CN111561908A - 一种三维激光扫描与gps-ppk的组合测量方法 - Google Patents

Abstract

一种三维激光扫描与GPS‑PPK的组合测量方法，适用于测绘领域。在待测区域中心位置布置测站，并在待测区域中平均布置GPS标靶，保证各标靶之间连线夹角在30至60度之间；以单位时间的单站采集时间获取了多个时段的GPS数据；得到待测区域的三维激光扫描点云数据和GPS标靶的GPS数据；由GPS‑PPK测量提供高精度标靶控制点坐标，三维激光扫描获得高精度点云相对坐标数据，以GPS坐标数据为基准替换进GPS标靶点的三维激光点云数据坐标当中，从而将测站的点云数据以及GPS标靶的GPS数据相互融合，最终得到待测区域点云数据的高精度绝对坐标信息。其能够将三维激光扫描和GPS‑PPK测量进行有效融合，能够为开采沉陷大范围变形监测工作提供有效、高精度、可靠的数据基础。

Description

一种三维激光扫描与GPS-PPK的组合测量方法

技术领域

本发明涉及一种组合测量方法，尤其适用于环境测绘工程中使用的一种三维激光扫描与 GPS-PPK的组合测量方法。

背景技术

中国是全球最大的煤炭生产国，其煤炭产量占全球产量的42％，其中96％的产量源于地下煤矿开采。地下煤炭开采将不可避免的造成地面沉降从而严重影响地表状况(壹)。地下矿产资源的开采带来了巨大的物质财富但同时也破坏了自然环境。

现如今对于煤矿开采导致的位移的研究所使用的数据可以直接从现场获取，传统的测量方法包括水准测量与全站仪测量。但该方法存在测点保存困难、外业工作强度大、获取有效数据少等缺点。2011年，C.Liu等人将GPS-RTK(载波相位差分技术)应用于开采沉陷监测，虽然缩短了工作时间，但是其仍然面临着与传统测量方法类似的问题，而且GPS-RTK(载波相位差分技术)的水平位置精度仅有1-4cm，垂直精度为2-8cm；量测质量也容易受到多路径效应、卫星信号阻断和天气状况的影响。此外，InSAR技术也被广泛用于矿区监测中，2000 年，Perski等人同样基于DIn SAR技术对Upper Silesia矿区开采沉陷进行监测；2004年，G e Linlin等采用多源SAR数据对Sydney西南地区的煤矿开采地表沉陷进行了监测实验研究； 2015年，S Thapa等人选取印度东北部的Jharia煤矿作为研究区进行研究。但是，In SAR 技术在单位像元内监测到的形变量有限，超过临界梯度就无法获得准确的地表真实形变，Ch en等指出单位像元与邻近像元的相位变化不超过1/4个波长时可避免相位解缠虽然提升了D- InSAR技术可监测最大沉降量，但是各卫星***可监测的最大沉降值仍然只有几厘米到几十厘米(开采深度为100米时)，因此难以监测大量级形变。

发明内容

为了克服上述技术的不足，本发明提供一种结合三维激光扫描与GPS-PPK的组合测量方法，同步进行点云数据和标靶点GPS-PPK数据采集，在不影响三维激光扫描工作效率的同时，获取对应时段的GPS数据，优化三维激光扫描标靶点的全局坐标精度的高精度、高效率、低成本。

为实现上述技术效果，本发明的三维激光扫描与GPS-PPK的组合测量方法，将GPS接收机结合三维激光扫描仪设置在一起作为测站，将三维激光扫描仪标靶作为GPS标靶，其步骤如下：

在待测区域中心位置布置测站，并在待测区域中平均布置GPS标靶，保证各标靶之间连线夹角在30至60度之间；

启动测站和GPS标靶，分别进行GPS-PPK测量和三维激光扫描，以单位时间的单站采集时间获取了多个时段的GPS数据；得到待测区域的三维激光扫描点云数据和GPS标靶的GPS数据。

由GPS-PPK测量提供高精度标靶控制点坐标，三维激光扫描获得高精度点云相对坐标数据，以GPS坐标数据为基准替换进GPS标靶点的三维激光点云数据坐标当中，从而将测站的点云数据以及GPS标靶的GPS数据相互融合，最终得到待测区域点云数据的高精度绝对坐标信息。

由于三维激光扫描数据精度远优于GPS数据，但三维激光扫描数据无法获取全局坐标信息，为利用GPS数据中的全局坐标信息，必须进行数据融合，采取位置信息以GPS为准，各点间相对位置关系以三维激光扫描数据为准的数据融合方法；

