基于激光點(diǎn)云數(shù)據(jù)的三維建模技術(shù)研究

劉巖

摘 要： 傳統(tǒng)的三維建模是基于圖片信息的場(chǎng)景建模和表現(xiàn)，這種技術(shù)存在著缺少真實(shí)感，三維幾何信息不準(zhǔn)確以及處理速度緩慢的缺點(diǎn)。因此，近年來(lái)基于激光掃描技術(shù)的三維建模技術(shù)成為了研究熱點(diǎn)。激光掃描儀能夠直接獲取景物的深度信息，方便快捷。本文提出的方法能夠很好的為快速三維建模進(jìn)行服務(wù)，尤其是比較關(guān)注街道兩側(cè)信息的三維獲取，這將大大減少人工三維數(shù)據(jù)獲取及其建模的工作量，將有很好的應(yīng)用前景。

關(guān)鍵詞： 激光；點(diǎn)云數(shù)據(jù)；三維建模；模型重建

整個(gè)點(diǎn)云數(shù)據(jù)建模過(guò)程包括數(shù)據(jù)預(yù)處理和模型重建。數(shù)據(jù)預(yù)處理為模型重建提供可靠精確的點(diǎn)云數(shù)據(jù)，降低模型重建的復(fù)雜度，提高模型重構(gòu)的精確度和速度。數(shù)據(jù)預(yù)處理階段涉及的內(nèi)容有點(diǎn)云數(shù)據(jù)的濾波、點(diǎn)云數(shù)據(jù)的平滑、點(diǎn)云數(shù)據(jù)的縮減、點(diǎn)云數(shù)據(jù)的分割、點(diǎn)云數(shù)據(jù)的分類(lèi)、不同站點(diǎn)掃描數(shù)據(jù)的配準(zhǔn)及融合等；模型重建階段涉及的內(nèi)容有三維模型的重建、模型重建后的平滑、殘缺數(shù)據(jù)的處理和模型簡(jiǎn)化等。實(shí)際應(yīng)用中，應(yīng)根據(jù)三維激光掃描數(shù)據(jù)的特點(diǎn)及建模需求，選用相應(yīng)的數(shù)據(jù)處理策略和方法。

1 數(shù)據(jù)預(yù)處理

針對(duì)車(chē)載激光點(diǎn)云數(shù)據(jù)的特性，將數(shù)據(jù)預(yù)處理方法分為兩類(lèi)，半自動(dòng)的數(shù)據(jù)預(yù)處理方法和全自動(dòng)的數(shù)據(jù)預(yù)處理方法。

1.1 半自動(dòng)數(shù)據(jù)預(yù)處理方法

半自動(dòng)的方法主要是利用現(xiàn)有的各種類(lèi)型的點(diǎn)云數(shù)據(jù)處理軟件，如三維激光掃描儀配帶的相應(yīng)點(diǎn)云數(shù)據(jù)處理軟件或逆向工程領(lǐng)域比較著名的商業(yè)點(diǎn)云處理軟件，一般都具有點(diǎn)云數(shù)據(jù)編輯、拼接與合并、數(shù)據(jù)點(diǎn)三維空間量測(cè)、點(diǎn)云數(shù)據(jù)可視化、空間數(shù)據(jù)三維建模、紋理分析處理和數(shù)據(jù)轉(zhuǎn)換等功能，但它們往往具有通用的處理功能，對(duì)于特定的數(shù)據(jù)處理效果有一定的不足之處，在功能和性能上也或多或少存在一定缺陷，且一般比較昂貴。

1.2 全自動(dòng)數(shù)據(jù)預(yù)處理方法

全自動(dòng)的數(shù)據(jù)預(yù)處理方法主要是通過(guò)一定的算法來(lái)實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)預(yù)處理，包括點(diǎn)云數(shù)據(jù)濾波，點(diǎn)云數(shù)據(jù)分類(lèi)等。

數(shù)據(jù)濾波的目的是為了去除測(cè)量噪聲。實(shí)際測(cè)量過(guò)程中存在各種因素的影響，觀(guān)測(cè)數(shù)據(jù)往往不是理想的結(jié)果。為了得到合理正確的目標(biāo)物體形體信息，需要對(duì)觀(guān)測(cè)數(shù)據(jù)進(jìn)行濾波，剔除掉含有粗差的相關(guān)觀(guān)測(cè)數(shù)據(jù)和無(wú)效形體數(shù)據(jù)，從而得到目標(biāo)物體形體信息的最佳估值。

