机载和车载LiDAR融合构建高精三维城市模型研究

江 宇，韦兴荣，王国飞，闫继扬，付文群

（1.天津市勘察设计院集团有限公司，天津 南开 300391；2.广州汇城房地产开发有限公司，广东 广州 510800；3.江西省交通设计研究院有限责任公司，江西 南昌 330052）

激光雷达测量（LiDAR）技术可直接获取具有三维坐标（X,Y,Z）和一定属性（反射强度等）的海量、不规则空间分布的三维点云，在基础测绘、智慧城市等领域发挥了越来越重要的作用[1-4]。但是，由于立体城市空间结构复杂、高大建筑相互遮挡、建筑物屋顶和立面形状结构多样及道路、植被、人工设施等立体空间对象种类繁多、形态各异等特点，机载、车载LiDAR 等单一类型点云数据普遍存在数据漏洞、描述尺度单一、结构细节丢失等局限性[5]，难以表达完整丰富的细节信息[6]，因此，多点云数据融合处理成为城市三维建模的主要途径[7]。

1 可行性分析论证

高精三维城市模型建设内容主要包括城市地形、建筑物和部件三大类。相较于传统数码航测，机载LiDAR是更为有效的大尺度场景、建筑群落屋顶结构采集手段[7]。但是，由于垂直航测的视角局限，机载LiDAR 不能有效获取建筑物侧面和部件细节结构。与固定式激光扫描系统相比，车载LiDAR 不需外业人力搬动和架设设备[8]或布设靶标，外业数据采集和内业数据处理效率都有了极大提高[9]，非常适用于城市三维空间数据的高效精确采集和处理。但是，车载LiDAR 不能获取城市大尺度连续三维DSM 场景和建筑物屋顶结构信息。机载和车载LiDAR 在高精三维数字城市模型构建上各有优劣势，且互补性强。两种技术手段的有效融合，是当前高精三维城市模型构建最具可行性的技术路线。

机载LiDAR 点云城市测区精度匀称，点云高程精度优于0.2 m，制作的建筑物体框模型平面精度优于0.6 m。车载LiDAR 点云在城市郊区等GPS 观测条件良好测区，平面精度优于0.25 m，高程精度优于0.1 m；但在城市高楼区等GPS 失锁严重测区，车载点云平面和高程精度可能会超出1 m，且建筑物和部件部分会出现空间尺寸扭曲问题。车载点云的这一精度和质量问题，从理论和技术原理上，能以机载LiDAR 数据源作为特征控制参考，对车载LiDAR 点云进行平差和精度优化加以有效解决。因此，机载和车载LiDAR 融合构建高精三维城市模型可实现地形、建筑物、部件等主要城市模型要素的精细三维建模，完全具备工程技术可行性。

2 核心技术要点

2.1 机载LiDAR 点云平差

机载LiDAR 点云误差源主要包括:①差分GPS轨迹线定位误差x、y、z；②POS 定姿误差及扫描角误差对应的heading、roll、pitch；③激光测距误差scale[10]。由于误差源客观存在，相邻航带点云在重叠区必然错位，需进行点云平差和精度优化。

基于点云误差规律和大量工程经验，提出“单架次、单航带、局部平差分级、分阶融合”的点云整体平差法，普适性高[11]。根据机载LiDAR 原理，点云坐标解算公式如下:

假设P、Q为相邻点云航带，内插后数字表面模型公式如下:

参考以上公式，观测变量d(X、Y、Z)可用变量s、h、r、p、x、y和z对应的函数式表达:

式中，T(s,h,r,p,x,y,z)为P、Q条带上点云三维散点坐标的数学表达式。

对于scale 参数，采用单架次平差法，在同架次建立关于scale 的虚拟观测方程；对heading、roll、pitch参数，采用单航线平差法，在航线重叠区建立虚拟观测方程；对x、y、z参数，采用局部平差法，以样本实验为依据，建立关于x、y、z的虚拟观测方程。遵循“先宏观后细部”原则，按单架次平差、单航线平差和局部小区域平差顺序进行点云分阶迭代平差。

该方法可有效去除相邻航带重叠区点云错位，确保点云平面精度优于0.3 m、高程精度优于0.2 m。

2.2 机载和车载点云配准融合

依据车载LiDAR 点云解算模型及大量城市工程经验，城市车载LiDAR 点云误差具有以下几方面特点:

