機載激光雷達3維建筑物模型重建的研究進展

李峰1，吳燕雄1，衛(wèi)愛霞1，劉文龍2，米曉楠3

(1.防災科技學院 防災工程系，三河 065201；2.北京工業(yè)職業(yè)技術學院 建筑與測繪學院，北京 100042；3.山西省氣候中心，太原 030002)

摘要：機載激光雷達系統(tǒng)已經(jīng)成為3維建筑物模型快速重建的重要手段。綜述了國內(nèi)外利用機載激光雷達點云進行3維建筑物模型重建的研究方法、進展情況，分析討論了模型驅動法、數(shù)據(jù)驅動法和混合法的特點及關鍵問題?；旌戏闪四Ｐ万寗臃椒ê蛿?shù)據(jù)驅動方法的優(yōu)點，是該項技術今后發(fā)展的重點領域。

關鍵詞：激光技術；機載激光雷達；重建；3維建筑物模型

E-mail: lif1223@aliyun.com

引言

城市3維(3-D)建筑物模型是數(shù)字城市的主要組分，是3-D地理信息系統(tǒng)應用實現(xiàn)的前提。3-D建筑物模型被廣泛應用到城市規(guī)劃、3-D房地產(chǎn)管理、災害模擬、汽車導航、電腦游戲等領域[1-2]。自20世紀90年代以來，機載激光雷達系統(tǒng)可用來高效地采集城市表面的精確幾何信息，獲取的城市點云可達數(shù)十億個點。這些海量的高密度點云數(shù)據(jù)中常包含城市的重要特征(屋頂面)和各類細節(jié)(地面、植被、汽車等)。相比攝影測量的方法，利用機載激光雷達點云生成數(shù)字表面模型提取3-D建筑物的技術變得更加容易。另外，從航空影像、地圖或激光點云數(shù)據(jù)中，手動或半自動地捕捉大量高復雜度的建筑物中3-D信息的成本很高[3-5]。因而，全自動生成城市3-D模型已成為攝影測量和地理信息系統(tǒng)用戶以及普通客戶的迫切需求。城市模型除了自動化生成外，還需要移除不必要的特征而保留重要的特征要素，建模方法應以盡量少的時間和空間來創(chuàng)建大范圍的城市級別的城市3-D模型，這樣才能滿足人們實時查詢和分析的需求。

建筑物的屋頂面幾乎是航空和航天遙感數(shù)據(jù)的唯一可視面。因此，建筑物的3-D模型構建算法都是先提取屋頂?shù)膸缀螆D形，然后再加入墻體擴展形成完整的3-D建筑物模型。絕大多數(shù)城市3-D模型由簡約美觀的建筑物模型、樹模型和地面模型，甚至高分辨率的航空或衛(wèi)星影像組成。3-D建筑物模型可利用不同的方法來實現(xiàn)，所用的模型都與細節(jié)層次(level of detail,LOD)問題相關。3-D特別工作組發(fā)布了5種LOD的標準定義，其中，LOD0表示2.5維的數(shù)字地面模型，LOD1表示無屋頂?shù)暮唵螇K模型，LOD2表示包含屋頂?shù)拇帜Ｐ停琇OD3表示包括建筑細部的細模型，LOD4表示詳細的內(nèi)部模型[6]。根據(jù)不同LOD的要求，結果模型涉及簡單的塊模型到詳細外觀模型，也就是數(shù)字建筑物模型的生成問題。由于當前數(shù)據(jù)的限制，本文中研究提及的模型只能提取到LOD2級別。

數(shù)字建筑物模型的生成過程可分為建筑物的探測和建筑物模型重建[7]兩大步。建筑物的探測是從其它數(shù)據(jù)對象中區(qū)分出候選建筑物的過程，候選建筑物用于描述假設為建筑物位置的數(shù)據(jù);建筑物重建是利用候選建筑物獲得如高度、寬度之類的建筑物模型參量。從數(shù)據(jù)源角度看，3-D建筑物重建的方法可分為單一數(shù)據(jù)源法和多數(shù)據(jù)源法；按照處理策略分類，又可分為數(shù)據(jù)驅動、模型驅動和混合式方法[8-11]。

