田耀永

(河南省測繪工程院，河南 鄭州 450008)

?

利用機載、車載雷達數(shù)據(jù)進行全景三維研究

——以河南省為例

田耀永

(河南省測繪工程院，河南 鄭州 450008)

機載LiDAR能夠準確表達建筑物的頂部信息，但對建筑物立面信息的獲取存在欠缺，而車載LiDAR則能夠準確地描述建筑物立面的幾何位置和紋理信息。因此，可以綜合利用機載LiDAR和車載LiDAR數(shù)據(jù)，從而發(fā)揮兩種數(shù)據(jù)源的不同優(yōu)勢，擴展時空分辨力。本文基于面向?qū)ο蟮姆椒ǎ脵C載/車載LiDAR數(shù)據(jù)分別提取了建筑物的頂部和立面信息；最后通過空間幾何關系將二者融合在一起，使獲取的綜合信息具有更高的可靠性和精度。將該方法應用于河南省全景三維重建，不僅為數(shù)字城市和全景三維提供了補充數(shù)據(jù)，也極大地提高了工作效率。

機載雷達；車載雷達；多數(shù)據(jù)融合；全景三維

隨著數(shù)字城市、數(shù)字縣域建設的不斷推進，眾多應用領域?qū)Τ鞘薪ㄖ锶S模型都有較大的需求，但目前城市建筑物的獲取效率較低。隨著三維激光掃描技術的不斷推廣，車載LiDAR技術作為一種快速獲取空間地理信息的方式，對道路、堤岸及城市街道等呈帶狀空間分布的地物高精度三維信息獲取具有明顯優(yōu)勢，但車載LiDAR作為地面LiDAR一種作業(yè)方式，無法準確、全面地采集建筑物屋頂信息[1]。而機載LiDAR數(shù)據(jù)包含了大量關于建筑物的三維信息，特別是可供推理的屋頂信息[2-3]。

為提高城市建筑物三維重建的效率，本文綜合利用機載和車載LiDAR數(shù)據(jù)，采用基于區(qū)域增長方法，通過設定初始區(qū)域增長平面，從而提取建筑物屋頂信息；采用投影點密度結(jié)合高程的濾波方法對道路兩邊的樹木、行人等其他信息予以去除，提取出建筑物立面信息。最終對這兩種數(shù)據(jù)進行輪廓線規(guī)則化和融合，輔助以影像信息從而完成建筑物三維模型精細重建[4-6]。

一、面向?qū)ο蟮慕ㄖ镙喞崛?/h2>

1. 基于區(qū)域增長的建筑物屋頂面片提取

區(qū)域增長最早用在圖像處理學，是一種根據(jù)某一特定的準則將像素或子空間聚合成更大空間范圍的過程，基本算法是以一組“種子”點為基準，將與種子點屬性相似的臨近區(qū)域像素附加到增長區(qū)域的每個種子點上。而點云數(shù)據(jù)是由一些離散的空間點組成，本文采用規(guī)則格網(wǎng)組織方式，利用八鄰域?qū)崿F(xiàn)附近點的搜索[7]。具體步驟為：

1) 選擇種子點。對于任意建筑物頂面激光點，搜索其最臨近的K個點作為種子點，將這些種子點通過最小二乘擬合出的平面作為初始平面進行區(qū)域增長。

2) 確定區(qū)域增長條件。建筑物屋頂通常是由多個坡面和平面組合而成，利用不同平面之間法向量的不同，結(jié)合各平面之間的拓撲關系，以法向量的相似程度作為區(qū)域增長的主要條件，實現(xiàn)對不同坡面的劃分。其中法向量的相似程度可用法向量夾角來量化確定。

3) 對于空間關系平行卻不相鄰的平面，法向量夾角無法完成對該平面區(qū)域的劃分，但二者的空間距離較大，通過設定距離閾值加以區(qū)分坡度相似的平面。

4) 建筑物屋頂往往有一些非屋頂面的人工設施，此類設施頂面面積較小，通過設定平面內(nèi)最小點云數(shù)量，進一步濾除非屋頂信息，提高屋頂面片提取的準確率。

5) 重復上述步驟，直到判斷完所有平面，建筑物屋頂信息提取完畢。如圖1所示。

圖1　人字形屋頂面片提取結(jié)果

2. 結(jié)合高程與投影點密度的建筑物立面提取

城市空間包含多種地物，根據(jù)各種地物的不同，車載LiDAR點云數(shù)據(jù)具有以下特點：

1) 點云數(shù)據(jù)中各類地物的高程值不盡相同。其中地面點的高程值最低，其次是植被，建筑物的平均高程最高，樹木、電桿等地物的高程值位于建筑物與植被之間。