1.3 數(shù)據(jù)預(yù)處理結(jié)果

按照以上算法流程編寫(xiě) MATLAB 程序，實(shí)現(xiàn)地面點(diǎn)與非地面點(diǎn)的分離，用本算法進(jìn)行濾波時(shí)要注意濾波參數(shù)的設(shè)置，通常要根據(jù)不同地表形態(tài)來(lái)選取適當(dāng)?shù)膮?shù)。應(yīng)用本算法對(duì)鐵路兩旁的數(shù)據(jù)進(jìn)行了濾波處理，前后對(duì)比效果如圖1、2所示，從中可以看出該算法能很好的實(shí)現(xiàn)地面點(diǎn)與非地面點(diǎn)的分離，但是該算法需要輸入很多濾波參數(shù)，如地形坡度，窗口大小等，這些直接影響著濾波的效果，因此要實(shí)現(xiàn)很好的濾波需要根據(jù)實(shí)際地形情況反復(fù)試驗(yàn)幾個(gè)濾波參數(shù)。

2 模型重建

點(diǎn)云數(shù)據(jù)經(jīng)過(guò)濾波分類(lèi)處理之后，就可以針對(duì)分出來(lái)的不同類(lèi)別采用不同的建模方法了，這里濾波分類(lèi)主要分為地面點(diǎn)和非地面點(diǎn)，所以，模型重建也通過(guò)這兩類(lèi)來(lái)分析。

2.1 地面點(diǎn)建模

與通常的柵格影像數(shù)據(jù)不同，激光點(diǎn)云數(shù)據(jù)是離散分布的不規(guī)則點(diǎn)數(shù)據(jù)。因此，要用模型的形式表示地形表面分布，就需要進(jìn)行網(wǎng)格化處理，即將離散的點(diǎn)連續(xù)化。我們采用三角網(wǎng)的方式對(duì)數(shù)據(jù)進(jìn)行組織，地形表面由連接數(shù)據(jù)點(diǎn)的三角形構(gòu)成，通過(guò)進(jìn)行插值實(shí)現(xiàn)對(duì)地形表面的逼近和近似，這是對(duì)地形表面的一種精確表達(dá)。

2.2 非地面點(diǎn)建模

非地面點(diǎn)比較復(fù)雜，包括建筑物、植被、道路兩旁設(shè)施等。隨著 AutoCAD、Maya 、逆向工程等三維建模軟件的出現(xiàn)，可以通過(guò)人機(jī)交互的手段來(lái)輔助三維建模，如圖4所示為利用逆向工程軟件 ImageWave 對(duì)城市道路兩旁的建筑物點(diǎn)云數(shù)據(jù)進(jìn)行建模效果圖，圖5展示了利用軟件對(duì)模型進(jìn)行紋理映射與可視化。但這些方法費(fèi)時(shí)費(fèi)力，而且對(duì)使用者的技巧要求很高，對(duì)于結(jié)構(gòu)復(fù)雜、不規(guī)則的場(chǎng)景建模更是無(wú)能為力。

顯然純粹地利用三維建模軟件實(shí)現(xiàn)激光點(diǎn)云非地面點(diǎn)數(shù)據(jù)的模型重建，并非一個(gè)好的辦法，研究怎樣從這些離散的三維點(diǎn)云中快速準(zhǔn)確地構(gòu)建出真實(shí)的模型顯得尤為重要，逆向工程中用激光掃描某個(gè)特定物體獲得的數(shù)據(jù)直接重構(gòu)物體，但此方法在車(chē)載激光掃描測(cè)量中不可行，因?yàn)槭撬亲詣?dòng)目標(biāo)采集，掃描無(wú)特定目的，不能控制掃描哪些物體。所以激光掃描的數(shù)據(jù)量非常大，如果直接進(jìn)行三維重構(gòu)的話(huà)消耗太大，必須先對(duì)距離圖像進(jìn)行處理，提取出特征點(diǎn)、特征線(xiàn)和特征面再繼續(xù)建模。由于到目前為止，還沒(méi)有距離圖像分割和特征提取的成熟、可行方法，使得當(dāng)前的激光掃描系統(tǒng)都采用與 CCD 或類(lèi)似圖像采集設(shè)備集成，其中距離圖像以用于構(gòu)建高精度的 DEM 為主，圖像分割和特征提取則采用 CCD影像數(shù)據(jù)解決。這種聯(lián)合作業(yè)方式使得系統(tǒng)運(yùn)行成本高、控制比較復(fù)雜、數(shù)據(jù)存儲(chǔ)量大、多源數(shù)據(jù)處理與融合復(fù)雜。目前對(duì)距離圖像的數(shù)據(jù)處理方法集中在構(gòu)建DSM/DEM 上，或者附加 CCD 影像進(jìn)行融合，對(duì)直接從距離圖像中進(jìn)行目標(biāo)分類(lèi)和特征提取的研究比較缺乏。鑒于此本文通過(guò)閱讀文獻(xiàn)，針對(duì)車(chē)載激光點(diǎn)云數(shù)據(jù)總結(jié)了以下的建模方法和步驟。