1單一數(shù)據(jù)源的3-D模型重建

按照使用的數(shù)據(jù)源，航空影像是基于傳統(tǒng)攝影測量方法獲取3-D建筑物模型最常用的數(shù)據(jù)源之一。航空影像若要提供可靠的模型結果，在匹配處理過程中低自動化程度是其主要的限制，尤其在遇到遮擋現(xiàn)象時[12]，例如天氣或高大城市地物陰影造成的影像質量問題。僅利用航空或航天影像匹配技術生成數(shù)字表面模型(數(shù)字表面模型)來提取建筑物的幾何屬性的3-D重建方法在建筑物自動提取和同名特征識別方面遭遇了極大的挑戰(zhàn)。部分或完全的遮擋現(xiàn)象是城市影像最常見的問題。從而，大多數(shù)的方法多依賴于半自動的方式，即識別和解譯工作由操作員來完成。而機載激光雷達系統(tǒng)可直接采集高密度地形點的3-D坐標，省去了復雜的影像匹配過程，在快速數(shù)字表面模型構建和建筑物識別上具有優(yōu)勢，但激光雷達點云的位置屬性失去了地形表面的語義信息，且提取的建筑物邊界準確度在很大程度上受到了激光雷達點云密度的制約[13]。由于單一數(shù)據(jù)源的缺陷，多數(shù)研究人員認為多源數(shù)據(jù)可使影像和點云的優(yōu)勢得到互補[14-17]，利用較高的航空影像平面精度和激光雷達點云的垂直精度，融合高分辨率的影像和高密度點云，可有效提高建筑物模型的重建質量。但是，自動配準這兩種不同的數(shù)據(jù)源在配準基元特征識別、配準變換模型以及影像分辨率與激光雷達點云密度尺度度量關系確立方面存在著困難[18-19]。

2數(shù)據(jù)驅動的3-D模型重建

在建筑物重建處理策略方面，最常用的方法是數(shù)據(jù)驅動和模型驅動。這兩種方法的不同之處在于相關建筑物的多少信息量被處理。數(shù)據(jù)驅動的方法，又稱為自下向上的處理，并不假定建筑物的形狀而直接對數(shù)據(jù)進行處理，通過分析建筑物點云數(shù)據(jù)的特征，唯一地確定建筑物形狀。一般需要通過獲取建筑物各個屋頂?shù)拿嫫⒔⑵鹜負潢P系，然后通過面片相交獲得屋脊線，最后將建筑物進行重建。HENRICSSON和BALTSAVIAS(1997年)利用航空影像提出了一種數(shù)據(jù)驅動方法:從影像中手動探測感興趣的區(qū)域，經(jīng)過影像匹配得到的2-D線段來提取3-D線段，以共面約束和色彩信息重建多面體模型[20]。這種方法產(chǎn)生了良好的效果，但不能重建高密度區(qū)建筑且為非自動的方法。最通用的數(shù)據(jù)驅動方法之一是利用激光雷達點云平面屋頂?shù)姆指睢RENNER(2000年)以數(shù)字表面模型中的點的法向量提取建筑物區(qū)域，然后用RANSAC算法提取平面并剔除偽平面和錯誤平面，最后依據(jù)面片的鄰接關系建立拓撲關系，實現(xiàn)建筑物的重建[21]。ROTTENSTEINER(2003年)直接從激光雷達點云中自動探測建筑物區(qū)域，使用曲率分割技術檢測屋頂，屋頂分組后再創(chuàng)建多面體模型。在分組過程中，屋頂輪廓被確定。整個模型的精度通過使用傳感器信息、平面和頂點信息進行整體平差[22]。VERMA等人(2006年)先分割地形點和屋頂，引入屋頂拓撲圖代表復雜屋頂結構的各類面片間的關系，通過搜索屋頂拓撲子圖識別簡單的參量屋頂形狀，簡單的參量屋頂形狀再聯(lián)合構建復雜的屋頂結構[23]。YU等人(2009年)認為建筑物的墻面是非連續(xù)的，將建筑物各面分割后，用平面擬合的方法提取建筑物面和特征點，從而得到建筑物的3-D線框圖[24]。ZHOU和NEUMAN(2008年)以支持向量機法，不用高度和反射強度信息，而是通過幾個幾何屬性分類植被點，屋頂點以分割平面面片的方式分離，建筑物的主方向利用輪廓點的切方向統(tǒng)計得到[25]。KIM和HABIB(2009年)集成了攝影測量和激光雷達數(shù)據(jù)重建了復雜的多面體模型[16]。SAMPATH和SHAN(2010年)基于分割的方式在激光雷達數(shù)據(jù)上重建了多面體建筑物屋頂，提取出建筑物輪廓后，以平行和垂直線對等拓撲約束方式規(guī)則化邊界[26]。激光雷達數(shù)據(jù)被用來生成候選建筑物及其初始輪廓，接著利用這些輪廓線，立體像對用來提取直線段。像其它數(shù)據(jù)驅動方法一樣，為了得到更準確的建筑物外形，提取的直線段集成到帶約束的匹配處理中[16]。理論上講，使用數(shù)據(jù)驅動的方法可以重建任意形狀的建筑物,但是，這種方法并不能完全解決模型生成過程中如何強制約束線垂直和平行的問題。圖1中展示了一種利用數(shù)據(jù)驅動法重建3-D模型的實例：從原始點云中探測植被點云，實現(xiàn)建筑物點云和植被點云的分離，分割建筑物屋頂點云為不同的面片，提取每個面片的規(guī)則輪廓線并確立面片之間的拓撲關系，從而構建出3-D建筑物模型。