2) 將點云投影到XOY平面上，建筑物立面的點云密度一般大于其他地物的點云密度，且在水平面上呈現(xiàn)為一條有厚度的線；獨立地物如路燈、電桿等呈現(xiàn)為不規(guī)則的點，并且投影面積較小。

3) 車載LiDAR采集數(shù)據(jù)時路面距離激光掃描儀較近，因此點云密度大。為避免地面點的影響應先濾除地面點云數(shù)據(jù)以提高運算速度。

根據(jù)上述分析，結(jié)合高程和投影點密度設置閾值，實現(xiàn)建筑物立面的提取[8-10]。具體步驟為：

1) 統(tǒng)計各個高程分布范圍內(nèi)的點數(shù)，畫出高程分布圖。根據(jù)點云高程分布設置閾值，將一部分地面點和高程奇異點濾除。

2) 將點云數(shù)據(jù)投影到XOY平面。

3) 將研究區(qū)域劃分為N×M個矩形格網(wǎng)，依次編號，根據(jù)式(1)計算出格網(wǎng)數(shù)，其中Xmax、Xmin、Ymax、Ymin分別代表點云數(shù)據(jù)在X軸和Y軸方向上的最值。

(1)

4) 計算格網(wǎng)內(nèi)的點云數(shù)量，并計算每個格網(wǎng)內(nèi)的平均高程值，設置格網(wǎng)內(nèi)點云數(shù)量的閾值和高程平均值的閾值，僅保留格網(wǎng)內(nèi)點云數(shù)量和高程平均值都大于閾值的格網(wǎng)。

提取滿足上述條件的格網(wǎng)，得到建筑物立面附近區(qū)域。對于復雜的城市場景，重復上述過程，逐步細化格網(wǎng)提取建筑物立面點云。如圖2所示。

3. 建筑物三維重建

(1) 坐標匹配

機載LiDAR、車載LiDAR所采集的點云都基于WGS-84坐標系統(tǒng)，采集成果可根據(jù)同名點坐標采用七參數(shù)布爾薩模型轉(zhuǎn)換為地方坐標系，本論文為方便研究，均采用原始WGS-84坐標系統(tǒng)。

圖2　建筑物立面提取前后對比圖

(2) 建筑物屋頂?shù)娜S重建

建筑物的屋頂信息和立面信息提取后轉(zhuǎn)換為DLG線畫圖，根據(jù)建筑物的樓層數(shù)，以每層3 m的高度計算，通過3ds Max平臺對建筑物進行三維建模。建筑物屋頂信息較為復雜，以人字屋頂為例，其頂部關鍵點主要有6個、關鍵平面有2個。如圖3所示。

圖3　人字形屋頂平面圖

對人字形屋頂兩平面A、B方程求交線，人字形屋頂?shù)膬蓚€平面方程為

(2)

以上兩式相減得屋脊線L25的空間直線方程為

(3)

設

(4)

y=kx+b

(5)

結(jié)合建筑物頂面矢量圖中邊緣點1、3的坐標可以求出L13的平面直線方程為

y=k0x+b0

(6)

聯(lián)立以上兩方程可解得

(7)

再將該組解式(6)帶入平面方程得

(8)

由式(6)、式(7)求得了屋脊線點2的空間坐標，運用同樣的方法可求出點5的空間坐標。模型效果如圖4所示。

圖4　建筑物三維模型效果

(3) 紋理映射

為反映建筑物真實的表面特征，需對三維模型進行紋理映射，從而提高建筑物模型的真實與準確性[11-12]。實現(xiàn)紋理映射的主要步驟如下：

1) 采用數(shù)據(jù)壓縮，將采集到的建筑物特征信息壓縮為2n(n≤10)個像素單元，以共享的方式建立紋理數(shù)據(jù)庫，提高計算機的儲存空間和運行速度。

2) 根據(jù)建筑物層數(shù)和長度貼圖。每層建筑物的高度按照3m計算，長度即為導入DLG的實際長度。前面紋理貼圖為

(9)

3) 根據(jù)式(8)調(diào)用3dsMax中UVW貼圖模塊以完成建筑物的立面貼圖。

4) 利用航空影像的光譜信息和RGB亮度指數(shù)提取建筑物頂部紋理。

5) 將提取出的建筑物頂部紋理4個腳點的最大值和最小值坐標與3dsMax平臺中建筑物頂部模型的最大值坐標和最小值坐標相匹配，實現(xiàn)建筑物頂部紋理的映射。如圖5所示。

