基于航测数据的地形图自动化生成与精度分析研究

引言

地理信息的重要载体地形图在城乡规划、工程建设、资源勘探等领域有着不可替代的作用，传统地形图绘制靠人工实测，效率低、周期长、成本高的局限使其难以满足快速更新需求，航空摄影测量技术通过航空器搭载传感器获取地表影像数据，给地形图自动化生成提供了高效数据源，地形图自动化生成以航测数据为基础依靠计算机视觉、数字图像处理等技术可将影像数据转化成矢量地图，地形图制作效率和更新速度因此大幅提高，不过自动化生成时数据处理、模型构建等环节都可能产生误差而影响地形图精度，深入剖析自动化生成的理论机制和精度影响规律对地形图制作技术发展意义重大。

一、基于航测数据的地形图自动化生成技术流程

（一）航测数据获取与预处理

自动化生成以航测数据获取为基础，光学相机、激光雷达等传感器由无人机、航摄飞机等平台搭载，用来采集地表影像与高程信息，且影像数据要达到航向重叠度一般不少于 60% 、旁向重叠度不少于 30% 的重叠度要求，这样后续匹配才可靠，原始数据的校正与优化是预处理阶段的主要任务，像辐射校正和几何校正就包含在内，辐射校正消除传感器误差、大气散射等因素对影像亮度的影响，使得同一地物在不同影像上灰度一致，几何校正借助地面控制点把影像坐标转换为大地坐标，修正地形起伏、传感器姿态变化造成的几何变形，给后续数据处理建立空间基准[1]。

（二）影像匹配与三维重建

自动化生成的核心环节是影像匹配，识别不同影像里同名点的对应关系就能构建地表三维结构，主流技术是基于特征的匹配方法，先把影像中的关键点（像角点、边缘点之类的）提取出来，再用尺度不变特征变换等算法描述特征点的局部信息，接着借助特征相似性度量达成同名点匹配，同名点经匹配得到后，三维重建根据摄影测量原理来计算地物的三维坐标，通过调整相机内外方位元素，光束平差法让重建结果符合最小二乘准则以优化三维点云的空间精度，生成的密集点云数据能够直观地反映地表形态，从而给地形图的高程信息提取打下基础。

（三）数字高程模型与矢量地图生成

地形图的核心组成部分是由密集点云插值处理生成的数字高程模型（DEM），克里金插值、反距离加权插值等是常用插值方法，插值时需考虑地形复杂度且地形变化剧烈区域要加密采样点以保证 DEM 对地形的表现力，矢量地图靠对 DEM 和影像数据进行特征提取与矢量化来生成，地物轮廓（像道路、建筑物边界）由边缘检测算法识别且地物类型借助影像语义分割技术区分，提取的特征转化为矢量要素（点、线、面）后赋予属性信息便形成完整地形图。

二、地形图自动化生成的精度影响因素

（一）数据源特性的影响

地形图精度直接由航测数据质量决定，影像分辨率影响地物细节识别能力，低分辨率影像难以捕捉小型地物边界从而导致矢量要素提取产生误差，影像辐射质量（像亮度均匀性、对比度之类）不足时特征点提取困难、匹配精度下降且三维重建结果也会受影响，传感器性能也会带来误差，相机内方位元素标定误差会累积到三维坐标计算里，激光雷达测距精度受扫描角度、大气条件影响进而高程数据可能出现偏差，数据获取时飞行姿态不稳定会使影像扭曲、几何一致性降低。

（二）数据处理算法的局限

精度损失的一个重要原因是影像匹配算法存在局限性，影像若有重复纹理（像大片植被）、遮挡区域时容易误匹配，同名点对应关系会出错，进而三维点云产生噪声；特征提取算法对弱纹理区域不够敏感，可能漏掉关键匹配点，导致重建完整性受到影响；DEM 精度受插值算法选择的影响很明显，地形突变的地方用线性插值容易产生阶梯状失真，多项式插值可能会过度让地形细节变平滑，从而山脊、山谷等特征丢失；矢量要素提取的时候，边缘检测算法处理模糊边界的能力有限，地物轮廓和实际位置存在偏差[2]。

