数字高程模型（DEM）是一种表达地球表面高程的实体地面模型，通过有限的地面高程数据实现对地形曲面数字化模拟，DEM能够提供区域网格丰富的高程、坡度和坡向等信息，为地貌地质、防灾减灾、流域水文、国土空间规划和开发建设等提供基础地理信息数据支撑[1-2]。传统的DEM数据获取方式主要包括地面平台的数字化测量和机载与星载摄影测量，但这些方式存在效率低、费时、费力、成本高、精度低、易受植被遮挡等问题，难以满足日益增长的实际应用需求[2-3]。激光雷达[4-6]（LiDAR）具有穿透性强、精度高、效率高、点云密度高、主动性强等特点，已逐渐成为DEM生产的主要方式。本文以广州市南沙区山体DEM生产项目为基础，论述了基于机载LiDAR点云生产DEM成果的技术流程，解决了部分DEM生产过程中的关键问题，为类似的研究与生产提供了技术参考。1机载LiDAR系统工作原理与技术路线1.1机载LiDAR系统工作原理机载LiDAR系统[5-7]是一种主动式对地观测系统，系统以有人机或无人机为搭载平台，将激光扫描系统、GNSS定位系统、惯性测量单元（IMU）集成于一体，能够快速、高效、准确地获取地面高程信息。激光扫描系统是该系统的核心组件，工作原理是通过激光发生器发射激光脉冲，脉冲与目标物体接触后反射回波信号并被接收器接收，通过记录从脉冲发射至接收回波信号的时间间隔，计算激光扫描系统与地物之间的间距。激光扫描系统还可以接收得到激光回波次数、反射率、回波时间与回波强度等属性信息。将机载LiDAR系统通过激光扫描系统获得激光点的空间距离信息，与惯导系统输出的激光发射点空间位置信息与姿态信息相结合，可以解算出激光点在系统当前坐标系下的三维空间坐标，即海量离散的、空间分布极不规则、能够反映地物特征的三维激光点云数据。点云自身并不具备地物的属性信息，要获取所表达地物的属性信息，则需要对点云进行分类处理。通过点云分类，得到反映地面真实形态的地面点云，再由离散的地面点云插值生成连续的数字高程模型（DEM）。1.2技术路线DEM生产总体技术路线如图1所示。10.19301/j.cnki.zncs.2023.10.010.F001图1DEM生产总体技术路线基于机载LiDAR点云的山体DEM生产的总体技术路线主要包括：作业准备，如测区踏勘、仪器准备等；数据采集，如航线布设、航飞作业、数据检查等；数据处理，如POS结算、坐标转换、数据分块、点云分类等；成果输出，如DEM生产；质量分析，如DEM精度分析。2关键技术设计与实现2.1测区概况实验测区为广州市南沙区38.73 km2山地，测区分布零散、山势陡峭、植被覆盖率高、部分区域人无法到达，测区最高点海拔达到298 m，使用传统测量方式生产DEM费时费力且难以完成任务，而机载LiDAR系统能够快速、高效完成数据采集工作。2.2点云数据采集根据测区地形条件，本文在实施过程中采用GL-52无人机激光雷达系统配置Riegl VUX-1LR长测距轻型激光扫描仪，可在不同的飞行高度进行相应的高密度激光点云数据采集工作，非常适用大范围、复杂地形、高密度点云航测任务，为本文实验的顺利实施提供坚实的技术基础。本文采用的GL-52无人机激光雷达系统，最大扫描频率为820 kHz，视场角达到330°，为避免在飞行倾斜姿态变化较大的情况下产生数据漏洞，设计航线旁向重叠度大于20%，获取的点云数据平均密度为每平方米不少于16个点，能够满足实际生产需要。无人机激光雷达系统参数如表1所示。10.19301/j.cnki.zncs.2023.10.010.T001表1GL-52无人机激光雷达系统参数技术模块指标参数激光器激光等级1级，人眼安全波长近红外测距/m5~1 350扫描角/（°）可调，最大角度330扫描机制/kHz820惯导系统俯仰/翻滚角精度/（°）0.006航向角精度/（°）0.019采样频率/Hz125卫星定位系统GPS、GLONASS、GALIEO、北斗相机系统影像传感器CMOS APS-C分辨率2 000万像素控制单元控制单元Win 8 GL系统电脑控制仪存储容量可支持连续8 h飞行数据采集工作效率扫描带宽/m可达1 500单位面积一个架次可完成超过100 km21∶2 000地形测绘机载LiDAR系统采集点云数据情况如表2所示。