李永強(qiáng)，劉會(huì)云，曹 鴻，牛路標(biāo)，李立雪

（河南理工大學(xué) 測(cè)繪與國(guó)土信息工程學(xué)院，河南 焦作454000）

建筑物精細(xì)建模是數(shù)字城市和智慧城市建設(shè)的重要地理空間信息源，同時(shí)對(duì)建筑物空間信息獲取、建模效率及模型精度提出更高要求［1-3］。機(jī)載LiDAR（含航空影像）和車載LiDAR技術(shù)不但數(shù)據(jù)獲取速度快、精度高、信息量豐富，而且能直接從三維空間點(diǎn)云中提取建筑物特征信息，適合城市規(guī)模的自動(dòng)化批處理需求。機(jī)載LiDAR系統(tǒng)從空中獲取建筑物頂部點(diǎn)云和影像信息，準(zhǔn)確反映建筑物頂部結(jié)構(gòu)特征，但對(duì)建筑物立面信息獲取能力有限，車載LiDAR系統(tǒng)精確獲取建筑物立面點(diǎn)云數(shù)據(jù)，準(zhǔn)確表達(dá)建筑物立面結(jié)構(gòu)特征，但很難得到建筑物頂部信息，空-地多源數(shù)據(jù)的聯(lián)合將會(huì)取長(zhǎng)補(bǔ)短，發(fā)揮各自優(yōu)勢(shì)，數(shù)據(jù)融合是一種必然趨勢(shì)。盡管大場(chǎng)景建筑物進(jìn)行三維建模時(shí)，仍然集中在依賴單一數(shù)據(jù)源［4-7］，多源數(shù)據(jù)融合也開(kāi)展了一系列的研究工作。童禮畢［8］以建筑輪廓為配準(zhǔn)基元，在實(shí)現(xiàn)車載Li-DAR點(diǎn)云中建筑輪廓提取的基礎(chǔ)上，采用配準(zhǔn)關(guān)系修正方法實(shí)現(xiàn)了車載-航空LiDAR數(shù)據(jù)的精確配準(zhǔn)。張志超［9］融合機(jī)載LiDAR數(shù)據(jù)中提取的屋頂高度以及輪廓線信息對(duì)建筑物缺失的立面進(jìn)行推理，并結(jié)合地面LiDAR數(shù)據(jù)提取立面對(duì)建筑物輪廓線進(jìn)行精化。吳海若［10］利用車載掃描獲取的布法羅一個(gè)街區(qū)的激光點(diǎn)云數(shù)據(jù)，結(jié)合相應(yīng)的航空影像數(shù)據(jù)，對(duì)某街區(qū)進(jìn)行三維建模，并將模型上傳到Google Earth的3D模型庫(kù)，檢測(cè)模型精度。Rutz-inger［11］結(jié)合機(jī)載和車載LiDAR點(diǎn)云數(shù)據(jù)，通過(guò)區(qū)域增長(zhǎng)的方法共同提取建筑物立面邊界，但是并沒(méi)有對(duì)建筑物進(jìn)行三維重建。

以空-地LiDAR數(shù)據(jù)為主體進(jìn)行建筑物三維建模時(shí)，面臨兩個(gè)問(wèn)題：①點(diǎn)云密度和精度不同。一般情況下，機(jī)載LiDAR點(diǎn)云點(diǎn)間距和點(diǎn)位精度均為dm級(jí)，車載LiDAR點(diǎn)云點(diǎn)間距和點(diǎn)位精度均為cm級(jí)；②點(diǎn)云表達(dá)對(duì)象形態(tài)結(jié)構(gòu)不同。機(jī)載LiDAR以頂部邊緣為輪廓構(gòu)建建筑物模型，車載LiDAR以建筑物立面為輪廓構(gòu)建建筑物模型，大多數(shù)建筑物都有檐廊、陽(yáng)臺(tái)及層次設(shè)計(jì)，兩者所構(gòu)建的模型存在差異。本研究主要針對(duì)上述問(wèn)題，研究探討聯(lián)合建模的精度問(wèn)題，并給出合理的解決方案。

