摘 ?要：為了給室外智能移動設備提供可視化的三維模型，需要對部分場景單獨進行三維重建。本文將無人機進行傾斜攝影與地面三維激光掃描技術(shù)有效結(jié)合，采用無人機傾斜攝影和地面三維激光掃描采集場景數(shù)據(jù)，經(jīng)過數(shù)據(jù)處理和改進的ICP算法配準融合，實現(xiàn)對三維場景模型重建。從而提高場景三維模型的質(zhì)量，為智能移動設備在三維場景中運行提供了基礎條件。

關(guān)鍵詞：點云融合;傾斜攝影;激光掃描;三維場景建模

中圖分類號：TP391.9 ? ? ?文獻標識碼：A文章編號：2096-4706（2021）14-0075-05

Abstract： In order to provide a visual 3D model for outdoor intelligent mobile devices， it is necessary to reconstruct part of scenes separately. In this paper， UAV oblique photography and ground 3D laser scanning technology are effectively combined. UAV oblique photography and ground 3D laser scanning are used to collect scene data. After data processing and improved ICP algorithm registration fusion， 3D scene model reconstruction is realized. As a result， the quality of scene 3D model is improved， and the basic conditions are provided for the intelligent mobile devices to run in the 3D scene.

Keywords： point cloud fusion; oblique photography; laser scanning; 3D scene modeling

0 ?引 ?言

隨著科技進步的發(fā)展，室外智能移動設備應用越來越廣泛，三維場景模型給室外智能移動設備提供了可視化的三維場景，是實現(xiàn)路徑規(guī)劃及自助導航的基礎。室外智能移動設備的應用也對三維場景模型的精度、分辨率和清晰度都有了更高的要求。

利用無人機傾斜攝影技術(shù)可以快速的得到大范圍場景信息，也可以得到場景高處不同角度的影像數(shù)據(jù)，傾斜攝影技術(shù)具有高效、高速、色彩逼真的特征[1，2]，但是接近地面部分信息缺失，特別是無人機因為角度原因無法獲得的數(shù)據(jù)，必須需要借助其他手段來補充。地面大場景三維激光掃描作業(yè)是一種新興技術(shù)，它具有非接觸、高效、高精度獲取物體表面三維點云數(shù)據(jù)等優(yōu)勢，能為空間信息數(shù)據(jù)庫提供大量的數(shù)據(jù)源[3，4]。該技術(shù)已經(jīng)應用于智能工廠、智慧城市、建筑信息提取等領(lǐng)域。與傳統(tǒng)的人工建模相比，三維激光掃描技術(shù)具有明顯的優(yōu)勢，數(shù)據(jù)采集具有較高的效率和精度[5，6]。利用三維激光掃描技術(shù)更能夠進入到復雜的場景環(huán)境和空間進行掃描操作，可以直接對各種大型非結(jié)構(gòu)化的三維場景數(shù)據(jù)進行完整采集，然后進行快速重建三維場景模型。地面掃描儀數(shù)據(jù)能夠與無人機傾斜攝影數(shù)據(jù)相結(jié)合，最終形成較為完善場景模型。

隨著智能移動設備的廣泛使用，三維場景模型的構(gòu)建受到了眾多學者的重視。張愛武等依據(jù)三維成像掃描儀提出室外場景模型建立的系統(tǒng)方法，以及推導了三維激光與采樣點的配準關(guān)系[7];孫衛(wèi)東利用三維激光掃描的特點提出自適應室外場景表面重建方法，通過邊緣提取和表面曲率進行自適應采樣[8];楊麗萍利用三維可視化類庫，實現(xiàn)三維激光掃描數(shù)據(jù)的幾何建模[9];肖雄武針對無人機傾斜攝影自動三維重建的自動化處理、重建模型結(jié)構(gòu)特點不突出等問題進行研究[10];曹明蘭等利用無人機傾斜攝影系統(tǒng)與三維激光掃描系統(tǒng)的結(jié)合討論了數(shù)據(jù)獲取、點云配準、及數(shù)據(jù)處理，實現(xiàn)了森林三維場景模型建立[11]。當前智能移動設備對三維場景提出了更高的要求，本文將無人機傾斜攝影和大場景激光掃描技術(shù)相結(jié)合，構(gòu)建高質(zhì)量的三維場景模型。

