楊明珠++董燕

摘要： 三維激光掃描儀以非接觸方式獲取物體對象的點云數據，對其建?？烧鎸嵾€原物體對象原始面貌，因而在城市建設、文物保護、農業(yè)以及制造業(yè)等方面都有很大影響。本文就點云數據空間索引的建立、配準、去噪、精簡、分割等原理及處理過程進行詳細介紹，并分析不同處理方法有缺點及適用性，最后利用Imageware軟件對點云數據進行處理，用3dmax2017對建筑物三維點云數據模型構建。

Abstract： 3D laser scanner to obtain the point cloud data by the non-contact method. The model can restore the original features of objects. Therefore， it has a great influence on urban construction， cultural relics protection， agriculture and manufacturing. This paper analyzes the registration， streamline， denoising and segmentation process of the point cloud data in detail， explores the common processing method and theory and analyzes the advantage and defect of every kinds of the methods. Finally， Imageware software is used to process the point cloud data and 3dmax2017 is used to construct the 3D point cloud data model.

關鍵詞： 點云數據；數據處理；模型構建

Key words： point cloud data；data processing；model building

中圖分類號：TP391.4 文獻標識碼：A 文章編號：1006-4311（2017）12-0117-03

0 引言

在全球數字化的時代，三維建模已經成為數字化建設必不可少的一部分。三維激光掃描儀以精度高、速度快、抗干擾性強的方式作業(yè)，對物體發(fā)射激光束，獲取大量點云數據，對點云數據進行處理、建?？煽焖龠€原物體真實面貌，相對于以往的建模方式，這種逆向工程模式大大降低的了建模成本與作業(yè)時間。從我國于二十世紀90年代激光掃描技術開始受到重視[1]。如今，小到模具制造、林木形態(tài)研究，大到防洪救災、城市規(guī)劃、工程建設，三維激光掃描技術在各個領域得到了快速發(fā)展。

1 工作原理及數據處理流程

1.1 工作原理

三維激光掃描儀向被測對象物體發(fā)射大量激光束，接受反射信號，計算被測對象表面點的三維坐標，記錄反射率以及紋理等信息，從而得到點云數據。而不同的儀器制造商生產的儀器對于被測物體表面三維坐標的計算方式又各不相同，主要分為以下兩種：①脈沖測距的方法。根據激光束發(fā)射與接收的時間差，計算出儀器與被測點間的距離，精密時鐘控制編碼器同時記錄橫向角度值與縱向角度值，從而解算出每個點的X，Y，Z坐標值。②相位差測距的方法。距離值是通過獲取檢測調幅光波發(fā)射與接收之間的相位差得到，儀器再記錄橫向角度值與縱向角度值，解算出X，Y，Z坐標值[2]。

1.2 數據處理流程

數據處理主要步驟為點云數據的獲取、點云數據的預處理、模型構建與紋理映射等。其中預處理包括數據的配準、去噪、精簡、分割等。流程圖如圖1所示。

2 數據預處理

2.1 數據配準

點云數據配準，也稱點云數據拼接。由于激光掃描儀在單一視角下只能掃描到物體的一部分點云數據，不能覆蓋整個空間對象。所以在為較大對象（如一個大型建筑物或者一顆大樹）激光掃描時，需要從多方位不同視角掃描，也就是需要架設多個測站點，才能把物體掃描完整。每個測站點都會有其獨立的坐標系，要獲得完整的數據必須將所有測站點數據轉換到同一坐標系下，這就需要點云拼接。張慶圓[3]認為點云拼接方法主要為標靶拼接、點云直接拼接以及控制點拼接三種方法。

①標靶拼接是最簡便的拼接方法，在數據掃描時，兩站點之間的公共區(qū)域內放置至少三個標靶，在掃描物體對象同時掃描標靶點云數據，依次掃描完所有站點，最后利用不同站點相同的標靶數據進行點云配準，值得注意的是，每個標靶必須對應唯一的標靶號，同一標靶在不同測站中的標靶號也必須一致，才能正確完成各站點云數據配準。

②利用點云直接拼接，在掃描物體對象的兩個站之間要有一定的重疊度，一般要大于30%，且要有較為明顯的特征點，掃描完成后，尋找重疊區(qū)域的同名點進行點云拼接。此方法中重疊區(qū)域特征點的確定直接關系到配準結果的好壞，所以要求重疊部分要清晰且要有較多的特征點與特征線。