1 試驗(yàn)方案

試驗(yàn)數(shù)據(jù)為芬蘭首都赫爾辛基部分城區(qū)同一區(qū)域建筑物群的機(jī)載LiDAR、車載LiDAR及航空影像數(shù)據(jù)。該試驗(yàn)區(qū)地處赫爾辛基新城區(qū)核心位置，面積約為50萬(wàn)m2，地形平坦，建筑物密度較大，建筑物屋頂主要有平頂、人字形屋頂、少數(shù)復(fù)雜組合屋頂，多以建筑群方式匯聚展現(xiàn)。試驗(yàn)區(qū)機(jī)載LiDAR數(shù)據(jù)使用Riegl LMS-Q560型機(jī)載激光掃描儀獲取，點(diǎn)云密度約為20個(gè)／m2，車載LiDAR數(shù)據(jù)使用StreetMapper系統(tǒng)獲取，點(diǎn)云密度約為400個(gè)／m2，航空影像像素分辨率約為5cm，各數(shù)據(jù)都經(jīng)過(guò)前期數(shù)據(jù)處理（包括影像糾正、坐標(biāo)轉(zhuǎn)換、數(shù)據(jù)配準(zhǔn)等），三者均覆蓋建筑物約20幢。圖1為試驗(yàn)區(qū)各類數(shù)據(jù)，圖1（a）～1（d）分別為機(jī)載LiDAR數(shù)據(jù)、車載LiDAR數(shù)據(jù)、航空影像數(shù)據(jù)和空-地LiDAR配準(zhǔn)數(shù)據(jù)。

試驗(yàn)數(shù)據(jù)具有較高精度，且經(jīng)過(guò)嚴(yán)格的前期處理，因此本研究忽略前期數(shù)據(jù)處理工作，重點(diǎn)探討基于多源數(shù)據(jù)融合的建筑物模型精度問(wèn)題。試驗(yàn)方案：先基于機(jī)載LiDAR、車載LiDAR及影像數(shù)據(jù)，分別提取建筑物頂面與地面矢量輪廓線；再將三種矢量輪廓線兩兩融合比較，以輪廓線間垂直距離作為衡量矢量圖之間融合效果的指標(biāo)，構(gòu)建直方圖進(jìn)行擬合分析與誤差評(píng)定；最后根據(jù)分析結(jié)果，給出基于空-地多源數(shù)據(jù)融合的建筑物精細(xì)建模的基本原則和方法。

圖1 試驗(yàn)區(qū)數(shù)據(jù)

2 建筑物矢量輪廓線提取

本研究的重點(diǎn)是探討多源數(shù)據(jù)融合進(jìn)行建筑物建模的精度，為了更精確地提取建筑物矢量輪廓線，研究中未采用自動(dòng)提取算法得到建筑物矢量輪廓線，而是通過(guò)Terrasolid軟件的繪圖工具，由熟練操作人員交互完成。根據(jù)不同數(shù)據(jù)自身的特點(diǎn)，分別進(jìn)行建筑物輪廓線的提取。航空影像為高清正射影像，精確選取建筑物頂部邊緣特征點(diǎn)，連接成為規(guī)則矢量輪廓線，如圖2（a）所示。機(jī)載LiDAR為建筑物頂部點(diǎn)云，有較大的點(diǎn)云密度，參照對(duì)應(yīng)的航空影像，精確選擇建筑物頂部邊緣點(diǎn)，連接成為規(guī)則矢量輪廓線，如圖2（b）所示。車載LiDAR獲取的是建筑物立面點(diǎn)云數(shù)據(jù)，根據(jù)建筑物立面垂直于水平面的特點(diǎn)，對(duì)車載LiDAR點(diǎn)云進(jìn)行水平投影，從頂視圖窗口點(diǎn)云圖像中可以看出，立面點(diǎn)云在水平面上的疊加會(huì)明確地反映出建筑物底面輪廓的線性特征，密度大的線性點(diǎn)云即為建筑物底面輪廓線，利用精確繪圖工具繪制出矢量輪廓線，如圖2（c）所示。

從矢量圖看出：車載LiDAR系統(tǒng)受數(shù)據(jù)獲取方式的限制，部分建筑物立面數(shù)據(jù)不完整，所生成的建筑物矢量輪廓線未閉合，顯示結(jié)果較為簡(jiǎn)潔；機(jī)載LiDAR能得到較完整的建筑物頂部點(diǎn)云，所生成的矢量輪廓線較車載信息量更完整；基于高清影像數(shù)據(jù)生成的矢量圖更能清楚地反映出建筑物頂部?jī)?nèi)輪廓的具體形態(tài)細(xì)節(jié)。

