多源數(shù)據(jù)的點云融合算法在智慧城市三維建模中的應(yīng)用

黃小兵 萬鐵莊

(北京恒華偉業(yè)科技股份有限公司, 北京 100011)

0 引言

隨著三維建模技術(shù)的發(fā)展,基于無人機傾斜攝影技術(shù)、貼近攝影測量、激光掃描以及機載激光雷達(Light Detection And Ranging, LiDAR)等的新興建模技術(shù)不斷涌現(xiàn),對三維模型的細膩度、真實度以及精度都提出了更高的要求。但通過諸多研究可知,單一建模技術(shù)都存在各自的局限性,不同的數(shù)據(jù)源對應(yīng)的建模方法與理論也隨之不同,其建模成果的精度與細膩度也不相同。地面三維激光掃描可以獲取視場角范圍內(nèi)的高精度點云數(shù)據(jù),但是存在三維激光頂部掃描盲區(qū)和影像獲取視角不夠的缺陷;無人機傾斜攝影技術(shù)可以獲取建筑物頂部的幾何及紋理信息,但是較難獲得全方位無信息盲點的傾斜影像,在狹小區(qū)域和精度上存在很多局限性;貼近攝影測量可以獲取復(fù)雜區(qū)域和細節(jié)區(qū)域的信息,考慮其數(shù)據(jù)的高精度和建模效率,通常只用于局部場景。由于3種建模方式在生產(chǎn)過程中都產(chǎn)生點云數(shù)據(jù),這就為數(shù)據(jù)的融合提供了可能。如何將3種方式產(chǎn)生的點云進行融合成為了研究的重點。

目前城市的三維建模技術(shù)主要分為3大類:傾斜攝影建模,貼近攝影測量建模,激光雷達建模。

(1)傾斜攝影測量技術(shù)是近年來測繪遙感領(lǐng)域一門革新性的技術(shù),由于無人機傾斜攝影具有效率高、成本低、靈活便捷的特點,其獲取的數(shù)據(jù)能夠直觀、真實地反映實際地物特征[1],在構(gòu)建智慧城市三維模型方面得到了快速應(yīng)用,但是對于精度要求較高的模型還需要人工去修補,同時對于地物遮擋現(xiàn)象也存在著無法覆蓋的情況。

(2)貼近攝影測量是由武漢大學(xué)張祖勛院士2019年提出,被稱為區(qū)別于垂直航空攝影測量、傾斜攝影測量的第三種攝影測量方式,貼近攝影測量是利用拍攝設(shè)備貼近物體表面攝影,獲取(亞厘米級)高清影像,并進行攝影測量處理,從而恢復(fù)被攝對象的精確坐標和精細形狀結(jié)構(gòu)來建立精細三維模型,彌補了其他攝影測量無法達到的精度要求。

(3)激光雷達技術(shù)是一種高效率、高精度、非接觸式、低空探測性的主動測量技術(shù),它可以在各種條件下進行掃描作業(yè),大面積獲取區(qū)域表面的三維坐標數(shù)據(jù)[2]。隨著激光雷達點云數(shù)據(jù)處理技術(shù)的進步,已有大量的研究利用激光雷達技術(shù)進行三維重建,但是目前的研究僅對三維模型的地理位置精度進行分析與驗證,對三維模型紋理精度改進還有所欠缺。且大場景的激光雷達三維建模,目前大多采用的是機載激光雷達的方法,該方法與無人機傾斜攝影技術(shù)一樣,無法解決城市地物遮擋等問題。

多年來,國內(nèi)外專家學(xué)者對多源數(shù)據(jù)融合建模技術(shù)進行了深入研究,并獲得了一定的成果。El-Hakim等在2003年同樣利用激光掃描技術(shù)和攝影測量技術(shù)對意大利的彭波薩修道院進行三維重建[3-4];Hu等基于LiDAR技術(shù)獲取目標物數(shù)據(jù)信息并對目標物輪廓進行重建,通過融合LiDAR和影像數(shù)據(jù)進行精細化三維建模[5]。在國內(nèi)也有很多專家學(xué)者對此進行了研究,徐光禹等利用三維激光掃描儀和傾斜攝影影像進行融合,完成了貴陽天王殿的三維重建[6];程亮等將LiDAR數(shù)據(jù)與航空影像進行高度集成,通過LiDAR數(shù)據(jù)與多視輪廓集成生成三維輪廓線的方案,構(gòu)建目標建筑物三維模型[7];何原榮等將三維激光掃描和傾斜攝影測量技術(shù)結(jié)合,提出了特征點匹配算法,并將其應(yīng)用到古建筑三維重建中[8],祖立輝利用多源數(shù)據(jù)對古建筑建模進行了詳細的分析,為以后的研究提供了數(shù)據(jù)支撐[9]。

