基于機載LiDAR點云的建筑物快速三維重建方法

黃焜昀 李大軍 惠振楊

(東華理工大學 測繪工程學院, 江西 南昌 330013)

0 引言

三維模型廣泛地應用于城市設計規(guī)劃、應急和救災管理、地圖導航等,是智慧城市中不可或缺的地理信息數(shù)據(jù)庫[1]。機載激光雷達(light detection and ranging,LiDAR)測量技術能快速獲取高精度地表三維空間地理信息[2],為地形三維重建提供高效、精準的基礎數(shù)據(jù),然而機載激光雷達獲取的數(shù)據(jù)是無序的三維點云數(shù)據(jù),并不能直接獲取建筑物的三維信息,建筑物三維重建是機載LiDAR數(shù)據(jù)用于智慧城市建設中的至關重要的一環(huán)[3]。

基于機載LiDAR點云的三維重建工作一直是眾多學者和研究人員的熱門研究領域[4]。一種以機載和地面激光點云數(shù)據(jù)、傾斜多視影像兩類典型數(shù)據(jù)源為基礎的多源特征的建筑物三維模型重建方法[5],能夠融合點云的表面高精度表達和影像的精細輪廓,但該方法對數(shù)據(jù)要求高,存在效率低等問題。一種從“粗”到“細”的建筑物點云提取和基于輪廓關鍵點檢測的三維模型構建方法[2],提出了基于關鍵點三維重建的方法,具有效率高,數(shù)據(jù)要求低等優(yōu)勢,但該方法得到的關鍵點仍需人工干預編輯,存在自動化程度低等問題。一種基于點云庫(point cloud library,PCL)的區(qū)域生長分割算法和直方圖結合的方法提取建筑物點云方法[6],該方法利用算法自動提取建筑物關鍵點,算法自動化程度高,但提取關鍵點過程中為對邊緣輪廓進行規(guī)則化處理,得到三維模型的效果欠佳。

分析上述方法,本文提出在經(jīng)典邊緣檢測算法“阿爾法-形狀(Alpha-Shape)”中引入德勞奈(Delaunay)三角網(wǎng),剔除不符合邊緣要求的線段,降低算法時間復雜度,提高邊緣檢測效率,并對提取輪廓進行主方向規(guī)則化處理,完成建筑物外圍邊緣輪廓提取;并實現(xiàn)基于建筑物方向規(guī)則化的屋頂分割算法,算法對點云房頂分割,得到房屋點云的關鍵輪廓點,最后通過夏普·格爾(SharpGL)開發(fā)工具包將提取得到關鍵點建立三維模型,實現(xiàn)建筑物自動化快速三維重建。

1 基于關鍵點的建筑物三維重建原理

建筑物多為規(guī)則的形體,一種簡單三維模型的表達方法,由其關鍵拐點的連接而成的線框模型,如圖1所示,此方法不僅模型存儲空間小,模型構建運算量也低,同時支持后期渲染和地理分析。機載LiDAR獲取到建筑物高精度點云,通過算法對建筑物點云進行分離,再通過算法對建筑物的外圍輪廓關鍵點進行提取,提取的點云連接的輪廓并非為規(guī)則形狀,還需對提取的外圍輪廓進行主方向規(guī)則化處理,此外需對建筑物輪廓區(qū)域的屋頂方向規(guī)則化分割。提取得到關鍵點后,根據(jù)點與點之間的相對位置關系,構建建筑物線框三維模型。

圖1 基于關鍵點三維重建的線框模型

2 重建方法

2.1 建筑物三維重建流程

本文的建筑物快速三維重建方法,分為三部分內容：第一部分是點云數(shù)據(jù)的預處理,實現(xiàn)建筑物點云的分離,為后續(xù)關鍵點提取提供數(shù)據(jù)源;第二部分為建筑物關鍵點的提取,包括房屋邊緣輪廓和房頂關鍵點,為模型三維重建提供關鍵數(shù)據(jù);第三部分為SharpGL工具實現(xiàn)關鍵點三維模型的建立。具體流程如圖2所示。

