基于LiDAR點(diǎn)云測(cè)量技術(shù)的沙盤(pán)模型數(shù)字化設(shè)計(jì)

廖婧 林遵豪

1.福建師范大學(xué)協(xié)和學(xué)院;2.福州職業(yè)技術(shù)學(xué)院文創(chuàng)產(chǎn)業(yè)虛擬現(xiàn)實(shí)與可視化應(yīng)用技術(shù)協(xié)同創(chuàng)新中心

由于傳統(tǒng)數(shù)字化沙盤(pán)模型不能準(zhǔn)確提取沙盤(pán)結(jié)構(gòu)特征,導(dǎo)致數(shù)字化沙盤(pán)模型的精度不高,為此,研究基于LiDAR點(diǎn)云測(cè)量技術(shù)設(shè)計(jì)數(shù)字化沙盤(pán)模型。通過(guò)提取沙盤(pán)結(jié)構(gòu)特征,掌握沙盤(pán)整體結(jié)構(gòu),采用濾波算法實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)分類(lèi),利用LiDAR點(diǎn)云測(cè)量技術(shù)構(gòu)建沙盤(pán)數(shù)字化模型。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)數(shù)字化模型相比,設(shè)計(jì)的數(shù)字化模型展示出的建筑邊界斜率誤差值為0.1度,傳統(tǒng)數(shù)字化模型展示出的建筑邊界斜率誤差值為1.02度,設(shè)計(jì)的數(shù)字化沙盤(pán)模型顯示的數(shù)據(jù)更加準(zhǔn)確,有效提高了數(shù)字化沙盤(pán)模型的精度。

0 引言

LiDAR點(diǎn)云測(cè)量技術(shù)采用的都是3D點(diǎn)云格式,能夠直接和主動(dòng)測(cè)量出目標(biāo)數(shù)據(jù),并且受外界的影響較小,所測(cè)的數(shù)據(jù)精準(zhǔn)性較高。LiDAR點(diǎn)云測(cè)量技術(shù)具有很多優(yōu)勢(shì),比如能夠?qū)崿F(xiàn)不僅可以動(dòng)采集、實(shí)時(shí)采集,過(guò)程,能夠?qū)崟r(shí)采集和處理測(cè)量點(diǎn),也可以多次記錄回波數(shù)據(jù)和回波強(qiáng)度,它已經(jīng)構(gòu)建了一個(gè)標(biāo)準(zhǔn)化數(shù)據(jù)結(jié)構(gòu),能夠有效實(shí)現(xiàn)資源共享,也能夠還可以實(shí)現(xiàn)大區(qū)域測(cè)量。沙盤(pán)模型能夠?qū)ο到y(tǒng)和事物的信息一些情況進(jìn)行表達(dá)。將需要表達(dá)的事物進(jìn)行縮小或者放大制作成一個(gè)樣品,沙盤(pán)模型就是這個(gè)樣品,能夠給人更直觀的表達(dá),沙盤(pán)模型分為地形地貌沙盤(pán)模型,建筑沙盤(pán)模型,場(chǎng)景沙盤(pán)模型。沙盤(pán)模型數(shù)字化就是使用沙盤(pán)模型的各個(gè)環(huán)節(jié)都采用數(shù)字化技術(shù)處理沙盤(pán)模型,將沙盤(pán)中復(fù)雜的信息轉(zhuǎn)化為數(shù)字和數(shù)據(jù),把這些數(shù)字和并對(duì)數(shù)據(jù)進(jìn)行處理,得到最終想要的信息,數(shù)字化是沙盤(pán)模型的基礎(chǔ)。由于我國(guó)數(shù)字化沙盤(pán)模型還處于發(fā)展階段,沙盤(pán)模型融入的數(shù)字化技術(shù)相對(duì)比較落后,本文研究基于LiDAR點(diǎn)云測(cè)量技術(shù)設(shè)計(jì)的沙盤(pán)模型數(shù)字化方法能夠有效提取沙盤(pán)模型各環(huán)節(jié)的數(shù)據(jù),保證了數(shù)據(jù)的精確性。

1 基于LiDAR點(diǎn)云測(cè)量技術(shù)的沙盤(pán)模型數(shù)字化設(shè)計(jì)

