激光雷达在长输油气管道工程设计选线中的应用

摘 要：✯阐述了机载激光雷达技术及传统长输油气管道工程设计的方法，阐述了机载激光雷达技术在长输油气管道工程设计中的具体应用优势，主要体现在数据的获取效率、精度和成本。介绍了机载激光雷达技术在某管道工程设计项目中的应用，基于TerraSolid的数据处理，特别是高精度DEM的生产。通过与野外实际测量数据的对比分析表明，成果数据精度达到设计标准，能够满足长输石油管道☑工程设计的精度要求。最后客观总结了该技术的优缺点，同时指出该技术在未来具有的应用前景。

关键词：机载激光雷达；DEM；管道工程设计

0 前言

当前，油气资源在国民经济中扮演了越来越重要的角色。在油气管道建设工程中，设计工作作为工程的最初环节，决定了油气管道的工程走向、工程造价、运营维护及环境影响等诸多方面。为设计工作提供良好的基础测绘数据，包括DOM、DEM和DLG，是道设计人员在选线、设计施工方案、计算征地拆迁量等必不可少的依据。

机载激光雷达技术，即LiDAR，是一种综合利用激光、全球定位系统（GPS）、惯性导航系统（IMU）的数据采集技术。利用机载激光雷达技术结合航空摄影测量技术，能够以相对较低成本为管道设计选线提供高精度的参考数据。

笔者参与了某国家级长输天然气管道的设计工程的设计选线数据采集工作，针对该项目需求进行了实验工作，利用机载激光雷达技术与航空摄影测量技术，获取了大量高质量原始✡数据，并利用TerraSolid等软件对原始数据进行处理，获得了DOM、DEM等数据，为设计选线工作提供了高质量的空间地理信息数据，取得了令人满意的实验成果。

1 激光雷达测量系统技术原理

1.1 激光雷达测量原理

激光雷达使用的是由激光器发射激光以光速传播，当激光发射到被测量物体的表面时，一部分反射激光被接收器所接收，计算出激光器发射点到反射物体的距离，再结合激光雷达系统瞬时位置与姿态，即可得到测点的三维坐标。

常见机载激光雷达系统通常由激光发射器，光学系统，接收器，GPS/DGPS，IMU（惯性测量单元），飞行计划和管理系统，数据采集和存储系统等部分组成。

1.3 机载激光雷达数据

机载激光雷达数据通常包括激光点云数据、回波强度图像数据。另外，为了便于对激光点云数据进行处理和应用，目前大多数的机载激光雷达系统中都集成有高分辨率航空数码相机，因此，航空数码影像数据亦可看作是机载激光雷达数据集的一部分。

2 机载激光雷达数据获取及预处理

2.1 飞行区域的确定

机载激光雷达测量工作与传统航空摄影测量类似，需要进行大量前期设计规划工作。在前期工作中，设计人员已根据卫星影像、历史数据ϟ及实地初步核实结果，确定了管道中线初步方案，以中线方案作为激光雷达航空摄影测量区域中线，以中线两侧各1km范围为飞行区域。

2.2 数据获取

本实验中采用有人飞行平台，搭载Leica ALS70机载激光雷达系统，搭配Leica ADS80航空数码相机，采用Leica Mission Pro进行飞行计划的编排评估，采用Leica Flight Pro进行飞行控制，并根据飞行计划向国家有关部门进行了空域申请的工作。整个数据获取工作历时2个月，获取了整个测区原始激光波形数据、航片数据、GPS观测数据和IMU姿态数据，为后续数据处理打下了坚实的基础。

2.3 数据预处理

激光点云数据的预处理工作，是后续数据处理工作的基础。预处理的目的是将机载激光雷达系统获取的原始波形数据，通过检校场检校数据、结合GPS观测数据和IMU瞬时姿态数据进行联合解算，获得点云数据，并以交换格式进行存储的过程。

在本实验中，还存在航空数码相机获取的航片数据，同样需要进行预处理。航空数码相机与激光雷达系统使用同源的检校数据、GSP观测数据和IMU瞬时姿态数据，采用相机自带软件系统进行自动解算。

3 激光点云数据处理

本实验中，采用芬兰TerraoSolid公司出品的TerraSolid作为激光点云数据处理软件进行数据处理。

3.1 点云数据的分割

激光雷达点云数据是以Las文件为存储和处理单元。由于点云数据量非常大，而当前点云处理软件往往在容量上有限制，因此在处理点云数据前，必须先对整个区域的激光点云进行分块处理。以本实验为例，处理硬件为2GB大小内存，能够同时处理500万点，在实际操作中，我们将分块℃大小设置为每1平方公里一个块。在本实验中，使用的TerraPhoto与TerraScan模块进行的自动分块。

3.2 点云分类前预处理

分块后的点云数据在进行分类处理前，需要利用TerraScan模块进行一系列预处理，将精度较低的点数据从数据集中剔除，提高数据整体精度。

（1）建立航迹线与点的对应关系。利用TerraScan中自带的宏命令，将航迹线和点进行对应。

（2）建立自定义分类代码。TerraSolid系统内置了一系列常用分类代码。根据具体应用也可对分类代码进行增删和修改。本实验根据需求，重新定义了点云分类代码，如下表1：

（3）剔除低精度数据。在点云模型中，存在每条航带中偏离航迹线较远的点，由于这部分点变形较大，精度不高，所以需要在预处理中进行剔除。

3.3 点云数据分类

激光点云数据的分类又称为滤波，是点云模型处理中最核心的操作，其目的是将看似散乱无章的点云数据模型，通过数学算法和人工判读，按照规则进行分离，从而识别地面、建筑、植被、水面等不同地物对象。

针对点云模型的自动滤波分类，已有较多的成熟算法，但在实际应用中，自动滤波还存在一定问题，需要辅以人工分类。 3.2.1 自动滤波

在TerraScan中内置了一系列算法，主要基于成熟度最高的形态学和坡度的滤波方法，能够完成50%以上的工作，其主要步骤如下图1。

（1）识别并剔除异常离散点。这些异常离散点是明显脱离整个模型的点数据，一般是数据获取和预处理时，由于软硬件系统及周围环境造成的异常数据，

（2）识别地面点。剔除异常离散点后，局部最低点可认为是点云模型中的地面点和建筑表面点。

（3）识别植被点。该步骤是将植被点从Default层点云中分类出来，并可根据需要将植被点进一步分类为高、中、低三种类型的植被点。

（4）识别建筑点。完成以上步骤后，建筑点被分类在高植被层中，可通过软件内置方法将建筑点从植被中分类出来。

经过上述自动滤波步骤，点云模型已经被初步分类为异常离散点、地面点、高中低植被和建筑等层。由于自动滤波结果受点云模型和环境影响较大，不能作为最终成果，因此还需要进行人工分类。

3.2.2 人工分类

3.4 DEM生产

点云分类完成后，可利用TerraScan的导出功能进行DEM生产。在导出窗口中设置DEM间隔、坐标系统和导出文件格式后，可按照点云分块导出DEM，也可利用软件宏批量导出DEM。至此，基于激光雷达点云数据的DEM生产完成。

3.5 DOM、DLG数据的生产

基于激光点云的高精度的DEM生产完成后，可采用传统正射影像生产流程进行DOM生产，并用DOM作为底图进行DLG的提取。

4 结论

机载激光雷达技术作为一种较新的航空遥感技术，已经在长输油气管道工程中得到了一定的应用。虽然在应用中还存在一定的缺陷，但是随着数据处理算法的逐步发展，机载激光雷达技术必将在管道工程领域得到更广泛的因公。