摘要 文章提出了一套完整的高精度綜合數(shù)字化建模方法。RTK定位技術及激光雷達技術應用于無人機傾斜攝影中，實現(xiàn)了高精度的站場外部數(shù)據(jù)采集。三維激光掃描技術用于獲取站臺內部結構的點云數(shù)據(jù)，點云融合后獲得內外一體的三維數(shù)字模型。將該方法運用于廣州白云站綜合交通樞紐數(shù)字模型構建中，精度評估表明提出的方法在實際應用中取得了高質量的數(shù)字模型。

關鍵詞 無人機傾斜攝影；三維激光掃描；RTK技術；激光雷達；高精度數(shù)字模型

中圖分類號： U217 文獻標識碼 A 文章編號 2096-8949（2024）17-0004-03

0 引言

鐵路工程結構的三維建模研究工作一直是備受關注的問題，對三維重建技術進行深入研究具有現(xiàn)實意義[1]。傳統(tǒng)測量方法具有精度、效率低的局限性。隨著無人機技術及三維激光掃描技術的發(fā)展，為站房復雜環(huán)境內外一體的高精度三維數(shù)字模型的搭建提供了一種新思路。

廖玉佳等[2]使用無人機對地質災害地區(qū)建立了三維數(shù)字模型；彭儀普等[3]探討了無人機建模質量的影響因素。對于復雜環(huán)境的建模需求，單一的無人機傾斜攝影數(shù)據(jù)采集方法只能獲取模型的頂部數(shù)據(jù)，劉宇等[4]利用三維激光掃描技術對高層建筑進行了三維重建；華遠峰等[5]驗證了三維激光掃描在立面測繪中精度的可靠性。上述學者的工作均論證了無人機和三維激光掃描技術在三維建模數(shù)據(jù)采集過程中的高精度。李曉斌等[6]將兩種方法結合，實現(xiàn)了無人機傾斜攝影測量三維建模精度的實時評價；何原榮等[7]將該方法應用于古建筑的三維重建，為古建筑文化遺產的修復與保護提供了重要技術支持。

針對鐵路站房的復雜環(huán)境，該文還引入了RTK定位技術及激光雷達技術，宋偉等[8]總結了影響RTK定位精度和可靠性的關鍵因素，論證了RTK憑借其瞬時高精度的優(yōu)勢已成為當前主流的高精度定位技術。

1 研究方法

1.1 基于RTK技術與激光雷達技術的高精度影像采集技術

無人機傾斜攝影的原理是利用無人機進行傾斜拍攝，將多個傾斜角度下的影像數(shù)據(jù)進行拼接，生成真實的三維模型。RTK技術通過在基站上設置高精度的GPS接收器，建立基站和無人機之間的差分信號，通過對GPS信號的實時處理，消除大氣層誤差和鐘差誤差等影響，從而實現(xiàn)無人機的高精度定位和姿態(tài)測量，以提高影像數(shù)據(jù)的精度和準確性。

激光雷達是一種主動式遙感技術，將其與無人機集成，充分發(fā)揮激光雷達高精度、高效率、廣應用的特點，通過地面掃描獲取高精度的三維點云數(shù)據(jù)，以提高傾斜攝影的精度和效率。

1.2 三維激光掃描

三維激光掃描是一種用于獲取物體或場景三維幾何信息的技術。它利用激光束掃描物體表面，并測量激光束在空間中的位置和反射強度，生成表示物體形狀和結構的點云數(shù)據(jù)。三維激光掃描技術可以獲取建筑物內部的高精度點云數(shù)據(jù)，而無人機傾斜攝影技術則可以獲取建筑物外部的高精度影像數(shù)據(jù)，兩者結合可以實現(xiàn)建筑物的全面三維重建。

1.3 點云融合建模

使用點云融合技術進行三維數(shù)字建模，在建筑物內外一體化的三維建模過程中，考慮無人機外部數(shù)據(jù)和三維激光掃描儀內部數(shù)據(jù)的重合度通常很低，故而使用點對配準方法。計算三維激光掃描儀數(shù)據(jù)中任意點的坐標（x1，y1，z1），在絕對坐標系下的坐標（x0，y0，z0）。它們間的關系可由式（1）表示：

