倾斜摄影三维模型与大场景地形的数据融合

2017-11-01马道鸣

中华建设 2017年8期

关键词：基准面缓冲区瓦片

马道鸣

倾斜摄影三维模型与大场景地形的数据融合

马道鸣

在三维地理信息系统中，大场景地形作为一种较经典的数据备受关注。对现有的研究文献进行分析，发现相关研究并不少见，但是无法有效解决倾斜摄影三维模型与大场景地形的数据融合问题，需要对数据融合算法进行创新。

一、倾斜摄影的概念

倾斜摄影属于一种全新的测绘技术，其基本原理，是在相应的平台上架设多台传感装置，从五个不同的角度（一个垂直、四个倾斜）来进行影像的采集，从而得到更加符合人眼视觉的图像。倾斜摄影可以实现单张影像两侧，可以对建筑侧面的纹理进行采集，其本身的数据量较小，通过成熟的技术实现快速发展，保证了数据的高度共享与合理应用。

二、数据融合算法

1.算法流程

首先需要对数据进行预处理，然后在现有的软件平台下，将倾斜摄影三维模型中的建筑和地形进行分别存储，前者采用不规则三角网存储，后者则采用点云存储。由于预处理并不会改变顶点坐标，因此在分离后，地形和建筑的空间位置并不会发生变化。预处理完成后，应该建立统一的基准面和坐标系，实现倾斜摄影三维模型基准面向大场景地形基准面的转换。同时，构建融合缓冲区，在缓冲区采样，生成地形点云，将之前存储的倾斜摄影地形点云与之合并，生成TIN瓦片金字塔，就能够实现倾斜摄影地形与大场景地形的融合。

2.基准面与坐标系统一

一般情况下，在倾斜摄影地形和大场景地形中，采用基准面和坐标系并不相同，因此从方便数据融合分析的角度，需要首先对数据的基准面和坐标系进行统一。考虑到大场景地形数量巨大、数据技术成熟、坐标系和基准面相对统一的特点，这里将倾斜摄影地形向大场景地形靠拢。基准面的转换选择布尔莎7参数转换方法，从相应的地形中选择N（N＞3）个地物点，倾斜摄影地形采用的是投影坐标性，大场景地形采用的则是地理坐标系，将选择的同名地物点转换到空间直角坐标系，以最小二乘法计算转换参数，然后实现基准变的转换。同样的方法，可以完成倾斜摄影建筑基准面和坐标系的转换。

3.融合缓冲区采样

基准面和坐标系的统一并不意味着倾斜摄影地形与大场景地形的完全融合，其在接边区域可能会存在较大的差异。对此，可以建立相应的融合缓冲区，在缓冲区内，保证数据过渡的平滑性。考虑到数据精度问题，将缓冲区设置在倾斜摄影地形的外部。

缓冲区建立后，需要在其内部进行采样，为了提升采样密度，摒弃了传统的等间距采样和随机采样，在靠近倾斜摄影地形区域一侧（分辨率高）进行高密度采样，在靠近大场景地形一侧则适当降低采样密度。

缓冲区采样完成后，可以利用插值算法来对采样高程值进行计算，不过考虑到缓冲区的位置，存在于倾斜摄影地形中的采样点无法利用传统的差值算法计算高程。对此，提出了一种全新的插值方法，在缓冲区靠近倾斜摄影地形的一侧逐步向外扩展，对缓冲区边界线上的采样点高程进行逐一计算，选择来自内侧相邻缓冲区和大场景地形的采样高程作为插值，保证了高程计算的顺利完成。

4.TIN瓦片金字塔建立

完成缓冲区采样后，可以将采样结果与倾斜摄影地形点云合并，然后利用合并后产生的地形点云构建相应的TIN。不过，在合并后，地形点云的数据量相当庞大，单纯依靠一张TIN可能会出现无法载入内存的问题，影响数据的调度和使用。针对这个问题，本文提出了一种全新的解决方法，即将合并后的地形点云输入，构建TIN瓦片金字塔，以确保数据的正常调度。TIN瓦片金字塔的构建需要解决三个问题：一是层数，在TIN瓦片金字塔中，采用的是全球顶层分块，而每一块构建相应的四叉树，顶层层号0，之后依次增加。应该尽量选择数目接近的点来构建瓦片的TIN目，以实现瓦片数量的有效控制。经分析研究，可以将用于确定瓦片金字塔层次、生成瓦片TIN的阈值设置为64。二是最精细瓦片TIN的生成。针对常规算法中存在的缺陷，本文提出的算法首先对每一个瓦片点云边界进行了计算，然后结合层内相邻瓦片的点云边界，计算瓦片的中心TIN，之后进行插值处理。通过这样的方式，在很大程度上提高了计算效率，也避免了相邻瓦片间裂缝的存在。三是上一层瓦片TIN的依次生成，可以从相邻下一层中，得到瓦片范围内的点云，抽希后作为该层点云，点云的数目与之前提到的阈值相同，为64，而除最下两层，其他层次在经过抽希后，点云的数目为原本的1/4，瓦片顶点数相同，也保证了数据传输的流畅性。

三、算法结果

在Top-World三维地理信息系统中加载融合后的数据，结合生成的图像进行分析，发现融合算法可以实现倾斜摄影地形与大场景地形的有效融合，也能够支持不同距离和层次的数据调度。融合的最终结果如图1、2所示。

图1 融合效果对比

图2 小区域融合结果

图1（a）是在完成数据基准面和坐标系的统一后直接叠加得到的结果，图1（b）则是依照本文提到的算法处理后得到的结果。经对比可以发现，在图1（a）中，建筑底部被大场景地形遮挡，而在图1（b）中，由于TIN瓦片金字塔的存在，建筑底部并没有被大场景地形遮挡，表明融合的效果更好。

图2（a）采用的是网格显示，图2（b）采用的则是面片显示，可以看出，结合本文提到的数据融合算法，倾斜摄影的三维模型与大数据地形可以实现较好的融合，避免了差异的存在。

本文采用的Top-World三维系统使用的是Windows7操纵系统，搭配i5处理器和AMD RADEON HD6450显卡，系统运行内存4G，显示器分辨率达到1920×1080。在融合数据加载完成后，系统的数据刷新频率在32-55帧/s，不存在卡顿、掉帧问题，无论是数据的调度操作还是用户的交互操作，都能够保持流畅性。