丁祥,龔堅剛,周文俊,楊繼平,麻瀟波

（浙江華云電力工程設(shè)計咨詢有限公司，浙江杭州 310000）

1 引言

近年來，三維重建技術(shù)在城市規(guī)劃，土地資源調(diào)查，文化遺產(chǎn)保護與修復等方面得到了廣泛的應(yīng)用[1-2]。此外將三維重建技術(shù)應(yīng)用于電網(wǎng)設(shè)備也逐漸受到的更多的關(guān)注。對輸電桿塔的三維重建，有利于電網(wǎng)的安全運行，同時也提高了輸電線路運維檢修的效率。但如何高精度，高效率地獲取三維數(shù)據(jù)，逐漸成為目前實景三維建模的研究難點。獲取三維重建數(shù)據(jù)源的方式主要3 種，即人工建模，無人機傾斜攝影技術(shù)和激光雷達建模。

人工建模技術(shù)制作周期長、測量工作量大，適合于尺寸和范圍較小的物體進行三維建模，否則大范圍的建筑物建模既不經(jīng)濟，建模效果也不好[3-4]。基于傾斜攝影技術(shù)的三維重建以其效率高、成本低等優(yōu)點，廣泛應(yīng)用于三維建模的多個鄰域中[5]。文獻[6]利用傾斜攝影技術(shù)對街景工廠進行實景三維建模，在無人機上搭載多個傳感器，其中一個獲取垂直影像，另外五個獲取傾斜影像，使用Pix4Dmapper軟件實現(xiàn)對被觀測物體的實景三維建模。文獻[7]對無人機傾斜攝影技術(shù)進行進一步改進，使其與MAX 結(jié)合。實踐案例表明，其改進方法可以提高三維建模的精度，但是此方法對三維模型的優(yōu)化還是需要人工的二次處理。此外，傾斜攝影技術(shù)也有一定的局限性，比如受外部因素影響大，對細節(jié)部分的建模效果不好。激光雷達具有高精度、低空探測性能好、易于傳輸和處理信息的優(yōu)點[8]，目前已有許多研究人員使用激光雷達技術(shù)進行三維重建。文獻[9]使用機載激光雷達對電力線進行三維重建，為輸電線路巡檢工作提供一種新思路，克服了傳統(tǒng)人工巡檢效率低、工作量大、定位精度低等缺點。文獻[10]基于地面激光雷達技術(shù)重建了森林場景的三維模型，利用激光點云提取了樹木位置，樹高等信息。

實踐表明傳統(tǒng)的基于單一數(shù)據(jù)源的三維建模具有很大的局限性，例如使用無人機傾斜攝影技術(shù)進行三維重建時，由于飛機作業(yè)模式的限制，輸電桿塔內(nèi)部和下部的模型信息不能進行完整獲取，而采用激光雷達技術(shù)恰好可以彌補這一缺陷。因此本文聯(lián)合傾斜攝影和激光雷達技術(shù)對目標輸電桿塔進行數(shù)據(jù)獲取，通過多源數(shù)據(jù)融合，以此獲得更為精確完整的輸電桿塔三維模型。

2 技術(shù)路線

基于多源數(shù)據(jù)融合的三維建模技術(shù)的主要原理是將無人機傾斜攝影獲得的影像點云與激光雷達點云融合，構(gòu)建TIN 三角網(wǎng)，再進行紋理映射，最后形成高精度的三維模型。其整體技術(shù)流程如圖1所示。

圖1 多源數(shù)據(jù)融合建模技術(shù)流程圖

3 多源數(shù)據(jù)融合技術(shù)

將不同測量設(shè)備所獲得的影像，點云等數(shù)據(jù)進行融合處理，彌補單一數(shù)據(jù)建模的局限性，獲取目標輸電桿塔的完整模型信息，使三維建模更加精確美觀。主要流程分為三個方面：1．數(shù)據(jù)預(yù)處理，包括影像預(yù)處理，空中三角測量，點云數(shù)據(jù)預(yù)處理；2．多源數(shù)據(jù)坐標系的統(tǒng)一；3．影像點云與激光點云的高精度配準。最后將配準后的點云數(shù)據(jù)輸入三維建模軟件中，對目標輸電桿塔進行三維重建。

3.1 多源數(shù)據(jù)坐標系的統(tǒng)一

激光點云數(shù)據(jù)和傾斜攝影測量數(shù)據(jù)空間坐標系的一致性是這兩種數(shù)據(jù)融合的前提，因此我們要在統(tǒng)一的坐標系下進行一次數(shù)據(jù)的粗配準[11]。由式(1)、(2)可以求解出兩個數(shù)據(jù)坐標變換所需的旋轉(zhuǎn)參數(shù)和平移參數(shù)。