（三）外部环境的干扰

数据质量受外部环境因素影响，地形图精度由此被间接降低，影像对比度因大气散射下降（雾霾天气时尤甚），地物特征变得模糊，匹配难度增加；在地形起伏剧烈之处，影像投影差较大，几何校正难以彻底消除变形，导致局部区域精度下降，并且结果也受地表覆盖类型影响，在茂密植被区域，影像匹配主要依靠冠层表面，和实际地面存在高差，DEM 高程值就偏高，而水体表面的镜面反射让影像特征缺失，容易出现匹配空洞。

三、提升地形图自动化生成精度的理论策略

（一）优化数据源采集与预处理

数据质量需从源头控制，地形图有精度要求时就要选择合适的传感器与飞行参数，高分辨率地形图需用高像素相机且要提高飞行高度和重叠度的匹配性。要加强传感器标定，采用实验室校准和现场检校相结合的方法以降低内方位元素误差。预处理阶段引入自适应辐射校正算法，由于不同区域光照条件不同校正参数动态调整，几何校正采用多源控制点融合技术将 GNSS 实测数据和已有地图数据相结合来提高坐标转换精度。对质量不好的影像进行筛选和增强处理，剔除模糊、过曝的影像从而提升后续处理的可靠性[3]。

（二）改进数据处理算法

影像匹配算法的研发要更具鲁棒性且结合深度学习技术，通过卷积神经网络对地物深层特征加以学习，这样弱纹理、遮挡区域的匹配精度就会提高，并且用随机采样一致性算法剔除误匹配点以优化同名点集合。三维重建阶段采取多视约束策略，利用多幅影像的冗余信息验证三维点坐标的合理性，从而减少观测误差的影响。DEM 插值算法要和地形类型自适应匹配，复杂地形采用基于地形特征的分段插值方法，进而保持地形趋势并保留细节特征。

（三）多源数据融合与精度验证

多类型航测数据各有优势，利用时空配准技术可将光学影像的纹理信息和激光雷达的高程信息深度融合起来，激光雷达数据能穿透植被间隙得到地面真实高程有助于解决植被区域高程提取的难题且光学影像靠丰富的光谱信息给地物分类提供精准依据，数据融合可实现优势互补并有效减少单一数据源的局限，要构建完善的精度验证体系从内部一致性与外部符合性这两方面对地形图精度做系统评估，内部验证是通过检查 DEM 的光滑性、坡度坡向连续性以及矢量要素的拓扑关系来判断数据质量而外部验证是用高密度实地测量的控制点和地形图数据逐点对比精确算出平面与高程误差的均值和标准差给算法优化提供定量反馈。

四、结论

地理信息获取技术基于航测数据在地形图自动化生成方面有了重要突破，其技术流程包括数据获取、预处理、匹配重建和矢量生成等环节且地形图最终精度直接受各环节理论方法的影响，精度损失主要由数据源特性、算法局限和外部环境造成而从理论上看优化数据采集、改进处理算法、融合多源数据等策略能为精度提升提供支撑，未来研究得聚焦智能化算法和多源数据的深度融合并结合实景三维建模技术使地形图的细节表现力和动态更新能力进一步提升，还得建立统一的精度评价标准以推动自动化生成技术在不同领域规范应用从而给地理信息产业发展注入新动力。

参考文献：

[1]苏秀永,柴路嘉,谭龙,等. 基于数据融合技术的无人机航测成图模式探索[J].工程勘察,2024,52(08):66-70.

[2]张嘉明,周召兵,王松,等. 无人机航测技术在原始密林地貌 1:500 地形图测绘中的应用[J].测绘技术装备,2023,25(03):122-126.

[3]郑凯枫. 无人机航测在大比例尺地形图测绘中的应用探究[J].智能城市,2020,6(08):71-72.DOI:10.19301/j.cnki.zncs.2020.08.039.