圖1　一種數(shù)據(jù)驅動的3-D模型重建流程

3模型驅動的3-D模型重建

由于實現(xiàn)數(shù)據(jù)驅動方法的復雜性，模型驅動的方法(自上而下的過程)引起了研究人員的注意。模型驅動的方法采用與數(shù)據(jù)驅動相反的策略，需提前為模型庫假定和預定義模型體元(如圖2所示)，并根據(jù)現(xiàn)有數(shù)據(jù)更新它們。對點云數(shù)據(jù)進行處理后，與建立的建筑物模型庫進行匹配，將匹配結果最好的模型體元作為實際建筑物形狀進行重建。由于模型體元本身已經(jīng)包含了建筑物的平行、垂直等拓撲信息，所以模型驅動法重建的建筑物模型規(guī)則化程度較高，在數(shù)據(jù)獲取過程中由局部遮擋引起的部分建筑信息損失也能得到很好的彌補。這里的3-D建筑物模型一般通過構造實體幾何模型來描述。在構造實體幾何模型中，不同模型體元通過邏輯運算符組合成復雜的曲面或者模型。

圖2　模型庫中預定義的基本模型體元

模型驅動法常用半自動方式和影像來實施，當模型到影像擬合自動解決時，目標模型的選擇和模型到影像的初始校準由人工完成。各種模型驅動方法可以通過采用模型的類別與重建策略來區(qū)分。VOSSELMAN和VELDHUIS(1999年) 提出了一種使用構造實體幾何模型半自動模型驅動法，模型的選擇和近似校準由人工執(zhí)行，與影像的精確校準以灰度值梯度自動擬合法完成[27]。TSENG和WANG(2003年)建立了一種使用影像更實際的模型驅動法，主要解決兩個關鍵問題：建立一系列代表模型和開發(fā)以影像調(diào)整模型的算法；模型由人工選擇并定位，最小二乘模型-影像擬合算法用于調(diào)整模型位置和形狀參量，模型重建結果表現(xiàn)出了較高的水平精度，但因為所用立體影像的較小基高比導致垂直精度較低，并且建筑物底部邊緣模糊會造成擬合結果較差[28]。TEO等(2008年)從激光雷達點云中提取內(nèi)部結構線，基于這些結構線，復雜建筑物被分成幾個體元，再通過體元模型匹配來重建建筑物的模型[29]。KADA和MCKINLEY(2009年)將復雜建筑物的重建被減少到基本體元的構建，然后再整合到一起，因此，復雜建筑物需被分解成基本的屋頂形狀[30]。LAFARGE等人(2010年)認為建筑物是來自于3-D參量模型庫中簡單結構的裝配，首先以自動或交互式的方式提取2-D支撐結構，然后以吉布斯模型將3-D模型單元安放在2-D支撐結構上，通過馬爾可夫鏈蒙特卡爾取樣器進行貝葉斯推理以獲取最優(yōu)的模型單元和參量估計模型[31]。構造實體幾何模型法重建的建筑物模型需具備完整的模型庫，否則無法正確重建；正確分解后的復雜建筑物，重建后要與其實際形狀相同；對城市全部建筑物分解，并與模型庫匹配，過程緩慢、效率較低。

