验证大型空间数据集的挑战
使用机载激光雷达数据的经验
本文以机载激光雷达数据为例，讨论了确定大型空间数据集的准确性所面临的挑战。供应商和最终用户的错误导致同一数据集在不同位置的误差高达2米，低至1厘米。为了防止这种错误，提出了“checkpatch”方法。checkpatch使用一种随机选择补丁的采样方法来检测大型空间数据集中的错误。checkpatch还考虑到不同的地形和地面覆盖。这些潜在的误差源被简单地使用地面测量的点高程来检查同一位置的插值高程的方法忽略了。
过去，当使用传统的调查时，调查数据的最终用户会通过随机检查交付的最终坐标来确认数据集的准确性。然而，今天，复杂的技术捕捉数十亿个点，以提供即时的空间信息。激光雷达就是一个很好的例子，它采用激光距离探测系统、惯性导航系统(INS)和GPS相结合，捕捉空间数据，如图1所示。
误差是由于一个或多个原因造成的测量值与真实值之间的偏差。在这种情况下，术语“真值”指的是一种测量，它至少比要验证的对象测量精确三倍。
在用户规范设计和随后的数据交付之后，在确定数据质量方面遇到了两种主要的错误可能性:也就是说,问题的某些部分获得数据(错误从激光雷达调查供应商的主要任务规划和执行调查根据规范)和字段验证过程(错误问题的客户或最终用户授权决定数据是否根据交付规范)。然而，总传播误差通常包括激光雷达测量误差和现场验证测量误差的组合。遇到这些问题，就会产生关于在创建准确的空间数据产品时错误的影响的问题。
Checkpatching技术
像任何大型数据集一样，实际上不可能通过比较一个被调查的检查点来验证项目区域中的每个Lidar点。因此，在验证ALS调查产生的大型数据集时，抽样是必要的。关于大点云精度的实证验证，采用了对“补丁验证过程”(多年来由英国梅里特调查伙伴关系组织使用)的修改。该补丁验证方法使用常规的土地调查在一个确定的测试区域，以验证激光雷达坐标。当测试区域被随机选择，以覆盖不同的地形形态和地面覆盖，本文将其称为“补丁”。我们选择了五个独立的patch(见图2)来覆盖测试区域内的主要地形变化。这有意地偏离了Merrett Surveys所采用的补丁验证方法，Merrett Surveys只使用一个补丁。这个修改的过程被称为“checkpatch”。
