車載LiDAR點(diǎn)云數(shù)據(jù)分割與半自動(dòng)化建模方法

朱 紅，張正鵬

(遼寧工程技術(shù)大學(xué)測(cè)繪與地理科學(xué)學(xué)院，阜新 123000)

0 引言

20世紀(jì)80年代末，激光掃描技術(shù)的誕生為獲取高分辨率空間信息提供了一種重要技術(shù)手段，并廣泛應(yīng)用于城市規(guī)劃、工業(yè)生產(chǎn)以及測(cè)繪等多個(gè)領(lǐng)域。利用激光掃描技術(shù)，可以連續(xù)、自動(dòng)地獲取激光雷達(dá)(light detection and ranging，LiDAR)點(diǎn)云數(shù)據(jù)。車載激光掃描系統(tǒng)為激光掃描系統(tǒng)中的一種，由于其搭載平臺(tái)以及作業(yè)方式等特點(diǎn)，特別適用于獲取建筑物、道路和隧道等城市地物表面信息，能快速獲取城市地物的三維空間信息，并可結(jié)合地面二維平面數(shù)據(jù)進(jìn)行三維城市建模[1-2]。

國(guó)內(nèi)外很多學(xué)者對(duì)車載LiDAR點(diǎn)云數(shù)據(jù)的三維重建進(jìn)行過深入研究，但都集中在地表模型的自動(dòng)重建上，對(duì)于復(fù)雜街景的模型重建方法，還主要依賴于人工交互或半自動(dòng)化處理。Zhao等[3]提出基于車載LiDAR數(shù)據(jù)的自動(dòng)化CAD模型構(gòu)建方法——從激光距離數(shù)據(jù)中生成幾何模型，在此基礎(chǔ)上提取諸如建筑物、地面及樹木等城市特征地物;不同的地物采用不同的幾何表現(xiàn)方式，比如平面、不規(guī)則三角網(wǎng)和三角形等。Grinstead等[4]提出對(duì)車載LiDAR數(shù)據(jù)的三角網(wǎng)構(gòu)建和簡(jiǎn)化方法。江水等[5]提出對(duì)相鄰2條掃描線數(shù)據(jù)構(gòu)建三角網(wǎng)，進(jìn)而完成整個(gè)帶狀地物表面快速重建的方法。盧秀山等[6]則提出基于地面圖像的建模系統(tǒng)和基于地面與空中圖像相結(jié)合的建模系統(tǒng)。然而，由于各個(gè)車載LiDAR系統(tǒng)的硬件不同，數(shù)據(jù)也不同，上述方法都是針對(duì)各自的系統(tǒng)，而且不是針對(duì)整個(gè)城市地物的完整重建。

縱觀國(guó)內(nèi)外研究現(xiàn)狀，由于街景環(huán)境復(fù)雜，在車載系統(tǒng)獲取的LiDAR點(diǎn)云數(shù)據(jù)中存在大量的噪聲(如車輛、人群等)，學(xué)者們提出了許多基于車載LiDAR點(diǎn)云數(shù)據(jù)的分割方法[7-8]。由于樹木等遮擋導(dǎo)致的建筑物立面信息不完整及車載固有的建筑物頂面信息無(wú)法獲得等問題，如何實(shí)現(xiàn)自動(dòng)化的分割與重建仍是研究的難點(diǎn)。本文結(jié)合現(xiàn)有的自動(dòng)分割方法和建模軟件，采用人工交互式方法并輔以圖像紋理信息，提出了一種基于車載LiDAR點(diǎn)云數(shù)據(jù)的分割與半自動(dòng)化建模方法;并通過實(shí)驗(yàn)證明該方法簡(jiǎn)單實(shí)用，具有建模的完整性和較強(qiáng)的可靠性。

1 車載LiDAR點(diǎn)云數(shù)據(jù)

