基于機(jī)載激光掃描三維重建的基建驗(yàn)收?

許志海 陳 浩 廖如超 譚弘武 楊 鵬

（廣東電網(wǎng)有限責(zé)任公司機(jī)巡作業(yè)中心 廣州 510000）

1 引言

將三維建模技術(shù)應(yīng)用在基建驗(yàn)收中，能夠幫助參與驗(yàn)收的人員發(fā)現(xiàn)設(shè)計(jì)和施工中存在的缺陷，直觀感受建筑物的外觀質(zhì)量［1］。過去，基于圖像采集的測(cè)量在建筑物三維模型的推廣中起著重要的作用，但是基于圖像采集的三維建模技術(shù)存在自動(dòng)化水平低、模型尺寸大以及精度不夠的問題［2～3］。隨著光電傳感器技術(shù)的發(fā)展，激光掃描在大范圍和高分辨率的三維數(shù)據(jù)采集方面開始取得了顯著的發(fā)展［4～5］。

文獻(xiàn)［6］提出了一種完全自動(dòng)化的方法，利用一種車載系統(tǒng)來重建城市環(huán)境的紋理CAD 模型，該系統(tǒng)配備了單激光掃描儀和6 個(gè)攝像頭，外加一個(gè)GPS/INS/基于里程表的導(dǎo)航系統(tǒng)。將激光點(diǎn)分為建筑物、地面和樹木，將每個(gè)掃描線分割成線段，然后分層次分組。這種方法在處理區(qū)域較大的建筑物時(shí)并不是很有效。文獻(xiàn)［7］引入了一種自動(dòng)建模算法，該算法利用裝有一個(gè)攝像頭和兩個(gè)2D 激光掃描儀的卡車，在城市中實(shí)時(shí)生成變形的紋理網(wǎng)格。文獻(xiàn)［8］研究了基于不同自動(dòng)化水平的重建方法，其中數(shù)據(jù)是由機(jī)載系統(tǒng)提供的，并從時(shí)間消耗、自動(dòng)化程度、細(xì)節(jié)程度、幾何精度、建筑面積和形狀不同等方面對(duì)建筑物提取方法進(jìn)行了分析和評(píng)價(jià)。

基于上述研究成果，本文提出一種是通過機(jī)載激光掃描數(shù)據(jù)和輔助圖像采集重建高質(zhì)量、高精度和小尺寸的大規(guī)模基建區(qū)域三維模型的技術(shù)。該技術(shù)采用完全自動(dòng)化的方法，通過對(duì)激光數(shù)據(jù)點(diǎn)的噪聲過濾、全自動(dòng)化分類完成對(duì)區(qū)域建筑物的三維重建，同時(shí)基于關(guān)鍵點(diǎn)提取技術(shù)有效降低模型尺寸，并通過軟件對(duì)建模區(qū)域內(nèi)建筑物立面進(jìn)行紋理映射。

2 基于機(jī)載激光掃描的三維重建算法思路

基于機(jī)載激光掃描的建筑物三維重建目標(biāo)是通過移動(dòng)激光掃描數(shù)據(jù)和地面圖像重建高質(zhì)量和高精度的三維模型，為基建工程的感官質(zhì)量驗(yàn)收提供技術(shù)支撐。

建筑物三維重建目標(biāo)是通過構(gòu)建建筑幾何模型實(shí)現(xiàn)對(duì)建筑物的重構(gòu)［9］。重建算法主要包括噪聲濾波、地面點(diǎn)分類、建筑點(diǎn)提取、平面表面檢測(cè)和建筑物關(guān)鍵點(diǎn)推導(dǎo)。詳細(xì)算法流程如圖1所示。

