车载激光三维建模技术研究

曹参参 陈磊 郭丽媛

摘 要：整个点云数据建模过程包括数据预处理和模型重建。数据预处理为模型重建提供可靠精确的点云数据，降低模型重建的复杂度，提高模型重构的精确度和速度。本文提出的方法能够很好地为快速三维建模进行服务，尤其是比较关注街道两侧信息的三维获取，这将大大减少人工三维数据获取及其建模的工作量，将有很好的应用前景。

关键词：激光 点云数据 三维建模 模型重建

中图分类号：P228 文献标识码：A 文章编号：1672-3791（2018）08（a）-0012-02

近年来基于激光扫描技术的三维建模技术成为了研究热点。激光扫描仪能够直接获取景物的深度信息，方便快捷。此外，利用激光扫描技术进行三维重建能够有效恢复出具有准确几何信息和照片真实感的三维模型。本文对车载激光点云数据的全自动数据预处理方法以及模型重建进行了相关的研究与实现。

整个点云数据建模过程包括数据预处理和模型重建。数据预处理为模型重建提供可靠精确的点云数据，降低模型重建的复杂度，提高模型重构的精确度和速度。数据预处理阶段涉及的内容有点云数据的滤波、点云数据的平滑、点云数据的缩减、点云数据的分割、点云数据的分类、不同站点扫描数据的配准及融合等；模型重建阶段涉及的内容有三维模型的重建、模型重建后的平滑、残缺数据的处理和模型简化等。实际应用中，应根据三维激光扫描数据的特点及建模需求，选用相应的数据处理策略和方法。

1 数据预处理

针对车载激光点云数据的特性，将数据预处理方法分为两类：半自动的数据预处理方法和全自动的数据预处理方法。

1.1 半自动数据预处理方法

半自动的方法主要是利用现有的各种类型的点云数据处理软件，如三维激光扫描仪配带的相应点云数据处理软件或逆向工程领域比较著名的商业点云处理软件，一般都具有点云数据编辑、拼接与合并、数据点三维空间量测、点云数据可视化、空间数据三维建模、纹理分析处理和数据转换等功能，但它们往往具有通用的处理功能，对于特定的数据处理效果有一定的不足之处，在功能和性能上也或多或少存在一定缺陷，且一般比较昂贵。

1.2 全自动数据预处理方法

本文主要介绍一种基于数学形态学的数据滤波分类方法，通过此方法实现地面点与非地面点的分类。

数学形态学操作是基于集理论从图像中来提取特征。它有两个基本的操作：开运算（Dilation）和闭运算（Erosion）。

开运算（Dilation）可以有如下的定义来处理每个点p（X，Y，Z）：Dp=max（Zp）|（Xp，Yp）属于Wp。其中，Wp表示 p（X，Y，Z）点一定范围内的邻域窗口。开运算（dilation）的实质就是取最大值操作；闭运算（Erosion）可以有如下的定义来处理每个点p（X，Y，Z）：Dp=min（Zp）|（Xp，Yp）属于Wp。其中，Wp表示p（X，Y，Z）点一定范围内的邻域窗口。

闭运算（Dilation）的实质就是取最小值操作。在本算法中，我们把数学形态学的思路应用于点云数据预处理中来。在算法的实现过程中，我们需要不断地调整运用这两个操作的窗口大小。因此，此算法也是一个多次迭代的过程，并且它是一种基于图像的DTM滤波算法。

1.3 数据预处理结果

按照以上算法流程编写MATLAB程序，实现地面点与非地面点的分离，用本算法进行滤波时要注意滤波参数的设置，通常要根据不同地表形态来选取适当的参数。应用本算法对铁路两旁的数据进行了滤波处理，该算法能很好地实现地面点与非地面点的分离，但是该算法需要输入很多滤波参数，如地形坡度、窗口大小等，这些直接影响着滤波的效果，因此要实现很好的滤波需要根据实际地形情况反复试验几个滤波参数。

2 模型重建

点云数据经过滤波分类处理之后，就可以针对分出来的不同类别采用不同的建模方法了，这里滤波分类主要分为地面点和非地面点，所以，模型重建也通过这两类来分析。

2.1 地面点建模

与通常的栅格影像数据不同，激光点云数据是离散分布的不规则点数据。因此，要用模型的形式表示地形表面分布，就需要进行网格化处理，即将离散的点连续化。我们采用三角网的方式对数据进行组织，地形表面由连接数据点的三角形构成，通过进行插值实现对地形表面的逼近和近似，这是对地形表面的一种精确表达。三角形网格化目前以狄洛尼（Delaunay）三角剖分最为流行，本文实验研究就是采用对离散点集的Delaunay三角剖分来完成对滤波分类后的地面点云连续化的，见图1。

2.2 非地面点建模

本文针对车载激光点云数据总结了以下的建模方法和步骤。

2.2.1 对非地面点进一步分类

通过车载扫描系统获得的点云数据中非地面点存在很多杂点，受车体行驶周围影响很大，如要对道路两旁建筑物建模，则建筑物點云受路两旁的树木、广告牌、线杆以及周围车辆等影响很大。这样直接用这些点云数据进行建筑物建模，其效果会很差，所以有必要对非地面点进一步分类，可分为建筑物、线杆以及其他地物点（如植被、路灯、公交站牌、广告牌等）等。其中建筑物是非地面点中最重要的部分，也是通常最关心的地物。

2.2.2 通过点云数据对建筑物进行特征提取

在激光扫描数据的处理中，建筑物特征提取是一个与数据分类紧密相关的问题。建筑物特征提取依赖于数据分类的方法和结果，还要充分利用建筑物自身的几何特征。利用前面提出的数据分类方法，考虑建筑物自身的几何特征，设计了一个简单的建筑物特征提取方法。

首先，从分类后的激光扫描数据中提取出建筑物数据；然后，从建筑物数据中提取出每个格网单元中Z值最大和Z值最小的数据点，这些点就是建筑物的特征点；后续处理中，可以从这些特征点中探测线特征或者用线段拟合这些特征点得到建筑物的特征线，也可以导入专业建模软件直接参与三维建模。

3 结语

本文结合某三维建模案例，探讨了基于激光点云数据的数据预处理方法和模型重建方法，论文探讨了半自动数据预处理方法和全自动数据预处理方法，给出了全自动数据预处理的算法流程，在模型重建中，论文探讨了地面点重建和非地面点重建。该方法能够很好地为快速三维建模进行服务，尤其是比较关注街道两侧信息的三维获取，这将大大减少人工三维数据获取及其建模的工作量，将有很好的应用前景。

参考文献

[1] 石波，卢秀山，王冬，等.基于多传感器融合的车载三维测量系统时空配准[J].传感器与微系统，2007，26（9）：14-16.

[2] 徐绍铨，张华海，杨志强，等.GPS测量原理及应用[M].武汉：武汉大学出版社，2003：55-59.