1.1 提取沙盤(pán)結(jié)構(gòu)特征

基于LiDAR點(diǎn)云測(cè)量技術(shù)的沙盤(pán)模型數(shù)字化設(shè)計(jì),首先需要提取沙盤(pán)結(jié)構(gòu)特征。不同沙盤(pán)類(lèi)型具有不同的結(jié)構(gòu)特征,反映出來(lái)的信息也不同。沙盤(pán)模型的類(lèi)型有很多,包括建筑沙盤(pán),場(chǎng)景沙盤(pán)和地形地貌沙盤(pán)。需要選取建筑沙盤(pán)模型進(jìn)行結(jié)構(gòu)特征研究和分析。分析建筑沙盤(pán)的結(jié)構(gòu)特征。沙盤(pán)模型是一個(gè)實(shí)物模型,而數(shù)字化沙盤(pán)模型是利用計(jì)算機(jī)形成的一種虛擬模型,能夠通過(guò)電腦畫(huà)面展示出來(lái)。實(shí)物的建筑沙盤(pán)模型由于建筑類(lèi)型和建筑特點(diǎn)的不同,構(gòu)建所使用的沙盤(pán)材料也不同,不同類(lèi)型的建筑沙盤(pán)模型可以適用于多種建筑施工場(chǎng)合[1]。建筑沙盤(pán)模型是將建筑的造型和周邊環(huán)境關(guān)系采用微縮實(shí)體的方法進(jìn)行表示,在進(jìn)行建筑設(shè)計(jì)時(shí),沙盤(pán)模型可以反映建筑設(shè)計(jì)的理念和建筑分區(qū)功能,建筑沙盤(pán)模型適用于各種建筑類(lèi)工作,利用沙盤(pán)模型能夠有效展示建筑的整體規(guī)劃。提取沙盤(pán)結(jié)構(gòu)特征是實(shí)現(xiàn)數(shù)字化沙盤(pán)模型的基礎(chǔ),建筑沙盤(pán)模型是實(shí)物建筑縮小的樣本。沙盤(pán)的結(jié)構(gòu)特征就是整個(gè)建筑的結(jié)構(gòu)特征,它能夠有效反映出建筑結(jié)構(gòu)的特點(diǎn)。承重結(jié)構(gòu)和圍護(hù)結(jié)構(gòu)是建筑結(jié)構(gòu)的兩大主要結(jié)構(gòu),并且使用的建筑材料也不同,沙盤(pán)模型需要采用不同材料展示建筑的承重結(jié)構(gòu),維護(hù)結(jié)構(gòu)和建筑材料特點(diǎn)。數(shù)字化沙盤(pán)模型能夠?qū)?shí)物沙盤(pán)模型的結(jié)構(gòu)特征用數(shù)據(jù)和數(shù)字來(lái)表示,利用可視化技術(shù)轉(zhuǎn)化為圖形模式,用圖像的形式展示整體實(shí)物建筑,有效展示建筑的一切信息[2]。

1.2 濾波算法分類(lèi)點(diǎn)云數(shù)據(jù)

建筑沙盤(pán)模型的結(jié)構(gòu)特征信息就可以用點(diǎn)云數(shù)據(jù)進(jìn)行表示,點(diǎn)云數(shù)據(jù)就是一組向量集合,能夠在三維坐標(biāo)系中體現(xiàn)出來(lái),能夠用點(diǎn)云數(shù)據(jù)代表物體外表形狀和顏色信息。大多點(diǎn)云數(shù)據(jù)是通過(guò)激光雷達(dá)和立體攝像頭等多種3D掃描設(shè)備獲取得到的,能夠有效檢查建筑質(zhì)量和結(jié)構(gòu)的合理性。由于建筑結(jié)構(gòu)特征的不同掃描出來(lái)的點(diǎn)云數(shù)據(jù)類(lèi)型也會(huì)不同,我們可以根據(jù)點(diǎn)云數(shù)據(jù)產(chǎn)生的濾波進(jìn)行分類(lèi)[3]。采用濾波算法能夠?qū)⒉煌?lèi)型的點(diǎn)云數(shù)據(jù)進(jìn)行分類(lèi),并且可以處理點(diǎn)云數(shù)據(jù),濾波算法的類(lèi)型具有多樣性,不同類(lèi)型的濾波算法都有一定的優(yōu)點(diǎn)和缺點(diǎn),濾波算法類(lèi)型包括有簡(jiǎn)單濾波算法,移動(dòng)窗口濾波算法,基于地形坡度的濾波算法和基于曲率的LiDAR點(diǎn)云數(shù)據(jù)剖面濾波算法等多種濾波算法,我們將選取基于曲率的LiDAR點(diǎn)云數(shù)據(jù)剖面濾波算法對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行分類(lèi)處理。我們首先將收集回來(lái)的云點(diǎn)數(shù)據(jù)進(jìn)行格式化,形成一個(gè)離散點(diǎn)云棚,設(shè)置網(wǎng)格間距,讓點(diǎn)云數(shù)據(jù)之間有一定的間距,適合的間距能夠保障數(shù)據(jù)的精準(zhǔn)性和運(yùn)算的穩(wěn)定性,建立一個(gè)不規(guī)則三角網(wǎng),保證云點(diǎn)數(shù)據(jù)的間距。由于傳統(tǒng)的云點(diǎn)數(shù)據(jù)分類(lèi)處于一種半自動(dòng)化模式,基于曲率的LiDAR點(diǎn)云數(shù)據(jù)剖面濾波算法是一種能夠精度識(shí)別的自動(dòng)化分類(lèi)算法,能夠?qū)崟r(shí)識(shí)別云點(diǎn)數(shù)據(jù)類(lèi)型,選用兩組點(diǎn)云數(shù)據(jù),計(jì)算出兩組點(diǎn)云數(shù)據(jù)的最大方差值,把方差值作為分類(lèi)處理的基礎(chǔ),如公式(1)所示。

