大规模中心城区精细化建模及可视化研究

2024-01-15华安中

测绘通报 2023年12期

华安中,孙灏

(南京市测绘勘察研究院股份有限公司,江苏南京 210000)

实景三维是新型基础测绘建设的重要方向,也是智慧城市建设的必然要求[1]。随着城市规划建设的不断发展,城市管理工作的复杂性也在不断提升,传统的二维地理信息数据存在可视化程度低、交互性差、空间分析不足等短板,难以满足城市精细化、信息化管理的需求[2-3]。三维城市模型是城市各类管理对象的三维表达,可直观、准确地展现出城市基本情况,尤其在复杂地理空间信息的表达上有其独特的优势,因此越来越多的三维模型用于城市规划、建设、管理等领域[4-5]。

传统的三维城市场景构建大都依赖于三维建模软件,对于大场景的三维模型构建存在着周期长、真实性不足的问题[6-7]。近年来信息技术的发展带动了无人机倾斜摄影测量等高新技术的兴起,打破了传统的三维建模方式,凭借其高效率、真实性等优势,逐渐成为三维城市建设的主要技术手段。然而受光照变化、地面遮挡、建模机制等因素影响,其构建的三维模型在智慧城市的管理及可视化应用上都存在一定的限制[8-10]; 同时随着城市规划、管理等工作的不断深入,管理对象的尺度也逐步缩小。因此,构建大规模城市单体精细化模型及可视化应用成为了智慧城市建设重要课题[11-12]。

本文以南京市江宁区三维城市模型建设项目为研究对象,融合应用无人机倾斜摄影测量、车载移动测量、地面近景影像、大比例尺地形图等多源异构数据,以实现大规模中心城区三维精细化场景的构建,同时借助数字孪生平台搭建三维可视化系统,以满足智慧城市管理对三维模型数据的需求。

1 研究概况

1.1 研究区域概况

研究区域位于南京市江宁区中心城区,总面积约100 km2,区域内地势复杂、要素众多、交通便捷、水网发达,密集多元的居民住宅群、特征鲜明的城市地标、产业集聚的城市新城互相交织;多条高速公路与城市道路相互贯通,高速铁路跨境而过;秦淮河主流纵贯南北,支流密布。总体而言,研究区域内地形地貌特点鲜明,城市建设成熟度高,研究区域概况如图1所示。

图1 研究区域概况

1.2 技术路线

基于研究区域内地形、地貌、交通、建筑等要素分布情况,在充分进行实地踏勘,并考虑项目建设需求的前提下,设计了技术流程,如图2所示。

图2 技术流程

2 多源数据采集及利用

2.1 无人机影像数据采集

倾斜摄影测量是以无人机为载体,搭载多台传感器对地面进行多视角影像采集,凭借其机动灵活、高效精细等技术优势,成为实景三维数据的主要采集手段。本文采用了飞马V100固定翼无人机搭载D-OP3000五镜头相机传感器进行航空影像数据采集,在无人机航飞前,根据区域内地形高差、高层建筑物分布、飞行安全等因素,将研究区合理细分为多个航摄分区。在航线设计时,根据区域内高层建筑物的分布情况,按照“高度<120 m”“120 m≤高度<150 m”“高度≥150 m”作为三级分布式统计,合理设计飞行参数,具体参数设置见表1。

表1 固定翼无人机航线参数设计

对于区域内的高层建筑物,固定翼无人机航飞时为顾及地面分辨率要求,造成了部分高层建筑物顶部重叠度偏低,制作出的模型出现破洞、不完整现象。针对此类问题,本文采用了大疆M300 RTK、精灵4 RTK旋翼机对此类区域设计插补航线进行补飞。而在三维重建时,由于两类影像数据源不同导致像片参数不一致等,往往会造成空三失败的情况,因此,首先将两类影像单独进行空三加密,再将两种加密成果合并为新的空三加密成果,大大提高了空三成功率及三维模型重建质量。

2.2 车载移动测量数据采集

无人机倾斜摄影测量技术在获取地面影像时,往往由于道路两侧的植被遮挡等原因,制作出的实景三维模型存在交通部件要素丢失或不完整情况,而交通要素是城市建设的重要基础设施,其部件多、功能性强。因此,本文利用了车载移动测量的方式获取道路及其两侧的三维激光点云数据,并同步获取全景影像数据,弥补此类情况资料缺失的问题。

本文使用的车载移动测量系统搭载的三维激光扫描仪可获取发射中心100 m范围内可触及的点位信息,5台尼康D820相机的分辨率为1亿像素,可分别获取车行方向前、后、左、右、上的影像信息,并且车载移动测量系统借助车载平台向前移动获取空间三维点信息。经过后处理差分定位得到每个点的绝对坐标,平面和高程的标称精度均可达到5 cm,同时搭载的全景相机和面阵相机系统可获取车行路径的全景影像,这可作为道路精细化建模所需的纹理数据。车载移动测量系统技术指标见表2。

