傾斜攝影和激光點(diǎn)云技術(shù)在大比例尺測圖中的應(yīng)用

申淑娟，俞志強(qiáng)，黃 樺，祝彥敏，吳彬卓

(浙江省測繪科學(xué)技術(shù)研究院，浙江 杭州 310012)

傾斜攝影和激光點(diǎn)云技術(shù)在大比例尺測圖中的應(yīng)用

申淑娟，俞志強(qiáng)，黃 樺，祝彥敏，吳彬卓

(浙江省測繪科學(xué)技術(shù)研究院，浙江 杭州 310012)

在傳統(tǒng)大比例尺測圖中，建筑物特征線的獲取方法或精度高效率低或效率高精度低。本文通過對傾斜三維模型分析，提出了基于直線公理的建筑物特征線快速提取方法；針對高程點(diǎn)數(shù)據(jù)均為人工采集的現(xiàn)狀，引入激光點(diǎn)云數(shù)據(jù)通過分類插值法自動生成高程特征點(diǎn)。研究證明，本文方法在精度與效率等方面均可取得良好效果，提高了特征線(建筑物線)、特征點(diǎn)(高程點(diǎn))采集的自動化程度。

傾斜攝影；激光點(diǎn)云；特征線提??；特征點(diǎn)自動生成；測圖自動化

目前城市大比例尺測圖的主要方法有解析法、航測法、利用竣工圖等專題資料更新基礎(chǔ)地理信息數(shù)據(jù)等方法[1]。解析法測量精度高，但在大面積更新時耗時長、成本高；航測法速度快、覆蓋面積大、投入成本低，但成圖過程復(fù)雜、精度低；使用竣工圖等專題資料方法更新，依據(jù)現(xiàn)行全國性法規(guī)，竣工測量還未有統(tǒng)一的標(biāo)準(zhǔn)，數(shù)據(jù)多樣，精度不一，范圍也不能覆蓋所有的地貌變化，只能作為基礎(chǔ)地理信息數(shù)據(jù)更新的參考。幾種方法各具特色，但普遍存在對人工依賴大、自動化程度不高等缺陷。

隨著低空航攝和LiDAR技術(shù)的快速發(fā)展，傾斜三維模型、點(diǎn)云數(shù)據(jù)等多種新型測繪產(chǎn)品不斷涌現(xiàn)。筆者通過對傾斜攝影和激光點(diǎn)云技術(shù)的研究，提出使用傾斜三維模型和點(diǎn)云數(shù)據(jù)提取大比例尺地形圖中特征點(diǎn)、線的方法，以期在保證精度的前提下，提高測圖的自動化程度。

1 總體思路

地形圖精度主要取決于一、二類地物的精度。傳統(tǒng)大比例尺測圖繪制建筑物特征線時需要內(nèi)外業(yè)配合采取“先內(nèi)后外”或“先外后內(nèi)”的工序流程。而在使用傾斜攝影自動化建模技術(shù)構(gòu)建的三維模型中，可以清晰地看到建筑物的立面。利用直線公理，通過在建筑物立面上采集的兩個特征點(diǎn)進(jìn)行投影交匯，直接獲取建筑物結(jié)構(gòu)線，可應(yīng)用于航測法成圖的工藝流程中，減少房檐外業(yè)調(diào)繪和內(nèi)業(yè)改正的工序，提高效率。

在大比例尺測圖中，高程點(diǎn)需要通過人工外業(yè)測繪獲得，本文利用激光點(diǎn)云數(shù)據(jù)高程精度高的特性，使用基于三角網(wǎng)坡度分割的方法，對LiDAR點(diǎn)云數(shù)據(jù)進(jìn)行自動分類，然后結(jié)合影像光譜特征和高程插值，自動生成高程點(diǎn)。

2 基于直線公理的建筑物特征線快速提取

直線公理經(jīng)過兩點(diǎn)有一條直線，并且只有一條直線。常規(guī)建筑物的主體在豎直方向都是垂直的，在每個立面上任意采集兩個點(diǎn)A、B，向z=0的面作垂線，獲得垂足一定落在A、B所在面與z=0的交線上，即建筑物的一條邊線。以此類推，在建筑物的其他立面上依次采集兩個特征點(diǎn)，取其在z=0面上的垂足連成直線，幾條線相交即可獲得建筑物的基底多邊形。建筑物主體有垂直、平行等幾何特征的，可根據(jù)此關(guān)系減少采集點(diǎn)。