3 精度分析

因建筑物頂部檐廊及層次設(shè)計(jì)的需要，頂面與底面矢量輪廓線在尺寸和形狀上并不完全相同，頂面矢量輪廓線相對(duì)復(fù)雜，底面矢量輪廓線相對(duì)簡(jiǎn)單，底面矢量輪廓線各邊均貼切地包含于頂面矢量輪廓線內(nèi)。圖3為某建筑物頂面與底面矢量輪廓線比較，圖3（a）～3（c）分別為頂?shù)资噶枯喞獔D、局部放大圖、對(duì)應(yīng)建筑物影像圖，可以看出，建筑物頂部輪廓線在整體上大于底部輪廓線，兩者基本上保持平行關(guān)系，其間隔可以認(rèn)為是屋檐寬度。

圖2 建筑物矢量輪廓線

圖3 建筑物頂／底矢量輪廓線對(duì)比

試驗(yàn)區(qū)建筑物多以建筑物群的形態(tài)顯現(xiàn)，邊長(zhǎng)及面積相對(duì)較大，車載LiDAR系統(tǒng)受數(shù)據(jù)獲取方式的限制，無(wú)法得到建筑物內(nèi)側(cè)立面點(diǎn)云數(shù)據(jù)，另外航空影像為正射高清影像，沒(méi)有高程信息，因此在本試驗(yàn)研究中，只對(duì)三類數(shù)據(jù)源共有的建筑物外輪廓進(jìn)行數(shù)據(jù)融合和精度分析，并在忽略三者高程差異的基礎(chǔ)上，重點(diǎn)分析討論建筑物模型的平面精度。試驗(yàn)選擇18幢數(shù)據(jù)相對(duì)完好的建筑物為研究對(duì)象，分別將機(jī)載LiDAR、車載LiDAR、正射影像所得矢量輪廓線進(jìn)行疊置，統(tǒng)計(jì)三類矢量輪廓線中的188條線段間的平均距離，輪廓線間最小距離為0.03m，最大距離為0.87m。以0.1m為組距，矢量輪廓線間距的分布直方圖分別如圖4、圖5、圖6所示。

圖4為影像／機(jī)載建筑物外輪廓線間隔統(tǒng)計(jì)直方圖，直方圖分布呈遞減的規(guī)律，其中間隔在0.3m以內(nèi)占到了65%。圖5為機(jī)載／車載LiDAR建筑物外輪廓線間隔統(tǒng)計(jì)直方圖，直方圖呈正態(tài)分布規(guī)律，以0.4～0.5m為峰值。圖6為影像／車載LiDAR建筑物外輪廓線間隔統(tǒng)計(jì)直方圖，分布特征與圖5類似，基本符合正態(tài)分布特征，也以0.4～0.5m為峰值。

1）影像／機(jī)載LiDAR得到建筑物頂部外輪廓線，理論上兩者應(yīng)該重合，但由于數(shù)據(jù)配準(zhǔn)、數(shù)據(jù)自身精度及人工提取誤差等因素影響，兩者存在一定差異，但大部分間隔都在0.3m以內(nèi)，而超過(guò)0.7m的間隔僅為2%，可以認(rèn)為試驗(yàn)所用數(shù)據(jù)有較高的精度；

圖4 影像／機(jī)載LiDAR建筑物外輪廓線間隔統(tǒng)計(jì)

圖5 機(jī)載／車載LiDAR建筑物外輪廓線間隔統(tǒng)計(jì)

圖6 影像／車載LiDAR建筑物外輪廓線間隔統(tǒng)計(jì)

2）機(jī)載／車載LiDAR提取建筑物外輪廓線間隔在0.2～0.7m之間的比例為68%，以0.4～0.5 m為峰值。除數(shù)據(jù)配準(zhǔn)、數(shù)據(jù)自身精度及人工提取誤差等因素外，主要因?yàn)閮烧叩膶?duì)象不同，機(jī)載Li-DAR提取的是建筑物頂部外輪廓線，車載Li-DAR提取的是建筑物立面外輪廓線，建筑物頂部檐廊及層次設(shè)計(jì)是造成兩者差異較大的主要因素，由圖3（b）可以看出，建筑物頂部外輪廓和立面存在一定差異。不同建筑物檐廊寬度不同，同一建筑物不同部位檐廊寬度也可能存在不同。