1 ?技術(shù)路線

本文以無人機在場景高處進行傾斜攝影為主，來獲取場景整體的三維空間信息，為整體三維場景空間信息的獲取和三維激光點云數(shù)據(jù)的改進提供參考和依據(jù)，經(jīng)過空間三角計算得到粗略的模型。然后，通過多站三維激光掃描點云數(shù)據(jù)的拼接，主要對場景整體的信息進行改善和修復。最后對殘缺區(qū)進行孔洞修復，填補點云數(shù)據(jù)缺失部分，獲得完整的三維場景模型，技術(shù)路線如圖1所示。地面激光掃描技術(shù)與無人機傾斜攝影相結(jié)合提高了三維場景模型的質(zhì)量，在三維場景模型建立中取得了較好的效果。三維場景的幾何特征和紋理特征能為室外智能設備的場景識別和路徑規(guī)劃提供了信息支持。

2 ?點云數(shù)據(jù)采集

2.1 ?傾斜攝影數(shù)據(jù)采集

無人機傾斜攝影可以高效地獲取三維場景中建筑物高處的信息。無人機航線鋪設常采用自主導航等距離曝光模式，為了保證采集區(qū)域邊界的精準度，在邊緣區(qū)域留出間距以保證信息的完整性，然后在選定模式路徑下進行圖像信息采集。利用無人機獲取場景中建筑物、植被等頂部圖像，得到其表面信息，然后根據(jù)計算機視覺原理和低空輔助飛行控制數(shù)據(jù)，通過圖像拓撲關(guān)系，給出場景的三維建模。通過生成包含顏色信息的三維點云數(shù)據(jù)，直觀的表達場景中建筑及植被等物體的空間分布?？衫肅loudCompare等軟件對屋頂、墻壁等的圖像進行密集匹配，生成密集的點云，再對航拍圖像進行預處理，同時調(diào)整航拍圖像的飽和度和對比度。一般來說，重投影誤差大于1需要多次重復的三角測量。但是在一些細節(jié)區(qū)域，由于遮擋和圖像差等問題，傾斜攝影拍攝會出現(xiàn)失真和空洞。因此有必要對該區(qū)域的拍攝數(shù)據(jù)進行補充。

2.2 ?地面場景點云數(shù)據(jù)采集

無人機對于場景接近地面部分和角度遮擋原因，對場景數(shù)據(jù)采集存在不足，影響場景模型質(zhì)量，可以采用大場景激光掃描儀對其存在缺陷的地方進行掃描，補充數(shù)據(jù)，提高模型質(zhì)量。為了獲得全方位、高精度的場景數(shù)據(jù)，可根據(jù)實際需求和掃描儀的工作參數(shù)，設置站點數(shù)、站點間的距離和每個站點掃描的時間，從不同的角度捕獲多次掃描數(shù)據(jù)，以保證點云的測量精度和完整性。三維掃描儀對測量區(qū)域的布置一般滿足以下要求：（1）根據(jù)需求合理布置掃描站點的間距，在保證建筑點云數(shù)據(jù)完整獲取的前提下，避免不必要的站點設置。（2）每個相鄰控制點的視覺重疊部分應達到30%以上，以保證拼接效果完好。此外，激光掃描設備的設置會對測量速度、降噪級別和掃描的范圍產(chǎn)生重要影響，本文采用FARO S70掃描儀的高質(zhì)量4x設置，這樣掃描儀將更集中于掃描區(qū)域中對象的點。采用1/4的分辨率彩色掃描，掃描過程主要包括儀器參數(shù)調(diào)試、掃描點布置、數(shù)據(jù)導出等操作。

3 ?點云數(shù)據(jù)處理

3.1 ?傾斜攝影數(shù)據(jù)理

首先，對傾斜攝影采集到的圖像進行預處理，圖像預處理主要是進行格式數(shù)據(jù)轉(zhuǎn)換、對比度調(diào)整，曝光調(diào)整等圖像優(yōu)化，在對圖像進行預處理后，再對圖像數(shù)據(jù)進行空中三角測量?？罩腥菧y量計算主要在于自動、準確的估算每幅輸入影像的位置、角元素和相機屬性，以確定圖像拍攝的位置和方向?？罩腥菧y量計算從輸入?yún)^(qū)塊開始，然后根據(jù)選定參數(shù)生成新的完整區(qū)塊或平差區(qū)塊，即確定圖像的內(nèi)部和外部方向元素，如圖2所示?？罩腥菧y量是提取每張影像的特征點，利用這些特征點兩兩之間連接進而形成三角，再將測量區(qū)域拍攝到的正常圖像合并到一個統(tǒng)一的坐標系當中，生成一個高密度的點云模型。

