傾斜攝影與地面三維激光掃描數(shù)據(jù)融合建模

竇理波，邱華萍，王 禎

（天津城建大學(xué) 地質(zhì)與測繪學(xué)院，天津 300384）

近年來，對高精度的真三維建筑模型的需求急劇增加[1].地面三維激光掃描和無人機(jī)傾斜攝影已成為當(dāng)前三維建模的重要手段.但這兩種技術(shù)在數(shù)據(jù)獲取過程中，由于多種因素的限制，各自都難以完整地獲取目標(biāo)表面的三維數(shù)據(jù).無人機(jī)傾斜攝影數(shù)據(jù)能夠滿足常規(guī)建筑的三維建模，但是對于復(fù)雜建筑和異形建筑，由于存在遮擋等原因，造成建筑底部等區(qū)域數(shù)據(jù)缺失，不能獲得完整的建筑模型.同時，通過三維激光掃描技術(shù)獲得的建筑物門窗、房檐等部件仰視和側(cè)視方向的密集點(diǎn)云數(shù)據(jù)，能夠獲取精細(xì)的建筑模型[2].但三維激光技術(shù)也受場景和掃描對象的位置限制，較難獲取高大建筑、復(fù)雜建筑等屋頂?shù)臄?shù)據(jù)[3].

由于室外場景的復(fù)雜結(jié)構(gòu)，高層建筑相互封閉，立面的形狀也各不相同.單類型和單站點(diǎn)的點(diǎn)云難以表達(dá)目標(biāo)對象的完整而豐富的細(xì)節(jié).因此，有必要考慮融合來自兩種不同傳感器的數(shù)據(jù)，取長補(bǔ)短，以重建更準(zhǔn)確的三維模型.

地面三維激光掃描數(shù)據(jù)和傾斜攝影數(shù)據(jù)來自不同的數(shù)據(jù)獲取平臺，其中三維激光掃描數(shù)據(jù)是3D點(diǎn)云數(shù)據(jù)，而傾斜攝影數(shù)據(jù)是2D航拍照片，不同的數(shù)據(jù)類型是影響兩個數(shù)據(jù)集融合的重要因素.多傳感器、多分辨率和多平臺數(shù)據(jù)的集成有望改善信息的提取并提高信息的可靠性[4].同時已有研究將光學(xué)影像進(jìn)行匹配形成密集點(diǎn)云，再將其與激光進(jìn)行匹配[5-6].針對多源點(diǎn)云融合問題，已經(jīng)有許多學(xué)者提出了多種方法，運(yùn)用最廣泛的算法是Besl等人于1992年提出的迭代最近點(diǎn)算法（iterative closest point，ICP）[7]，以及基于ICP的改進(jìn)算法[8].

本文結(jié)合無人機(jī)傾斜攝影技術(shù)和三維激光掃描技術(shù)的優(yōu)點(diǎn)，獲取建筑物的三維點(diǎn)云數(shù)據(jù)，重建得到建筑物完整的三維模型，具體研究內(nèi)容如下：

（1）基于無人機(jī)傾斜攝影的目標(biāo)模型創(chuàng)建.采用中海達(dá)無人機(jī)搭載五鏡頭相機(jī)對目標(biāo)建筑頂部及側(cè)面進(jìn)行采集，包括地面像控點(diǎn)布設(shè)、航線規(guī)劃、飛行作業(yè)、拍攝影像，運(yùn)用ContextCapture軟件進(jìn)行影像匹配、空三加密及正射糾正，三維模型和點(diǎn)云生成.

（2）基于地面三維激光掃描的目標(biāo)模型創(chuàng)建.采用FARO三維激光掃描儀對目標(biāo)建筑側(cè)面和底部數(shù)據(jù)進(jìn)行采集，使用SCENE軟件對點(diǎn)云數(shù)據(jù)進(jìn)行點(diǎn)云拼接、合并、降噪等處理，得到高精度的點(diǎn)云數(shù)據(jù)，生成基于三維激光掃描點(diǎn)云的三維模型.

（3）鑒于ICP方法適用性更廣泛，本文使用統(tǒng)一坐標(biāo)系和ICP算法對兩種點(diǎn)云進(jìn)行融合，驗證融合精度，重建得到建筑物完整的三維模型，對得到的模型進(jìn)行精度驗證、分析.