但是目前融合技術(shù)大部分只是單純利用不同建模技術(shù)形成的點云的疊加,這樣不僅會造成數(shù)據(jù)的冗余,也會降低模型的精度?；诖吮疚奶岢隽死每?地多源數(shù)據(jù)的點云融合算法的三維建模技術(shù)。

1 技術(shù)路線

利用空-地多源數(shù)據(jù)的點云融合算法的三維建模技術(shù)主要涉及地面三維激光掃描、傾斜攝影測量、貼近攝影測量3種建模技術(shù),利用點云融和算法將3種技術(shù)進行融合,從而完成模型的構(gòu)建。

本路線中三維激光掃描技術(shù)流程:首先根據(jù)區(qū)域的范圍和區(qū)域的結(jié)構(gòu)確定掃描的整體范圍,視場角的大小,掃描站點的分布,并對所有站點進行聯(lián)測,保證坐標系統(tǒng)的統(tǒng)一;其次利用架設(shè)在站點的三維激光掃描儀對區(qū)域進行掃描;最后對掃描后獲得的點云數(shù)據(jù)進行去噪,拼接,形成三維激光點云數(shù)據(jù)。

本路線中傾斜攝影測量和貼近攝影測量技術(shù)流程:首先根據(jù)區(qū)域的范圍合理規(guī)劃航線,并利用三維激光掃描儀的站點作為航測的像控點;其次利用搭載多鏡頭的無人機按照規(guī)劃好的航線進行自主飛行,獲取該區(qū)域的多視影像;最后對數(shù)據(jù)進行預(yù)處理,并對數(shù)據(jù)進行空中三角測量,從而獲取密集點云數(shù)據(jù)。

將點云融合算法應(yīng)用于3種技術(shù)手段得到的點云數(shù)據(jù)，獲得融合后的點云數(shù)據(jù),利用該數(shù)據(jù)構(gòu)建三角網(wǎng),然后進行紋理映射,最終完成三維模型成果的輸出。具體的技術(shù)流程如圖1所示。

圖1 多源數(shù)據(jù)的點云融合算法進行三維建模技術(shù)流程圖

2 點云融合算法

點云融合算法是將傾斜攝影測量技術(shù)、地面三維激光掃描技術(shù)、貼近攝影測量技術(shù)形成的點云數(shù)據(jù)根據(jù)各自數(shù)據(jù)的特點進行選取,形成最終的點云數(shù)據(jù),進而完成模型的構(gòu)建。主要包含三部分。

2.1 點云的獲取

三維激光點云獲取:三維激光掃描儀采用Rigel-VZ400i,是一款內(nèi)置慣性導(dǎo)航系統(tǒng)的掃描儀,激光發(fā)射頻率120萬點/s,測量點精度高達5 mm@100 m,可實現(xiàn)高速度、高精度的外業(yè)數(shù)據(jù)采集,可邊掃描邊拼接,為了確保數(shù)據(jù)精度,只保留20 m以內(nèi)的激光點云數(shù)據(jù)。

由于地面激光雷達獲取的點云密度較高,需要對其進行下采樣,從而減少點云數(shù)據(jù)量,提高后續(xù)點云處理效率。體素濾波器將輸入的點云數(shù)據(jù)分割成一個個微小的三維體素網(wǎng)格,以體素網(wǎng)格重心近似代表其他點,體素濾波器既能夠減少點云數(shù)據(jù)量,又不會破壞點云數(shù)據(jù)本身的幾何結(jié)構(gòu)。下一步則利用統(tǒng)計濾波器將點云數(shù)據(jù)集中的噪音點去除。統(tǒng)計濾波器原理是計算每個點到與它相鄰的K個點的平均距離。假設(shè)得到的結(jié)果是一個高斯分布,其形狀由平均距離的均值和標準差決定,平均距離在標準范圍之外的點,可以被定義為離群點，并從數(shù)據(jù)中去除。

傾斜攝影測量和貼近攝影測量點云獲取:傾斜攝影測量和貼近攝影測量采用大疆精靈4RTK消費級無人機,傾斜傾斜攝影測量以無人機平臺搭載數(shù)碼相機,在空中多角度對地表對象進行拍攝獲取影像數(shù)據(jù),相對航高控制在60～100 m;貼近攝影測量對特定區(qū)域進行貼近拍攝,獲取厘米級精度的影像數(shù)據(jù),為了保證設(shè)備和人員的安全,飛行器與地物的距離控制在20～50 m。將傾斜攝影影像數(shù)據(jù)和貼近攝影測量數(shù)據(jù)分別導(dǎo)入ContextCapture平臺,并導(dǎo)入對應(yīng)的像控點數(shù)據(jù),進行影像空三加密和密集匹配,通過密集匹配可分別產(chǎn)生大量點云數(shù)據(jù)[10]?？紤]到傾斜攝影測量和貼近攝影測量外業(yè)(飛行姿態(tài)不穩(wěn)定,像控點采集等誤差)和內(nèi)業(yè)數(shù)據(jù)處理(空中三角測量,刺點等誤差)形成點云過程中產(chǎn)生的誤差,經(jīng)過多次試驗測試,傾斜攝影測量形成的點云精度在10～20 cm范圍內(nèi),貼近攝影測量形成的點云精度在5～10 cm范圍內(nèi)。