具体方法为：

以所有时段GPS数据为基准，使用ICP(Iterative Closest Point)算法将三维激光扫描数据与GPS数据进行匹配，将GPS数据作为源点云P＝{p₁,…,p_n}，将三维激光扫描数据作为待配准点云Q＝{q₁,…,q_m}且m≤n，利用最小二乘匹配迭代计算源点云和待配准点云之间的旋转和平移参数：将待配准点云Q中的每一个点q_i(i＝1,…,m)，在源点云P中均可以找到一个点p_i满足||p_i-q_i||之间的距离最小，即使得函数f(q)最小化：

式中，q_R表示待配准点云与源点云之间的旋转参数，q_T表示待配准点云与源点云之间的平移参数，对旋转参数q_R和平移参数q_U的值迭代更新直到f(q)小于预定阈值，将所有的旋转参数组成旋转矩阵R，将所有的平移参数组成平移矩阵U，所得到的旋转矩阵R和平移矩阵U即为将待配准点云Q配准到源点云P的变换矩阵；

利用双四元数法求解旋转矩阵R：使用角度θ表示三维空间中单位向量(x,y,z)的旋转， [θ,x,y,z]^T即为四元数，且满足x²+y²+z²+θ²＝1，设

为GPS数据点集P的中心，

为三维激光扫描数据点集Q的中心，则：

式中j和i为公式中的初始赋值，无实际意义，m为原点云P和待配准点云Q中的点云数量；

将原点云P和待配准点云Q中心化，则两者之间的互协方程为：

式中：M为原点云P和待配准点云Q的互协方差矩阵，T为矩阵的转置，n表示原点云P和待配准点云Q之间互相匹配的点对数量；

M的反对称矩阵A＝M-M^T，定义M的反对称矩阵的列矢量Δ＝(A₂₃ A₃₁ A₁₂)^T，则构造的4×4的对称矩阵N为：

式中，I₃为3×3的单位矩阵，Trace(M)为矩阵M的迹，则N的最大特征值所对应的特征向量即为四元数组[θ,x,y,z]^T，因此，使用四元数法得到的旋转矩阵R为：

平移矩阵U为：

使用配准后的三维激光扫描数据替换GPS数据，作为全局坐标将所有三维激光扫描仪信息都统一到GPS数据中。

以三维激光扫描单站30min时间为准同步进行数据采集，不再延长至GPS所需的≥40min 时段要求，但GPS数据仍采用GPS-PPK定位方法进行解算。

融合数据处理时，考虑到三维激光扫描数据精度较高，单独GPS数据精度无法满足规程要求的现状，采用合适的数据处理方法，仅利用GPS的全局坐标信息，各点间的相对位置关系以三维激光扫描获取的数据为准，以提高融合数据的精度。

益效果为：

本发明可以很好的将GPS-PPK测量获取的绝对坐标精度优势与三维激光扫描技术的相对位置精度优势很好的融合在一起，在保证相对位置关系稳定的情况下，大幅度提高数据的坐标绝对位置精度。而无需额外设备仪器即可实现数据的融合，有效提高检测精度，不会增加测量成本负担。

具体实施方式

下面结合具体实例对本发明做进一步说明。

为实现GPS-PPK(动态后处理技术)与三维激光扫描同步进行，在TLS三维激光扫描仪上连接GPS接收机作为测站，将三维激光扫描仪标靶作为GPS标靶，联测标靶中，GPS接收机与TLS标靶中心存在一个固定常数6.5cm作为内业数据处理时计算高程的依据。GPS接收机的型号为华测X91型双频GPS接收机，三维激光扫描仪型号为Rigel VZ1000。

本发明的三维激光扫描与GPS-PPK的组合测量方法，其步骤为

在待测区域中心位置布置测站，并在待测区域中平均布置GPS标靶，保证各标靶之间连线夹角在30至60度之间；三维激光扫描单站30min时间为准同步进行数据采集，不再延长至GPS所需的≥40min时段要求，但GPS数据仍采用GPS-PPK定位方法进行解算；

启动测站和GPS标靶，分别进行GPS-PPK测量和三维激光扫描，以单位时间的单站采集时间获取了多个时段的GPS数据；得到待测区域的三维激光扫描点云数据和GPS标靶的GPS数据。

由GPS-PPK测量提供高精度标靶控制点坐标，三维激光扫描获得高精度点云相对坐标数据，以GPS坐标数据为基准替换进GPS标靶点的三维激光点云数据坐标当中，从而将测站的点云数据以及GPS标靶的GPS数据相互融合，

由于三维激光扫描数据精度远优于GPS数据，但三维激光扫描数据无法获取全局坐标信息，为利用GPS数据中的全局坐标信息，必须进行数据融合，采取位置信息以GPS为准，各点间相对位置关系以三维激光扫描数据为准的数据融合处理流程为：