1 研究概況與數(shù)據(jù)采集

本文選取的實驗對象為一個圓球形建筑，包含其外延配建，大圓球主體的直徑30 m左右，整個建筑大概3 130.6 m2（見圖1）.建筑形狀屬于特殊形體建筑，單獨(dú)使用無人機(jī)傾斜攝影獲取的數(shù)據(jù)或者三維激光掃描獲取的數(shù)據(jù)建模均無法得到較好的效果.

圖1 實驗?zāi)繕?biāo)

由于本文實驗對象的特殊性，建筑表面具有大量反光面，因此不適合在太陽光線強(qiáng)的天氣進(jìn)行相片采集，亦考慮光線過暗造成相片質(zhì)量低，故選擇光線較亮的多云天氣進(jìn)行相片采集.

本次實驗使用中海達(dá)iFLY D6六軸無人機(jī)和iCam Q5五鏡頭相機(jī)進(jìn)行數(shù)據(jù)采集.主要采集建筑物頂部（屋頂）和側(cè)面信息.由于附近有高樓，故本次實驗無人機(jī)離地面的高度為150 m，共采集圖像735張.

三維激光掃描數(shù)據(jù)采集使用FARO Focus X130掃描儀，儀器進(jìn)行掃描期間，確保儀器的安全和靶球的穩(wěn)定，儀器和靶球之間無任何遮擋，各測站掃描獲得的點(diǎn)云通過四個固定的靶球進(jìn)行拼接.本次實驗掃描目標(biāo)周圍沒有較高的設(shè)站點(diǎn)，故所有測站都設(shè)在地面.繞目標(biāo)掃描一周，共設(shè)置了20個掃描站，各個掃描站之間分布均勻，數(shù)據(jù)完整.

2 數(shù)據(jù)預(yù)處理

2.1 傾斜攝影建模

本文使用ContextCapture軟件對無人機(jī)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理.首先對原始數(shù)據(jù)進(jìn)行預(yù)處理，包括檢查照片數(shù)據(jù)與質(zhì)量，照片數(shù)量是否與GPS數(shù)據(jù)完全一致，拍攝質(zhì)量是否符合要求.最后結(jié)合GPS數(shù)據(jù)、相機(jī)參數(shù)和對應(yīng)的照片名稱整理成飛行日志，按區(qū)塊導(dǎo)入ContextCapture軟件，即可進(jìn)行下一步處理.

根據(jù)POS數(shù)據(jù)初步對齊照片，再進(jìn)行空中三角測量，計算每張相片的準(zhǔn)確外方位元素數(shù)據(jù)與密集匹配點(diǎn).在此基礎(chǔ)上，引入相控點(diǎn)，并再次進(jìn)行空三計算，檢查成果質(zhì)量，并導(dǎo)出密集匹配點(diǎn)云成果.具體的利用ContextCapture軟件自動建模數(shù)據(jù)處理流程如下：

（1）新建工程.確保項目保存路徑中沒有中文.

（2）數(shù)據(jù)導(dǎo)入.可以直接導(dǎo)入照片或通過飛行日志導(dǎo)入.

（3）控制點(diǎn)影像關(guān)聯(lián).提交首次空三之前，在測區(qū)范圍內(nèi)均勻選擇3~4個像控點(diǎn)進(jìn)行刺點(diǎn).

（4）提交空三任務(wù).首次空三結(jié)束之后，對其余的像控點(diǎn)進(jìn)行刺點(diǎn)，之后再次提交空三任務(wù).

（5）提交重建任務(wù).檢查空三解算合格以后，便可提交重建任務(wù).

（6）提交成果產(chǎn)品.按照需要的格式輸出成果.輸出建模成果如圖2所示.

圖2 無人機(jī)數(shù)據(jù)建模成果側(cè)面及頂部情況

單獨(dú)使用無人機(jī)數(shù)據(jù)的模型建筑頂部和側(cè)面數(shù)據(jù)完整，紋理清晰真實，但是底部由于遮擋，數(shù)據(jù)缺失，模型變形嚴(yán)重.

2.2 三維激光建模

使用FARO SCENE軟件對三維激光掃描數(shù)據(jù)進(jìn)行處理.首先對點(diǎn)云進(jìn)行加載與過濾，各測站之間通過靶球相連接，進(jìn)行初步拼接，再利用整體點(diǎn)云信息，進(jìn)一步校正模型.檢查拼接精度，并根據(jù)需要，確定是否需要進(jìn)一步調(diào)整.如果拼接成果滿足要求，則對模型進(jìn)行平滑去噪，導(dǎo)出數(shù)據(jù).

FARO SCENE一般處理流程如下：

（1）打開軟件，新建工程.

