几乎所有新一代的机载LiDAR系统都在同一搭载平台上集成了LiDAR单元和无源成像单元（以单摄像机或多摄像机方式），用于同时获取测距和图像数据。在测距和成像方面的最新技术趋势的不同组合都是可行的，包括单光子激光雷达（SPL）或线性模式、多光谱和拓扑测深激光扫描仪，以及最低点和倾斜相机，配备RGB，近红外光谱或高光谱传感器。

表1：市面上最新的机载混合动力系统概述

表1概述了市面上最新的混合传感器系统，包括仪器数据表中的主要技术规格。就数据收集而言，在同一搭载平台上同时进行多传感器采集能够减少总飞行时间和成本，因为所有相关数据都是在飞行过程中一次性收集的。但是，依然存在一些问题需要解决，例如合理规划最优条件以便同时获取LiDAR和图像。要仔细选择与飞行相关的参数（例如，离地高度和旁向/航向重叠）和环境参数（例如时间和季节），以便为成功进行图像匹配和激光扫描找到最佳的折衷方案。

基于DIM的图像3D重建技术，已经成为生产密集3D点云、数字表面模型、真实正射影像和3D模型的行业标准，这得益于航空影像数据的高可用性、低获取成本、高分辨率的细节图以及高分辨率多光谱信息的可用性。如果可以获得更多的LiDAR数据并进行配准，则可以通过传感器互补来优化这些结果。由于地面分辨率决定精度，因此根据影像合成的表面图中地物的细节和边缘会特别突出。同时，由于有源激光束深度测量的可靠性，使得LiDAR技术具有较强的低噪声采样能力，且能保证精度；这对于存在较差纹理（例如强烈的阴影或较大面积的白色表面）的情况特别有益，因为在这些情况下，无源纹理匹配会受到相机解析纹理能力的限制。LiDAR数据可以通过其他深度测量来生成表面图，达到更好的精度和完整性。此外，在小院子和狭窄的街道中，激光束到达地面具有偶然性，而立体遮挡通常会阻碍DIM重建，这时候极点测量就非常有用。林业应用还得益于复测和全波形的LiDAR数据。通过集成两个数据源，这种高完整性和可靠性便于通过DIM得到高分辨率的结果，提供边缘和其它不连续处的高保真度、精细的表面细节，以及多光谱颜色信息。

集成LiDAR和DIM数据的主要挑战在于谨慎考虑两者在分辨率和精度上的变化差异。在航空应用中，DIM点云在高空采集数据(例如固定翼飞机上)通常比LiDAR数据具有更高的密度和更低的深度精度。这一方面是由于激光雷达波束发散和重复时间的分辨率有限，另一方面是由于高分辨率大框相机的实用性。此外，用于密集图像匹配的局部点云精度的变化可能很大，特别是因为点精度不仅取决于地面分辨率，还取决于纹理质量。因此，达到深度融合需要适应两个传感器系统中每个点的精度。

在比较大多数混合传感器系统记录的LiDAR和DIM数据时，两个最显着的差异就是实际到达的点密度和在狭窄的街道巷子中检索点的能力。如图一美国旧金山数据集，它囊括了市中心地区的高层建筑，图像重叠率相对较低，航向为60％，旁向为30％，地面分辨率约为5厘米。当进行密集图像匹配时，狭窄街道中的解析点可能会出现问题，因为高空建筑物在航空图像中充当遮挡物，而当图像重叠较低时（如图1），在建筑物顶部的图像观察可能会受到限制。在图中有足够冗余和拥有良好视角的区域（例如，建筑物的外墙），由于数据集的地面分辨率小，且有多摄像头提供建筑物倾斜视图，因此密集图像匹配能得到非常详细的结果。LiDAR能够测量到狭窄街道中密集图像匹配所需要但是缺少的冗余点，但同时，获得的空间细节相对较少（图1，左上）；通过整合两个传感器的数据生成的白模，兼具DIM的细节及Lidar的完整性和低噪声水平（图1，右上）；图1中底部图是通过混合表面法生成的真彩3D模型，并补充了多视角图像中的RGB纹理。

图1：旧金山‒Lidar数据生成的网格几何图（左上）；整合DIM和Lidar数据的网格几何图（右上）；3D混合网格的概览图（底部）。数据由Geomni/Verisk的GeorgeHalley提供

德国贝茨多夫的混合数据集（见图2），它的地面分辨率约为2cm，航向80％和旁向60％的图像重叠率。如图2所示（左上），丢失的倾斜视图可能导致密集图像匹配中的数据为空白，尤其是在房屋的悬挑结构下方以及靠近图像冗余在减少的数据集边界位置；但是，借助LiDAR内置扫描仪，这种限制在集成结果中基本可以解决（见图2，右上）；将LiDAR和DIM数据相结合生成的真彩3D模型如图2（底部）所示，细节得到了充分体现，两种数据相互补充，可以重建铁路本身以及沿铁路两边的情况。

尽管由于完整性和边缘清晰度的显著优势，目前大多数数据集都有80％的航向重叠率，但对于某些应用重叠度仍然是受到如拍摄间隔或飞行高度等因素的限制。鹿特丹的数据集（图3）就是一个示例，在相对较低的高度飞行采集数据，大约60％的航向和40％的旁向重叠率，地面分辨率约3厘米。与旧金山一样，这种情况可能会导致狭窄街道中和高大建筑物的顶部在密集图像匹配期间出现数据缺口（见图3，左上），因为在上述区域中，传感器与重建物体之间的距离更短，导致图像的冗余度进一步降低；如图3（右上）所示，结合Lidar数据则可以极大地缓解这些问题，同时保留DIM所有的几何细节。

图2：贝茨多夫‒DIM数据生成的白模（左上）；整合DIM和LiDAR数据生成的白模（右上），图像覆盖范围有限的区域，可与LiDAR一起实现更高的完整性；真彩3D模型（底部）。数据由IGI提供。

本文介绍了机载混合系统领域最新发展，即在同一机载平台上将LiDAR和相机（或多相机）传感器结合在一起的机载测绘系统。除了介绍市场上最新的混合解决方案外，还讨论了对同时采集的测距和成像数据进行集成处理的需求。有必要采用一种超越传统数据处理链的新视角，并将其扩展为一种混合数据处理的概念，这其中，用于传感器定向和生成表图的集成法是成功的基础，这两者都依赖于对有源和无源3D成像的不同属性以及其测量中不确定性成分的深入了解。结合LiDAR和DIM数据所获得的3D结果表明，这一方法很有可能成为处理这些问题的首选方案，在产品完整性和几何质量、物体检测以及处理效率方面，它具有明显的潜力可以推动航空测量领域向前迈进。