趙東旭，龍奇勇，柳翠明，韓珊珊，李 鵬

（1. 廣州市城市規(guī)劃勘測設計研究院，廣東 廣州 510060；2. 廣東省城市感知與監(jiān)測預警企業(yè)重點實驗室，廣東 廣州 510060）

現(xiàn)代社會房屋已不僅承擔居住功能，越來越多的生產(chǎn)活動也在室內(nèi)進行，房屋安全與人們生命財產(chǎn)安全的關系日益密切[1]。然而，地震、臺風、山體滑坡、墻體變形開裂等都會對房屋安全造成嚴重威脅，因此利用多源遙感等技術對災害進行監(jiān)測預防越來越為人們所關注[2-4]。為提高房屋安全保障能力，確保人民生命財產(chǎn)安全，2020—2022年我國開展了第一次全國自然災害綜合風險普查[5]。房屋建筑承災體調(diào)查作為普查的重要組成部分，調(diào)查內(nèi)容涵蓋了房屋的基本信息、建筑信息、使用情況等屬性內(nèi)容，房屋建筑高度是重要的調(diào)查屬性之一[6]。傳統(tǒng)建筑高度量測方法可分為三角高程測量[7-9]等高精度的專業(yè)測量方法，皮尺測量、測距儀測量等簡單測量方法和目視測量3 類，其中高精度量測和簡易量測都需要較大的時間人力成本，不適合大規(guī)模調(diào)查；目視法雖簡易快捷，但精度有限，尤其對于視野受限或高度較高的房屋，不同調(diào)查人員在不同時期的估算值難以一致。近年來，更多研究開始關注新型技術在高度計算中的應用，如基于影像建筑物陰影的高度估算方法，自動化程度與處理效率較高，但精度有限[10-12]；利用激光點云估算房屋高度，李小紅[13]利用數(shù)字表面模型（DSM）估算城市建筑物層數(shù)和高度，但并未考慮房屋的結構差異，王苑楠[14]等利用激光點云進行城市建筑物高度普查研究，但自動化程度不高。針對上述問題，本文提出了一種利用LiDAR 點云和城市1∶500 大比例尺地形圖數(shù)據(jù)進行房屋建筑高度快速自動估算的方法，并在實際房屋調(diào)查工作中進行了驗證。結果表明，該方法速度快、效率高、精度好，能滿足大范圍房屋調(diào)查中房屋高度估算的需求。

1 技術思路與方法

首先利用LiDAR 點云制作城市數(shù)字高程模型（DEM）和DSM，并利用城市大比例尺地形圖數(shù)據(jù)進行房屋結構解析；再基于DEM、DSM和房屋結構解析結果，計算房屋建筑對象的地面高程和屋頂高程；最后求差獲得房屋的高度估算結果。具體實施思路見圖1。

圖1 技術路線圖

1.1 LiDAR點云數(shù)據(jù)獲取與處理

為獲取精確的地面和地表高程，本文利用LiDAR點云生產(chǎn)DEM 和DSM。首先對慣導系統(tǒng)輸出的差分GPS 數(shù)據(jù)和IMU 數(shù)據(jù)進行解算，得到實時位置數(shù)據(jù)；再利用定位定向數(shù)據(jù)、點云原始信息和各類參數(shù)進行解算，得到每個點的三維坐標（隨機分布的具有高程、位置、強度等信息的激光點云），采用LAS 格式存儲。LiDAR 點云采集一次可生成兩種成果，即DSM 可基于DEM 中間成果生成。其關鍵點在于，對采集的點云數(shù)據(jù)進行預處理、分類和分類質量檢查，再將點云區(qū)分為地面點和非地面點，并利用地面點和非地面點分別生成DEM 與DSM 成果。根據(jù)得到的DEM、DSM成果，將點云分為地面和地表具有高程信息的矢量點要素，便于與地形圖房屋要素數(shù)據(jù)進行空間計算。

1.2 房屋結構解析

城市1∶500大比例尺地形圖數(shù)據(jù)具有豐富的房屋空間位置和幾何特征信息，是進行房屋高度估算的必要輔助數(shù)據(jù)。通過地形圖房屋要素的位置范圍可精確確定需要使用的點云數(shù)據(jù)范圍，極大地提高了高度估算精度。為選擇正確的房屋底部和頂端高度起算面，需對房屋要素結構進行解析。房屋組成要素包括房屋基底面、房屋分層面、廊房、飄窗等，其中房屋基底面是房屋底部地基的輪廓范圍，可作為高度起算面；房屋天頂面是房屋頂部的主要范圍面，可作為高度截止面（圖2中藍色建筑面積所示）。

圖2 房屋結構解析與高度計算關系示意圖

在1∶500大比例尺地形圖中，不同類型的房屋構件要素均賦予了不同的要素編碼，因此可利用要素編碼快速提取房屋構件。本文將房屋結構解析為基底面、天頂面和其他房屋面3 類，基于清華山維EPS 軟件，利用VB 語言二次開發(fā)的自動化處理腳本提取目標要素，并將提取結果存儲為不同的矢量面圖層。