③控制點拼接是將三維激光掃描儀與定位系統(tǒng)相結合使用。首先確定公共區(qū)域的控制點，在對對象物體掃描的同時掃描控制點，用定位技術確定控制點的坐標，再以控制點為基準對點云數據配準。此方法優(yōu)點為配準結果精度高，缺點為過程相對復雜。

2.2 數據去噪

在利用三維激光掃描儀獲取點云數據的過程中，會受到掃描設備、周圍環(huán)境、人為擾動甚至掃描對象表面材質的影響，得到的數據或多或少存在噪聲點，得到的數據不能正確的表達掃描對象的空間位置。噪聲點分主要分為三類：①第一類噪聲點是由于物體表面材質或者光照環(huán)境導致反射信號較弱等情況下產生的噪聲點；②第二類是由于在掃描的過程中，難免有人、車輛或者其他物體從儀器與掃描物體之間經過而產生的噪聲點，這屬于偶然噪聲；③由于測量設備自身原因，如掃描儀精度，相機分辨率等由測量系統(tǒng)引起的系統(tǒng)誤差和隨機誤差。

數據去噪的方法可根據不同的情況分為不同的方式，分別為基于有序點云數據的去噪和基于散亂點云的去噪。

基于有序點云數據用平滑濾波去噪法，目前數據平滑濾波主要采取的是高斯濾波、均值濾波以及中值濾波。高斯濾波屬于線性平滑濾波，是對指定區(qū)域內的數據加權平均，可以去除高頻信息，其優(yōu)點為能夠在保證去噪質量的前提下保留住點云數據特征信息。均值濾波也叫平均濾波，也是一種較為典型的線性濾波，其原理為選擇一定范圍內的點求取其平均值來代替其原本的數據點，優(yōu)點為算法簡單易行，缺點為去噪的效果較為平均，且不能很好的保留住點云的特征細節(jié)。中值濾波屬于非線性平滑濾波，其原理是對某點數據相鄰的三個或以上的數據求中值，求取后的結果取代其原始值，其優(yōu)點在于對毛刺噪聲的去除有很好效果，而且也能很好的保護數據邊緣特征信息。

基于散亂點云數據去噪常用的方法為拉普拉斯去噪、平均曲率流方法、雙邊濾波算法。對于拉普拉斯算法，雖然能夠很好的保證模型的細節(jié)特征，但是還會殘存有噪聲點。而雙邊濾波算法雖然能夠很好的去除噪聲點，但是不能夠很好的保留住模型的細節(jié)特征。平均曲率是依賴于曲率估計，對于模型簡單噪聲點較少的數據去噪效果較好，而對于復雜且噪聲點多的數據，其計算速度慢且去噪效果較差。

2.3 數據精簡

數據精簡就是在精度允許下減少點云數據的數據量，提取有效信息。一般分為兩種：去除冗余與抽稀簡化[4]。

冗余數據是指在數據配準之后，其重復區(qū)域的數據，這部分數據的數據量大，多為無用數據，對建模的速度以及質量有很大影響，對于這部分數據要予以去除。抽稀簡化是指掃描的數據密度過大，數量過多，其中一部分數據對于后期建模用處不大，所以在滿足一定精度以及保持被測物體幾何特征的前提下，對數據進行精簡[5]。以提高數據的操作運算速度、建模效率以及模型精度。

抽稀簡化最常用的方法為采樣法，即按照一定規(guī)則對點云數據采樣，保留采樣點，忽略其他點[6]。此方法的優(yōu)點為方法簡單易行，簡化速度快，其缺點為其簡化后的點云數據分布比較均勻，無法針對邊緣特征的數據點充分保留。圖4為去除冗余后的數據，圖5為保留其點云特征的前提下抽稀簡化后的點云數據。

2.4 數據分割

對于比較復雜的掃描對象，如果直接利用所有點云數據建模，其過程是十分困難的，會使擬合算法難度增大，三維模型的數學表達式也會變得很復雜。所以對于復雜對象建模之前需要將點云數據分割，分別建模完成后再組合，就是建模過程中“先分割后拼接”的思想，把復雜數據簡單化，把龐大數據細分化。

匡小蘭[7]等認為點云數據分割應該遵守以下準則：①分塊區(qū)域的特征單一且同一區(qū)域內沒有法矢量及曲率的突變。②分割的公共邊盡量便于后續(xù)的拼接。③分塊的個數盡量少，可減少后續(xù)的拼接復雜度。④分割后的每一塊要易于重建幾何模型。