（1）

式中，R為3×3旋轉矩陣，t為3×1位移矩陣，通過三點絕對坐標和對應相對坐標可以反算出R、t矩陣中所有元素的值。

2 場景應用

廣州市白云站作為“十三五”鐵路規(guī)劃中的重要項目，將承接廣州站、廣州東站的全部普速列車，肩負廣州全部普速客運的樞紐功能，將逐漸建設成為集各種方式一體化換乘的綜合交通樞紐，將成為路網(wǎng)中重要的普速客站之一。該文就如何實現(xiàn)類似白云站綜合樞紐復雜工程結構的內外一體化及站場環(huán)境的采集，建立各子系統(tǒng)協(xié)同統(tǒng)一運轉的多時序數(shù)字孿生模型進行進一步研究。

2.1 內外一體三維數(shù)字模型

白云站站臺數(shù)字孿生系統(tǒng)搭建主要分為無人機數(shù)據(jù)采集、激光掃描儀數(shù)據(jù)采集、點云數(shù)據(jù)融合、三維模型重建等四部分。首先使用無人機傾斜攝影技術對建筑物外部進行拍攝，再使用三維激光掃描技術對建筑物內部進行掃描，對影像數(shù)據(jù)進行配準對齊，最后使用三維重建軟件將配準后的內部點云數(shù)據(jù)和外部影像數(shù)據(jù)進行融合，生成建筑物的全面三維模型。

無人機傾斜攝影使用圖1（a）的大疆Phantom 4 RTK無人機，借助其具有的RTK定位技術，定位精度可以達到水平方向1 cm+1 ppm，垂直方向1.5 cm+1 ppm。采用井字形飛行路徑對白云站站臺外側進行拍攝，盡量使無人機以較低的高度飛行（50 m）。這些措施可以提高數(shù)據(jù)的可靠性和準確性，對于捕捉細節(jié)、識別小型地物、進行精確的測量和分析非常關鍵。

使用Pix4D軟件對無人機拍攝的數(shù)據(jù)進行處理，通過對無人機的拍攝位置、拍攝姿態(tài)，以及拍攝對象與無人機之間的距離等數(shù)據(jù)的解算，獲得的點云數(shù)據(jù)用于進一步的分析、測量和模型構建，并與三維激光掃描儀數(shù)據(jù)進行點云融合，生成內外一體的三維數(shù)字模型。

使用圖1（b）的Trimble SX10對站臺內部進行三維激光掃描，某一站點的拍攝數(shù)據(jù)可能會因為遮擋物的存在而出現(xiàn)拍攝死角，如圖2（a）所示，因此需要在站場內選取多個視野良好且互為補充的站點，并保證每個站點掃描的重疊區(qū)域超過30%。使用Trimble Business Center軟件對不同站點掃描的數(shù)據(jù)進行拼接，點云結果如圖2（b）所示。對三維激光掃描儀數(shù)據(jù)進行坐標轉換，并將其與無人機數(shù)據(jù)的坐標對齊。圖2（c）為點云融合后的可視化點云結果。

2.2 結果對比與評估

2.2.1 地理精度

采用多個指標對點云數(shù)據(jù)的精度進行評估，MGA（Mean Geometrical Accuracy，平均幾何精度）表示點云數(shù)據(jù)與真實世界坐標之間的平均偏差。MGA的值越小，意味著點云數(shù)據(jù)的精度越高，與真實世界坐標的偏差越小。SDGA（Standard Deviation of Geometrical Accuracy，幾何精度的標準差）則表示點云數(shù)據(jù)與真實世界坐標偏差的離散程度。SDGA的值越小，意味著點云數(shù)據(jù)的精度越一致，即點云中的各個點與真實坐標的偏差變化較小。MGA和SDGA計算公式如下：

（2）

（3）

式中，n——已知參考點的個數(shù)；di——計算測量點與其對應的已知參考點之間的歐氏距離。計算所得的三次測量中，XY方向的MGA分別為1.124 08、1.097 672、1.098 132，SDGA分別為0.074 936、0.023 182、0.025 351；Z方向的MGA分別為2.942 601、2.730 991、2.989 963，SDGA分別為0.251 593、0.087 167、0.137 694。

三次數(shù)據(jù)采集過程中，XY方向的地理精度均值較為穩(wěn)定，均在1.1附近，Z方向的第二次地理精度較高，比第一次和第三次精度分別高出7.19%和8.66%?？傮w來說，三次測量的定位精度均為良好，可為三維實景模型的建立提供可靠數(shù)據(jù)。