圖1 基于激光掃描數(shù)據(jù)的重建算法

3 主要算法過程

3.1 噪聲濾波

噪聲點(diǎn)是指與其它點(diǎn)明顯偏離的點(diǎn)。噪聲點(diǎn)是基于相位激光掃描儀產(chǎn)生的點(diǎn)云的典型特征［10］。使用二維投影的數(shù)據(jù)（xy，xz，yz）來過濾掉這些噪聲點(diǎn)。每個(gè)2D 投影中的數(shù)據(jù)被分配到10*1的區(qū)塊中。采用雙變量數(shù)據(jù)的三維直方圖來計(jì)算落入網(wǎng)格的每個(gè)區(qū)塊的元素?cái)?shù)量，并且對(duì)每個(gè)區(qū)塊的中心位置進(jìn)行計(jì)算?？梢愿鶕?jù)激光數(shù)據(jù)點(diǎn)云的密度和數(shù)據(jù)集的大小來定義每個(gè)區(qū)塊中點(diǎn)數(shù)的閾值（T）［10～11］。噪聲濾波詳細(xì)過程如圖2所示。

圖2 噪聲點(diǎn)過濾算法流程

3.2 數(shù)據(jù)分類

在去除噪聲點(diǎn)后，基于激光數(shù)據(jù)點(diǎn)云的文件大小得到大幅度的減小。這些文件中包含需要加以分離的地面點(diǎn)、建筑物點(diǎn)、樹點(diǎn)和其他點(diǎn)［12～13］。

首先是地面點(diǎn)的分類算法。地面點(diǎn)分類算法是針對(duì)相對(duì)平坦的區(qū)域，在完全自動(dòng)化的情況下運(yùn)行的。算法流程如圖3所示。

圖3 地面數(shù)據(jù)點(diǎn)的分類算法

圖3 中的縮寫符號(hào)的含義如表1所示。

表1 地面點(diǎn)分類算法中縮寫符號(hào)列表

圖3 所示的算法是通過考慮數(shù)據(jù)中最頻繁發(fā)生的高度值來實(shí)現(xiàn)的。對(duì)于相對(duì)平坦區(qū)域的機(jī)載激光數(shù)據(jù)，地面點(diǎn)通常具有最頻繁的發(fā)生高度值，特別是在沒有大面積低植被的城市地區(qū)［14～15］。算法中，Zf_data 與Z_min 的差值設(shè)為1m。如果差值小于1m，則被認(rèn)為是接近平坦的地形?？紤]到測(cè)量精度的影響，我們使用了0.25 m 作為公差，同時(shí)也考慮了地形的不平整度。此外，還使用了一個(gè)3m 的閾值，主要考慮到由于噪聲點(diǎn)的不完全消除，某些區(qū)塊中的數(shù)據(jù)可能只包含反射區(qū)域的點(diǎn)。

在地面數(shù)據(jù)點(diǎn)被提取之后，剩余的數(shù)據(jù)包含建筑物、樹和其他對(duì)象。在三維模型的建立中，建筑點(diǎn)分類是構(gòu)建模型重建的關(guān)鍵步驟。不同于在物體上方數(shù)百甚至數(shù)千米掃描的高空激光數(shù)據(jù)，低空激光數(shù)據(jù)被收集在靠近地面的街道上?？梢缘玫浇ㄖ锎怪逼矫娴脑敿?xì)三維信息。該算法是基于建筑立面垂直于地面的假設(shè)而開發(fā)的。該方法利用兩種不同的算法，根據(jù)數(shù)據(jù)集中建筑物的最大高度來進(jìn)行點(diǎn)分類。建筑物數(shù)據(jù)點(diǎn)的分類算法的基本原理如圖4所示。

圖4 建筑物數(shù)據(jù)量點(diǎn)分類算法原理

首先使用橫截面1和橫截面2來找出與其重疊部分相同的建筑物。圖4 中建筑物B1、B2 和B5 與兩個(gè)橫截面重疊部分完全相同。在檢測(cè)到相同重疊部分之后，整個(gè)建筑物就被從數(shù)據(jù)文件中提取并移出。然后通過設(shè)置另外兩個(gè)橫截面（3 和4）從其余數(shù)據(jù)中提取高度較低的建筑物，即B3、B4、B6 和B7。由于不同橫截面與樹重疊部分的形狀是不同的，因此可以有效地把樹與建筑物區(qū)分開來，盡管如此，為了處理最大高度小于20m的數(shù)據(jù)點(diǎn)分布較為集中的建筑物，算法使用了三個(gè)橫截面來進(jìn)行建筑物提取。通過導(dǎo)出它們之間的重疊，這些點(diǎn)被合并，重復(fù)點(diǎn)被刪除用于粗糙的建筑物提取。該部分處理的是建筑物下部的稀疏點(diǎn)，例如由于建筑物一樓的停車位或建筑物下部。該算法流程如圖5所示。