其中(x，y，z)是原始點云數(shù)據(jù)坐標，(X，Y，Z)是坐標變換后點云數(shù)據(jù)坐標。α、β、γ為旋轉(zhuǎn)參數(shù)，為平移參數(shù)。通過手動選取同名特征點的三維空間坐標值可以計算旋轉(zhuǎn)矩陣和平移矩陣，即可得到α、β、γ和等6個參數(shù)。

3.2 點云精配準

點云粗配準的精度不高，因此為了使三維重建模型更加美觀真實，還需要進行點云的粗配準過程。其中傳統(tǒng)的方法是迭代最近點法(Iterative Closest Point，ICP)[12]。假設(shè)源點云為P，目標點云為Q，首先對源云集合P 中的每個點，以點云集合Q上歐氏距離的最近點為對應(yīng)關(guān)系，搜索所有成對點，然后根據(jù)對應(yīng)關(guān)系，得到了式(3)所示目標函數(shù)的最小剛性變換，該變換包含旋轉(zhuǎn)矩陣R 和移動向量T，并將該變換應(yīng)用于源點云P，迭代執(zhí)行上述過程，直到滿足設(shè)定的收斂準則。在上述過程中，確定兩點云之間的對應(yīng)關(guān)系是整個算法的關(guān)鍵。對應(yīng)關(guān)系的準確性對配準的精度和收斂速度有很大影響。

假設(shè)源云集合為P={pi|i=1，2，3…}，目標點云為Q={qi|i=1，2，3…}，經(jīng)典ICP算法步驟如下：

(1)設(shè)置k=0，并給出一個閾值ξ；

(2)根據(jù)歐式距離，找到源點云P 中每個點pi對應(yīng)目標點云最近點qi；

(3)根據(jù)P和Q的對應(yīng)點集，用四元法或SVD算法得到剛性變換矩陣R和T；

(4)根據(jù)變換矩陣找到源點云對應(yīng)的新的點集；

(5)如果兩次迭代的迭代誤差滿足fk-fk+1＜ξ，則迭代終止。否則k=k+1，返回到第2步。

3.3 改進式ICP算法

從傳統(tǒng)的ICP算法可以看出，它對點云之間的相對位置要求較高，計算量較大。此外，迭代過程可能不會收斂到全局最優(yōu)解。在傳統(tǒng)的ICP算法的點云配準過程中，源集中的每個采樣點需找到其在目標點集中的最接近點[13]。然后通過使用相應(yīng)的成對點來計算剛體變形，但是隨著數(shù)量的增加對于點云數(shù)據(jù)，計算目標的最接近點將浪費大量時間，因此為了縮短ICP算法的執(zhí)行時間，有必要對源數(shù)據(jù)集進行合理的重新采樣，選擇一些可靠的點集，以此提高算法的效率。

為了提高ICP算法的配準速度和精度，本文對傳統(tǒng)的ICP算法進行了改進。使用體素網(wǎng)格方法對點云進行重新采樣。主要思想是基于點云數(shù)據(jù)創(chuàng)建最小三維體素網(wǎng)格，然后計算出需要分割的小立方網(wǎng)格的長度L，并根據(jù)L的大小將3D體素網(wǎng)格分解為m×n×l小網(wǎng)格。分割網(wǎng)格后，將點云數(shù)據(jù)放入對應(yīng)的小網(wǎng)格，刪除沒有數(shù)據(jù)點的小網(wǎng)格。然后，在每個體素中，所有存在的點都將以其質(zhì)心進行近似。該方法快速且易于實現(xiàn)，并且不需要建立復雜的拓撲。簡化了點云的數(shù)量，為加快后續(xù)配準奠定了基礎(chǔ)。采用該方法的密集點云可以有效提高處理速度。計算步驟如下：(1)為目標點云P設(shè)置定向邊界框B，并保存x，y，z軸坐標的最大值和最小值；(2)邊界框B 被劃分為大小為vx×vy×vz的區(qū)域Rijk(0＜i＜l，0＜j＜m，0＜k＜n)；(3)將體素網(wǎng)格分配給點云P 中的每個點pi；(4)對于每個體素網(wǎng)格Rijk，計算區(qū)域中所有點的重心vijk，將體素網(wǎng)格中的所有點替換為重心，并將重心插入到最后的點P′集中；(5)遍歷所有體素網(wǎng)格，獲得的P′為采樣點云數(shù)據(jù)。如下式所示為：(0＜i＜l，0＜j＜m，0＜k＜n)。