2.2 點云數(shù)據(jù)預處理

機載LiDAR數(shù)據(jù)中包含有各種植被和人工構建物點云,這部分點云會對建筑物關鍵信息提取造成影響,對點云進行去噪濾波處理十分必要[7]。本文采用梯度濾波(Gradient)和人工編輯相結合的方法,CloudCompare軟件中實現(xiàn)梯度濾波處理，首先對測區(qū)點云計算標量值(Scalar)通過編輯工具的標量域(Scalar Filed)的導出坐標到標量域(Export Coordinate to SF)工具，再利用標量域(Scalar Filed)的梯度(Gradient)計算梯度值，最后通過標量域(Scalar Filed)的標量值篩選(Filed By Value)工具，將梯度值0.3～1.0之間的點云剔除,得到建筑物區(qū)域濾波后點云,如圖3所示,離散點云經(jīng)過濾波處理,點云中的其他地物已被剔除。

圖2 建筑物三維重建流程圖

圖3 建筑物點云的濾波提取

點云地面點與非地面點的分離,借助CloudCompare插件中的“布料”濾波算法(CSF Filter),“布料”濾波算法把點云進行上下顛倒,顛倒后假設有一塊布料受到重力影響從上方落下,顛倒后非地面點區(qū)域會呈現(xiàn)凹狀,布料會落入其中,布料最終落下的地形即為非地面點地形[8]。經(jīng)過“CSF Filter”濾波處理的點云被分為地面點和非地面點,針對少量的噪點采用手動編輯的方法剔除掉,如圖4所示。

(a)地面點 (b)非地面點圖4 “布料”濾波算法點云

2.3 單閾值Alpha-Shapes建筑物邊緣提取

建筑物邊緣點的提取,將建筑區(qū)域的非地面點云的X,Y坐標構成二維坐標點集S。S點集中任意兩點定義一個半徑為alpha的圓,當alpha足夠大的時候(alpha一般為點集平均間距的2～3倍),就不會有點能夠進入到根據(jù)這兩點定義的圓[9],此時兩點即為建筑物外圍輪廓的一條線段,所有滿足條件的線段組成的就是建筑物外圍輪廓線。

將點集S構建Delaunay三角網(wǎng)。對三角形的每條邊進行判斷,構建Delaunay三角網(wǎng)方法可以極大地降低Alpha-Shape算法的時間復雜度[10]。Delaunay三角網(wǎng)可以看作為多個三角形,取其中一個三角形,若三角形中某條邊的長度大于2×alpha,說明兩點距離太遠,無法構建滿足要求的圓,則刪除該三角形。若過某條邊的兩點且半徑為alpha的圓包含其他點,說明兩點并非為外圍輪廓點,則刪除該三角形。如圖5所示,△ABC是當前判斷的三角形,圓心為O,半徑為alpha是由邊A-B構建的圓,因為過AB兩點的圓包含點C,說明兩點為非外圍輪廓點。

圖5 不符合條件三角形

刪除上述不符合要求的三角形邊,剩下的邊既為建筑物外圍邊緣。該邊緣即為點集S通過單閾值Alpha-Shapes提取的建筑物邊緣線,如圖6所示。

圖6 Alpha-Shape提取點云邊緣線

2.4 建筑物邊界拼接分組

在提取的建筑物邊緣線段集中,合理的alpha值使得邊緣線段集都為連續(xù)的,但在集合中的排序卻是混亂的,須通過算法對線段進行拼接,即在線段集中隨意選擇一條線段,通過尋找線段集中與此線段想連接的線段,連接線段具有包含同一線段端點,同名端點相連,即可得到一條邊緣線,由于邊緣點集中并不是所有點距離都小于2×alpha,會存在斷裂的情況,還需對斷裂的邊緣線進行修復,得到完整的建筑物邊緣,每個建筑物都有一條完整的建筑邊緣線,至此已經(jīng)完成建筑物邊界的拼接和分組。

2.5 建筑物主方向規(guī)則化

常見的建筑物大多由規(guī)則的多邊形所組成,因此建筑物的外圍輪廓線各線段之間具有一定的位置關系,可以利用相鄰輪廓線之間的位置關系對擬合后的線段進行規(guī)則化處理[11],其步驟如下：