如圖1所示，以長方體為例，其相鄰邊線具有垂直特性、對邊具有平行特性和等距特性，取5個點(diǎn)即可實(shí)現(xiàn)基底特征線的自動獲取。在進(jìn)行DLG采集時，在主立面或模型效果最好的立面上采集兩個點(diǎn)A、B，向z=0的面作垂線，獲得垂足A′、B′，即AA′⊥面OPUV，BB′⊥面OPUV。過A′B′畫一條直線，則其為房屋的一條邊線所在的直線。然后依次在相鄰立面上采集一個點(diǎn)C、D、E，各點(diǎn)分別向z=0的面作垂線，CC′⊥面OPUV，DD′⊥面OPUV，EE′⊥面OPUV，獲得垂足C′、D′、E′，然后分別過C′、E′向直線A′B′作垂線，C′P⊥A′B′，E′U⊥A′B′,得到A′B′的鄰邊C′P和E′U，最后過D′作D′O∥A′B′，與領(lǐng)邊垂直相交于O、V，這樣就獲取到該建筑物的準(zhǔn)確位置OPUV。

圖1 房屋特征線快速提取原理

3 基于點(diǎn)云數(shù)據(jù)分類插值的高程特征點(diǎn)自動生成

點(diǎn)云數(shù)據(jù)提取高程點(diǎn)流程如圖2所示。一般城市地面點(diǎn)高程的變化是一個緩慢的過程(除陡坡、懸崖等變化過快的區(qū)域外)[2-3]。對于建筑物和密集植被而言，其內(nèi)部高程變化也是相對平緩的，只有在其與地面的交界處，高程才存在突變。因此可以使用Delaunay三角網(wǎng)將原始點(diǎn)云構(gòu)建TIN模型，用每個三角面坡度來反映高程的變化程度，通過一定的閾值對三角網(wǎng)坡度進(jìn)行分割，坡度較大的三角面則為建筑物或植被等與地面的分割點(diǎn)所在面，其包含的區(qū)域?yàn)楦叱掏蛔內(nèi)切?，被高程突變?nèi)切伟鼑膮^(qū)域?yàn)榻ㄖ镯敾蛑脖豁敚粚儆诟叱厅c(diǎn)獲取范圍，直接略去；剩余則為高程平滑三角形。

圖2 點(diǎn)云數(shù)據(jù)提取高程點(diǎn)流程

大比例尺地形圖的高程點(diǎn)一般取在道路中心點(diǎn)、堤頂、坡腳、坎上、坎下、凹地、橋面、廣場空地等位置。其中堤頂、坡腳、坎上、坎下、凹地包含在高程突變?nèi)切沃?，通過Kriging插值法在高程突變?nèi)切螀^(qū)域進(jìn)行插值，取高程最大值或最小值為目標(biāo)高程點(diǎn)。道路中心點(diǎn)、橋面、廣場空地等區(qū)域的高程點(diǎn)的生成需結(jié)合影像的光譜特征。通過對影像光譜特征的分析獲取道路、橋梁、廣場空地的大致區(qū)域，進(jìn)而在這些區(qū)域進(jìn)行插值，取其中高程值最高的點(diǎn)、高程變化大的點(diǎn)或地物中間點(diǎn)即為目標(biāo)高程點(diǎn)。然后按照大比例尺地形圖對高程注記點(diǎn)的密度要求對最初生成的高程點(diǎn)進(jìn)行過濾，首先過濾掉地物中間點(diǎn)，然后根據(jù)不同的閾值過濾掉高程變化點(diǎn)，直至獲取合適密度的高程注記點(diǎn)。取其中心位置，將其自動轉(zhuǎn)成矢量點(diǎn)，最后通過少量的人工干預(yù)對矢量高程點(diǎn)進(jìn)行適當(dāng)?shù)倪^濾和篩選。

4 方法驗(yàn)證與精度分析

應(yīng)用本文方法在浙江省紹興市新昌縣1∶500測圖工作中進(jìn)行了試驗(yàn)，隨機(jī)選擇4個圖幅進(jìn)行誤差分析，如圖3—圖6所示，共選擇1360個樣本點(diǎn)(其中平面樣本點(diǎn)695個，高程樣本點(diǎn)665個)與解析法獲得的數(shù)據(jù)進(jìn)行精度比較，取2倍中誤差為極限誤差，精度結(jié)果見表1。與浙江省地方標(biāo)準(zhǔn)DB33/T 552—2014要求相比，利用本方法采集的建筑物和高程點(diǎn)精度遠(yuǎn)遠(yuǎn)高于傳統(tǒng)航攝的精度要求，可以滿足絕大部分的行業(yè)應(yīng)用需求。

圖3 圖幅3266.25—512.00部分樣本點(diǎn)位分布

圖4 圖幅3266.25—512.00點(diǎn)位偏移

圖5 圖幅3266.00—512.25部分樣本點(diǎn)位分布

圖6 圖幅3266.00—512.25點(diǎn)位偏移

但在精度分析時也發(fā)現(xiàn)，對于建筑物高度密集區(qū)域或形狀不規(guī)則的地物，大多會形成粗差點(diǎn)。這是受三維模型精度不足的影響，導(dǎo)致作業(yè)時不能清晰獲取建筑物立面點(diǎn)，采集效果較差。