1.1 數(shù)據(jù)獲取

拓普康IP-S2移動(dòng)測(cè)量系統(tǒng)主要由IP-S2主控單元、激光掃描儀、360°全景相機(jī)及其控制系統(tǒng)和電源系統(tǒng)組成，其中3個(gè)2D激光掃描儀能夠獲取道路路面及其兩側(cè)的高分辨率3D點(diǎn)云數(shù)據(jù)。

LiDAR點(diǎn)云數(shù)據(jù)在內(nèi)容和形式等方面具有其自身的特點(diǎn):①在形式上呈離散分布;②具有反射強(qiáng)度信息;③呈掃描線排列方式;④具有盲目性[9]。另外，由于測(cè)量系統(tǒng)固有的量測(cè)視角局限性，總是難以獲取場(chǎng)景的完整三維數(shù)據(jù)。因此車載系統(tǒng)難以對(duì)目標(biāo)的頂面和周圍4面做完整的掃描，而且存在樹木等其他地物的遮擋問題(圖1)。

圖1 LiDAR點(diǎn)云數(shù)據(jù)的不完整性Fig.1 Incompleteness of LiDAR point cloud data

圖2 用Pointools稀化點(diǎn)云的顯示Fig.2 Display of point cloud sparseness using Pointools

1.2 數(shù)據(jù)預(yù)處理

實(shí)驗(yàn)采用IP-S2車載系統(tǒng)獲取的LiDAR點(diǎn)云數(shù)據(jù)，并經(jīng)過前端采集軟件的配準(zhǔn)處理，獲得完整的街景三維點(diǎn)云數(shù)據(jù)(*.ips格式)。經(jīng)過地理坐標(biāo)編碼，將原始WGS84坐標(biāo)轉(zhuǎn)換為北京54坐標(biāo)，導(dǎo)出點(diǎn)云的存儲(chǔ)格式為北京54坐標(biāo)系統(tǒng)下的文本格式(*.txt格式)，每個(gè)點(diǎn)用其三維坐標(biāo)、強(qiáng)度和顏色信息(X，Y，Z，Intensity，R，G，B)表達(dá)。本文使用的是轉(zhuǎn)換后的.txt格式點(diǎn)云數(shù)據(jù)，并針對(duì)不同街景地物完成后期的三維建模。

在LiDAR點(diǎn)云數(shù)據(jù)的重采樣中，由于車載LiDAR點(diǎn)云數(shù)據(jù)量十分龐大，導(dǎo)致軟件對(duì)數(shù)據(jù)處理的速度被大大降低;為了高效完成后續(xù)點(diǎn)云數(shù)據(jù)建模，需要使用 Pointools軟件對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行“稀化”，即根據(jù)建模精度要求，對(duì)不同地物的重采樣設(shè)置不同的格網(wǎng)間距。城市道路大多比較平坦，一般可設(shè)置格網(wǎng)間距為0.1 m;而對(duì)建筑物則需要設(shè)置0.01 m的格網(wǎng)間距進(jìn)行重采樣(圖2)。

2 數(shù)據(jù)分割與半自動(dòng)化建模

2.1 技術(shù)流程

本文建立的車載LiDAR點(diǎn)云數(shù)據(jù)分割與半自動(dòng)化建模技術(shù)流程見圖3。

圖3 點(diǎn)云數(shù)據(jù)分割與半自動(dòng)化建模技術(shù)流程Fig.3 Technical flowchart of point cloud data segmentation and semi－automatic modeling

現(xiàn)將點(diǎn)云數(shù)據(jù)分割與半自動(dòng)化建模技術(shù)流程簡(jiǎn)述如下:

1)數(shù)據(jù)采集。采用拓普康IP-S2移動(dòng)測(cè)量系統(tǒng)完成街景LiDAR點(diǎn)云數(shù)據(jù)的獲取。

2)數(shù)據(jù)預(yù)處理。將LiDAR點(diǎn)云數(shù)據(jù)轉(zhuǎn)換成標(biāo)準(zhǔn)格式，并對(duì)數(shù)據(jù)進(jìn)行重采樣。