圖5 建筑物數(shù)據(jù)點(diǎn)分類算法

圖5 中的縮寫符號(hào)的含義如表2所示。

表2 建筑物點(diǎn)分類算法中縮寫符號(hào)列表

圖5 所示的算法以20m 界線，對(duì)高于20m 和低于20m的建筑物分別進(jìn)行數(shù)據(jù)點(diǎn)分類。

首先對(duì)高于20m 的建筑物數(shù)據(jù)點(diǎn)進(jìn)行分類。從橫截面1 和橫截面2 中獲取所有的數(shù)據(jù)點(diǎn)，并橫截面之間數(shù)據(jù)點(diǎn)的的XY 坐標(biāo)進(jìn)行對(duì)比。橫截面1的Y 坐 標(biāo) 上 下 限 分 別 設(shè) 置 為（Z_max-6）m 和（Z_max-9）m，橫截面2的Y坐標(biāo)上下限分別設(shè)置為（Z_mid-1.5）m 和（Z_mid+1.5）m。由于在一些建筑物的頂部有一些突出的部分，如電梯塔，屋頂窗，和水箱等，這些部位與建筑主體的截面積不相同，因此橫截面1 要設(shè)置比建筑物最高高度低6m 以避開其突出部分。由于橫截面1 的Y 坐標(biāo)上限為（Z_max-6）m，因 此Z_mid 設(shè) 置 為（（Z_max +Z_min）/2-2）m。假設(shè)橫截面i中的XY 平面中數(shù)據(jù)集合表示為cutff_i（：，［x，y］），則基于Matlab的兩組橫截面重疊數(shù)據(jù)的相同部分的處理代碼為

TF1 = ismember（cutff_2（：，［x，y］），cutff_1（x，y），‘rows’）；

Idx1=find（TF1==1）；

HighBuilding=cutoff_2（Idx1，［x，y，z］）；

TF2 = ismember（objPoints（x，y），HighBuilding（x，y），‘rows’）；

Idx2=find（TF2==1）；

highBuilding=objPoints（Idx2，［x，y，z］）；

因此，較高的建筑被較為粗略地提取出來。數(shù)據(jù)文件中的地面和建筑物數(shù)據(jù)被分類識(shí)別和去除后，還有一些包括樹木在內(nèi)的其他的數(shù)據(jù)點(diǎn)需要被進(jìn)一步處理。

在粗略地提取了較高的建筑之后，算法又設(shè)置了兩個(gè)用于識(shí)別高度較低的建筑的兩個(gè)橫截面：橫截面3 和橫截面4。橫截面3 的上下高度分別為（Z_min+3）m和（Z_min+5）m。橫截面4的上下高度分別為（Z_min+1.5）m 和（Z_min+2.5）m。如圖4 所示，橫截面的高度越矮，所重疊的數(shù)據(jù)點(diǎn)數(shù)就越少，從樹中分離建筑點(diǎn)也比較容易。但是，在實(shí)踐操作時(shí)需要考慮，如果在重疊區(qū)的建筑物有窗戶，它將導(dǎo)致不完全的建筑提取。例如，在一個(gè)建筑的橫截面3 的重疊區(qū)中墻壁上有一些點(diǎn)，而在橫截面4 的重疊區(qū)由于窗口反射而沒有點(diǎn)或甚至是空的。在比較它們之間的重疊后，結(jié)果將導(dǎo)致建筑立面的缺失。因此，為了避免這種情況，應(yīng)該適當(dāng)?shù)靥岣邫M截面的高度。通過以上操作低層建筑被粗略地提取出來。但是除了這些建筑點(diǎn)之外，還有其他非建筑物的數(shù)據(jù)點(diǎn)，需要進(jìn)行進(jìn)一步的處理。