1.3 基于地形圖房屋要素的建筑高度計算

對于大范圍的房屋高度估算工作，點云和房屋構件矢量的數(shù)據(jù)體量巨大，因此需剔除無關要素。

記所需調(diào)查的全部房屋集合為A｛a1,a2,a3,…,ai,…,an｝，ai為一棟單獨房屋，n為房屋總數(shù)；記房屋要素基底面為Ae｛ae1,ae2,ae3,…,aei,…,aen｝、天頂面為As｛as1,as2,as3,…,asi,…,asn｝、其他房屋要素面為At｛at1,at2,at3,…,ati,…,atn｝；記由DEM 轉換得到的矢量點云集合為E｛e1,e2,e3,…,ei,…,ep｝，ei為獨立的一個地面矢量點，p為地面矢量點云總數(shù)；記由DSM 轉換得到的矢量點云集合為S｛s1,s2,s3,…,si,…,sk｝，si為獨立的一個地面矢量點，k為地面矢量點云總數(shù)。

首先，剔除多余的點云要素和房屋邊緣點云要素：①依次遍歷S的子要素si，若si位于At空間范圍內(nèi)或As空間范圍外，則剔除si，處理后的S子集記為Sx｛sx1,sx2,sx3,…,sxn｝；②依次遍歷E的子要素ei，若ei位于Ae空間范圍外，則剔除ei，處理后的E子集記為Ex｛ex1,ex2,ex3,…,exn｝。

然后，計算房屋的天頂高程和基底高程：①對于A中的一棟房屋要素ai，獲取其在As中對應的天頂面要素asi，進而獲取在asi范圍內(nèi)的Sx子集Sxj｛s1,s2,s3,…,sj｝，則ai的天頂高程；②獲取ai在Ae中對應的基底面要素集合aei，進而獲取在aei范圍內(nèi)的Sx子集Sxl｛s1,s2,s3,…,sk｝，則ai的基底高程。

最后，計算房屋ai的高度：。對A｛a1,a2,a3,…,ai,…,an｝中每個要素重復上述計算，直至完成全部房屋建筑調(diào)查對象的高度估算。

2 應用案例

本文數(shù)據(jù)通過Riegl LMS-Q1560 采集，平均點密度優(yōu)于1.5 點/m2，點云像控點精度為平地0.1 m、丘陵地0.1 m（0.2 m）、山地0.2 m、高山地0.2 m，成圖比例尺為1∶2 000。其中，像控點相對鄰近基礎控制點的高程中誤差不超過基本等高距的1/10?；邳c云數(shù)據(jù)制作生產(chǎn)DEM、DSM，實驗區(qū)的地面、地表點云成果示例見圖3。

圖3 實驗區(qū)地面、地表點云數(shù)據(jù)示例圖

本文以南沙區(qū)核心區(qū)城鎮(zhèn)、農(nóng)村建筑均有分布的片區(qū)為實驗區(qū)（圖4），紅線為實驗區(qū)范圍，黃色圖斑為建筑物范圍面；選取房屋建筑對象532 棟，首先通過本文方法估計區(qū)域內(nèi)房屋的建筑高度，再通過查詢房屋不動產(chǎn)登記資料等獲取實際高度值，以評價估算結果質量。實驗結果表明（圖5），本文方法估算的房屋高度結果誤差整體在1 m 之內(nèi)，能滿足房屋建筑承災體調(diào)查的精度要求[15]，約84.21%的誤差在0.2 m 之內(nèi)。對于誤差較大的情況，其原因主要為：①點云與地形圖數(shù)據(jù)配準存在水平誤差，導致計算高程自動選取的點云中包含不同程度的錯誤點數(shù)據(jù)；②部分城市房屋屋頂設有熱水器、水箱等，點云處理無法完全去除，影響精度；③部分區(qū)域點云數(shù)據(jù)存在噪聲。

圖4 實驗區(qū)范圍與房屋分布示意圖

圖5 實驗結果誤差分布圖

3 結 語

房屋建筑是人類社會活動的主要場所，房屋安全就是社會生產(chǎn)安全。建筑高度是房屋的重要屬性，對房屋安全評估和災害評估治理十分重要，但傳統(tǒng)調(diào)查方法效率低下，不適合大面積調(diào)查的開展，因此本文利用LiDAR技術進行大范圍房屋高度快速估算的研究和實驗。相較于傳統(tǒng)依靠人力排查的方法，該方式成本更低、效率更高。測試結果表明，本文方法精度可靠，能更好地適應房屋建筑承災體調(diào)查、地理國情普查等[16]大范圍房屋調(diào)查高度估算的需求；同時，采集生成的DEM、DSM數(shù)據(jù)也能為智慧城市建設、城市洪澇分析等[17-18]提供支持。

本文的不足之處在于：采用作業(yè)范圍已有的城市1∶500大比例尺地形圖數(shù)據(jù)作為建筑物范圍數(shù)據(jù)，而LiDAR數(shù)據(jù)采集生成的DOM等成果僅用于核實、補充地形圖中的建筑物范圍等更新工作；基礎測繪工作不完善，如未進行大比例尺測繪、測繪區(qū)域較少等地區(qū)更多需要依靠DOM 成果進行建筑物范圍識別，因此需要更多的人工交互；該方法更適用于大范圍普查性房屋高度的估算，對于精細的專業(yè)量測需求略顯無力，這也是后續(xù)研究和改進的方向。