圖5　建筑物紋理映射效果

二、試驗結(jié)果與分析

1. 試驗區(qū)概況

本文以河南省許昌市建成區(qū)作為試驗研究對象，以機載LiDAR和車載LiDAR為主要數(shù)據(jù)源，平均點間距分別為2個/m2和100個/m2。兩種數(shù)據(jù)源使用地面檢校點進行校正并達到精度要求。如圖6所示。

圖6　機載/車載LiDAR融合后效果

2. 試驗結(jié)果與分析

采用面向?qū)ο蟮姆诸惙椒ǎㄟ^基于區(qū)域增長和結(jié)合高程與投影點密度對建筑物屋頂面片和建筑物立面提取。結(jié)合試驗區(qū)數(shù)據(jù)，將激光腳點臨近區(qū)域的K值和距離閾值選擇出種子點，基于該區(qū)域范圍的增長條件，再設置增長半徑、法向量夾角、最少平面的閾值提取出建筑物的底部信息。通過設置格網(wǎng)點數(shù)閾值與平均高程閾值，初步提取建筑物立面信息，再采用距離聚類、最小二乘擬合求取平面方程等方法，組合完成完整的建筑物立面信息提取。

將提取出的DLG數(shù)據(jù)導入3dsMax平臺，完成建筑物的三維建模、自動貼圖等環(huán)節(jié)，最終輔助高分辨率近景攝影測量數(shù)據(jù)，完成該區(qū)域范圍內(nèi)的三維重建。圖7為局部提取的處理過程，圖8為試驗區(qū)域三維重建效果。

圖7　建筑物局部處理效果

圖8　試驗區(qū)三維重建效果

三、結(jié)束語

本文以機載/車載LiDAR數(shù)據(jù)為主要數(shù)據(jù)源，通過多平臺操作將多種數(shù)據(jù)源深度融合，采用面向?qū)ο蟮姆诸惙椒▽崿F(xiàn)了建筑物立面、頂部提取，建筑物三維重建和紋理映射，最終生成了主要建成區(qū)建筑物三維重建模型。試驗表明，這種方法不僅為數(shù)字城市建設和全景三維數(shù)據(jù)疊加提供了補充數(shù)據(jù)，也極大地提高了工作效率。

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

[2]李珵,盧小平,李向陽.基于面向?qū)ο蟮慕ㄖ镙喞獏f(xié)同提取方法[J].測繪通報，2013(5):66-68.

[3]HARDINGD.PulsedLaserAltimeterRangingTechniquesandImplicationsforTerrainMapping[M].MA:CopyrightClearnceCenter, 2009.

[4]李永強. 基于車載激光掃描的地物三維信息提取與表面快速重建[D].南京：南京師范大學，2007.

[5]駱云飛,王書民.車載LiDAR系統(tǒng)在道路勘測中的數(shù)據(jù)獲取及應用[J].測繪通報，2012(S1):362-364.

[6]曾齊紅,毛建華, 李先華,等.機載LiDAR點云數(shù)據(jù)的建筑物重建研究[J].武漢大學學報(信息科學版),2011,36(3):321-323.

[7]胡偉.機載LiDAR數(shù)據(jù)三維建筑物模型重建方法研究[D].焦作：河南理工大學，2012.

[8]楊必勝,董震,魏征,等.從車載掃描數(shù)據(jù)中提取復雜建筑物立面的方法[J].測繪學報，2013,42(3):412-417.

[9]蘇蕾.基于車載激光掃描數(shù)據(jù)的建筑物建模研究[D].焦作：河南理工大學，2012.

[10]李永強,呂海洋,蘇蕾,等.車載LiDAR點云中建筑物立面的自動分割[J].測繪科學,2014,39(4):106-109.

[11]閆利,程軍.傾斜影像三維重建自動紋理映射技術[J]. 遙感信息,2015,30(2)：31-35.

[12]王迅. 近景攝影與3dmax在3維建模中的應用[J].測繪與空間地理信息,2010,33(2):121-122.

Airborne and Terrestrial LiDAR Data Fusion for 3D Reconstruction——A Case Study in Henan Province

TIAN Yaoyong

10.13474/j.cnki.11-2246.2016.0158.

2015-11-07；

2015-12-22

礦山空間信息技術國家測繪地理信息局重點實驗室開放基金(201401003)

田耀永(1976—)，男，碩士，高級工程師，主要研究方向為GIS開發(fā)、雷達數(shù)據(jù)處理等。E-mail：18519091@qq.com

P208

B

0494-0911(2016)05-0069-04

引文格式： 田耀永. 利用機載、車載雷達數(shù)據(jù)進行全景三維研究——以河南省為例[J].測繪通報，2016(5)：69-72.