3)點(diǎn)云分割。充分利用各類地物的特性，對(duì)不同地物使用不同的點(diǎn)云數(shù)據(jù)分割方法，最終實(shí)現(xiàn)LiDAR點(diǎn)云數(shù)據(jù)的分割。

4)模型精化。以車載和航空?qǐng)D像的紋理信息為基礎(chǔ)，輔助完成建筑物的立面和頂面點(diǎn)云模型的精化。

5)三維建模?；诰蟮腖iDAR點(diǎn)云數(shù)據(jù)以及建筑物的特點(diǎn)，利用SketchUp軟件完成街景模型的重建。

2.2 數(shù)據(jù)分割

街景三維重建是建立在準(zhǔn)確分割點(diǎn)云數(shù)據(jù)的基礎(chǔ)上。針對(duì)城市街景，主要分為道路分割、建筑物分割、樹和路燈等附屬設(shè)施分割[10-11]。

1)道路分割。首先將LiDAR點(diǎn)云數(shù)據(jù)生成柵格模型(圖4)，然后根據(jù)柵格模型的高程值進(jìn)行濾波處理，得到道路點(diǎn)云數(shù)據(jù)。道路可以認(rèn)為是地表，且具有平面特征。

圖4 道路點(diǎn)云柵格模型Fig.4 Raster model of road point cloud

以地表高程最小、在一定范圍內(nèi)高程平滑作為約束條件，可實(shí)現(xiàn)道路地表的自動(dòng)分割(圖5)。

圖5 道路點(diǎn)云分割Fig.5 Segmentation of road point cloud

2)建筑物分割。在道路分割的基礎(chǔ)上，使用Cyclone軟件，利用建筑物自身的屬性信息(如高程值特性)，可以實(shí)現(xiàn)建筑物的分割。如果分割中仍帶有其他噪點(diǎn)，可以再次進(jìn)行人工去噪，分割出建筑物區(qū)域。由于車載LiDAR點(diǎn)云數(shù)據(jù)無(wú)法掃描建筑物頂面或背面信息，往往導(dǎo)致建筑物點(diǎn)云不完整(僅保留部分立面信息)。圖6示出分割后建筑物局部點(diǎn)云圖。

圖6 建筑物點(diǎn)云Fig.6 Point cloud of buildings

3)附屬設(shè)施分割。樹和路燈等典型的街景附屬設(shè)施一般較難實(shí)現(xiàn)自動(dòng)分割，需要人工判讀，進(jìn)一步人工去除噪點(diǎn)信息，才可較為準(zhǔn)確地提取出附屬設(shè)施的點(diǎn)云數(shù)據(jù);而且在分割道路和建筑物點(diǎn)云數(shù)據(jù)的基礎(chǔ)上，點(diǎn)云數(shù)據(jù)將以附屬設(shè)施為主，這也相對(duì)減少了附屬設(shè)施人工提取的工作量(圖7)。

圖7 附屬設(shè)施點(diǎn)云Fig.7 Point cloud of subsidiary facilities

2.3 半自動(dòng)化建模

在點(diǎn)云分割的基礎(chǔ)上，完成道路、建筑物與樹和路燈等附屬設(shè)施的建模。

1)道路建模。基于自動(dòng)準(zhǔn)確提取的道路點(diǎn)云數(shù)據(jù)，對(duì)道路點(diǎn)云進(jìn)行三角網(wǎng)模型處理，同時(shí)輔以圖像紋理信息完成街景道路的三維建模。

