利用机载、车载雷达数据进行全景三维研究<br/>——以河南省为例

利用机载、车载雷达数据进行全景三维研究
——以河南省为例

2016-09-02田耀永

测绘通报 2016年5期

关键词：格网三维重建纹理

田耀永

(河南省测绘工程院，河南郑州 450008)

利用机载、车载雷达数据进行全景三维研究

——以河南省为例

田耀永

(河南省测绘工程院，河南郑州 450008)

机载LiDAR能够准确表达建筑物的顶部信息，但对建筑物立面信息的获取存在欠缺，而车载LiDAR则能够准确地描述建筑物立面的几何位置和纹理信息。因此，可以综合利用机载LiDAR和车载LiDAR数据，从而发挥两种数据源的不同优势，扩展时空分辨力。本文基于面向对象的方法，利用机载/车载LiDAR数据分别提取了建筑物的顶部和立面信息；最后通过空间几何关系将二者融合在一起，使获取的综合信息具有更高的可靠性和精度。将该方法应用于河南省全景三维重建，不仅为数字城市和全景三维提供了补充数据，也极大地提高了工作效率。

机载雷达；车载雷达；多数据融合；全景三维

随着数字城市、数字县域建设的不断推进，众多应用领域对城市建筑物三维模型都有较大的需求，但目前城市建筑物的获取效率较低。随着三维激光扫描技术的不断推广，车载LiDAR技术作为一种快速获取空间地理信息的方式，对道路、堤岸及城市街道等呈带状空间分布的地物高精度三维信息获取具有明显优势，但车载LiDAR作为地面LiDAR一种作业方式，无法准确、全面地采集建筑物屋顶信息[1]。而机载LiDAR数据包含了大量关于建筑物的三维信息，特别是可供推理的屋顶信息[2-3]。

为提高城市建筑物三维重建的效率，本文综合利用机载和车载LiDAR数据，采用基于区域增长方法，通过设定初始区域增长平面，从而提取建筑物屋顶信息；采用投影点密度结合高程的滤波方法对道路两边的树木、行人等其他信息予以去除，提取出建筑物立面信息。最终对这两种数据进行轮廓线规则化和融合，辅助以影像信息从而完成建筑物三维模型精细重建[4-6]。

一、面向对象的建筑物轮廓提取

1. 基于区域增长的建筑物屋顶面片提取

区域增长最早用在图像处理学，是一种根据某一特定的准则将像素或子空间聚合成更大空间范围的过程，基本算法是以一组“种子”点为基准，将与种子点属性相似的临近区域像素附加到增长区域的每个种子点上。而点云数据是由一些离散的空间点组成，本文采用规则格网组织方式，利用八邻域实现附近点的搜索[7]。具体步骤为：

1) 选择种子点。对于任意建筑物顶面激光点，搜索其最临近的K个点作为种子点，将这些种子点通过最小二乘拟合出的平面作为初始平面进行区域增长。

2) 确定区域增长条件。建筑物屋顶通常是由多个坡面和平面组合而成，利用不同平面之间法向量的不同，结合各平面之间的拓扑关系，以法向量的相似程度作为区域增长的主要条件，实现对不同坡面的划分。其中法向量的相似程度可用法向量夹角来量化确定。

3) 对于空间关系平行却不相邻的平面，法向量夹角无法完成对该平面区域的划分，但二者的空间距离较大，通过设定距离阈值加以区分坡度相似的平面。

4) 建筑物屋顶往往有一些非屋顶面的人工设施，此类设施顶面面积较小，通过设定平面内最小点云数量，进一步滤除非屋顶信息，提高屋顶面片提取的准确率。

5) 重复上述步骤，直到判断完所有平面，建筑物屋顶信息提取完毕。如图1所示。

图1　人字形屋顶面片提取结果

2. 结合高程与投影点密度的建筑物立面提取

城市空间包含多种地物，根据各种地物的不同，车载LiDAR点云数据具有以下特点：

1) 点云数据中各类地物的高程值不尽相同。其中地面点的高程值最低，其次是植被，建筑物的平均高程最高，树木、电杆等地物的高程值位于建筑物与植被之间。

2) 将点云投影到XOY平面上，建筑物立面的点云密度一般大于其他地物的点云密度，且在水平面上呈现为一条有厚度的线；独立地物如路灯、电杆等呈现为不规则的点，并且投影面积较小。