以所有时段GPS数据为基准，使用ICP(Iterative Closest Point)算法将三维激光扫描数据与GPS数据进行匹配，将GPS数据作为源点云P＝{p₁,…,p_n}，将三维激光扫描数据作为待配准点云Q＝{q₁,…,q_m}且m≤n，利用最小二乘匹配迭代计算源点云和待配准点云之间的旋转和平移参数：将待配准点云Q中的每一个点q_i(i＝1,…,m)，在源点云P中均可以找到一个点p_i满足||p_i-q_i||之间的距离最小，即使得函数f(q)最小化：

式中，q_R表示待配准点云与源点云之间的旋转参数，q_T表示待配准点云与源点云之间的平移参数，对旋转参数q_R和平移参数q_U的值迭代更新直到f(q)小于预定阈值，将所有的旋转参数组成旋转矩阵R，将所有的平移参数组成平移矩阵U，所得到的旋转矩阵R和平移矩阵U即为将待配准点云Q配准到源点云P的变换矩阵；

利用双四元数法求解旋转矩阵R：使用角度θ表示三维空间中单位向量(x,y,z)的旋转，[θ,x,y,z]^T即为四元数，且满足x²+y²+z²+θ²＝1，设

为GPS数据点集P的中心，

为三维激光扫描数据点集Q的中心，则：

式中j和i为公式中的初始赋值，无实际意义，m为原点云P和待配准点云Q中的点云数量；

将原点云P和待配准点云Q中心化，则两者之间的互协方程为：

式中：M为原点云P和待配准点云Q的互协方差矩阵，T为矩阵的转置，n表示原点云P和待配准点云Q之间互相匹配的点对数量；

M的反对称矩阵A＝M-M^T，定义M的反对称矩阵的列矢量Δ＝(A₂₃ A₃₁ A₁₂)^T，则构造的4×4的对称矩阵N为：

式中，I₃为3×3的单位矩阵，Trace(M)为矩阵M的迹，则N的最大特征值所对应的特征向量即为四元数组[θ,x,y,z]^T，因此，使用四元数法得到的旋转矩阵R为：

平移矩阵U为：

使用配准后的三维激光扫描数据替换GPS数据，作为全局坐标将所有三维激光扫描仪信息都统一到GPS数据中；

最终得到待测区域点云数据的高精度绝对坐标信息。

融合数据处理时，考虑到三维激光扫描数据精度较高，单独GPS数据精度无法满足规程要求的现状，采用合适的数据处理方法，仅利用GPS的全局坐标信息，各点间的相对位置关系以三维激光扫描获取的数据为准，以提高融合数据的精度。

具体实施例：

在进行GPS-PPK与三维激光扫描同时测量时，在6个测点上放置放射标靶与GPS接收机，同时进行GPS-PPK测量与三维激光扫描测量。

使用华测X91型双频GPS接收机结合Rigel VZ1000型三维激光扫描仪以30min的单站采集时间获取了5个时段的数据。

在5组数据中，GPS测量数据为WGS84坐标数据，TLS数据为扫描仪坐标系数据，为实现坐标***的统一，以上节获取的实验场基准数据为基础，进行坐标转换，转换后并减去仪器常数的5组数据如表1～表5所示。

表1第一时段测量结果

表2第二时段测量结果

表3第三时段测量结果

表4第四时段测量结果

表5第五时段测量结果

根据表4-1～表4-5，求取各点的GPS数据和三维激光扫描数据中误差，结果结合表6所示：

表6原始数据中误差(mm)

使用GPS获取的坐标数据高程误差最大达到20.2mm，平面误差最大22.9mm，该测量结果与规程中规定的国家GPSE级网精度指标相当。三维激光扫描数据中最大高程中误差1.5mm，最大平面中误差1.2mm，均优于理论计算结果，仪器实测精度优于标称精度。

从实测结果中可以看出，三维激光扫描数据精度远优于GPS数据精度，但三维激光扫描数据无法获取全局坐标信息，为利用GPS数据中的全局坐标信息，必须进行数据融合。因此，在数据融合中，采取位置信息以GPS为准，各点间相对位置关系以三维激光扫描数据为准的数据融合方法。其数据处理流程为：

①以各期GPS数据为基准，使用ICP算法将TLS数据与GPS数据进行配准；

②使用配准后的TLS数据替换GPS数据，作为全局坐标。

即保证各站数据中，各点间的相对位置图形关系以三维激光扫描数据为准，在配准过程中按照最小二乘原则与GPS数据进行位置匹配和替换。融合后的各期点云数据如表7～表11，误差分布情况参考表12所示，

表7第一时段融合数据

表8第二时段融合数据

表9第三时段融合数据

表10第四时段融合数据

表11第五时段融合数据

表12融合数据中误差(mm)

