实景三维地理场景数据处理的关键技术研究

时 斐,邵世星,储丹华

(1.江苏省测绘研究所,江苏 南京 210013;2.江苏天地图地理信息工程技术公司,江苏 南京 210013;3.江苏省地质测绘院,江苏 南京 210013)

0 引言

实景三维作为真实、立体、时序化反映人类生产、生活和生态空间的时空信息,是一项具有全新性、复杂性和突破性特点的新型基础测绘产品,带来了传统测绘技术体系的全面改变[1]。2021年,全国地理信息管理工作会议提出新时期测绘工作“两支撑、一提升”的根本定位,明确要求加快推进实景三维中国建设;同时也明确指出要进行在线系统和支撑环境的建设,其中就包括了数据库的建设。为了能够更好地建设实景三维数据库就必须按照统一的标准,将离散、多源、异构的各类实景数据进行汇集、处理、检查和规整,形成一套干净、清晰、规范的数据资源体系;按照事物发展的规律,将独立的实景数据进行关联,形成“一数一源一主体”的数据机理脉络。围绕实景数据的处理,通过信息化工具赋能,能够极大提高实景数据质量,提升治理水平。

1 实景三维地理场景数据处理与入库

将不同比例尺、时空范围和分辨率的数据进行组织管理、处理及有效合理存储,建立高效的时空索引机制,构建实景三维地理场景数据库。数据以切片方式存储,通过标准的OGC服务进行服务发布,以散列文件和数据库形式混合存储,按照标准Rest Web服务形式发布。各类数据服务最终以服务方式被平台调用,为用户提供灵活的应用搭建和数据调阅支撑,保障平台使用的灵活性和规范性。

数据处理主要包括三维模型轻量化、时空索引构建、切片与金字塔构建等。

1.1 数字正射影像

数字正射影像的数据处理目前不论是使用ArcGIS、Supermap等商业软件还是GDAL、GeoWeb Cache等开源软件都已形成了完整且成熟的技术处理流程。采用标准的XYZ地图瓦片金字塔形式,采用球面墨卡托投影的方式,对全球球面进行平面投影,作为0级网格并定义为起算网格。起算原点为网格左上角点,向东向南行列递增,X为列号,Y为行号,从0起算,统一瓦片分辨率为256×256像素,保证金字塔叶子瓦片的地面分辨率不低于原始影像地面分辨率,即0.2 m影像切片至第20级,0.5 m影像切片至第19级,1 m影像切片至第18级,2 m影像切片至第17级。

将切片后的影像数据存储到MongoDB非关系型数据库中。针对以上影像数据切片结构特点,影像时空索引表需要记录瓦片的XYZ分级分块信息。根据相同坐标范围和缩放基本瓦片具备唯一的特性,将瓦片数据存入MongoDB数据库中,利用PostGIS创建时空复合索引,同时创建数据集的时空索引表,并通过“服务类型”+“服务名称”+“XYZ层级”+“时间”+“空间”的复合方式索引。最后将带有时空信息的影像数据接口服务通过tomcat发布为WMTS影像服务,通过影像时空查询服务接口将数据返回进行渲染。

1.2 数字高程模型

数字高程模型的处理流程与数字正射影像数据类似,但在B/S场景下,由于网络环境和Web浏览器计算能力的限制,栅格瓦片的传输和高密度规则三角网格的实时生成会制约三维场景整体的浏览效率和效果。因此,要对栅格瓦片进行优化处理,满足网络环境下流畅浏览三维场景的需求。通过数据处理工具对数字高程模型进行重新切片处理,对切片得到的每一幅瓦片数据进行栅格-TIN转换,通过压缩平坦区域冗余高程点的方式减少数据总体容量,按级别+行号+列号的顺序结构依次存储数字高程模型生成文件,并进入MongoDB非关系型数据库进行存储[2]。利用PostGIS创建时空复合索引,通过“服务类型”+“服务名称”+“XYZ层级”+“时间”+“空间”的复合索引方式,创建数据集的时空索引表。最后将带有时空信息的数字高程模型数据接口服务通过Tomcat发布数字高程模型Terrain服务,通过数字高程模型时空查询服务接口将数据返回进行渲染。

1.3 倾斜摄影三维模型数据

目前,倾斜摄影三维模型大部分以Bentley ContexCapture生产和输出的OSGB瓦片集为主,这些模型按照文件名规则定义了多级瓦片索引结构,同时通过XML文件定义空间参考等描述信息。模型数据整体处理流程如图1所示。

图1 三维倾斜模型处理流程

(1)解析和转换OSGB原始数据的整个细节层次树,构建多细节层次组织规则和OGC3DTiles规范构建三维模型瓦片集以满足要求。

(2)对提取的顶层模型进行数据量判断,以解决原始瓦片集顶层细节层次模型过于细分的问题。如果模型的数据量超过了设定的阈值,会按照格网的方式进行合并,将其三维凸包计算出合并后的各块单个模型。采用纹理烘烤工艺压缩纹理,从而获得全新的顶层模型,直到最终顶层模型的数据量低于规定的阈值,得到简化的细节层次模型为止。最终的模型瓦片集是通过上述计算得到的细节层次简明模型与细节层次精细模型的逐步转换合并而成的。

