1.2 激光雷達的系統構成

常見機載激光雷達系統通常由激光發射器，光學系統，接收器，GPS/DGPS，IMU（慣性測量單元），飛行計劃和管理系統，數據采集和存儲系統等部分組成。

1.3 機載激光雷達數據

機載激光雷達數據通常包括激光點云數據、回波強度圖像數據。另外，為了便于對激光點云數據進行處理和應用，目前大多數的機載激光雷達系統中都集成有高分辨率航空數碼相機，因此，航空數碼影像數據亦可看作是機載激光雷達數據集的一部分。

2 機載激光雷達數據獲取及預處理

2.1 飛行區域的確定

機載激光雷達測量工作與傳統航空攝影測量類似，需要進行大量前期設計規劃工作。在前期工作中，設計人員已根據衛星影像、歷史數據及實地初步核實結果，確定了管道中線初步方案，以中線方案作為激光雷達航空攝影測量區域中線，以中線兩側各1km范圍為飛行區域。

2.2 數據獲取

本實驗中采用有人飛行平臺，搭載Leica ALS70機載激光雷達系統，搭配Leica ADS80航空數碼相機，采用Leica Mission Pro進行飛行計劃的編排評估，采用Leica Flight Pro進行飛行控制，并根據飛行計劃向國家有關部門進行了空域申請的工作。整個數據獲取工作歷時2個月，獲取了整個測區原始激光波形數據、航片數據、GPS觀測數據和IMU姿態數據，為后續數據處理打下了堅實的基礎。

2.3 數據預處理

激光點云數據的預處理工作，是后續數據處理工作的基礎。預處理的目的是將機載激光雷達系統獲取的原始波形數據，通過檢校場檢校數據、結合GPS觀測數據和IMU瞬時姿態數據進行聯合解算，獲得點云數據，并以交換格式進行存儲的過程。

在本實驗中，還存在航空數碼相機獲取的航片數據，同樣需要進行預處理。航空數碼相機與激光雷達系統使用同源的檢校數據、GSP觀測數據和IMU瞬時姿態數據，采用相機自帶軟件系統進行自動解算。

3 激光點云數據處理

本實驗中，采用芬蘭TerraoSolid公司出品的TerraSolid作為激光點云數據處理軟件進行數據處理。

3.1 點云數據的分割

激光雷達點云數據是以Las文件為存儲和處理單元。由于點云數據量非常大，而當前點云處理軟件往往在容量上有限制，因此在處理點云數據前，必須先對整個區域的激光點云進行分塊處理。以本實驗為例，處理硬件為2GB大小內存，能夠同時處理500萬點，在實際操作中，我們將分塊大小設置為每1平方公里一個塊。在本實驗中，使用的TerraPhoto與TerraScan模塊進行的自動分塊。

3.2 點云分類前預處理

分塊后的點云數據在進行分類處理前，需要利用TerraScan模塊進行一系列預處理，將精度較低的點數據從數據集中剔除，提高數據整體精度。

（1）建立航跡線與點的對應關系。利用TerraScan中自帶的宏命令，將航跡線和點進行對應。

（2）建立自定義分類代碼。TerraSolid系統內置了一系列常用分類代碼。根據具體應用也可對分類代碼進行增刪和修改。本實驗根據需求，重新定義了點云分類代碼，如下表1：

（3）剔除低精度數據。在點云模型中，存在每條航帶中偏離航跡線較遠的點，由于這部分點變形較大，精度不高，所以需要在預處理中進行剔除。

3.3 點云數據分類

激光點云數據的分類又稱為濾波，是點云模型處理中最核心的操作，其目的是將看似散亂無章的點云數據模型，通過數學算法和人工判讀，按照規則進行分離，從而識別地面、建筑、植被、水面等不同地物對象。