3) 车载LiDAR采集数据时路面距离激光扫描仪较近，因此点云密度大。为避免地面点的影响应先滤除地面点云数据以提高运算速度。

根据上述分析，结合高程和投影点密度设置阈值，实现建筑物立面的提取[8-10]。具体步骤为：

1) 统计各个高程分布范围内的点数，画出高程分布图。根据点云高程分布设置阈值，将一部分地面点和高程奇异点滤除。

2) 将点云数据投影到XOY平面。

3) 将研究区域划分为N×M个矩形格网，依次编号，根据式(1)计算出格网数，其中Xmax、Xmin、Ymax、Ymin分别代表点云数据在X轴和Y轴方向上的最值。

(1)

4) 计算格网内的点云数量，并计算每个格网内的平均高程值，设置格网内点云数量的阈值和高程平均值的阈值，仅保留格网内点云数量和高程平均值都大于阈值的格网。

提取满足上述条件的格网，得到建筑物立面附近区域。对于复杂的城市场景，重复上述过程，逐步细化格网提取建筑物立面点云。如图2所示。

3. 建筑物三维重建

(1) 坐标匹配

机载LiDAR、车载LiDAR所采集的点云都基于WGS-84坐标系统，采集成果可根据同名点坐标采用七参数布尔萨模型转换为地方坐标系，本论文为方便研究，均采用原始WGS-84坐标系统。

图2　建筑物立面提取前后对比图

(2) 建筑物屋顶的三维重建

建筑物的屋顶信息和立面信息提取后转换为DLG线画图，根据建筑物的楼层数，以每层3 m的高度计算，通过3ds Max平台对建筑物进行三维建模。建筑物屋顶信息较为复杂，以人字屋顶为例，其顶部关键点主要有6个、关键平面有2个。如图3所示。

图3　人字形屋顶平面图

对人字形屋顶两平面A、B方程求交线，人字形屋顶的两个平面方程为

(2)

以上两式相减得屋脊线L25的空间直线方程为

(3)

设

(4)

y=kx+b

(5)

结合建筑物顶面矢量图中边缘点1、3的坐标可以求出L13的平面直线方程为

y=k0x+b0

(6)

联立以上两方程可解得

(7)

再将该组解式(6)带入平面方程得

(8)

由式(6)、式(7)求得了屋脊线点2的空间坐标，运用同样的方法可求出点5的空间坐标。模型效果如图4所示。

图4　建筑物三维模型效果

(3) 纹理映射

为反映建筑物真实的表面特征，需对三维模型进行纹理映射，从而提高建筑物模型的真实与准确性[11-12]。实现纹理映射的主要步骤如下：

1) 采用数据压缩，将采集到的建筑物特征信息压缩为2n(n≤10)个像素单元，以共享的方式建立纹理数据库，提高计算机的储存空间和运行速度。

2) 根据建筑物层数和长度贴图。每层建筑物的高度按照3m计算，长度即为导入DLG的实际长度。前面纹理贴图为

(9)

3) 根据式(8)调用3dsMax中UVW贴图模块以完成建筑物的立面贴图。

4) 利用航空影像的光谱信息和RGB亮度指数提取建筑物顶部纹理。

5) 将提取出的建筑物顶部纹理4个脚点的最大值和最小值坐标与3dsMax平台中建筑物顶部模型的最大值坐标和最小值坐标相匹配，实现建筑物顶部纹理的映射。如图5所示。

图5　建筑物纹理映射效果

二、试验结果与分析

1. 试验区概况

本文以河南省许昌市建成区作为试验研究对象，以机载LiDAR和车载LiDAR为主要数据源，平均点间距分别为2个/m2和100个/m2。两种数据源使用地面检校点进行校正并达到精度要求。如图6所示。

图6　机载/车载LiDAR融合后效果

2. 试验结果与分析

采用面向对象的分类方法，通过基于区域增长和结合高程与投影点密度对建筑物屋顶面片和建筑物立面提取。结合试验区数据，将激光脚点临近区域的K值和距离阈值选择出种子点，基于该区域范围的增长条件，再设置增长半径、法向量夹角、最少平面的阈值提取出建筑物的底部信息。通过设置格网点数阈值与平均高程阈值，初步提取建筑物立面信息，再采用距离聚类、最小二乘拟合求取平面方程等方法，组合完成完整的建筑物立面信息提取。

将提取出的DLG数据导入3dsMax平台，完成建筑物的三维建模、自动贴图等环节，最终辅助高分辨率近景摄影测量数据，完成该区域范围内的三维重建。图7为局部提取的处理过程，图8为试验区域三维重建效果。