（1）對(duì)非地面點(diǎn)進(jìn)一步分類(lèi)

通過(guò)車(chē)載掃描系統(tǒng)獲得的點(diǎn)云數(shù)據(jù)中非地面點(diǎn)存在很多雜點(diǎn)，受車(chē)體行駛周?chē)绊懞艽?，如要?duì)道路兩旁建筑物建模，則建筑物點(diǎn)云受路兩旁的樹(shù)木，廣告牌、線(xiàn)桿以及周?chē)?chē)輛等影響很大。這樣直接用這些點(diǎn)云數(shù)據(jù)進(jìn)行建筑物建模，效果會(huì)很差，所以有必要對(duì)非地面點(diǎn)進(jìn)一步分類(lèi)，可分為建筑物，線(xiàn)桿以及其它地物點(diǎn)（如植被、路燈、公交站牌、廣告牌等）等。其中建筑物是非地面點(diǎn)中最重要的部分，也是通常最關(guān)心的地物。

（2）通過(guò)點(diǎn)云數(shù)據(jù)對(duì)建筑物進(jìn)行特征提取

利用前面提出的數(shù)據(jù)分類(lèi)方法，考慮建筑物自身的幾何特征，設(shè)計(jì)了一個(gè)簡(jiǎn)單的建筑物特征提取方法：首先，從分類(lèi)后的激光掃描數(shù)據(jù)中提取出建筑物數(shù)據(jù)；然后，從建筑物數(shù)據(jù)中提取出每個(gè)格網(wǎng)單元中 Z 值最大和 Z 值最小的數(shù)據(jù)點(diǎn)，這些點(diǎn)就是建筑物的特征點(diǎn)；后續(xù)處理中，可以從這些特征點(diǎn)中探測(cè)線(xiàn)特征或者用線(xiàn)段擬合這些特征點(diǎn)得到建筑物的特征線(xiàn)，也可以導(dǎo)入專(zhuān)業(yè)建模軟件直接參與三維建模。

（3）線(xiàn)桿提取

線(xiàn)桿提取基于以下的假設(shè)：1）、桿是獨(dú)立的直線(xiàn)；2）、桿近乎垂直；3）、桿有最小高度；4）、桿應(yīng)在建筑物或墻面的前面。當(dāng)然以上假設(shè)也限制了一些桿的提取，比如桿正好在建筑物或墻面附近，這樣干擾點(diǎn)比較多，本算法暫不考慮這些。設(shè)置一個(gè)距離門(mén)限值來(lái)識(shí)別獨(dú)立的直線(xiàn)，線(xiàn)的獨(dú)立性通過(guò)計(jì)算線(xiàn)間的垂直中心距離來(lái)得到；設(shè)置一個(gè)傾斜角門(mén)限值來(lái)識(shí)別直線(xiàn)在傾斜角范圍內(nèi)是否垂直；有時(shí)，桿的底部被植物或小的物體掩藏起來(lái)，此時(shí)只能得到桿的上部。因此設(shè)置另一個(gè)門(mén)限值來(lái)檢查桿的底部的位置；當(dāng)桿目標(biāo)很小時(shí)，激光數(shù)據(jù)也可能不包含反射自桿的點(diǎn)，這些小物體的獲取依賴(lài)于車(chē)速。車(chē)速?zèng)Q定激光數(shù)據(jù)的沿軌跡分辨率，當(dāng)車(chē)速過(guò)快時(shí)極少桿被掃描到，所以有些時(shí)候還要人工對(duì)比一下圖像數(shù)據(jù)再做決定。

3 結(jié)束語(yǔ)

本文結(jié)合三維建模案例，探討了基于激光點(diǎn)云數(shù)據(jù)的數(shù)據(jù)預(yù)處理方法和模型重建方法，給出了全自動(dòng)數(shù)據(jù)預(yù)處理的算法流程，在模型重建中，探討了地面點(diǎn)重建和非地面點(diǎn)重建。該方法能夠很好的為快速三維建模進(jìn)行服務(wù)，尤其是比較關(guān)注街道兩側(cè)信息的三維獲取，這將大大減少人工三維數(shù)據(jù)獲取及其建模的工作量，將有很好的應(yīng)用前景。

參考文獻(xiàn)

[1] 石波， 盧秀山， 王冬， 陳允芳. 基于多傳感器融合的車(chē)載三維測(cè)量系統(tǒng)時(shí)空配準(zhǔn)[J] 傳感器與微系統(tǒng)：2007 年第 26 卷第 9 期，14～16.

[2] 徐紹銓?zhuān)瑥埲A海，楊志強(qiáng)，王澤民. GPS 測(cè)量原理及應(yīng)用[M] 武漢大學(xué)出版社， 2003.endprint