針對點云模型的自動濾波分類，已有較多的成熟算法，但在實際應用中，自動濾波還存在一定問題，需要輔以人工分類。endprint

3.2.1 自動濾波

在TerraScan中內置了一系列算法，主要基于成熟度最高的形態學和坡度的濾波方法，能夠完成50%以上的工作，其主要步驟如下圖1。

（1）識別并剔除異常離散點。這些異常離散點是明顯脫離整個模型的點數據，一般是數據獲取和預處理時，由于軟硬件系統及周圍環境造成的異常數據，

（2）識別地面點。剔除異常離散點后，局部最低點可認為是點云模型中的地面點和建筑表面點。

（3）識別植被點。該步驟是將植被點從Default層點云中分類出來，并可根據需要將植被點進一步分類為高、中、低三種類型的植被點。

（4）識別建筑點。完成以上步驟后，建筑點被分類在高植被層中，可通過軟件內置方法將建筑點從植被中分類出來。

經過上述自動濾波步驟，點云模型已經被初步分類為異常離散點、地面點、高中低植被和建筑等層。由于自動濾波結果受點云模型和環境影響較大，不能作為最終成果，因此還需要進行人工分類。

3.2.2 人工分類

（1）制作快速正射影像。在人工分類之前，必須先生產快速正射影像，作為人工分類參考底圖?？焖僬溆跋竦纳芍饕ㄒ韵聨讉€步驟：1）模型關鍵點（Model Key Points）的生成。生成關鍵點后，再將模型關鍵點合并回地面點，以免影響后續操作； 2）快速正射影像生成。該步驟主要使用TerraTscan和TPhoto模塊進行自動進行快速正射影像的生產。

（2）快速正射影像生成后，即可進行人工分類。在人工分類操作時按照以下步驟進行：1）識別點云自動分類造成的錯誤，如在DEM Surface中的空洞區域和明顯錯誤區域，疊加圖中識別點云與影像明顯不符的區域，作為人工修改區域； 2）選中人工修改區域，在剖面圖中根據影像或點云模型特征選中分類錯誤的點，將點重新分類為正確的類； 3）對比影像和surface，反復修改每塊Block地面點生成的surface，直至沒有明顯的錯誤問題為止。所有Block中的點云修訂完成后，即可進行DEM出圖。

3.4 DEM生產

點云分類完成后，可利用TerraScan的導出功能進行DEM生產。在導出窗口中設置DEM間隔、坐標系統和導出文件格式后，可按照點云分塊導出DEM，也可利用軟件宏批量導出DEM。至此，基于激光雷達點云數據的DEM生產完成。

3.5 DOM、DLG數據的生產

基于激光點云的高精度的DEM生產完成后，可采用傳統正射影像生產流程進行DOM生產，并用DOM作為底圖進行DLG的提取。

4 結論

機載激光雷達技術作為一種較新的航空遙感技術，已經在長輸油氣管道工程中得到了一定的應用。雖然在應用中還存在一定的缺陷，但是隨著數據處理算法的逐步發展，機載激光雷達技術必將在管道工程領域得到更廣泛的因公。

參考文獻：

[1]陳功，程正逢等.激光雷達在電力線路工程勘測設計中的應用[J].電力勘測設，2006.

[2]蒙祥達，李新科.機載激光雷達技術及其在電力工程中的應用[J].廣西電業，2007.

[3]黃旭.機載激光雷達技術在送電線路設計中的應用[J].紅水河，2009.

[4]吳華意，宋愛紅等.機載激雷達系統的應用與數據后處理技術[J].測繪與空間地理信息，2006.

[5]唐斌.地理信息系統在油氣長輸管道中的應用[J].油氣田地面工程，2010.

[6]王利金，劉建武.川氣東送管道工程設計優化[J].油氣儲運，2010.

[7]王昕寧.管道工程中基于LiDar的高精度DEM獲取[J].北京測繪，2013.

[8]劉妍.基于MicroStation的機載激光雷達數據處理應用研究[J].長安大學，2012.

[9]韓改新.機載激光雷達（LIDAR）技術在鐵路勘測設計中的應用探討[J].鐵道勘察，2008.

作者簡介：張峰（1982-），男，陜西漢中人，學士，工程師。endprint