表2 车载移动测量系统技术指标

2.3 地面近景影像采集

无人机倾斜摄影技术在遮挡区域存在摄影盲区,会造成数据缺失的情况,车载移动测量技术也只对道路两侧的无遮挡区域采集较为完整,而中心城区复杂性强,两种数据采集方法进行精细化建模无法顾及全部场景,均存在一定的局限性。因此,本文对于地面或近地面遮挡严重的区域,且车载移动测量系统采集的全景影像无法补充,如店铺招牌等要素,采用了人工实地近景影像进行补充采集。

由于地面净空对无人机采集存在一定的安全隐患,地面近景影像采集主要使用了人工手持数码相机的方式拍摄。补拍的近景影像既可用于无人机影像的联合建模,提高模型精细度,又可用于纹理数据库的建设,补充缺失的纹理。地面近景影像采集主要遵循以下原则:拍摄时选择光线较为柔和的环境,避免环境对所拍对象的颜色影响,保证精细化建模纹理色彩的统一;建筑物立面补拍要拍摄局部特征写照,能反映建筑结构、纹理不同部位特征,同时拍摄范围应大于特征范围。

2.4 1∶500地形图

1∶500比例尺地形图在服务城市建设管理领域得到了广泛应用,这也推动着地形图生产技术的快速发展。目前,1∶500地形图生产方式主要是全野外数据采集、无人机倾斜摄影测量和三维激光点云等,数据精度高、逻辑性强,同时依托城市地形图动态维护更新项目,数据的现势性也较好。

在地形图中,点、线、面都包含属性值,如房屋的扩展属性包含名称、材质、层数、建筑高度等信息。基于地形地物的矢量轮廓面及属性值,也可实现三维模型的建立,这为三维城市建模提供了另一种途径。因此,本文将1∶500地形图用于实景三维模型遮挡、蜡熔区域的模型构建,提取其属性信息赋值到三维模型属性,进行白模的构建,同时地形图也可以用于实景三维模型的精度检核。

3 精细化建模及结果分析

3.1 模型层级分类

对于大规模、多细节层次的三维城市模型,不仅需要大容量的数据存储空间承载海量数据,更需要高性能的计算能力支撑模型运行及数据处理需求。因此,为降低数据的存储要求,通常以LOD表达不同的模型的细节层次,实现高效、流畅的三维可视化,同时按照不同的数据应用需求,调整模型复杂度和冗余度[13]。

根据细节表示的不同,模型层次可分为LOD0、LOD1、LOD2、LOD3、LOD4 5类。其中,LOD0表示2.5维的数字地形图;LOD1表示无屋顶结构的体块模型;LOD2指包含屋顶结构和贴图的城市场地模型;LOD3为细节层次更丰富、贴图分辨率更高的城市场地模型;LOD4细节层次最为丰富,包含了建筑的内部结构[14-15]。模型多层级分类见表3。

表3 三维城市模型多层级分类

本文主要涉及LOD2和LOD3层级模型。其中,LOD2级覆盖面积约68 km2,主要为小区、单位内部等非重点表达区域;LOD3级覆盖面积约30.1 km2,主要为城市中心、副中心、历史文化街区等需重点、精细表达的区域;此外,在LOD3级模型基础上,根据应用需求,对部分城市主次干道,增加了表示道路地面标识线、交通信号灯、路灯等交通附属设施,达到了道路部件级精细建模标准,此区域面积约1.9 km2。

3.2 精细化建模

无人机倾斜摄影测量在照片重叠度不足、遮挡严重区域,制作出的实景三维模型会出现扭曲、变形等现象,尤其在玻璃幕墙的建模中,还会受到光照、入射角等多种因素影响,制作出的三维模型变形状况尤为明显,这对三维模型的使用造成了一定影响。此外,倾斜摄影建模是基于建模软件实现空三加密、三维重建等步骤,自动化程度高。然而由于其建模机制,构建的三维模型是一块完整连续的TIN三角网格,无法进行各单体设施的应用管理。因此实景三维模型要应用于智慧城市的管理,还需要进行单体精细化建模。

本文根据模型等级划分范围,基于实景三维模型进行了各要素的精细化模型制作;制作过程主要包含了白模制作和纹理模型制作两大步骤。白模制作主要是通过位置、范围和高度制作模型的主体结构;纹理模型制作是在白模的基础上通过照片、影像对模型结构进行细化和贴图,最终完成精细化建模。

基于倾斜实景三维模型,结合车载移动测量数据和1∶500地形图,利用3ds Max软件分别对建筑、交通、水系、植被和场地等要素进行了白模制作;同时利用实景三维模型、全景影像和地面近景影像进行材质纹理的制作。赋予白模后,构建纹理模型数据,再将建筑、交通、地形、其他要素纹理模型成果进行场景融合、要素接边,保证场景的完整性、准确性和色彩一致性。项目部分区域精细化建模场景如图3所示。