5 結(jié) 語

筆者通過對傾斜三維模型和點(diǎn)云數(shù)據(jù)的研究，將其引入城市大比例尺測圖中，提高特征點(diǎn)、線的采集效率和自動化程度?；谥本€公理，提出通過傾斜三維模型立面上特征點(diǎn)的采集來自動提取建筑物基底特征線的方法；通過點(diǎn)云數(shù)據(jù)分類插值法自動生成高程點(diǎn)的技術(shù)路線。經(jīng)驗(yàn)證，本文方法可以滿足國家標(biāo)準(zhǔn)的精度要求，能有效提高采集效率。

表1 精度分析結(jié)果 cm

由于受模型清晰度影響，建筑物特征線快速提取方法在遇到高密度、不規(guī)則建筑物時，精度較差，下一步筆者將在提升建模精度及進(jìn)一步改進(jìn)大比例尺測圖流程自動化的方向繼續(xù)努力。

[1] 肖煒枝.城市大比例尺地形圖數(shù)據(jù)更新方法及其應(yīng)用[J].測繪通報(bào),2016(9):127-129.

[2] SITHOLE G，VOSSELMAN G．Experimental Comparison of Filter Algorithms for Bare—Earth Extraction from Airborne leaser Scanning Point Clouds[J].ISPRS Journal of Photogrammetry & Remote Sensing，2004，59(1-2):85-101.

[3] 胡舉,楊遼,沈金祥,等.一種基于分割的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)濾波[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2012,37(3):318-321.

[4] 王濤,楊建思,廖明生.一種從LIDAR數(shù)據(jù)提取城區(qū)DTM的方法[J].遙感學(xué)報(bào),2007,11(2):209-213.

[5] 張劍清,王強(qiáng).基于近景單影像的房檐改正計(jì)算方法[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版)，2007,32(12):1091-1094.

[6] 謝瑞,程效軍,管海燕.機(jī)載激光掃描與航空影像的融合分類與精度分析[J].同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,41(4):607-613.

[7] 蔣晶玨,張祖勛,明英．復(fù)雜城市環(huán)境的機(jī)載LiDAR點(diǎn)云濾波[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2007,32(5):402-405.

[8] 張小紅.機(jī)載激光雷達(dá)測量技術(shù)理論和方法[M].武漢:武漢大學(xué)出版社,2007.

[9] 譚仁春,李鵬鵬,文琳,等.無人機(jī)傾斜攝影的城市三維建模方法優(yōu)化[J].測繪通報(bào),2016(11):39-42.

[10] 陳建斌,王明孝,張萍,等.利用ADS80影像測制西部地區(qū)大比例尺地形圖的快速流程[J].測繪通報(bào),2012(8):43-46.

[11] 史印芳.基于UAV的大比例尺全內(nèi)業(yè)三維數(shù)字測圖研究[D].青島:山東科技大學(xué),2013.

[12] 胡翔云.航空遙感影像線狀地物與房屋的自動提取[D].武漢:武漢大學(xué),2001.

[13] 國家測繪地理信息局.1∶500 1∶1000 1∶2000地形圖航空攝影測量內(nèi)業(yè)規(guī)范：GB/T 7930—2008[S].北京:中國標(biāo)準(zhǔn)出版社,2008.

[14] 國家測繪地理信息局.數(shù)字地形圖產(chǎn)品基本要求：GB/T 17278—2009[S].北京：中國標(biāo)準(zhǔn)出版社，2009.

[15] 浙江省測繪地理信息局.1∶500 1∶1000 1∶2000數(shù)字地形圖測繪規(guī)范:DB33/T 552—2014[S].杭州:浙江省質(zhì)量技術(shù)監(jiān)督局,2014.

ApplicationofObliquePhotographyandLaserPointCloudinLargeScaleMapping

SHEN Shujuan，YU Zhiqiang，HUANG Hua，ZHU Yanmin，WU Binzhuo

(Zhejiang Academy of Surveying & Mapping，Hangzhou 310012,China)

In traditional large scale mapping，the method of obtaining the building’s line is inefficient with high-precision or efficient with low-precision.According to the analysis of the oblique 3D model，the paper proposes a fast feature extraction method of building’s feature line based on the linear axiom.In view of the status that elevation points are acquisited manually，a new method for the automatic generation of elevation points is proposed.It can be realized by the classification and interpolation of the laser point cloud data.Study proves that the method can get good results in both accuracy and efficiency and improve the degree of automation.

oblique photography；laser point cloud；feature line extraction；automatic generation of feature points；mapping automation

2017-03-13；

2017-04-07

浙江省科技計(jì)劃項(xiàng)目(2017C33028；2015C33075)

申淑娟(1985—),女，碩士，工程師，研究方向?yàn)楹綔y與GIS技術(shù)。E-mail：ssj_zjasm@qq.com

申淑娟，俞志強(qiáng)，黃樺，等.傾斜攝影和激光點(diǎn)云技術(shù)在大比例尺測圖中的應(yīng)用[J].測繪通報(bào)，2017(12)：94-97.

10.13474/j.cnki.11-2246.2017.0387.

P237

A

0494-0911(2017)12-0094-04