融合后数据的平面位置精度与点位位置精度和稳定性较GPS数据均有了显著提升，平面中误差最大为5.6mm，点位中误差最大为5.7mm。高程、平面与点位精度均达到mm级别，与《煤矿测量规程》中的指标对比可知，该精度满足煤矿开采沉陷监测需求。

因此，通过实验可知，在三维激光扫描进行半径不超过60m的全圆扫描，配合不少于30 分钟的短基线GPS-PPK测量数据，可实现扫描点云数据的全局定位，获取的数据精度可满足煤矿开采沉陷监测需要。

Claims (4)

1.一种三维激光扫描与GPS-PPK的组合测量方法，其特征在于步骤如下：

在待测区域中心位置布置测站，并在待测区域中平均布置GPS标靶，保证各标靶之间连线夹角在30至60度之间；

启动测站和GPS标靶，分别进行GPS-PPK测量和三维激光扫描，以单位时间的单站采集时间获取了多个时段的GPS数据；得到待测区域的三维激光扫描点云数据和GPS标靶的GPS数据；

由GPS-PPK测量提供高精度标靶控制点坐标，三维激光扫描获得高精度点云相对坐标数据，以GPS坐标数据为基准替换进GPS标靶点的三维激光点云数据坐标当中，从而将测站的点云数据以及GPS标靶的GPS数据相互融合，最终得到待测区域点云数据的高精度绝对坐标信息。

2.根据权利要求1所述的三维激光扫描与GPS-PPK的组合测量方法，其特征在于：由于三维激光扫描数据精度远优于GPS数据，但三维激光扫描数据无法获取全局坐标信息，为利用GPS数据中的全局坐标信息，必须进行数据融合，采取位置信息以GPS为准，各点间相对位置关系以三维激光扫描数据为准的数据融合处理流程为：

以所有时段GPS数据为基准，使用ICP(Iterative Closest Point)算法将三维激光扫描数据与GPS数据进行匹配，将GPS数据作为源点云P＝{p₁,…,p_n}，将三维激光扫描数据作为待配准点云Q＝{q₁,…,q_m}且m≤n，利用最小二乘匹配迭代计算源点云和待配准点云之间的旋转和平移参数：将待配准点云Q中的每一个点q_i(i＝1,…,m)，在源点云P中均可以找到一个点p_i满足||p_i-q_i||之间的距离最小，即使得函数f(q)最小化：

式中，q_R表示待配准点云与源点云之间的旋转参数，q_T表示待配准点云与源点云之间的平移参数，对旋转参数q_R和平移参数q_U的值迭代更新直到f(q)小于预定阈值，将所有的旋转参数组成旋转矩阵R，将所有的平移参数组成平移矩阵U，所得到的旋转矩阵R和平移矩阵U即为将待配准点云Q配准到源点云P的变换矩阵；

利用双四元数法求解旋转矩阵R：使用角度θ表示三维空间中单位向量(x,y,z)的旋转，[θ,x,y,z]^T即为四元数，且满足x²+y²+z²+θ²＝1，设

为GPS数据点集P的中心，

为三维激光扫描数据点集Q的中心，则：

式中j和i为公式中的初始赋值，无实际意义，m为原点云P和待配准点云Q中的点云数量；

将原点云P和待配准点云Q中心化，则两者之间的互协方程为：

式中：M为原点云P和待配准点云Q的互协方差矩阵，T为矩阵的转置，n表示原点云P和待配准点云Q之间互相匹配的点对数量；

M的反对称矩阵A＝M-M^T，定义M的反对称矩阵的列矢量Δ＝(A₂₃ A₃₁ A₁₂)^T，则构造的4×4的对称矩阵N为：

式中，I₃为3×3的单位矩阵，Trace(M)为矩阵M的迹，则N的最大特征值所对应的特征向量即为四元数组[θ,x,y,z]^T，因此，使用四元数法得到的旋转矩阵R为：

平移矩阵U为：

使用配准后的三维激光扫描数据替换GPS数据，作为全局坐标将所有三维激光扫描仪信息都统一到GPS数据中。

3.根据权利要求1所述的三维激光扫描与GPS-PPK的组合测量方法，其特征在于：以三维激光扫描单站30min时间为准同步进行数据采集，不再延长至GPS所需的≥40min时段要求，但GPS数据仍采用GPS-PPK定位方法进行解算。

4.根据权利要求2所述的三维激光扫描与GPS-PPK的组合测量方法，其特征在于：融合数据处理时，考虑到三维激光扫描数据精度较高，单独GPS数据精度无法满足规程要求的现状，采用合适的数据处理方法，仅利用GPS的全局坐标信息，各点间的相对位置关系以三维激光扫描获取的数据为准，以提高融合数据的精度。