（2）導(dǎo)入數(shù)據(jù).

（3）數(shù)據(jù)預(yù)處理：包括加載掃描、過濾掃描、查找球體、應(yīng)用彩色、注冊拼接.

（4）檢查拼接精度及調(diào)整.

（5）平滑去噪.

（6）導(dǎo)出數(shù)據(jù).

輸出建模成果如圖3所示.

圖3 三維激光掃描數(shù)據(jù)建模成果側(cè)面及頂部情況

三維激光掃描數(shù)據(jù)在采集階段由于周圍沒有制高點(diǎn)可以架設(shè)儀器，導(dǎo)致建筑頂部數(shù)據(jù)無法掃描，造成頂部數(shù)據(jù)缺失，模型出現(xiàn)空洞，但底部數(shù)據(jù)完整，紋理清晰真實.

3 融合建模

兩組點(diǎn)云數(shù)據(jù)的融合過程是將不同坐標(biāo)系、不同數(shù)據(jù)源的數(shù)據(jù)融合為整體的過程，通過尋找空間變換矩陣，以其中一組點(diǎn)云作為基準(zhǔn)，將另一組點(diǎn)云進(jìn)行映射變換，實現(xiàn)兩組點(diǎn)云數(shù)據(jù)的融合.

不同傳感器采集的數(shù)據(jù)屬于不同的坐標(biāo)系，導(dǎo)致不同數(shù)據(jù)源的點(diǎn)云初始位置相差較大.因此本文融合過程包括兩個步驟：粗融合和精融合.首先進(jìn)行粗融合，減少數(shù)據(jù)的旋轉(zhuǎn)和平移誤差，以提供初始融合參數(shù)，然后進(jìn)行精融合，提高融合結(jié)果的精度.

本文使用統(tǒng)一坐標(biāo)系的方法來實現(xiàn)粗融合，傾斜攝影數(shù)據(jù)采集時通過布設(shè)地面像控點(diǎn)，得到的密集點(diǎn)云具有真實的地理坐標(biāo).激光點(diǎn)云拼接完成之后，為方便與傾斜攝影技術(shù)生成的密集點(diǎn)云融合，需要進(jìn)行整體坐標(biāo)轉(zhuǎn)換.兩種數(shù)據(jù)通過人機(jī)交互的方法選取特征點(diǎn)，計算兩組點(diǎn)云之間的初始變換矩陣.三維激光掃描數(shù)據(jù)通過轉(zhuǎn)換坐標(biāo)的方式，轉(zhuǎn)換到與傾斜攝影數(shù)據(jù)相同坐標(biāo)系下，實現(xiàn)兩種來源的點(diǎn)云的粗融合.

在此基礎(chǔ)上，使用ICP算法對點(diǎn)云進(jìn)行精確融合，提高兩組數(shù)據(jù)的融合程度.ICP算法基于最小二乘法實現(xiàn)兩組點(diǎn)云的精確融合，它通過迭代計算兩個點(diǎn)云中同名點(diǎn)之間的距離，直到滿足給定的收斂精度要求，獲得兩組數(shù)據(jù)之間精確的變換矩陣.兩組數(shù)據(jù)之間的變換矩陣為

式中：xj和yi分別表示來自不同數(shù)據(jù)源的對應(yīng)點(diǎn)集X和Y；Nx和Ny分別表示xj和yi中包含的點(diǎn)云總數(shù)，若y中的第i個點(diǎn)和x中的第j個點(diǎn)相同，則Wij為1，否則，Wij為0.

ICP算法通過使式（1）取最小值作為約束條件找到變換矩陣.

ICP配準(zhǔn)過程如下：

（1）計算傾斜攝影密集點(diǎn)云X中每一個點(diǎn)在激光點(diǎn)云Y中的對應(yīng)臨近點(diǎn)，并求得對應(yīng)點(diǎn)平均距離最小時的變換矩陣（R，T）.

（2）根據(jù)求得的變換矩陣，對傾斜攝影密集點(diǎn)云X進(jìn)行坐標(biāo)轉(zhuǎn)換，得到新的密集點(diǎn)云X’.

（3）如果新的密集點(diǎn)云X’與激光點(diǎn)云Y平均距離小于某一給定閾值（本次采用2 cm），則停止迭代計算，否則將新的密集點(diǎn)云X’作為初始密集點(diǎn)云X繼續(xù)迭代，直到滿足閾值限定.

融合結(jié)果如圖4所示.