4混合驅動的3-D模型重建

模型驅動的方法可依據(jù)LOD的要求構建復雜的3-D模型，模型體元的選擇及其近似校準都離不開人工交互。因此，數(shù)據(jù)驅動和模型驅動的混合方法遵循假設檢驗的方式[32]。FAIG和WIDMER(2000年)簡要敘述了利用航空影像提取建筑物的混合式方法，這種方法集合了數(shù)據(jù)驅動法的靈活性和模型驅動法的魯棒性[33]。WANG(2008年)利用最小外接矩形的模型驅動法重建粗3-D模型，經(jīng)過對模型精度計算后，挑選出大于閾值的建筑物腳點，最后以數(shù)據(jù)驅動法重建精3-D模型[34]。KWAK(2013年)使用數(shù)據(jù)驅動的方式從激光雷達點云中分割、規(guī)則化建筑物，分解屋頂輪廓成圖元后，利用模型-影像匹配技術調(diào)整激光雷達圖元，最后屋頂形狀通過精煉的矩形圖元而獲得[35]?；旌向寗邮?-D重建方法繼承了數(shù)據(jù)驅動法和模型驅動法的優(yōu)點，既能提高3-D建筑物模型的重建精度，又能構建復雜的建筑物模型，是今后激光雷達點云3-D建筑物模型重建的重點研究方向之一。但其復雜的處理過程勢必會降低程序運行的效率，對城市級3-D建筑物模型的快速提取會產(chǎn)生不利影響。

5結論

綜上所述，單一航空影像提取的3-D建筑物模型的平面精度較高，輪廓較為準確，但遮擋問題阻礙了自動化提取的發(fā)展；只利用激光雷達點云重建3-D建筑物的方法不需要影像匹配技術即可獲得3-D坐標信息，提取的建筑物輪廓質量取決于點云密度的大??；結合激光雷達點云和影像的方法可綜合影像的平面精度和點云的高程精度提高建筑物模型的重建精度，但離散的激光雷達點云與影像的精確配準較難實現(xiàn)。從數(shù)據(jù)處理策略上講，數(shù)據(jù)驅動法更注重模型細節(jié)的提取，但提取的建筑物輪廓的精度很難保證；模型驅動法由于直接分解建筑物并與模型庫進行匹配，可以很好地解決遮擋問題，但遇到大范圍數(shù)據(jù)時，執(zhí)行效率不高，很難構建復雜建筑物模型；數(shù)據(jù)和模型驅動混合的方法可以集成二者的優(yōu)勢，但在二者的執(zhí)行先后順序及集成方法上仍需要做大量的研究。

當前，利用激光雷達數(shù)據(jù)提取LOD1級建筑物模型的方法已經(jīng)較為成熟。因完全實現(xiàn)LOD2級模型提取精度和效率的有機統(tǒng)一比較困難，所以,研究人員更關注特定數(shù)據(jù)場景中模型的提取精度，而忽視了模型的提取效率。從前人的研究成果中可知，每種數(shù)據(jù)源和模型構建方法都有著各自的優(yōu)缺點，在保持視覺上3-D模型的重建精度的條件下，如何充分利用現(xiàn)有的數(shù)據(jù)源和模型重建方法，完成城市級別3-D模型的快速重建將成為今后該領域的研究重點。

參考文獻

[1]RAU J Y. A line-based roof model reconstruction algorithm:TIN-merging and reshaping (TMR) [C]//Proceedings of ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Hannover, Germany: International Society for Photogrammetry and Remote Sensing, 2012: 287-292.