3）影像／車載LiDAR所提取建筑物外輪廓線間隔在0.2～0.7m之間的比例為67%，以0.4～0.5m為峰值，與機(jī)載／車載LiDAR建筑物外輪廓線間隔統(tǒng)計(jì)一致，進(jìn)一步佐證建筑物檐廊是造成頂／底輪廓線不一致的主要原因。

從定量角度看，影像／機(jī)載LiDAR、機(jī)載／車載LiDAR、影像／車載LiDAR對(duì)應(yīng)矢量輪廓線平均距離分別為0.20m，0.46m，0.43m。從數(shù)據(jù)源的精度來(lái)看，一般情況下，機(jī)載LiDAR／影像的平面精度為20cm，車載LiDAR平面點(diǎn)位精度為5cm。機(jī)載LiDAR／影像提取輪廓線間較差為20cm，且在正常的限差范圍內(nèi)，車載LiDAR／機(jī)載LiDAR、車載LiDAR／航空影像提取輪廓線間距差可以認(rèn)為在0.4～0.6m，這個(gè)距離主要是建筑物檐廊的正常寬度，進(jìn)行建筑物精細(xì)建模時(shí)，這個(gè)值是不能被忽略的，而當(dāng)前實(shí)際生產(chǎn)中，設(shè)置0.5m的屋檐寬度，雖然在一定程度上滿足生產(chǎn)需求，但每棟建筑物屋檐寬度存在差異，人為寬度缺乏實(shí)測(cè)依據(jù)?；谝延醒芯砍晒?，針對(duì)空-地多源數(shù)據(jù)聯(lián)合進(jìn)行建筑物精細(xì)建模，對(duì)城市規(guī)模的大數(shù)據(jù)自動(dòng)處理給出了可行的解決方案：

1）空地?cái)?shù)據(jù)坐標(biāo)統(tǒng)一。空-地?cái)?shù)據(jù)獲取的重要傳感器均為POS系統(tǒng)，先轉(zhuǎn)換為WGS84坐標(biāo)系或CGCS2000坐標(biāo)系（國(guó)內(nèi)數(shù)據(jù)），再以車載LiDAR數(shù)據(jù)為參考，對(duì)空-地?cái)?shù)據(jù)源進(jìn)行精確配準(zhǔn)［8］。

2）建筑物頂部數(shù)據(jù)處理。先自動(dòng)提取建筑物頂部點(diǎn)云數(shù)據(jù)，再以建筑物頂部點(diǎn)云為基礎(chǔ)構(gòu)建三維模型，該模型能準(zhǔn)確表達(dá)建筑物頂部特征，同時(shí)提取建筑物頂部輪廓線，作為地面建筑物數(shù)據(jù)提取的輔助信息［12］。

3）建筑物立面數(shù)據(jù)處理。以基礎(chǔ)地理數(shù)據(jù)或機(jī)載LiDAR提取的建筑物輪廓線為輔助信息［13］，設(shè)置緩沖區(qū)，將車載LiDAR點(diǎn)云中建筑物立面數(shù)據(jù)分割出來(lái)。進(jìn)一步處理分割出的建筑物立面點(diǎn)云，擬合出各建筑物立面的空間平面位置，并自動(dòng)提取建筑物立面門窗等細(xì)節(jié)特征信息。

4）空地多源數(shù)據(jù)聯(lián)合處理。以機(jī)載LiDAR／影像數(shù)據(jù)為基礎(chǔ)構(gòu)建建模物頂部模型，突出建筑物頂部細(xì)節(jié)特征，以車載LiDAR數(shù)據(jù)為基礎(chǔ)構(gòu)建建筑物立面模型，突出立面位置及門窗等細(xì)節(jié)特征，融合為統(tǒng)一的建筑物模型。

5）數(shù)據(jù)融合的取舍：空-地模型融合時(shí)，當(dāng)車載LiDAR獲取較大面積建筑物頂（傾斜屋頂）部數(shù)據(jù)時(shí)，或機(jī)載LiDAR獲取較大面積立面數(shù)據(jù)時(shí)，以車載LiDAR數(shù)據(jù)為基準(zhǔn)，對(duì)機(jī)載LiDAR數(shù)據(jù)進(jìn)行整體平移（平移量＜0.5m），然后再分別建模。