图3 部分区域精细化模型成果

3.3 结果分析

3.3.1 模型完整度分析

三维模型完整度是评价模型质量的关键因素之一,主要包含了模型的几何完整度和表面纹理的完整度,这直接决定了三维模型的视觉展示效果和适用场景。与无人机实景三维模型相比,精细化建模是多源数据融合应用的结果,尤其在部分困难区域更是应用了二维和异源数据建模。而无人机实景三维模型受数据采集时的环境影响较大,制作的实景三维模型不可避免会出现变形现象,因此精细化建模的几何完整度要远好于无人机实景三维模型。在表面纹理的完整度上,无人机实景三维模型是相机拍摄照片的直接映射,在一些变形区域会出数据缺失、缺乏纹理信息的现象;同时由于拍摄时天气、光照的不同,可能会出现区域纹理反差过大现象。而精细化建模统筹考虑整个区域,建立了材质纹理库,对每张纹理贴图的亮度、对比度、色相饱和度、色阶等参数进行了调整,使纹理贴图整体色调与现状保持了一致,保证了场景色彩的一致性,其视觉冲击感更强。本文部分区域无人机摄影测量建模及精细化建模效果对比如图4所示。

图4 模型效果对比

由图4可以看出,精细化建模的模型完整度更高,模型表达更加细腻,细节比例程度更高,更适应智慧城市的管理应用需求。

3.3.2 数学精度评价

为评价构建三维模型的整体精度,首先利用全站仪和GPS对区域内主要地物的部分平面和高程进行了坐标采集;然后以实地测量检查点坐标为真值,在三维模型上拾取相同位置的点位坐标;最后利用模型采集坐标和实地采集坐标进行对比,计算中误差以衡量模型的数学精度。平面和高程中误差计算公式分别为

(1)

式中,σs、σh分别表示三维模型的平面中误差和高程中误差;Δx、Δy、Δh分别表示模型采集坐标和实地采集坐标的差值。

分析检测坐标可以得出,共检测平面坐标点位1344个,高程坐标点位1322个,其中建筑要素占比66.3%,交通要素22.8%,水系、植被、场地等其他要素占比约10.9%,检测点在区域内基本分布均匀。根据式(1)计算出三维模型平面和高程的中误差、平均误差、最大误差和最小误差,并对误差大小和数量分布进行函数拟合,结果分别如表4和图5所示。

表4 三维模型精度统计 m

图5 三维模型数学精度检测误差分布

综合以上误差统计结果可知,精度检测结果分布相对稳定,呈正态分布,同时各类检测要素覆盖齐全,检测数量充足,检测点位分布均匀。因此,本文数学精度检测结果可靠,满足三维城市建模的精度要求。

4 三维可视化系统搭建

三维城市模型是智慧城市的基础数据底座,城市的精细化管理需要一套真实、稳定、轻量化的可视化平台支撑,而基于多源异构数据制作的三维城市模型存在着数据量大、数据复杂度高、可视化困难等特点。因此,建立三维可视化平台承载大场景的三维城市模型,直观展现城市基础设施且进行数据的管理应用对于智慧城市建设是十分必要的。

本文作业范围大,100 km2中心城区无人机倾斜航飞的影像数据量高达80多万张,制作的三维精细化城市模型更是占用海量存储,对如此海量数据的管理应用十分困难,因此选择合适的承载系统进行三维城市模型的可视化尤为重要。本文基于某数字孪生平台构建了三维可视化系统,利用SOA技术进行系统架构设计,基于Web Service的方式实现了数据的共享,达到了跨平台异构多源数据的访问和互操作。在数据展示上,首先基于矢量瓦片切片技术将矢量数据切割成矢量瓦片缓存数据,然后结合矢量要素按级别展示到显示屏幕时最小展示单元为像素的特点,按照级别将要素坐标转化为整数瓦片坐标,并采用算法进行要素化简,按级别缩减小比例尺下要素的显示点阵数,将化简后的图形和原要素的属性信息同时按级别存储至索引中。此方式保存了各瓦片中所有的要素的图形和属性。一方面通过本级无损的抽稀与切割,达到屏幕显示图形无损;另一方面也可为矢量数据在浏览过程中的查询、过滤提供属性信息。在数据渲染上,通过矢量瓦片渲染引擎,将矢量瓦片数据按照配图样式进行系统出图。浏览器前端加载矢量切片和切片样式,通过前端canvas绘制出图,一套矢量切片数据可以配置多种样式,从而达到一图多用的效果,减少了切片数据的重复生产,最终实现了大规模三维城市模型的快速加载和渲染。本文构建的三维可视化系统某视角展示如图6所示。

图6 三维可视化展示

基于数字孪生平台构建的三维可视化系统,不仅能加载大规模精细三维数据,还可接入地下管线、地下空间等数据,支持二三维一体化、地上地下一体化、室内室外一体化等数据融合及服务功能,并且可进行功能需求的定制开发,基于此系统可进行城市管理的各项应用,如空间规划、应急管理、数字化治理等,从而助力城市的精细化、智慧化管理。