(1)邊緣初始拐點確定。計算點L1與L2的向量夾角α,若α符合閾值(一般認為α接近90°),將L1與L2公共端點看作初始拐點,遍歷線段集,找出所有初始拐點。以初始拐點為邊界線分組的端點,兩兩初始拐點以及之間的點確定一組邊緣點,將每組邊緣點進行直線段的擬合。建筑物初始拐點如圖7所示。提取得到邊緣大多不太規(guī)整,存在較多誤判的建筑物拐點,對于這些拐點需要進一步進行處理,在規(guī)則化過程中,若兩個相鄰直線方向一致的情況,則剔除其中一條直線。

(a)拐點

(b)非拐點圖7 初始拐點的判斷

(2)邊緣點集分組直線擬合。通過初始拐點對邊緣線段集分組,得到分組線段端點點集,最小二乘方法直線擬合分組邊緣點集。在擬合過程中,初始拐點不參與擬合,只針對擬合初始拐點之間的邊緣點。

(3)規(guī)則化分組擬合直線。對各組邊緣點集直線擬合,并計算兩拐點之間距離大小。選取距離最大拐點的擬合直線作為建筑物主方向。計算其余直線對應的方向向量與建筑物主方向向量夾角值β。若|β|>150°,認為該直線與建筑物主方向直線平行,將建筑物主方向直線斜率賦予該直線。同時以該直線段中點作為規(guī)則化后直線上的一點,計算規(guī)則化直線的截距,從而確定與建筑物主方向直線平行的直線。同理,若夾角|β|<120°之間,定義該規(guī)則化直線與建筑物主方向直線垂直;若120°<|β|<150°,則根據(jù)上一向量的方向,將本直線規(guī)則化成與其垂直。若規(guī)則化直線處理之后,會有連續(xù)相鄰直線斜率相同,則刪除其前一條規(guī)則化直線。

2.6 輪廓線關鍵點的確定

完成建筑物主方向規(guī)則化,建筑物的外圍輪廓已經(jīng)確定,但為了簡單化建筑物的外圍輪廓表達,采用輪廓關鍵點的表達方式。輪廓關鍵點的獲取方式為：求取兩兩擬合直線的交點,作為建筑物最終角點。經(jīng)過規(guī)則化分組擬合直線交點,得到輪廓線最終角點,如圖8(a)所示。邊緣最終角點確定后,通過對邊緣轉折點的順序連接,即可形成建筑物最終邊緣線,如圖8(b)所示。

(a)輪廓線最終角點

(b)最終邊緣線圖8 規(guī)則化建筑物邊緣

2.7 建筑物方向規(guī)則化的屋頂分割

建筑物的外圍輪廓確定后,通過外圍輪廓裁剪到建筑物上方點云,此部分為建筑物的屋頂信息,建筑物三維重建得到外圍輪廓信息,接下來需要提取的是建筑物的屋頂信息,屋頂?shù)奶崛》指?需利用建筑物規(guī)則化方向,知道規(guī)則化方向后,便可以通過規(guī)則化方向對屋頂點云進行固定方向的壓平到一個平面上,得到二維平面下屋頂?shù)恼晥D,通過正視圖提取屋頂輪廓,還原為三維信息,輪廓的拐點的三維坐標即為建筑物屋頂?shù)墓拯c,如圖9所示。

圖9 建筑物方向規(guī)則化的屋頂分割

2.8 關鍵點三維重建

得到建筑完整的外圍輪廓點后,利用OpenGL在C#開發(fā)語言的封裝工具包SharpGL,對三維模型進行表達和顯示,通過建筑物提取的規(guī)則化角點,構建平面,構建建筑物底部,四周,以及頂部平面,得到細節(jié)結構完整、準確的建筑物實體化模型。構建的模型為粗糙的簡體模型,需利用SharpGL工具對粗糙的模型進行單顏色紋理構建,同時添加場景燈光等效果進行渲染,提升模型的視覺效果,如圖10所示。

圖10 建筑物三維模型

3 實驗及分析

3.1 實驗數(shù)據(jù)