圖3為圖像的質(zhì)量報告。一共輸入234幅圖像，導入圖像的校準使用率達到100%。每個圖像數(shù)據(jù)集的圖像中值為5 986個關(guān)鍵點，共有26 522個連接點，其中圖像中值連接點為534個點。平均重投影誤差（RMS）為0.82個像素，在傾斜攝影建模中，投影誤差小于1，誤差在允許范圍內(nèi)。經(jīng)過多次的實驗結(jié)果表明，如果校準率沒有到達100%，或投影誤差較大，則需要重新導入新的相片進行空中三角測量，以免后期出現(xiàn)數(shù)據(jù)不足，導致圖像殘缺。

空中三角測量計算后，在生成的點云基礎上生成三維模型，如圖4所示，三維模型整體效果尚可。但是放大后發(fā)現(xiàn)細節(jié)部分還是存在問題，存在空洞和失真，如圖5所示，因此有必要通過地面三維掃描儀對該區(qū)域進行三維激光掃描，來修補這些不足。

3.2 ?三維掃描儀數(shù)據(jù)處理

使用三維場景掃描儀獲取的數(shù)據(jù)來彌補無人機傾斜攝影的不足。根據(jù)存在問題的區(qū)域和掃描儀性能，布置地面掃描點，得到三維掃描數(shù)據(jù)后需要對原始數(shù)據(jù)進行再加工，檢查數(shù)據(jù)的完整性，進行數(shù)據(jù)的規(guī)范化和點云過濾等操作。現(xiàn)場環(huán)境的復雜性及掃描本身反射不均勻的影響，容易造成掃描獲取點云數(shù)據(jù)存在噪音點，為了提高后續(xù)配準的效果，需要對點云數(shù)據(jù)進行裁剪及平滑處理。

本文采用SCENE軟件對FARO三維掃描儀采集的數(shù)據(jù)進行處理。首先，導入數(shù)據(jù)到FARO對應的點云處理軟件SCENE里面，對三維掃描儀掃描到的場景進行拼接、處理、裁剪效果不佳的點和導出點云，對于不同設備采取到的數(shù)據(jù)導出成常用的las數(shù)據(jù)格式，以方便后續(xù)的使用。

4 ?數(shù)據(jù)配準

數(shù)據(jù)配準是將不同坐標系中的點集轉(zhuǎn)換到同一坐標系中，即計算兩個空間坐標系變換關(guān)系[12]。地面三維掃描儀系統(tǒng)和空中無人機系統(tǒng)有多個坐標系，包括世界（絕對）坐標系、相對坐標系、掃描儀坐標系和無人機相機坐標系。坐標系的統(tǒng)一是數(shù)據(jù)融合的基礎。將無人機點云數(shù)據(jù)的坐標系作為相對坐標，需要將無人機點云數(shù)據(jù)轉(zhuǎn)化到同一坐標系中進行數(shù)據(jù)配準[12]。本文采用人工粗配準和自動精配準的方法進行點云配準。

4.1 ?點云數(shù)據(jù)粗配準

粗配準是將兩個完全不在同一坐標系下的兩個數(shù)據(jù)進行人工配準。初始點云的精配準容易受初始值影響，會收斂局部的最小值，所以點云的粗配準就變得相當重要。進行手動粗配準使用4點法，首先提取4個橫截面中的特征點，對這些點進行區(qū)分和連接，根據(jù)他們自身的位置，以及潛在位置賦予不通的標簽。最終建立語義點的意義對應關(guān)系，為保證粗配準達到更好的效果常常會選擇多個對應點，為之后精配準提供高質(zhì)量的變換矩陣，以便到更好的結(jié)果。在對一個掃描場景的數(shù)據(jù)進行手動配準過程中得到一個變換矩陣，其精度為0.69，如圖6所示。后續(xù)可通過精配準進一步改善效果。