2.2 點云配準

配準的目的是通過一定的平移和旋轉(zhuǎn)變換,將不同坐標系下的兩組點云,統(tǒng)一到同一坐標系下。粗配準是人工在兩個點云中添加至少3對特征點,然后特征點的坐標進行平差,計算轉(zhuǎn)換矩陣,進而將兩個點云進行配準。精配準最近鄰迭代算法(Iterative Closest Point,ICP)是一個廣泛使用的配準算法,主要目的就是找到旋轉(zhuǎn)和平移參數(shù),將2個不同坐標系下的點云,以其中一個點云坐標系為全局坐標系,另一個點云經(jīng)過旋轉(zhuǎn)和平移后，2組點云重合部分完全重疊。本算法先進行粗配準,后用ICP精配準,以達到高精度配準。

2.3 點云融合算法的建立

通過2.1的敘述,可得出本算法中點云數(shù)據(jù)的精度為三維激光掃描儀(A表示)>貼近攝影測量(B表示)>傾斜攝影測量(C表示),即A(las三維激光掃描儀)>B(las貼近攝影測量)>C(las傾斜攝影測量)。基于此,本文提出了一種點云融合的算法,即該算法描述為在某一區(qū)域S內(nèi)(根據(jù)區(qū)域的特點設(shè)置不同的尺度),如果同時存在三維激光點云A,貼近攝影測量點云B,傾斜攝影測量點云C中至少2類數(shù)據(jù),可出現(xiàn)以下4種情形(圖2),并作出合理選擇。

圖2 點云融合算法點云選取規(guī)則

情形1:如果區(qū)域S內(nèi)同時存在三維激光點云A,貼近攝影測量點云B,傾斜攝影測量點云C 3類數(shù)據(jù),則只保留點云A。

情形2:如果區(qū)域S內(nèi)同時存在三維激光點云A,貼近攝影測量點云B 2類數(shù)據(jù),則只保留點云A。

情形3:如果區(qū)域S內(nèi)同時存在三維激光點云B,貼近攝影測量點云C 2類數(shù)據(jù),則只保留點云B。

情形4:如果區(qū)域S內(nèi)同時存在三維激光點云A,貼近攝影測量點云C兩類數(shù)據(jù),則只保留點云A。

2.4 多源數(shù)據(jù)三維模型構(gòu)建

將融合后的點云導(dǎo)入ContextCapture平臺中,考慮到模型計算所需空間及時間,按100 m×100 m瓦片大小輸出,格式選擇為osgb格式,即可完成三維模型的構(gòu)建。

3 數(shù)據(jù)建模測試

該數(shù)據(jù)為本特利(Bentley)公司提供,首先利用三維激光掃描儀對房屋四面進行掃描,然后利用無人機對該房屋進行環(huán)繞飛行拍照和貼近攝影測量,利用點云融合算法對獲取的數(shù)據(jù)進行建模,點云融合后的效果如圖3所示,并將該建模成果和傾斜攝影建模成果進行對比,模型對比結(jié)果見圖4,可以看出利用該算法，面紋理信息得到了很大的改善,解決了攝影測量局部拉花、底部效應(yīng)等問題[11]。

圖3 點云融和后效果圖

圖4 傾斜攝影模型和點云融合算法融合模型對比

為了驗證模型的精度,利用萊卡全站儀對該區(qū)域進行高精度測量,共計測量20個特征點,將20個特征點進行隨機兩兩組合,建立10條固定邊,作為已知量(用GD表示)。與利用傾斜攝影建立的模型(用QX表示)和利用點云融合算法建立的模型(用DYRH表示)進行對比,結(jié)果見表1。從表1中可以看出，點云融合算法建立的模型中量測的10條邊的差值[用ΔSi(i=1,2,3,4,5,6,7,8,9,10)表示]最大為6 mm,最小為1 mm,中誤差為3.71 mm,精度遠高于傾斜攝影建立的模型量測的值。

表1 精度分析對比表 單位:mm

4 結(jié)束語

本文采用多源數(shù)據(jù)點云融合算法進行三維建模,根據(jù)不同的點云自動篩選，獲得正確的點云數(shù)據(jù),減少數(shù)據(jù)的冗余,建立高精度的模型,該技術(shù)將有效推動智慧城市的發(fā)展,更加有利于宏觀、逼真展示城市的形態(tài),對構(gòu)建三維城市、孿生城市具有極大的帶動作用。但是本技術(shù)點云融合算法的點云區(qū)域選擇上存在人工設(shè)定參數(shù)的情況,如何將該項技術(shù)更加自動化將是以后研究的方向。