在上述公式中,θ表示兩組點(diǎn)云數(shù)據(jù)的方差值,t表示兩組數(shù)據(jù)的期望值,r1、r2分別表示兩組點(diǎn)云數(shù)據(jù)的均值,e1、e2分別表示兩組數(shù)據(jù)的目標(biāo)概率。根據(jù)兩組類(lèi)型的點(diǎn)云數(shù)據(jù)能夠自動(dòng)確定處理閾值,最終的閾值可以用公式(2)表示。

在上述公式中,F表示點(diǎn)云數(shù)據(jù)處理閾值。每一組類(lèi)型的云點(diǎn)數(shù)據(jù)之間都有一個(gè)合適的閾值,把測(cè)量的整體目標(biāo)劃分為多個(gè)區(qū)域,計(jì)算每一個(gè)區(qū)域的特征值,根據(jù)區(qū)域的特征值得到數(shù)據(jù)之間的方差值。我們將測(cè)量區(qū)域分為多個(gè)小區(qū)域,從區(qū)域結(jié)構(gòu)中采集原始點(diǎn)云數(shù)據(jù),利用三角網(wǎng)劃分點(diǎn)云數(shù)據(jù)間距,獲得點(diǎn)云數(shù)據(jù)的三維坐標(biāo),利用濾波算法處理點(diǎn)云數(shù)據(jù),進(jìn)行迭代計(jì)算,最終過(guò)濾完區(qū)域內(nèi)所有的點(diǎn)[4]。

1.3 基于LiDAR點(diǎn)云測(cè)量技術(shù)生成數(shù)字化沙盤(pán)模型

基于LiDAR點(diǎn)云測(cè)量技術(shù)生成的數(shù)字化沙盤(pán)模型,能夠精準(zhǔn)測(cè)量出實(shí)物目標(biāo)產(chǎn)生的數(shù)據(jù),能夠有效保證數(shù)據(jù)的精確性,為構(gòu)建數(shù)字化沙盤(pán)模型提供了基礎(chǔ)條件。沙盤(pán)模型能夠體現(xiàn)建筑的整體性,建筑結(jié)構(gòu)以及周?chē)h(huán)境特征比較復(fù)雜時(shí),傳統(tǒng)的測(cè)量技術(shù)不能夠有效準(zhǔn)確地提取特征數(shù)據(jù)。我們?cè)O(shè)計(jì)一個(gè)大型的數(shù)字化沙盤(pán)模型時(shí),不僅要考慮到實(shí)體建筑的結(jié)構(gòu)特點(diǎn),還需要分析建筑與周?chē)h(huán)境之間的關(guān)系,設(shè)計(jì)的難度系數(shù)相對(duì)比較大,我們需要對(duì)不同的區(qū)域進(jìn)行分隔,LiDAR點(diǎn)云測(cè)量技術(shù)能夠有效實(shí)現(xiàn)點(diǎn)云參與多尺寸分割。LiDAR點(diǎn)云測(cè)量技術(shù)可以發(fā)射信號(hào)波,根據(jù)信號(hào)波判斷建筑特征信息,不同顏色的信號(hào)波表示不同類(lèi)型的信息[5]。精準(zhǔn)的數(shù)據(jù)信息是構(gòu)建數(shù)字化沙盤(pán)模型的基礎(chǔ),基于LiDAR點(diǎn)云測(cè)量技術(shù)能夠保證數(shù)據(jù)的精準(zhǔn)性,提高了點(diǎn)云數(shù)據(jù)的分辨率。我們采用點(diǎn)云測(cè)量技術(shù)進(jìn)行分隔時(shí),首先確定最優(yōu)分隔尺度,最優(yōu)分隔尺度表示的是一個(gè)合理的尺度范圍,具有相應(yīng)的尺度域值。最優(yōu)分隔尺度域值表達(dá)形式如公式(3)所示。