將經(jīng)過上述算法處理的粗略建筑點(diǎn)轉(zhuǎn)化為二值化圖像，通過設(shè)置圖像參數(shù)的方法來移除非建筑數(shù)據(jù)點(diǎn)。首先，對(duì)二值化圖像的像素大小進(jìn)行了預(yù)定義。然后依據(jù)提取的粗糙建筑點(diǎn)的XY坐標(biāo)定義二值化圖像的大小。二值化圖像可以通過從粗略檢測(cè)到的建筑物點(diǎn)將對(duì)象設(shè)置為1n 并將非建筑物數(shù)據(jù)點(diǎn)設(shè)置為0來形成。

為了從圖像中消除小的和不規(guī)則的非建筑物區(qū)域，可以設(shè)置區(qū)域?qū)傩缘拈撝?，其中區(qū)域?qū)傩詾閰^(qū)域大小和偏心率。當(dāng)一個(gè)區(qū)域的偏心值接近1時(shí)，意味著該區(qū)域的形狀接近一條線。當(dāng)偏心值接近0 時(shí)，該區(qū)域的形狀接近于圓形。通常情況下，機(jī)載激光數(shù)據(jù)顯示建筑立面的形狀接近一條線，但是樹比較接近圓形。對(duì)于方形建筑物，偏心值設(shè)定為較小的值，即0.3～0.5。

有很多樹非?？拷ㄖ饬⒚?，難以有效分離。因此，本文通過創(chuàng)建形態(tài)結(jié)構(gòu)元素來實(shí)現(xiàn)對(duì)樹木的有效分離。形態(tài)結(jié)構(gòu)元素可以由特定的形狀如線條或圓盤構(gòu)成。 對(duì)于形態(tài)線結(jié)構(gòu)元件，預(yù)定義線的長(zhǎng)度和從水平軸逆時(shí)針方向測(cè)量的線的角度。線結(jié)構(gòu)元件的角度大致設(shè)定為建筑物邊緣方向，大致為10h。形態(tài)行結(jié)構(gòu)元素可以設(shè)置為se =strel（‘line’，行的長(zhǎng)度，行的方向）。這使得建筑物邊緣和樹木之間的粘合部分能夠被有效地分離。

通常，沿著街道收集的低空機(jī)載激光數(shù)據(jù)量很大，為了避免突然繁重的計(jì)算或內(nèi)存不足的情況，通常根據(jù)配置文件的數(shù)量分成幾組進(jìn)行處理。因此，一個(gè)組可能只包含一個(gè)建筑物的一部分，例如一個(gè)門面或兩個(gè)門面。一個(gè)區(qū)域的形狀，除了使用偏心屬性之外，還可以利用長(zhǎng)軸長(zhǎng)度和短軸長(zhǎng)度的區(qū)域?qū)傩匀コ恍┎灰?guī)則的區(qū)域。

處理后的二值化圖像被轉(zhuǎn)換回?cái)?shù)據(jù)點(diǎn)云。最后將上述提取的高等建筑數(shù)據(jù)點(diǎn)和低層建筑數(shù)據(jù)點(diǎn)合并，形成完整的建筑物數(shù)據(jù)點(diǎn)。

上述數(shù)據(jù)分類算法的運(yùn)行不需要人為干預(yù)，除了需要預(yù)定義的幾個(gè)參數(shù)之外。這些預(yù)定義的參數(shù)包括二值圖像的像素大小、圖像區(qū)域?qū)傩裕娣e大小、偏心率值、長(zhǎng)軸長(zhǎng)度和短軸長(zhǎng)度）以及形態(tài)結(jié)構(gòu)元素。其中對(duì)于除偏心值之外的區(qū)域?qū)傩?，其他參?shù)可以在所有數(shù)據(jù)集中通用。當(dāng)場(chǎng)景不包含樹時(shí)，形態(tài)結(jié)構(gòu)元素也無需設(shè)置。