4.2 ?點云數(shù)據(jù)精配準

ICP算法是基于最小二乘法的數(shù)據(jù)最優(yōu)匹配的算法，ICP算法的配準效果與點云集的初始位置關(guān)系很大。它的基本原理是首先獲取兩個數(shù)據(jù)集的特征點，根據(jù)特征點進行數(shù)據(jù)匹配，將這些匹配點設置為假想的對應點，然后根據(jù)式（1）所描述的對應關(guān)系求解配準參數(shù)，最后利用配準參數(shù)進行數(shù)據(jù)轉(zhuǎn)換[12]，使配準誤差S2的最小化。

傳統(tǒng)的ICP算法在對點云數(shù)據(jù)進行精配準過程中，按照一定的約束條件，迭代搜索兩個集合之間最接近的點，ICP算法易于實現(xiàn)，且精度高，但也存在一定的不足。首先，點云數(shù)據(jù)量大時，收斂速度慢，容易陷入局部最優(yōu)，導致配準效率低，配準效果差;其次，對點云初位置要求太高。由于環(huán)境的復雜性，為了減少點云配準誤差，提高配準速度，本文采用基于k-d tree改進的ICP算法，提高工作效率和配準精度提高。

改進ICP算法的原理是基于二叉樹的坐標分割建立點的拓撲關(guān)系。使用法向量角作為決定因素，而不是以k-d距離方面的鄰里關(guān)系來決定。將需要查詢的點與分裂維的值進行比較，得到兩種答案分別進入左子樹分支和右子樹分支。這樣就可達到二叉樹的葉子結(jié)點，沿著尋找路經(jīng)就可找到同一子空間中的最近近似點。再對點往回尋找，若得到更優(yōu)的結(jié)點則更新子空間節(jié)點來搜索最近近似點，直到最終路徑全部搜完。搜索直到達到目標為止，該算法不使用搜索每個點，而是根據(jù)以往的經(jīng)驗選擇更有效的搜索路徑。當采用間接路徑時，近似搜索方向由迭代關(guān)系確定，改進的ICP算法具體步驟為：

（1）選擇種子點pi從點集P計算法向量的加權(quán)平均值。

（2）選擇k-d tree最近的點pi從點集X并計算出這些點的法向量。

（3）構(gòu)造相應的點集C（pi， xk）具有相同法線矢量角度的點對，并更新目標點云。

（4）如果均方根誤差收斂但不低于給定的閾值，則確?；谂錅氏蛄康南掳胨阉骺臻g。

（5）直到出現(xiàn)閾值收斂，如果解決方案處于局部最優(yōu)狀態(tài)，則迭代。

（6）如果殘差平方和不收斂，則處理搜索空間的另一半并返回到步驟1，直到滿足終止條件。

為了驗證改進的ICP算法的可行性和穩(wěn)定性，通過構(gòu)建一個實際的場景模型進行了測試。圖7顯示了經(jīng)典ICP算法與改進ICP算法配準的效果，通過a、b、c三處的比較，可以發(fā)現(xiàn)使用改進后的ICP算法解決了配準效果得到提高、空洞問題、提高紋理精度及細節(jié)得到了優(yōu)化。實現(xiàn)了多源信息的優(yōu)勢互補，降低模糊的可能性，降低錯誤率，改善信息不完整的現(xiàn)象，提高了場景模型質(zhì)量。算法測試數(shù)據(jù)對比如表1所示，改進ICP算法的配準誤差為0.21，比經(jīng)典ICP算法配準誤差減少了83.05%;由于采用k-d tree改進后縮短對應點的時間，改進ICP算法的配準時間只用了經(jīng)典ICP算法的43.87%。測試場景中兩個點云數(shù)據(jù)重疊度為50%時，這時精度為0.08，如圖8所示，與圖6的精準度0.69相比配準后的精準度有大幅度的提升。

4.3 ?三維場景輸出

使用改進的ICP算法配準和數(shù)據(jù)融合進行大場景的三維場景建模，建筑物屋頂三維激光點云數(shù)據(jù)模型的缺失數(shù)據(jù)以及傾斜攝影數(shù)據(jù)模型中的空洞現(xiàn)象都得到了改善。最后，將融合的數(shù)據(jù)導入到Context Capture建模軟件中，基于坐標系的數(shù)碼照片紋理和地理位置，經(jīng)過三維軟件空中三角測量計算后直接生成一個三維場景模型。圖9展示了最終的效果三維場景。較好的解決了無人機建模地面遮擋缺失和三維掃描儀的頂部部分數(shù)據(jù)缺失等問題。