6）建筑物屋檐問(wèn)題。建筑物頂部外輪廓與車載LiDAR擬合的立面之間的水平距離即為屋檐寬度，屋檐厚度需要進(jìn)一步研究，一般可設(shè)置為0.15～0.2m。

7）不完整建筑物立面。利用建筑物的對(duì)稱特征或鄰近建筑物相似特征將缺失部分填補(bǔ)出來(lái)，不能修補(bǔ)缺失部分的，仍以機(jī)載LiDAR構(gòu)建的建筑物模型的立面為準(zhǔn)。

4 結(jié)束語(yǔ)

本文依據(jù)機(jī)載LiDAR點(diǎn)云、車載LiDAR點(diǎn)云與航空正射影像三種數(shù)據(jù)源提取了同一建筑物群頂面與地面矢量輪廓線，通過(guò)對(duì)三類矢量輪廓線平面間距的對(duì)比分析，認(rèn)為建筑物頂部／底部輪廓線間隔為0.4～0.6m，該間隔主要由建造屋檐造成，

屋檐是建筑物精細(xì)建模中不能忽略的因素?？?地多源數(shù)據(jù)融合，進(jìn)行自動(dòng)化的建筑物精細(xì)三維建模是數(shù)字城市和智慧城市建設(shè)的必然要求，但當(dāng)前研究尚處于初步階段，還有大量問(wèn)題需要深入系統(tǒng)地研究，主要問(wèn)題有：空地多源數(shù)據(jù)的精確配準(zhǔn)、建筑物頂部／立面模型的融合機(jī)制、數(shù)據(jù)驅(qū)動(dòng)／規(guī)則驅(qū)動(dòng)在多源數(shù)據(jù)融合中的運(yùn)用、建筑物屋檐問(wèn)題的解決等。

［1］張會(huì)霞，陳宜金，劉國(guó)波.基于三維激光掃描儀的校園建筑物建模研究［J］.測(cè)繪工程，2010，19（1）：32-34，38.

［2］張超，魏占營(yíng)，王銳，等.數(shù)字城市建模方法研究與應(yīng)用［J］.測(cè)繪科學(xué)，2012，37（5）：190-193.

［3］舒琪.精細(xì)三維場(chǎng)景制作中數(shù)據(jù)量控制的方法研究［J］.測(cè)繪通報(bào)，2012（S1）：441-443.

［4］吳秀蕓.基于高分辨率遙感影像的建筑物提取及輪廓矢量化研究［D］.南京：南京大學(xué)，2011.

［5］李峰，崔希民，袁德寶，等.利用機(jī)載LiDAR點(diǎn)云提取復(fù)雜城市建筑物面域［J］.國(guó)土資源遙感，2013，25（3）：86-89.

［6］楊必勝，董震，魏征，等.從車載激光數(shù)據(jù)中提取復(fù)雜建筑物立面的方法［J］.測(cè)繪學(xué)報(bào)，2013，42（3）：412-417.

［7］曾紅齊，毛建華，李先華，等.機(jī)載LiDAR點(diǎn)云數(shù)據(jù)的建筑物重建研究［J］.武漢大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，36（3）：322-324.

［8］童禮畢，程亮，李滿春，等.建筑輪廓的車載和航空Li-DAR數(shù)據(jù)配準(zhǔn)［J］.測(cè)繪學(xué)報(bào)，2013，42（5）：699-706，714.

［9］張志超.融合機(jī)載與地面LiDAR數(shù)據(jù)的建筑物三維重建研究［D］.武漢：武漢大學(xué)，2010.

［10］吳海若，鐘若飛.使用Sketch Up結(jié)合車載掃描和航空影像數(shù)據(jù)進(jìn)行建筑物三維建模-以紐約布法羅為例［J］.首都師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，34（6）：92-98.

［11］RUTZINGER M，et al.Automatic extraction of vertical walls from mobile and airborne laser scanning data［J］.ISPRS 2009，37（3／W8）：7-11.

［12］JOCHEM A，et al.Automatic roof plane detection and analysis in airborne LiDAR point clouds for solar potential assessment［J］.Sensors（Basel）.2009；9（7）：5241-5262.

［13］李永強(qiáng)，呂海洋，蘇蕾，等.車載LiDAR點(diǎn)云中建筑物立面的自動(dòng)分割［J］.測(cè)繪科學(xué)，2014，39（4）：106-109.