倾斜摄影三维模型数据通过切片处理工具进行切片处理,经过模型顶层节点合并以及纹理压缩等轻量化操作,将OSGB格式的倾斜数据处理成.b3dm格式的数据文件,进入MongoDB非关系型数据库进行存储。对符合构建时空索引要求的数据,利用PostGIS创建数据集的时空索引表,构建“服务类型”+“服务名称”+“文件目录层级”+“时间”+“空间”的时空复合索引。最后将重新构建的新的时空信息tileset瓦片数据集文件的数据文件通过Tomcat发布,地图加载指定时空的B3DM+JSON数据。

1.4 三维单体模型

三维单体模型数据往往具备以下特点:

(1)数据结构复杂,由于缺乏足够可落地的数据标准指导,不同软件、不同作业团队所生产的不同场景模型可能结构迥异。

(2)表面几何细节比较有限,模型三角面一般数量不多,整体数据体积比较小,局限于三维数据生产效率。因此,结合适当的细节层次结构优化,顶点数量整体不会对模型渲染效率带来瓶颈。

(3)数据可能会大量使用高分辨率的纹理,甚至可以占到整个数据容量的90%以上。在表面几何细节有限的情况下,为了尽可能地提升视觉效果,实时渲染效率将会受到很大的制约。

针对上述特点,模型三维切片处理的重点在于纹理压缩,整体流程如图2所示。

图2 三维模型处理流程

模型三维数据通过切片处理工具进行切片,处理得到.b3dm格式的数据文件,存储于MongoDB非关系型数据库中。对符合构建时空索引要求的数据,利用PostGIS创建数据集的时空索引表,构建“服务类型”+“服务名称”+“文件目录层级”+“时间”+“空间”的时空复合索引。最后将重新构建的新的时空信息tileset瓦片数据集文件的数据文件通过Tomcat发布,地图加载指定时空的B3DM+JSON数据。

基于符合构建时空索引要求的倾斜摄影三维模型,保持与倾斜模型统一的瓦片组织结构制作得到的模型三维数据,可以构建模型三维时空索引,否则只能以快照数据形式存储于数据库中。目前,项目中处理的太仓市城区、泰州市城区、常州市部分地区和宿迁市城区的模型三维数据都无法构建时空索引,仅仅做了数据转换、入库和服务发布处理。

1.5 激光点云数据

激光点云数据的基本特点是:由于数据采集自动化程度高,内业处理时间成本低,导致数据体量大;点云数据结构简单,只有坐标和属性中记录着空间信息,不存在三维模型那种复杂的数据结构。

就上述特点,激光点云模型的切片处理与模型三维、倾斜摄影三维模型的技术流程存在一定差异,重点在于对离散点的空间剖分和分配策略,几乎没有几何计算,整体流程如图3所示。

图3 激光点云处理流程

(1)通过对原始点云数据的处理与分析,获取点云的数据范围及数据量等信息。

(2)对点云空间范围使用八叉树剖分策略进行剖分,得到8个初始子块点云。再对每一个子块进行重新计算,若点云数量超出阈值,则利用空间随机采样策略处理该子块,得到小于阈值的真子块点云和子块剩余点云,对子块剩余点云继续采用上述方法计算下一级子块点云。

对上述步骤中点云数据量小于阈值的各级子块点云,按照江苏省地方标准《三维地理信息数据服务规范》对于地物模型的多细节层次组织规则和OGC3DTiles规范构造激光点云模型瓦片集[3]。

激光点云数据具有体量大、分布不均的特点,若点云严格按照统一的地理空间格网进行剖分,不考虑激光点数据实际分布情况,会导致计算、存储资源的浪费,对前端渲染也会造成很大的压力。因此,为了保证点云数据的浏览效率,项目采取了八叉树剖分-随机采样策略对点云数据进行剖分。本层级是否存在数据是由上一层级点云数据的数据量决定的,因此无法保证每个层级的瓦片都有数据,从而不对激光点云数据构建时空索引,仅仅将处理得到的.pnts格式的数据文件存储于MongoDB非关系型数据库中,通过Tomcat发布数据服务。

2 结论

本文探讨了将不同比例尺、时空范围和分辨率的数据进行组织管理、处理及有效合理存储,建立高效的时空索引机制,构建时空三维模型。将数据以切片方式存储,通过标准的OGC服务进行服务发布,以散列文件和数据库形式混合存储,按照标准Rest Web服务形式发布。各类数据服务最终以服务方式被各种平台调用,为用户提供灵活的应用搭建和数据调阅支撑,保障各种平台使用的灵活性和规范性。

通过大范围海量城市模型数据集成建库,形成完整的三维空间数据基础设施,能够为智慧城市建设中各行业领域提供多源测绘产品的浏览、应用和分析支撑。伴随着城市化进程的推进,基于现有的数据更新采集机制,将形成更为完善的城市数据采集、处理、更新链条,从而更好地服务智慧城市建设[4]。