3.3 關(guān)鍵點(diǎn)和表面網(wǎng)格提取

由于上述算法生成的建筑物三維圖像仍然包含大量數(shù)據(jù)點(diǎn)，不利于快速呈現(xiàn)以及可視化的快速渲染等應(yīng)用，因此需要生成低內(nèi)存的構(gòu)建模型。在構(gòu)建包含較少數(shù)據(jù)點(diǎn)的建筑物三維模型的過程中建筑物的關(guān)鍵點(diǎn)提取是至關(guān)重要的。關(guān)鍵點(diǎn)提取的步驟是識(shí)別每一個(gè)建筑立面并提取關(guān)鍵點(diǎn)。

首先是確定那個(gè)建筑立面。通常幾乎所有的建筑都是矩形的或帶有平面（非彎曲）的立面。因此，我們可以使用共面條件來識(shí)別建筑物的外觀。算法流程如圖6所示。

圖6 所示的算法使每個(gè)建筑物的立面都能被識(shí)別。由于每個(gè)平面幾乎都是矩形，所以很容易從確定的建筑平面得到平面的角?？梢詮腦 或Y 坐標(biāo)和Z 值的最小值和最大值推導(dǎo)出角。由于基于激光數(shù)據(jù)的角點(diǎn)并不一定是建筑物的角落處。因此，為了保證矩形的建筑立面，需要進(jìn)行一些調(diào)整。調(diào)整的原則是在一個(gè)建筑物外立面的上角通常有相同的高度值以及上角和對(duì)應(yīng)的下角有相同的X 或Y 坐標(biāo)。此外，為了達(dá)到建筑幾何的高質(zhì)量（如完整性和正確性），手工檢查和校正是很重要的。例如，在一些建筑立面上，由于物體反射（如玻璃）或物體遮擋（例如樹木或其他物體），建筑立面上的點(diǎn)可能是稀疏和不連續(xù)的。通過對(duì)已識(shí)別的建筑平面和角落與地面圖像進(jìn)行形象化比較，并通過在算法中重新設(shè)置參數(shù)進(jìn)行校正，以取得更好的效果。

圖6 建筑立面構(gòu)建算法

在關(guān)鍵點(diǎn)提取后，為表面構(gòu)建網(wǎng)格。在處理復(fù)雜的建筑時(shí)，根據(jù)不同的高度將它們分成不同的立方體。為了進(jìn)一步的操作，可將網(wǎng)格曲面導(dǎo)入3ds Max，對(duì)表面進(jìn)行合并以及小的幾何調(diào)整，以實(shí)現(xiàn)良好的可視化。

3.4 紋理準(zhǔn)備和3D映射

為便于參與基建工程驗(yàn)收的人員快速、準(zhǔn)確形成對(duì)建筑物外觀質(zhì)量的感官印象，需要通過在建筑物的三維模型上映射高質(zhì)量的外觀紋理以提高模型可視化效果。

紋理圖像是使用機(jī)載的工業(yè)數(shù)碼相機(jī)拍攝的。這些圖像被用來提供建筑立面的紋理。圖像處理軟件（Corel Photo Paint）用于紋理準(zhǔn)備，這些準(zhǔn)備工作包括圖像透視校正、噪聲點(diǎn)去除和圖像拼接。3ds Max軟件用于紋理映射。

首先由于數(shù)碼相機(jī)采集的圖像以一定的斜角向建筑立面拍攝，因此需要加以透視校正才能用于紋理映射。其次在大型建筑立面上，需要幾張圖片作為單一紋理，因此需要圖像拼接。另外由于一些物體對(duì)建筑外立面的遮擋導(dǎo)致圖像產(chǎn)生噪聲點(diǎn)，例如靠近建筑物的樹影等。這種噪聲點(diǎn)需要從圖像中去除。

一旦完成上述圖像處理，建筑外立面的紋理就已經(jīng)準(zhǔn)備好，下一步就是把紋理映射到建筑的三維模型上。紋理映射工作是通過3ds Max軟件進(jìn)行處理的。對(duì)于建筑三維模型，每個(gè)建筑立面或建筑屋頂都與每個(gè)紋理匹配。這使得映射過程相對(duì)簡(jiǎn)單。通過UVW映射方法在3ds Max中的應(yīng)用，將二維紋理圖像投射到三維建筑模型上。UVW 是通過應(yīng)用數(shù)學(xué)函數(shù)將紋理上的每個(gè)點(diǎn)分配到物體表面的每個(gè)點(diǎn)上，實(shí)現(xiàn)二維圖像和三維物體表面的一一映射。