為了驗證本文建筑物快速三維重建算法的有效性,下載國際攝影測量與遙感學會(International Society for Photogrammetry and Remote Sensing，ISPRS)提供的城市機載LiDAR數(shù)據(jù)進行實驗,數(shù)據(jù)中包含有建筑物,其原始點云如圖11所示。利用濾波算法,對測區(qū)數(shù)據(jù)進行濾波處理,并以此結果作為建筑物快速三維重建實驗的初始數(shù)據(jù)。在進行建筑物快速三維重建實驗之前,對建筑物提取結果進行簡單的預處理,例如去除不完整的建筑物以及存在少量的非建筑物點。預處理的工作在CloudCompare軟件中完成。

(a)Samp12區(qū)域

(b)Samp31區(qū)域圖11 ISPRS提供城區(qū)的原始點云

3.2 實驗結果

驗證本文中的單閾值Alpha-Shape邊緣檢測算法,對下載的ISPRS數(shù)據(jù),建筑物邊緣進行提取,如圖12(a)和圖12(c)所示,單閾值Alpha-Shape邊緣檢測算法高效、準確,得到完整的建筑物邊緣線段集;接下來對提取邊緣線進行拐點提取、分組擬合、規(guī)則化、角點求取等步驟,得到規(guī)則化的外圍輪廓,如圖12(b)和圖12(d)所示,能夠處理一定復雜程度的建筑物輪廓形狀,但對于少量邊緣不夠規(guī)整的建筑物,存在少量輪廓丟失或過度規(guī)則化的情況。

(a)Samp12區(qū)域邊緣提取

(b)Samp12區(qū)域規(guī)則化

(c)Samp31區(qū)域邊緣提取

(d)Samp31區(qū)域規(guī)則化圖12 建筑物邊緣輪廓提取結果

得到建筑物規(guī)則化輪廓后,對建筑物屋頂進行方向規(guī)則化分割,獲得屋頂?shù)年P鍵角點信息,借助SharpGL對外圍輪廓和屋頂角點信息進行三維建模,如圖13(a)和圖13(c)所示,三維模型頂視圖如圖14所示,再利用CloudCompare對LiDAR點云進行數(shù)字地表模型(digital surface model,DSM)構建,得到試驗區(qū)的數(shù)字表面模型,如圖13(b)和圖13(d)所示。

(a)Samp31區(qū)域三維模型

(b)Samp31區(qū)域DSM

(c)Samp31區(qū)域三維模型

(d)Samp31區(qū)域DSM圖13 建筑物邊緣輪廓三維重建模型與點云構建DSM模型

圖14 建筑物DSM模型與關鍵點模型疊加效果

將二者導出為三維模型OBJ文件和數(shù)字表面TIFF文件,在CloudCompare中對二者模型做疊加處理。由于點云數(shù)據(jù)的平均間距為1 m,認為提取關鍵點偏離實際位置超過3倍平均間距,為不滿足要求點,經(jīng)檢驗關鍵點的提取準確度達85%。

3.3 與原有經(jīng)典方法比較

由于本組實驗在關鍵點獲取和模型三維重建中均采用程序完成,具有較高的效率,對本次實驗使用的數(shù)據(jù),約5萬個點云,面積為0.2 km×0.26 km,點云數(shù)據(jù)預處理時間約為5 min,建模只需1 min,在此對比了幾種常用方法三維建模的效率,如表1所示。

表1 幾種三維重建方法的對比

4 結束語

本文通過在Alpha-Shape邊緣檢測算法中引入三角網(wǎng),提高運算效率,同時實現(xiàn)建筑物方向規(guī)則化的屋頂分割算法,從而提取得到建筑物輪廓的關鍵點,并運用關鍵點快速建模技術,實現(xiàn)建筑物的快速建模,將模型在CloudCompare中與點云DSM進行比較,經(jīng)檢驗此方法得到模型輪廓的關鍵位置的準確的達到85%,且通過與其他三維建模方法比較,本文方法具有較高的效率,實現(xiàn)0.05 km2區(qū)域的建筑物三維重建僅耗時6 min。