數據分割的主要方法有三種，基于邊的分割方法、基于面的分割方法和基于聚類的分割方法?；谶叺姆指罘椒ㄐ柘葘ふ页鎏卣骶€。所謂特征線，也就是特征點所連成的線，目前最常用的提取特征點的方法為基于曲率和法矢量的提取方法，通常認為曲率或者法矢量突變的點為特征點，例如拐點或者角點。提取出特征線之后，再對特征線圍成的區(qū)域進行分割?；诿娴姆椒ㄊ且粋€不斷迭代過程，找到具有相同曲面性質的點，將屬于同一基本幾何特征的點集分割到同一區(qū)域，再確定這些點所屬的曲面，最后由相鄰的曲面決定曲面間的邊界?；诰垲惖姆椒ň褪菍⑾嗨频膸缀翁卣鲄禂祿c分類，可用根據高斯曲率和平均曲率來求出其幾何特征再聚類，最后根據所屬類來分割。

3 三維建模

目前，點云數據處理及建模軟件有很多，如Geomagic、Polyworks、Imageware、Autocad、3dmax等，不同的軟件都有其適用性。如Imageware、Polyworks有用強大的點云數據預處理功能，適用于曲面建模以及較復雜實體建模。而Autocad、3dmax等軟件則更適用于較規(guī)則物體建模，3dmax2017中所帶插件Autodesk Recap能識別大部分點云格式，這也為3dmax建模提供了良好條件。本文首先采用Imageware對點云數據預處理，然后再利用3dmax對處理后的數據模型重建。

如圖2所示，是經過數據配準后帶有RGB值的房屋點云數據，利用中海達三維激光掃描儀掃描所得，數據格式為*.rcp格式，數據點個數為396137，數據密度大，數據質量較高。本文首先將rcp格式轉換為Imageware所識別的數據格式，由于數據密度過高，為了更直觀的識別以及減少后期數據處理時間，進行數據精簡，本文采用的是均勻采用法對精簡，采樣間隔為30，如圖3為精簡前數據，圖4為精簡后數據。數據精簡后對數據去噪，本文數據噪聲較少，但減少噪聲依然是必不可少的，可提高建模的速度以及精度。如圖5所示為去噪前后局部點云數據對比。

數據預處理完畢后利用3dmax2017對點云數據建模，首先將點云數據導入3dmax軟件中，然后將點云捕捉器打開，以點云數據為模板來創(chuàng)建幾何體，利用傳統(tǒng)3dmax建模技術即可。其建模速度快，精度高。如圖6所示，為3dmax建模后線畫圖，圖7為模型效果圖。

4 結論

逆向工程已在眾多行業(yè)中得到很好的發(fā)展，基于三維激光掃描數據的建模在工程建筑、數字城市建設、地下管道建設、古建筑保護與重修、林木保護等方面都能起到關鍵性作用，本文基于三維激光掃點云數據的建模過程中數據處理原理、過程以及方法做了詳細的探討，利用imageware對點云數據預處理，再用3dmax2017對點云數據建模，還原房屋真實模型，結果表明，對于較為規(guī)則的建筑物，3dmax的工作建模速度快，效率高。目前來說，三維建模軟件眾多，而且軟件發(fā)展也很迅速，更好更快建模依然追求的目標，對于大部分建模來說，都需要人工手動去選著一些有特征點來建模，高精度的特征點自動提取，建模將是一個很好的研究方向。

參考文獻：

[1]黨曉斌.三維激光掃描技術在建筑物形變監(jiān)測中的應用研究[D].西安：長安大學，2011.

[2]周華偉.地面三維激光掃描點云數據處理與模型構建[D].昆明：昆明理工大學，2011.

[3]張慶圓.三維激光掃描技術在工業(yè)三維GIS中的應用研究[D].河南理工大學，2011.

[4]謝宏全，谷風云，地面三維激光掃描技術與應用[M].武漢大學出版社，2016，02：94.

[5]宋碧波，盧小平，盧遙.基于點云數據的建筑物三維重建[A].測繪出版社，2010：3.

[6]王麗輝.三維點云數據處理的技術研究[D].北京交通大學，2011.

[7]匡小蘭，歐新良，倪問尹.散亂點云數據區(qū)域分割綜述[J].長沙大學學報，2010（0）5：68-72.