4 三維重建實(shí)驗(yàn)

實(shí)驗(yàn)所用的機(jī)載激光掃描系統(tǒng)如圖7所示。

圖7 機(jī)載激光掃描系統(tǒng)

機(jī)載激光掃描系統(tǒng)包括FARO 激光掃描儀、工業(yè)成像攝像系統(tǒng)、同步電子器件以及機(jī)械支撐結(jié)構(gòu)。系統(tǒng)底板的長(zhǎng)度和寬度約為63cm。當(dāng)掃描器處于垂直位置時(shí)，掃描儀的高度約為97.5cm，當(dāng)使用一些傾斜（固定）位置時(shí)，掃描儀的垂直位置在36cm～57cm之間?？赡艿呢?fù)面傾斜角度，或俯視的角度（DA），當(dāng)掃描儀的z 軸點(diǎn)平臺(tái)地平線以下-60h，-45h，-30h，和-15h，而積極的傾斜角度允許在角度測(cè)量0h，15h和30h以上平臺(tái)的地平線。預(yù)期的儀器和平臺(tái)的總重量約為40kg。

激光掃描儀的反射鏡旋轉(zhuǎn)頻率或輪廓測(cè)量頻率在實(shí)驗(yàn)中設(shè)置為24Hz、49Hz 或61Hz，垂直角度分 辨 率 設(shè) 置 為 0.009h ～0.288h（0.15mrad～5.0mrad）。 在道路測(cè)繪中使用典型的15m 掃描范圍時(shí)，相鄰點(diǎn)的相應(yīng)點(diǎn)間距沿著掃描剖面是2.2mm～75mm。 對(duì)于50km/h～60km/h 的平臺(tái)速度，當(dāng)使用49Hz 的輪廓測(cè)量頻率時(shí)，輪廓間距約為30cm。當(dāng)頻率為49Hz 時(shí)，當(dāng)測(cè)繪單元的速度保持在40km/h以下時(shí)，剖面間隔小于20cm，并且剖面上的點(diǎn)分辨率仍然是2.5cm～5cm，在城市環(huán)境中掃描范圍能夠達(dá)到20m～40m。

機(jī)載激光掃描系統(tǒng)使用表1 所示的典型參數(shù)設(shè)置。

表1 系統(tǒng)參數(shù)設(shè)置

實(shí)驗(yàn)?zāi)繕?biāo)區(qū)域如圖8 所示。航空掃描數(shù)據(jù)軌跡如圖8（a）所示。由于實(shí)驗(yàn)時(shí)間為2015年5月份，因此圖中實(shí)驗(yàn)區(qū)域存在大量靠近建筑物的樹木。因此在算法中需要設(shè)置形態(tài)結(jié)構(gòu)元素。

圖8 實(shí)驗(yàn)區(qū)域圖片和航空掃描數(shù)據(jù)軌跡

實(shí)驗(yàn)中機(jī)載激光掃描系統(tǒng)采集數(shù)據(jù)總共包含16 萬份配置文件，每一份配置文件有2，150 點(diǎn)的3D 坐標(biāo)和返回強(qiáng)度，以及8200 張圖片。這些文件被劃分為162個(gè)檔案，每個(gè)檔案由大約1000個(gè)配置文件組成。數(shù)據(jù)收集持續(xù)了大約一個(gè)小時(shí)，覆蓋了一個(gè)180m 到280m 的區(qū)域。數(shù)據(jù)采集完成后將激光數(shù)據(jù)轉(zhuǎn)換為地圖坐標(biāo)系統(tǒng)（ETRS-TM35FIN，GRS80橢球體高度）。

首先對(duì)數(shù)據(jù)點(diǎn)云進(jìn)行噪聲濾波。根據(jù)數(shù)據(jù)密度和規(guī)模，噪聲點(diǎn)閾值設(shè)置為800 點(diǎn)。噪聲算法過濾的結(jié)果如圖9所示。