在上述公式,G表示區(qū)域最優(yōu)分隔尺度范圍,G1表示區(qū)域?qū)ο髢?nèi)部結(jié)構(gòu)標(biāo)準(zhǔn)差指示的最優(yōu)分隔尺度范圍,計(jì)算出的區(qū)域與鄰近區(qū)域均值差分絕對(duì)值的最優(yōu)尺度范圍值用G2表示,分形維數(shù)的最優(yōu)尺度范圍用G3表示。合理的區(qū)域分隔尺度,可以合理分配數(shù)據(jù)流量,有利于提高數(shù)據(jù)提取的效率和質(zhì)量,利用點(diǎn)云測(cè)量技術(shù)將采集回來(lái)的數(shù)據(jù)轉(zhuǎn)化為三維可視圖,從而在此基礎(chǔ)上建立一個(gè)數(shù)字化沙盤(pán)模型[6]。數(shù)字沙盤(pán)模型如圖1所示。

圖1 數(shù)字化沙盤(pán)模型Fig.1 Digital sand table model

基于LiDAR點(diǎn)云測(cè)量技術(shù)生成的數(shù)字化沙盤(pán)模型更能夠直接觀察出建筑的整體結(jié)構(gòu)特點(diǎn),采用影像輔助邊緣化處理技術(shù),加強(qiáng)對(duì)建筑邊緣數(shù)據(jù)的提取,確保數(shù)字化建筑沙盤(pán)模型的精準(zhǔn)性,數(shù)字化沙盤(pán)模型最終以三維可視化影像呈現(xiàn)出來(lái)。

2 實(shí)驗(yàn)與分析

2.1 實(shí)驗(yàn)準(zhǔn)備

為了檢驗(yàn)基于LiDAR點(diǎn)云測(cè)量設(shè)計(jì)的數(shù)字化沙盤(pán)模型效果,展開(kāi)實(shí)驗(yàn),首先選擇性能較好的實(shí)驗(yàn)設(shè)備,給實(shí)驗(yàn)提供一個(gè)穩(wěn)定的測(cè)試環(huán)境。為了獲取更加真實(shí)有效的實(shí)驗(yàn)結(jié)果數(shù)據(jù),一共選取9個(gè)建筑區(qū)域,對(duì)這9個(gè)建筑區(qū)域的特征數(shù)據(jù)進(jìn)行反復(fù)提取,直至得到最優(yōu)數(shù)據(jù)結(jié)果。將建筑物邊界的斜率作為實(shí)驗(yàn)變量,測(cè)出建筑邊緣的實(shí)際斜率,分別用Z1、Z2、Z3、Z4、Z5、Z6、Z7、Z8、Z9表示這9個(gè)建筑區(qū)域,9個(gè)建筑區(qū)域的基本信息如表1所示。

表1 建筑基本信息Tab.1 Basic building information

根據(jù)表1我們了解到了不同建筑區(qū)域的坐標(biāo)位置和實(shí)際邊界斜率值。基于LiDAR點(diǎn)云測(cè)量技術(shù)構(gòu)建的數(shù)字化沙盤(pán)模型和傳統(tǒng)數(shù)字化沙盤(pán)模型分別對(duì)這9個(gè)建筑結(jié)構(gòu)特征進(jìn)行展示,分析兩種數(shù)字化沙盤(pán)模型展示的效果,主要觀察兩種數(shù)字化沙盤(pán)對(duì)建筑邊界斜率的展示,比較數(shù)字化沙盤(pán)模型的邊界斜率結(jié)果與實(shí)際邊界斜率結(jié)果的差值。