根據(jù)上述體素網(wǎng)格法可獲得重新采樣點云，將其代入傳統(tǒng)ICP算法的步驟(1)中，可以加快點云配準速度。

4 實驗驗證

為驗證本文設(shè)計的基于多源數(shù)據(jù)融合的三維重建技術(shù)的有效性，用無人機傾斜攝影技術(shù)和激光雷達掃描對目標輸電桿塔進行數(shù)據(jù)采集，得到點云和傾斜影像兩種數(shù)據(jù)源。將這兩種數(shù)據(jù)進行融合，并使用Smart3D Capture 軟件得到滿足要求的輸電桿塔三維模型。

4.1 傾斜攝影和激光雷達數(shù)據(jù)采集

本次實驗外業(yè)影像采集所用無人機為大疆悟四旋翼無人機。主要航測流程如圖2所示。選定目標桿塔后應(yīng)首先選定視野開闊且無遮擋的地方進行起飛和降落，同時影像拍攝時的光照條件要好。若測量區(qū)域過大時，應(yīng)進行區(qū)域劃分，保證影像重疊度要符合三維建模的要求。航線的高度要比目標輸電桿塔最高點高出約50m，以保證飛行安全。

圖2 無人機傾斜攝影航測流程

為提高三維實景模型的完整性，采用三維激光掃描技術(shù)獲取目標桿塔內(nèi)部點云信息，彌補單一數(shù)據(jù)源建模的局限性。本次激光數(shù)據(jù)采集使用FARO Focus3D X330掃描儀。

由于激光點云密度會影響模型細節(jié)部分的刻畫，因此，對于桿塔結(jié)構(gòu)復雜部分要采用高分辨率進行掃描。

4.2 單一數(shù)據(jù)源建模與多源數(shù)據(jù)融合建模效果對比

將不同測量設(shè)備所獲取的影像點云和激光點云進行點云配準。選取同名特征點進行點云粗匹配，統(tǒng)一多源數(shù)據(jù)的空間坐標系。為了進一步提高點云配準的精度，在使用本文提出的改進式ICP算法進行點云的精配準。

圖3(a)為基于無人機傾斜攝影技術(shù)的三維重建模型，如圖所示，單一傾斜攝影數(shù)據(jù)重建的模型只能描繪出目標桿塔的外部輪廓，但桿塔內(nèi)部一些細節(jié)信息獲取的不多。輸電桿塔三維建模的頭部信息如圖3(b)所示，模型出現(xiàn)了空洞現(xiàn)象，可見基于單一數(shù)據(jù)源不能滿足精細化建模的要求。因此本文又引入一組點云數(shù)據(jù)，基于點云數(shù)據(jù)的三維建模和輸電桿塔頂部細節(jié)如圖4(a)、（b）所示。點云數(shù)據(jù)的引入可以增強對模型內(nèi)部細節(jié)的刻畫。圖5(a)為基于多源數(shù)據(jù)融合的三維重建技術(shù)所獲得的模型，可見所建模型沒有空洞和模型扭曲現(xiàn)象。對于圖5(b)所示的桿塔模型細節(jié)相對于單一點云數(shù)據(jù)建模刻畫得更為完整，增強了模型的真實性，同時也彌補了單一建模的局限性，對于輸電線路三維可視化以及運維檢修提供了堅實的基礎(chǔ)。

圖3 基于無人機傾斜攝影技術(shù)的三維模型圖

圖4 基于激光點云數(shù)據(jù)的三維模型圖

圖5 基于多數(shù)據(jù)融合三維模型圖

5 結(jié)束語

本文融合無人機傾斜攝影的高效性和激光雷達技術(shù)的精確性，提出了一種基于多源數(shù)據(jù)融合的輸電桿塔三維實景建模方法。設(shè)計了一套多源數(shù)據(jù)處理的流程，其中包括多源數(shù)據(jù)坐標系的統(tǒng)一。并對傳統(tǒng)的ICP算法進行改進，利用體素網(wǎng)格方法對點云進行重新采樣，提高點云精配準的速度。實驗結(jié)果表明，本文提出的多源數(shù)據(jù)融合三維建模相比于單一數(shù)據(jù)源建模效果更好。解決了單一數(shù)據(jù)源建模出現(xiàn)的地物扭曲和空洞問題，提高了建模的精度和完整性。對提高電力系統(tǒng)的安全運行，具有較好的應(yīng)用前景。