圖9 YZ平面內(nèi)噪聲點(diǎn)的過濾結(jié)果

圖9 中上面的是原始的激光數(shù)據(jù)點(diǎn)云，下面的是去除噪聲的數(shù)據(jù)點(diǎn)。圖中的數(shù)字以相同的比例繪制，顏色根據(jù)根據(jù)數(shù)據(jù)點(diǎn)的高度值不同而有所變化。

對(duì)地面數(shù)據(jù)點(diǎn)進(jìn)行分類的結(jié)果如圖10所示。

圖10 地面點(diǎn)分類結(jié)果

圖10 中上面的圖片中的淺色部分是地面數(shù)據(jù)點(diǎn)，深色部分是地面建筑、樹木以及其他高出地面3 米的物體的數(shù)據(jù)點(diǎn)。圖10 中下面的圖片是經(jīng)過地面數(shù)據(jù)分類算法處理過的，可以看出圖片中基本只剩淺色的地面數(shù)據(jù)點(diǎn)。

去除地面數(shù)據(jù)點(diǎn)后，進(jìn)行建筑數(shù)據(jù)點(diǎn)的處理。建筑數(shù)據(jù)點(diǎn)分類算法的結(jié)果如圖11所示。

建筑物分類算法對(duì)所有的激光數(shù)據(jù)文件進(jìn)行了處理，并成功提取了建筑物數(shù)據(jù)點(diǎn)。為了便于對(duì)三維數(shù)據(jù)點(diǎn)云進(jìn)行處理，建筑物數(shù)據(jù)點(diǎn)被合并到四個(gè)文件中。每個(gè)文件包含大約900 萬個(gè)點(diǎn)。圖11為建筑物數(shù)據(jù)點(diǎn)分類的結(jié)果，其中不同高度的數(shù)據(jù)點(diǎn)使用不同的顏色加以區(qū)分。

基于圖11，對(duì)建筑物的關(guān)鍵點(diǎn)進(jìn)行提取，并為建筑外立面構(gòu)建網(wǎng)格。通過3ds MAX 軟件對(duì)建筑外立面網(wǎng)格曲面進(jìn)行三維建模。形成的實(shí)驗(yàn)區(qū)域的三維模型如圖12示。

最后對(duì)將工業(yè)攝像機(jī)采集的圖像進(jìn)行透視校正、噪聲點(diǎn)去除等處理，形成建筑立面紋理模型。使用3ds MAX軟件中UVW貼圖的方法，將紋理模型設(shè)置到對(duì)應(yīng)的位置。形成的最終三維模型如圖13所示。

圖11 建筑物分類算法結(jié)果

圖12 使用3ds MAX構(gòu)建的實(shí)驗(yàn)區(qū)域原始模型

圖13 實(shí)驗(yàn)區(qū)域的三維模型

5 結(jié)語

本文利用機(jī)載激光掃描數(shù)據(jù)和相關(guān)的圖像數(shù)據(jù)，利用自動(dòng)算法進(jìn)行三維重建、交互檢查和模型完整性校正，以及輔助紋理制作和映射的軟件，成功地重建了三維模型。模型的重構(gòu)主要分為兩步：1）三維重構(gòu)，包括建筑點(diǎn)的噪聲過濾、全自動(dòng)化分類、關(guān)鍵點(diǎn)檢測(cè)、網(wǎng)格提取等；2）逼真的紋理貼圖。本文在三維重建中提出了噪聲點(diǎn)濾波、地面分類、建筑點(diǎn)分類、共面點(diǎn)檢測(cè)和模型推導(dǎo)關(guān)鍵點(diǎn)的詳細(xì)算法，同時(shí)使用線條結(jié)構(gòu)元素將建筑物和樹木從二值圖像中分離出來。通過實(shí)驗(yàn)結(jié)果證明三維重建技術(shù)能夠顯示了真實(shí)的三維場(chǎng)景，基于模型尺寸小、精度高、視覺效果好，可為大規(guī)?；?yàn)收提供數(shù)字化支撐手段。