[2]SUN S. Automatic 3-D building detection and modeling from airborne LiDAR point clouds[D]. New York,USA: Rochester Institute of Technology, 2013:1-2.

[3]ZHOU Q Y. 3-D urban modeling from city-scale aerial LiDAR data[D]. Los Angeles,USA: University of Southern California, 2012: 7-8.

[4]HOSSEIN A. From LiDAR point clouds to 3-D building models[D]. Neubiberg,Germany: Universitty of the Federal Armed Forces Munich, 2009: 15-18.

ZHANG H X. Study on building modeling based on 3-D laser scanning technology.Laser Technology, 2014,38(3):431-434 (in Chinese).

[6]GROGER G, KOLBE T H, NAGEL C,etal. OGC city geography markup language encoding standard [S]. Westphalia,Germany: Open Geospatial Consortium, 2012: 11-13.

[7]MA R. Building model reconstruction from LiDAR data and aerial photographs[D]. Columbus,USA: Ohio State University, 2004: 19-22.

[8]ZHANG X H. Airborne LiDAR measurement technology theory and method [M]. Wuhan: Wuhan University Press, 2012:75-78(in Chinese).

[9]ZENG Q H. Airborne LiDAR point cloud data processing and 3-D building reconstruction [D]. Shanghai: Shanghai University, 2009: 10-12(in Chinese).

[10]HU W. Research on 3-D building reconstruction from airborne LiDAR data [D]. Jiaozuo: Henan Polytechnic University, 2012: 6-8(in Chinese).

[11]KWAK E, AL-DURGHAM M, HABIB A. Automatic 3-D building model generation from LiDAR and image data using sequential minimum bounding rectangle (MBR) [C]//Proceedings of International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Hannover, Germany: International Society for Photogrammetry and Remote Sensing, 2012: 285-290.

[12]BRENNER C. Building reconstruction from images and laser scanning [J]. International Journal of Applied Earth Observation and Geoinformation, 2005, 6(3/4):187-198.

[13]WEI Y F, DU Zh Ch, YAO Zh Q. Fast triangulation and local optimization for scan data of laser radar. Laser Technology, 2009,33(6):642-644(in Chinese).

[14]CHEN L C, TEO T A, SHAO Y C,etal. Fusion of LiDAR data and optical imagery for building modeling[C]//Proceedings of ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Hannover, Germany: International Society for Photogrammetry and Remote Sensing, 2004:732-737.

[15]ROTTENSTEINER F, TRINDER J, CLODE S,etal. Using the empster-shafer method for the fusion of LiDAR data and multi-spectral images for building detection[J]. Information Fusion, 2005, 6(4):283-300.

[16]KIM C, HABIB A. Object-Based integration of photogrammetric and LiDAR data for automated generation of complex polyhedral building models [J]. Sensors, 2009, 9(7):5679-5701.

[17]DEMIR N, BALTSAVIAS E. Automated modeling of 3-D building roofs using image and LiDAR data[C]//Proceedings of ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Hannover, Germany: International Society for Photogrammetry and Remote Sensing, 2012: 35-40.

[18]MA H C, YAO C J, WU J W. Registration of LiDAR point clouds and high resolution images based on linear features [J]. Geomatics and Information Science of Wuhan University, 2012,37(2):136-140, 159(in Chinese).

[19]ZHANG F, HUANG X F, LI D R. A review of registration of laser scanner data and optical image [J]. Bulletin of Surveying and Mapping, 2008(2):7-10(in Chinese).

[20]HENRICSSON O, BALTSAVIAS E. 3-D building reconstruction with ARUBA: a qualitative and quantitative evaluation[C]//Proceedings of Automatic Extraction of Man-Made Objects from Aerial and Space Images (Ⅱ). Basel, Switzerland: Birkhauser Verlag, 1997:65-76.

[21]BRENNER C. Towards fully automatic generation of city models[C]//Proceedings of ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Hannover, Germany: International Society for Photogrammetry and Remote Sensing, 2000:85-92.

[22]ROTTENSTEINER F. Automatic generation of high-quality building models from LiDAR data[J]. Computer Graphics and Applications, 2003, 23(6):42-50.