2.2.2 模型精度

精度評價指標包括中誤差、對數(shù)中誤差、平均中誤差、相對中誤差。該文使用中誤差（RMSE）作為精度指標。即：

（4）

式中，Z——真值；z——觀測值或計算值；n誤差個數(shù)。

對站臺東側入口樓梯結構如圖1（c）、圖1（d）所示的4處位置進行實地測量，測得的距離真值分別為A（7.672 m）、B（7.364 m）、C（9.931 m）、D（11.445 m）。在TBC軟件中選取三維實景模型中對應特征邊的尺寸，每段長度測量三次，取三次的平均值作為模型長度。將模型長度與實際距離真值進行比對，計算每次測量時的RMSE，結果如表1所示：

由表1數(shù)據(jù)可以得知，不同階段建立的三維實景模型精度質量都很高，達到了厘米級精度標準，滿足地形測繪中的1∶100 0地形圖測繪的質量要求，也滿足一般工程結構的建模需求。

2.3 時序性三維數(shù)字模型與基于SAM-DGCNN網(wǎng)絡的點云場景語義分割

對不同時期的白云站三維數(shù)字模型進行比較分析，圖3（a）是第一次拍攝的站臺建設情況，圖示上方（西側）主結構初步建設完成，下方（東側）乘車層結構已進入建設末期、候車層還未進行施工建設；圖3（b）是第二次拍攝的站臺建設情況，站臺整體柱結構均已基本建設完成；圖3（c）是第三次拍攝的站臺建設情況，站臺建設已進入末期，對頂部玻璃以及內部裝飾進行最后的完善施工。

郝雯等[9]提出了空間注意力模塊捕捉點間的語義特征，在DGCNN網(wǎng)絡提取邊緣特征的基礎上，引入SAM模塊捕捉點間的語義特征。對于給定的特征向量A∈RC*H*E，將A分別輸入兩個獨立的1×1卷積層，降維得到BC*H*E、CC*H*E，將C轉置并與B矩陣相乘，歸一化后得到空間注意力權重矩陣Uij∈RN*N。

（5）

（6）

基于SAM-DGCNN網(wǎng)絡的點云場景語義分割，可以對不同時期的站房施工進度進行分析（如圖2所示），對站房頂層的玻璃蓋板進行特征提取，并對提取部分的點云數(shù)量占比進行統(tǒng)計分析，可以快速獲取階段性的施工進度情況。

3 結語

該文提出了一種高精度三維數(shù)字模型的搭建方法，詳細介紹了飛行路徑設計、無人機傾斜攝影與三維激光掃描數(shù)據(jù)采集、數(shù)據(jù)處理、點云融合等關鍵步驟。將RTK技術與激光雷達應用于無人機數(shù)據(jù)采集過程中，獲得了更高精度的點云數(shù)據(jù)。在白云站綜合交通樞紐應用過程中，通過精度評估驗證了所采用方法的可行性與高精度，為未來工程數(shù)智化發(fā)展提供了有益參考。

參考文獻

[1]闞曉云，孫景振.LiDAR及傾斜攝影技術在數(shù)字實景城市模型中的應用[J].測繪地理信息，2014（3）：43-46.

[2]廖玉佳，胡勇，葉濤.基于低空無人機傾斜攝影的三維模型構建[J].北京測繪，2018（5）：504-507.

[3]彭儀普，程陽，韓征，等.基于多旋翼無人機航測的工程結構三維建模質量影響因素研究[J].鐵道科學與工程學報，2019（12）：2969-2976.

[4]劉宇，宋羽，石信肖.基于激光掃描技術的建筑物三維重建[J].北京測繪，2020（5）：619-622.

[5]華遠峰，王寧，孫博，等.基于三維激光掃描技術的建筑外立面測繪方法[J].北京測繪，2020（4）：532-536.

[6]李曉斌，林志軍，楊璽，等.基于激光掃描和傾斜攝影技術的三維實景融合建模研究[J].激光雜志，2021（8）：166-170.

[7]何原榮，陳平，蘇錚，等.基于三維激光掃描與無人機傾斜攝影技術的古建筑重建[J].遙感技術與應用，2019（6）：1343-1352.

[8]宋偉，毛威，張益澤.GNSS RTK定位技術的發(fā)展歷程和機遇[J].世界科技研究與發(fā)展，2023（3）：294-305.

[9]郝雯，王紅霄，汪洋.結合空間注意力與形狀特征的三維點云語義分割[J].激光與光電子學進展，2022（8）：512-522.