通過數(shù)據(jù)融合生成的三維場景模型，較好的解決無人機因遮擋對場景貼地部分信息缺失和地面站掃描儀缺少高處信息的問題?？梢缘玫礁哔|(zhì)量三維場景幾何信息和紋理特征，展示出了場景的真實性、時效性，結(jié)合移動設備硬件的突破，為三維場景模型在智能移動設備中的應用提供了可能。

5 ?結(jié) ?論

本文探討了基于多源數(shù)據(jù)融合的三維場景建模技術(shù)。實驗結(jié)果表明，與單點云三維掃描數(shù)據(jù)建模和無人機傾斜攝影建模相對比，本文的地面激光掃描結(jié)合空中無人機數(shù)據(jù)融合建模效果更好，質(zhì)量有了大幅度的提升。解決地面三維激光掃描因建筑遮擋缺少頂部信息存在大量空洞、無人機因建筑擋住角度無法采集數(shù)據(jù)等問題。三維激光掃描技術(shù)和傾斜攝影技術(shù)的結(jié)合可以高效廣泛地獲取三維場景空間信息，提高三維場景模型質(zhì)量。在保證高精度的方面進一步完善建模效率，最終在現(xiàn)有基礎上提高采集精度與建模速度，從而形成一套快速有效的三維場景建模體系，為智能移動設備的應用提供了基礎條件。

參考文獻：

[1] MA D L，LI G Y，WANG L，Rapid Reconstruction of a Three-Dimensional Mesh Model Based on Oblique Images in the Internet of Things [J]，IEEE Access，2018，6：61686-61699.

[2] LAZZARI M，GIOIA D. UAV images and historical aerial-photos for geomorphological analysis and hillslope evolution of the Uggiano medieval archaeological site （Basilicata，southern Italy） [J]. Taylor & Francis，2017，8（1）：104-119.

[3] 杜建麗，陳動，張振鑫，等.建筑點云幾何模型重建方法研究進展 [J].遙感學報，2019，23（3）：374-391.

[4] 單杰，李志鑫，張文元.大規(guī)模三維城市建模進展 [J].測繪學報，2019，48（12）：1523-1541.

[5] 張文春，范洪洋，劉永吉，等.三維激光點云聯(lián)合無人機影像的古建筑重建 [J].測繪通報，2019（11）：130-133+144.

[6] 楊必勝，梁福遜，黃榮剛.三維激光掃描點云數(shù)據(jù)處理研究進展、挑戰(zhàn)與趨勢 [J].測繪學報，2017，46（10）：1509-1516.

[7] 張愛武，胡少興，孫衛(wèi)東，等.基于激光與可見光同步數(shù)據(jù)的室外場景三維重建[J].電子學報，2005（2）：384-387+391.

[8] 張愛武，孫衛(wèi)東，李風亭.基于激光掃描數(shù)據(jù)的室外場景表面重建方法 [J].系統(tǒng)仿真學報，2005（2）：384-387+391.

[9] 楊麗萍，張愛武，劉曉萌.基于VTK的室外場景三維重建 [J].系統(tǒng)仿真學報，2006（S2）：411-413+417.

[10] 肖雄武.具備結(jié)構(gòu)感知功能的傾斜攝影測量場景三維重建 [J].測繪學報，2019，48（6）：802.

[11] 曹明蘭，李亞東，馮海英，等.傾斜攝影與激光掃描技術(shù)結(jié)合的3D森林景觀建模[J].中南林業(yè)科技大學學報，2019，39（12）：10-15+33.

[12] 謝云鵬，呂可晶.多源數(shù)據(jù)融合的城市三維實景建模 [J/OL].重慶大學學報：1-12.[2021-06-05].http：//kns.cnki.net/kcms/detail/50.1044.N.20200423.1829.002.html.

作者簡介：魯超（1996—），男，漢族，湖北荊州人，碩士研究生在讀，主要研究方向：三維場景模型建立。