圖4為無人機(jī)傾斜攝影點(diǎn)云數(shù)據(jù)，以及三維激光掃描點(diǎn)云數(shù)據(jù).可以看出，兩者重合部分的點(diǎn)云主要集中在建筑物側(cè)面和地面，建筑頂部主要為無人機(jī)傾斜攝影數(shù)據(jù)，底部主要為三維激光掃描數(shù)據(jù).二者的融合有效彌補(bǔ)了各自的缺陷，得到建筑物完整的三維點(diǎn)云數(shù)據(jù).

圖4 兩組點(diǎn)云融合結(jié)果

4 建模結(jié)果與討論

使用融合后的點(diǎn)云，重新進(jìn)行紋理映射，完成新的三維模型構(gòu)建，最終結(jié)果如圖5所示.

圖5 融合后點(diǎn)云建模效果

圖5模型整體完整，紋理真實，同時彌補(bǔ)了傾斜攝影技術(shù)建筑底部建模效果較差和三維激光掃描技術(shù)建筑頂部數(shù)據(jù)缺失的缺點(diǎn)，得到目標(biāo)建筑完整的三維模型.

模型整體的精度驗證，采用1″全站儀觀測特征點(diǎn)坐標(biāo)數(shù)據(jù)，在同模型中提取的對應(yīng)點(diǎn)坐標(biāo)數(shù)據(jù)進(jìn)行對比的方法.選擇實驗建筑物的角點(diǎn)和側(cè)面窗戶角點(diǎn)以及側(cè)面墻壁的明顯標(biāo)志點(diǎn)作為檢查點(diǎn)，共選擇50個檢查點(diǎn)，用全站儀測得檢查點(diǎn)的坐標(biāo)，多次測量取平均值，然后在模型中提取對應(yīng)位置點(diǎn)的坐標(biāo)進(jìn)行對比，計算兩者平面坐標(biāo)和高程之間的誤差，以此驗證模型的精度.經(jīng)驗證，傾斜攝影模型、激光三維模型及融合模型誤差分布如圖6所示.

由圖6可以看出，傾斜攝影模型精度相對較差，分布較散，XYZ方向誤差主要集中在0.05~0.31 m；激光三維模型XY方向誤差多小于0.04 m左右，高程方向多小于0.08 m；融合后XY方向精度多小于0.04 m左右，高程方向多小于0.08 m.通過對無人機(jī)傾斜攝影數(shù)據(jù)和三維激光掃描數(shù)據(jù)的融合，得到的模型彌補(bǔ)了兩種技術(shù)單獨(dú)建模信息不全的缺點(diǎn)，得到完整的建筑物三維模型.融合后精度比激光點(diǎn)云稍有降低，但比傾斜攝影建模的精度提高較多.

圖6 傾斜攝影模型、激光三維模型及融合模型誤差分布圖

在此基礎(chǔ)上，本文采用兩組數(shù)據(jù)之間的均方根誤差（root mean square error，RMSE）對融合結(jié)果進(jìn)行精度評價.提取融合后數(shù)據(jù)中同名點(diǎn)間的距離，計算RMSE，公式為

RMSE數(shù)值越小，表示融合精度越高.結(jié)果如表1所示.

表1三種模型RMSE

融合后模型平面誤差均方根為0.060 m，高程誤差均方根小于0.040 m，可以滿足數(shù)字城市建設(shè)、一般工程應(yīng)用的需求.因此，可以認(rèn)為兩種技術(shù)的融合，能夠獲得建筑物完整的較高精度的模型.

5 結(jié)語

本文針對建筑物分別進(jìn)行傾斜攝影數(shù)據(jù)和三維激光掃描數(shù)據(jù)的外業(yè)采集和內(nèi)業(yè)處理，然后對兩種數(shù)據(jù)進(jìn)行融合建模，分析了模型質(zhì)量與精度.結(jié)果顯示兩種技術(shù)都無法單獨(dú)獲得目標(biāo)對象完整的三維模型.

通過統(tǒng)一坐標(biāo)系和ICP算法對兩種點(diǎn)云進(jìn)行融合，得到目標(biāo)表面完整的點(diǎn)云數(shù)據(jù)，并通過點(diǎn)云數(shù)據(jù)進(jìn)行建模，對點(diǎn)云融合精度和模型精度進(jìn)行驗證.融合模型平面精度達(dá)到0.060 m，高程誤差達(dá)到0.040 m，能夠滿足數(shù)字城市建設(shè)及工程應(yīng)用要求.