[23]VERMA V, KUMAR R, HSU S. 3-D building detection and modeling from aerial LiDAR data[C]//Proceedings of Computer Vision and Pattern Recognition 2006.New York, USA: Institute of Electrical and Electronics Engineers, 2006:2213-2220.

[24]YU H X, WU K, AO J F,etal. Extraction of building’s feature lines based on 3-D laser scanning technology.Laser Technology, 2012,36(4):553- 556(in Chinese).

[25]ZHOU Q Y, NEUMANN U. Fast and extensible building modeling from airborne LiDAR data[C]//Proceedings of 16th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems. New York, USA: Association for Computing Machinery, 2008:7-14.

[26]SAMPATH A, SHAN J. Segmentation and reconstruction of polyhedral building roofs from aerial LiDAR point clouds [J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(3):1554-1567.

[27]VOSSELMAN G, VELDHUIS H. Mapping by dragging and fitting of wire-frame models[J]. Photogrammetric Engineering & Remote Sensing, 1999, 65(7):769-776.

[28]TSENG Y H, WANG S. Semiautomated building extraction based on CSG model-image fitting [J]. Photogrammetric Engineering and Remote Sensing, 2003, 69(2):171-180.

[29]TEO T A. Parametric reconstruction for complex building from LiDAR and vector maps using a divide-and-conquer strategy[C]//Proceedings of ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Hannover, Germany: International Society for Photogrammetry and Remote Sensing, 2008:133-138.

[30]KADA M, MCKINLEY L. 3-D building reconstruction from LiDAR based on a cell decomposition approach[C]//Proceedings of the ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Science. Hannover, Germany: International Society for Photogrammetry and Remote Sensing, 2009:47-52.

[31]LAFARGE F, DESCOMBES X, ZERUBIA J,etal. Structural approach for building reconstruction from a single DSM[J]. Institute of Electrical and Electronics Engineers Transactions on Pattern Analysis and Machine Intelligence, 2010, 32(1):135-147.

[32]VOSSELMAN G, MAAS H G. Airborne and terrestrial laser scanning [M]. Boca Raton,USA:Chemical Rubber Company Press, 2010: 84-86 .

[33]FAIG W, WIDMER T. Automatic building extraction from aerial mages [C]//Proceedings of ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Hannover, Germany: International Society for Photogrammetry and Remote Sensing, 2000:1708-1715.

[34]WANG R. Researtch on data flitering and building-footprint detection of airborne LiDAR [D]. Zhengzhou: People’s Liberation Army Information Engineering University, 2008: 30-31(in Chinese).

[35]KWAK E. Automatic 3-D building model generation by integrating LiDAR and aerial images using a hybrid approach [D]. Calgary,Canada: University of Calgary, 2013: 152-153.

Review of reconstruction of 3-D building models based on airborne lidar

LIFeng1,WUYanxiong1,WEIAixia1,LIUWenlong2,MIXiaonan3

(1. Department of Disaster Prevention Engineering, Institute of Disaster Prevention, Sanhe 065201, China; 2. Institute of Architecture and Surveying Mapping, Beijing Polytechnic College, Beijing 100042, China; 3. Shanxi Climate Center, Taiyuan 030002, China)

Abstract：Airborne lidar is one of the important reconstruction measures of 3-D building models. Research methods and developing progresses of 3-D building reconstruction based on airborne lidar point cloud data were reviewed. The characteristics and key issues of model-driven, data-driven and hybrid algorithms were analyzed and discussed. The hybrid algorithm integrating the merits of both the other methods is the significant developing trend of 3-D building reconstruction.

Key words:laser technique; airborne lidar; reconstruction; 3-D building model

收稿日期：2014-03-24；收到修改稿日期：2014-05-16

作者簡介：李峰(1979-)，男，講師，博士，研究方向為機載激光點云處理、遙感。

基金項目：中央高?；究蒲袠I(yè)務費專項資金資助項目(ZY20140211)

中圖分類號：P231;TN958.98

文獻標志碼：A

doi:10.7510/jgjs.issn.1001-3806.2015.01.005

文章編號：1001-3806(2015)01-0023-05