2)建筑物建模。由于自動(dòng)分割后的建筑物主要以立面信息為主，利用圖像的紋理信息輔助完成建筑物立面和頂面的三維建模。本次實(shí)驗(yàn)采用成熟的建模軟件和方法，使用SketchUp軟件完成點(diǎn)云數(shù)據(jù)的導(dǎo)入、獨(dú)立坐標(biāo)系的定義、面的擠壓與拉伸、窗戶陽(yáng)臺(tái)的細(xì)節(jié)建模以及紋理映射等過程，實(shí)現(xiàn)了建模的完整性和較強(qiáng)的準(zhǔn)確性。

3)附屬設(shè)施建模。樹和路燈等附屬設(shè)施的建模以點(diǎn)云提供的基點(diǎn)為基準(zhǔn)，不要求實(shí)際模型的重建，只要插入現(xiàn)有的虛擬模型即可，最終得到附屬設(shè)施的三維重建結(jié)果(圖8)。

圖8 局部街景三維模型Fig.8 3D model of local streetscape

2.4 建筑物模型精化

在車載激光系統(tǒng)掃描過程中會(huì)出現(xiàn)被測(cè)物體表面數(shù)據(jù)丟失的問題，其原因主要有3個(gè)方面[12]:①掃描過程中各個(gè)物體由于其自身空間拓?fù)浣Y(jié)構(gòu)產(chǎn)生的遮擋(這也是補(bǔ)洞的重點(diǎn)所在);②被測(cè)物體表面不良的反射特性(對(duì)之后的模型重建沒有影響，可不考慮);③三維激光掃描儀自身的缺陷和誤差(比如掃描距離不夠時(shí)，掃描就會(huì)產(chǎn)生雜點(diǎn))。

目前對(duì)于LiDAR點(diǎn)云的精化處理主要基于自身數(shù)據(jù)，通過統(tǒng)計(jì)模型得出被測(cè)目標(biāo)表面較為完整的數(shù)據(jù)描述。本文從LiDAR數(shù)據(jù)本身出發(fā)，采用圖像紋理輔助建模，利用紋理圖像的信息及建筑物紋理的重復(fù)性，在建模過程通過復(fù)制、移動(dòng)、鏡像等操作完成模型的精化，實(shí)現(xiàn)對(duì)有樹木等遮擋的建筑物的重建方法(圖9和圖10)。

圖9 立面不完整的建筑物點(diǎn)云Fig.9 Point cloud of incomplete facade building

圖10 修復(fù)后建筑物模型Fig.10 Repaired building model

上述方法對(duì)解決車載LiDAR點(diǎn)云掃描過程中其他地物遮擋建筑物的問題也很有效。另外，對(duì)于建筑物頂面無(wú)完整數(shù)據(jù)的處理，本次實(shí)驗(yàn)主要采用航空或遙感衛(wèi)星圖像輔助建模，利用建筑物的頂面紋理信息等，用人工方法完成三維建模的工作(圖11和圖12)。

圖11 頂面不完整的建筑物點(diǎn)云Fig.11 Point cloud of top surface of incomplete building

圖12 修復(fù)后建筑物模型Fig.12 Repaired building model

3 結(jié)論

1)本文結(jié)合車載激光雷達(dá)(LiDAR)點(diǎn)云數(shù)據(jù)的獲取方式和街景離散點(diǎn)云數(shù)據(jù)的特點(diǎn)，基于不同地物的屬性和特征，對(duì)街景點(diǎn)云數(shù)據(jù)進(jìn)行快速分割處理;并在分割的基礎(chǔ)上對(duì)模型進(jìn)行精化，完成了道路、建筑物及樹和路燈等附屬設(shè)施的三維重建。實(shí)驗(yàn)結(jié)果表明，本文提出的LiDAR點(diǎn)云數(shù)據(jù)的分割與建模方法比較簡(jiǎn)單，實(shí)現(xiàn)了道路和建筑物的半自動(dòng)化分割;同時(shí)利用了成熟的建模軟件和方法，達(dá)到了建模的完整性，而且具有較強(qiáng)的可靠性。