2.2 實(shí)驗(yàn)結(jié)果

數(shù)字化沙盤(pán)展示的建筑結(jié)構(gòu)是按照一定的比例進(jìn)行微縮實(shí)現(xiàn)的,確定好兩種數(shù)字化沙盤(pán)模型比例,采用基于LiDAR點(diǎn)云測(cè)量技術(shù)構(gòu)建的數(shù)字化沙盤(pán)模型和傳統(tǒng)數(shù)字化沙盤(pán)模型進(jìn)行實(shí)驗(yàn)測(cè)試,測(cè)出的邊界斜率值如表2所示。

根據(jù)表2中顯示的結(jié)果可知,本文數(shù)字化沙盤(pán)模型與傳統(tǒng)數(shù)字化模型相比,傳統(tǒng)數(shù)字化沙盤(pán)模型顯示的邊界斜率值均比實(shí)際邊界斜率值偏大,只精準(zhǔn)顯示出Z2、Z4和Z9建筑區(qū)域的邊界斜率值,比實(shí)際邊界斜率值大了1.02度。采用LiDAR點(diǎn)云測(cè)量技術(shù)設(shè)計(jì)的數(shù)字化沙盤(pán)模型能夠準(zhǔn)確顯示出8個(gè)建筑區(qū)域的斜率值,其中數(shù)字化模型中Z4建筑區(qū)域的邊界斜率只比實(shí)際邊界斜率少了0.1度,本文數(shù)字化沙盤(pán)模型展示的建筑結(jié)構(gòu)數(shù)據(jù)精度更高。

表2 建筑邊界斜率值(度)Tab.2 The slope value of the building boundary (degrees)

3 結(jié)語(yǔ)

本文研究的基于LiDAR點(diǎn)云測(cè)量技術(shù)數(shù)字化沙盤(pán)模型,促進(jìn)了沙盤(pán)模型的發(fā)展,LiDAR點(diǎn)云測(cè)量技術(shù)能夠測(cè)出沙盤(pán)實(shí)物數(shù)據(jù),提高了沙盤(pán)模型的精度和質(zhì)量,使沙盤(pán)模型各個(gè)環(huán)節(jié)的數(shù)字信息都具有真實(shí)性,也加快了數(shù)字化沙盤(pán)模型建模的速度。雖然能夠有效解決數(shù)字化沙盤(pán)模型建模速度和模型的精準(zhǔn)性,但是對(duì)復(fù)雜事物進(jìn)行數(shù)字化沙盤(pán)建模時(shí),還存在很多問(wèn)題,希望在下一次研究中,充分利用LiDAR點(diǎn)云測(cè)量技術(shù),優(yōu)化算法,對(duì)目標(biāo)物數(shù)據(jù)進(jìn)行反復(fù)提取,能夠有效構(gòu)建一個(gè)復(fù)雜事物數(shù)字化沙盤(pán)模型。

引用

[1] 陸定中,李立明.軌道交通沙盤(pán)模型的操作顯示界面設(shè)計(jì)研究[J].現(xiàn)代職業(yè)教育,2020(45):166-167.

[2] 李滿,鄧峻權(quán).三維校園景觀沙盤(pán)模型新形式的探索與應(yīng)用:以廣州工商學(xué)院部分建筑景觀為例[J].現(xiàn)代信息科技,2020,4(13):89-91+94.

[3] 宮巖.機(jī)載LiDAR點(diǎn)云數(shù)據(jù)質(zhì)量檢查方法[J].北京測(cè)繪,2020,34(9):1258-1261.

[4] 張煒鍇,鄭加柱.LiDAR點(diǎn)云的地鐵站三維模型建立[J].建設(shè)科技,2019(21):43-47.

[5] 周成玲,王煜,胡來(lái)寶,等.沙盤(pán)模型在園林設(shè)計(jì)類(lèi)課程中的應(yīng)用探討[J].現(xiàn)代農(nóng)業(yè)科技,2019(13):234-235+237.

[6] 王廣帥,萬(wàn)一,張永軍.交叉點(diǎn)結(jié)構(gòu)特征約束的機(jī)載LiDAR點(diǎn)云與多視角航空影像配準(zhǔn)[J].地球信息科學(xué)學(xué)報(bào),2020,22(9):1868-1877.