基于无人机影像的公路工程测量数据提取方法研究

引言

公路工程测量涵盖选线勘测、地形测绘、施工放样、竣工测量及养护监测等环节，成果质量直接影响设计、施工与运营安全。传统全站仪、水准仪、GPS-RTK 等虽能满足精度要求，但在大范围、复杂地形及动态施工环境中效率低、劳动强度大，且存在安全风险。无人机遥感的发展为测量提供新方案，通过搭载高分辨率相机、倾斜摄影或激光雷达，可快速获取大范围高精度影像，并利用摄影测量与数字建模实现三维重建，具备灵活高效、适应性强等优势，尤其适用于长线路、多断面测量。然而，其精度受航线规划、飞行高度、重叠度、相机标定及光照等因素影响，数据解算与提取也依赖算法与模型优化。因此，研究基于无人机影像的公路测量数据提取方法，对提升测量精度、效率与信息化水平具有重要意义。

一、无人机影像数据获取与航线设计优化

无人机影像的质量直接决定了后续数据提取的精度和效率，因此在数据获取阶段应充分考虑公路工程的测量特点与现场环境条件。对于长线路的公路测量，应采用分段航拍与连续航线相结合的方式，确保航线覆盖完整且重叠度满足摄影测量的要求，通常前向重叠度应不低于 80% ，旁向重叠度不低于 70% ，以确保多视几何条件良好。飞行高度的确定应兼顾地面分辨率（GSD）与飞行效率，高精度测量建议GSD 控制在2~5 厘米范围内，这需要结合相机分辨率、镜头焦距及地形起伏来确定飞行高度。此外，为提高在复杂地形中的航拍质量，应在航线规划中加入地形跟随功能，避免因高差过大导致影像分辨率不一致。在外业作业中，需设置足够数量的地面控制点（GCP）及检查点（Check Point），并通过高精度 GNSS 测量其坐标，以提供影像空三加密的控制条件。对于长桥、高架及隧道出入口等特殊结构，应单独设计航拍方案，以确保影像获取的连续性与完整性，从而为后续数据提取打下坚实基础。

二、影像预处理与空三加密技术

在影像数据获取后，需进行影像预处理，包括辐射校正、畸变校正、色彩均衡及噪声滤除，以提高影像质量和匹配精度。相机畸变校正可通过相机内方位元素的标定参数进行几何校正，辐射校正则通过消除光照差异和色彩不均，提高影像拼接效果。空三加密是无人机影像数据处理的核心环节，通过匹配影像特征点（如SIFT、SURF、ORB等算法提取的特征）建立影像间的同名点，并结合地面控制点坐标进行光束法平差，求解各影像的外方位元素和点云三维坐标。在公路测量中，由于线路较长且存在弯道、起伏较大等特点，空三加密需重点保证沿线路方向的匹配精度和一致性，可通过增加航向重叠影像的匹配权重来提升主方向的几何稳定性。同时，对于因植被覆盖、阴影或反光造成的特征点稀少区域，可引入辅助匹配算法或多时相影像进行补充匹配，提高整体空三成果的可靠性。

三、数字表面模型与数字正射影像生成及特征提取

完成空三加密后，可通过多视立体匹配（如 Semi-Global Matching，Patch-based Multi-View Stereo 等算法）生成高密度点云数据，并进一步构建数字表面模型（DSM）与数字正射影像（DOM）。DSM 能够真实反映地物表面的高程信息，包括路面、边坡、构筑物及植被等，而通过滤除地物点可生成数字高程模型（DEM），为地形分析与断面提取提供基础。DOM 则是在 DSM 或 DEM 基础上进行正射校正后的影像，无倾斜畸变，便于量测与制图。在公路工程数据提取中，可通过边缘检测、线特征提取、语义分割等图像处理方法自动识别道路中线、路缘线、护栏、排水沟等特征，并结合点云数据进行高程与断面参数提取。对于边坡稳定性分析，可利用DSM 和DEM 的高程差计算边坡坡度、坡向及高差，结合历史数据进行形变监测。通过将 DOM 与设计线路对比，还可快速检测施工偏差和占地范围变化，为施工质量控制提供数据依据。

四、数据精度控制与多源融合

无人机影像测量的精度控制不仅依赖外业获取质量，还需要在内业处理阶段进行严谨的平差与检核。在精度评定中，可采用检查点与空三成果的坐标对比，计算平面与高程精度，确保满足公路测量规范中对不同等级道路的精度要求。对于需达到厘米级精度的工程，应结合高精度RTK 或PPK 技术获取无人机位置数据，减少影像定位误差。同时，多源数据融合能够进一步提升测量成果的精度与丰富度，例如将无人机影像点云与地面激光扫描数据融合，可提高路面与构筑物细节的精度；将无人机 DEM 与 GNSS 测得的高程控制点进行拟合，可修正整体高程系统偏差；结合BIM 模型，可将提取的公路三维数据直接导入设计与施工管理系统，实现数字化施工与运维管理。在地形复杂、植被覆盖率高或存在遮挡的区域，多源融合尤为重要，可通过融合 InSAR、倾斜摄影、激光雷达等多种测绘手段，提高数据的完整性与可用性。

五、结论

基于无人机影像的公路工程测量数据提取方法，在提高测量效率、降低作业风险、丰富数据维度方面展现出显著优势。通过科学的航线设计、严格的地面控制布设、精确的影像预处理与空三加密、高密度点云生成及特征提取、严谨的精度控制与多源数据融合，可以在满足规范精度要求的前提下，大幅提升数据获取与处理的效率，尤其适用于长距离、多断面、环境复杂的公路工程项目。实际工程应用表明，该方法在厘米级精度范围内能够稳定输出高质量的测量成果，显著缩短测量周期，并在施工动态监测、质量检验、竣工测量及养护评估中具有良好的适应性。未来，随着无人机搭载传感器的多样化发展及人工智能、云计算等技术的深度融合，公路工程的无人机测量将向智能化、实时化、全流程数字化方向迈进，不仅可实现自动化的数据提取与分析，还可与 BIM、GIS 及数字孪生平台集成，构建公路工程全生命周期的智慧测绘体系，为交通基础设施的高质量建设与管理提供坚实支撑。

参考文献：

[1]陈怀圆.基于无人机影像的公路实景三维重建关键技术研究[D].兰州交通大学，2024.DOI：10.27205/d.cnki.gltec.2024.001048.

[2]李晓晨.基于无人机影像的油松林分蓄积量估测研究[D].中南林业科技大学，2024.DOI：10.27662/d.cnki.gznlc.2024.000661.

[3]胡荣明，廖雨欣，竞霞，等.面向无人机影像的城市人行道结构层分类[J/OL].西安理工大学学报，1- 7[2025- 08- 09].https：//link.cnki.net/urlid/61.1294.N.20240109.1750.008.

[4]安学刚.基于深度学习的无人机影像路面健康检测研究与应用[D].兰州交通大学，2023.DOI：10.27205/d.cnki.gltec.2023.001207.