2)LiDAR點(diǎn)云數(shù)據(jù)的高精度和快速分割直接影響后期三維建模的精度與效率，因此，全自動(dòng)化的分割方法還有待進(jìn)一步研究。另外，由于實(shí)驗(yàn)數(shù)據(jù)的限制，本文沒有涉及復(fù)雜造型或弧形等不規(guī)則表面的建筑物的重建問題。如何更高效、更準(zhǔn)確地完成對(duì)車載LiDAR點(diǎn)云數(shù)據(jù)的三維重建，仍是今后的一個(gè)研究方向。

[1]Brenner K，Haala N.Rapid acquisition of virtual reality city models from multiple data sources[J].IAPRS，1998，32(5):323-330.

[2]Haala N，Brenner C，St?tter C.An integrated system for urban model generation[C]//Proceedings of ISPRS，Cambridge:ISPRS，1998:96-103.

[3]Zhao H J，Shibasaki R.Reconstructing a textured CAD model of an urban environment using vehicle-borne laser range scanners and line cameras[J].Machine Vision and Applications，2003，14(1):35-41.

[4]Grinstead B，Koschan A，Page D，et al.Vehicle-borne scanning for detailed 3D terrain model generation[C]//Proceedings of SAE Commercial Vehicle Engineering Congress，Chicago，USA:SAE，2005:210-218.

[5]江 水，盛業(yè)華，李永強(qiáng).基于車載激光掃描的帶狀地物表面快速重建[J].地球信息科學(xué)，2007，9(5):19-23，30.Jing S，Sheng Y H，Li Y Q.Rapid surface modeting of large strip objects based on vehicle-borne laser scanning[J].Geo-Information Science，2007，9(5):19-23，30.

[6]盧秀山，李清泉，馮文灝，等.車載式城市信息采集與三維建模系統(tǒng)[J].武漢大學(xué)學(xué)報(bào):工學(xué)版，2003，36(6):76-80.Lu X S，Li Q Q，F(xiàn)eng W H，et al.Vehicle-borne urban information acquisition and 3D modeling system[J].Journal of Wuhan University:Engineering Version，2003，36(6):76-80.

[7]Li B J，Li Q Q，Shi W Z，et al.Feature extraction and modeling of urban building from vehicle-borne laser scanning data[J].ISPRS Journal of Photogrammetry and Remote Sensing，2004，35:934-939.

[8]Haala N，Brenner C.Extraction of buildings and trees in urban environments[J].ISPRS Journal of Photogrammetry and Remote Sensing，1999，54(2/3):130-137.

[9]潘建剛.基于激光掃描數(shù)據(jù)的三維重建關(guān)鍵技術(shù)研究[D].北京:首都師范大學(xué)，2005.Pan J G.Based on the research on the key technologies of laser scanning data of three dimensional reconstruction[D].Beijing:Capital Normal University，2005.

[10]戴 彬.基于車載激光掃描數(shù)據(jù)的三維重建研究[D].北京:首都師范大學(xué)，2011.Dai B.Research on 3D reconstruction of data based on vehicleborne laser scanning[D].Beijing:Capital Normal University，2011.

[11]戴 彬，鐘若飛，胡 競(jìng).基于車載激光掃描數(shù)據(jù)的城市地物三維重建研究[J].首都師范大學(xué)學(xué)報(bào):自然科學(xué)版，2011，32(3):89-96.Dai B，Zhong R F，Hu J.Research on 3D reconstruction of urban features from data based on vehicle-borne laser scanning[J].Journal of Capital Normal University:Natural Sciencces Edition，2011，32(3):89-96.

[12]王華建，張愛武，馬惠敏，等.基于統(tǒng)計(jì)模型的三維場(chǎng)景重建補(bǔ)洞算法[J].光電子·激光，2004，15(10):1234-1237.Wang H J，Zhang A W，Mang H M，et al.Hole filling in range image processing based on statistical model[J].Journal of Optoelectronics·Laser，2004，15(10):1234-1237.