10.19301/j.cnki.zncs.2023.10.010.T002表2LiDAR点云数据采集情况区域名称测区面积/km2飞行真高/m采集时间/min航程/km山区点密度/（点/m2）合计38.73—49431937.801大山乸7.80320727026.343小虎岛1.77270201622.064十八罗汉山4.37320652416.011日本仔山2.22300442319.381黄山鲁西南0.58230251652.882大虎岛1.04330171432.805东坡1.02335352331.304黄山鲁13.164251287124.609高仔山4.98270432421.775天后宫1.46280303052.882龙穴0.3320015882.5322.3点云数据处理无人机机载LiDAR系统采集到的激光点云数据经过POS解算、坐标转换、数据分块等步骤处理完成后，包括系统采集到的所有原始地表点云，不能直接用于DEM生产，需要将点云滤波分类得到地面点，点云分类是DEM生产的关键步骤，决定DEM成果的质量。2.3.1点云自动分类本文采用Terrasolid软件进行点云自动分类，分类算法采用基于点云高程信息、回波发射率、回波次数、地物形状等算法及其组合，提高点云数据的滤波精度和点云分类的准确程度。在生产DEM的过程中，只需要从初始点云数据中提取出地面点云，而非地面点云无须进一步细分。自动提取地面点的具体过程：没有被地物覆盖的地面有且仅有一次回波信息，此次回波是由对应的地面点反射得到。有地物覆盖的地面有多次回波信息，激光穿透性强，能够穿过植被，植被覆盖处能够同时收到植被和地面的多次回波，正常的地面点是最后一次回波对应的反射点，因为与同一位置植被相比，地面点高程最低，从高程较低的LiDAR点云中提取初始地表面。基于初始地表面，设置地面坡度阈值进行迭代运算，不断优化阈值及分类结果，直至找出合理的地面点[7]。2.3.2点云人工分类自动分类得到的点云仍然可能存在错分漏分的问题，需要采用人机交互的方式进行进一步分类。主要实现过程是在点云分类软件中，抽取完成自动分类后的LiDAR点云成果，选用其中的地面点云构建不规则三角网，从不同区域拉取不规则三角网坡面，检查点云的高程信息，检查该区域是否存在地形不平滑、不连续、空洞或同种地形高差发生突变的情形，判断是否存在点云错分或漏分的问题。为了能够更完整详细地对地表细节部分的点云错分漏分问题进行检查，本文还加入实验测区同时期高分辨率影像和地形图数据与点云生产的不规则三角网进行地形比对和辅助判定，逐块对测区不同的地形地物进行判别，使用点云人工分类工具把错分漏分的点云采用迭代算法按照正确的地类进行局部修改，将其归并到相应的点云类别中，从而提高了最终成果点云分类的精度。2.3.3点云分类成果检查点云分类完成之后，要对分类成果进行检查，检查内容包括地面点、非地面点、噪声点分类是否正确；地面点的剖面图形态是否合理；地面点云表面模型是否连续、光滑。通过质量检查的地面点云才可以用于生产DEM。2.4DEM生产分类后得到的地面点云包含高精度地面点坐标信息，尤其是高程信息，可以直接用于DEM生产。采用ArcGIS软件内置点云转换工具生产DEM，格网尺寸为1 m，插值方式为邻域均值法。采用软件补充存在空洞与水面的区域。DEM成果如图2所示。10.19301/j.cnki.zncs.2023.10.010.F002图2DEM成果2.5DEM成果质量评价从地形图中提取7 395个控制点作为本文生产的DEM成果质量评价的检查点，采用人机交互方式将地形图控制点与数字高程模型做高程比对，统计分析成果误差。实验结果显示，各实验测区DEM成果高程误差为0.25~0.60 m，整体高程中误差为0.46 m，实验精度符合山地地形精度要求，能够满足实际生产需要。DEM成果精度检查结果如表3所示。10.19301/j.cnki.zncs.2023.10.010.T003表3数字高程模型精度检测结果区域名称测区面积/km2检查点数量中误差/m合计38.737 3950.46大山乸7.801 2400.50小虎岛1.772970.27十八罗汉山4.375020.34日本仔山2.226150.51黄山鲁西南0.582350.40大虎岛1.04550.60东坡1.023410.46黄山鲁13.162 0470.48高仔山4.981 5480.47天后宫1.464540.65龙穴0.33610.253结语本文实现了基于机载LiDAR点云的山体DEM生产，本文的方法具有快速、高效、准确等优点，克服了山区复杂地形及植被覆盖密度高的困难，满足实际生产的需求。机载LiDAR技术能够快速高效地获取高精度位置信息，将其与高分影像、倾斜三维模型等技术结合使用，不断开拓新的应用领域。