1）车载点云精度参差不齐。在城市郊区等GPS信号开阔的测区，车载点云平面精度可优于0.25 m，高程精度可优于0.1 m；在城市高楼等GPS 遮挡严重测区，车载点云精度较机载点云精度差很多，局部会超过1 m。

2）车载点云误差具有连续平滑变化特点。GPS 失锁时一般不会同时丢失所有卫星，且仍然具有IMU、DMI 测量辅助定位，通过卡尔曼滤波算法处理，可确保车载点云误差连续平滑变化[12]。

3）大部分车载LiDAR 观测条件下，车载点云相对误差较小，点云空间形态未出现明显变形或扭曲。在做好车载LiDAR 测量线路设计优化情况下，城市测区GPS 失锁超过3 min 的概率极少，而GPS 失锁3 min 内的车载点云相对精度优于0.2 m，可确保车载点云不失真。

依据机载、车载LiDAR 点云的误差规律和特点，提出机载和车载点云整体平差融合技术路线，主要如下:

1）选取城市郊区等GPS 观测条件良好的测区车载点云特征点为控制参考，对以上平差后机载点云再进行高程值系统误差去除，优化机载点云精度。

2）以机载LiDAR 航测制作的建筑物体框三维模型为控制参考，沿车载LiDAR 测量线路沿线选取建筑物特征角点为同名点，基于GPS 时间序列线性内插模型进行车载点云误差改正[13]。

本技术方法可优化城市GPS 失锁区车载点云精度并实现与机载点云的精准套合，测量时GPS 失锁超过3 min 的概率极低，因此，本技术方法可满足大型城市机载和车载点云平差融合的工程需求。

2.3 建筑物体框精细建模

在以上机载和车载LiDAR 融合数据源基础上，可实现城市建筑物的精细三维建模，主要流程如下:

1）点云与影像的配准融合。由于GPS、IMU 等多源误差，机载和车载LiDAR 同步采集的点云和影像，还不能通过摄影测量共线方程实现点云在像空间上与航片的精准匹配。

在TerraSolid 软件平台上，以点云为物空间地形模型的控制参考，对航片进行空三加密，拟合相机几何畸变数学模型，并对航片外方位元素进行系统误差改正，从而实现点云和影像在像空间的准确匹配套合。

2）建筑物屋顶结构面片精准建模。对机载点云进行建筑物屋顶点云分类，构建建筑物屋顶点云三角网并统计每个点的法向量值，采用Hough 变换进行屋顶面片检测分类。

依据面片相交或阶变，提取屋顶面片结构线，可参考航片或已有地形图成果的精确度确定建筑物外轮廓。之后，采用提取的屋顶特征结构线对屋顶面片进行二叉树分割合并[14]，并进行建筑物屋顶结构规则化等处理。

3）建筑物侧面结构精细建模。在以上建筑物屋顶结构模型基础上，在3Dmax、Pointools 等软件中导入对应的车载点云数据，结合建筑物侧面对应的数码照片影像参考，可实现建筑物侧面结构的精细建模。

本技术方法大幅度减少了外业实测工作量，自动化算法提高了内业建模效率，满足高效、高精城市建筑物体框三维建模的工程要求。

2.4 城市部件建模

实现了基于城市部件模型库的车载点云城市部件自动建模算法和生产工艺，主要如下:

1）定义城市部件模型库。针对城市部件建模技术要求，对城市部件进行类抽象概括，每个部件均定义类别标识ID、位置(x,y,z)、方位角(A)、高度(H)、宽度(W)等特征参数。同时，每个部件可以具有多个子部件，子部件也可以采用上述6 个参数进行描述。

2）基于模糊空间聚类的城市部件点云聚类。对车载点云进行地面点云分类和基于地面点云的高程特征粗分类。以此为初始状态，采用模糊空间聚类算法进行部件车载点云的聚集分割。

3）基于部件模型库的部件模型特征参数提取。对于具有杆、柱状结构的部件，采用点密度法进行部件位置。以提取的部件位置P0为参考，搜索距离P0点在XY二维投影面上距离最远的部件类点，该点至地面高差就是部件高度。部件宽度通过距点P0(x0,y0,z0)最远点的距离计算，部件方位为最远点相对于点P0(x0,y0,z0)在XY平面投影上矢量对应的方位角。

本方法可实现车载点云城市部件模型的自动输出，提高了城市部件建模内业生产效率。

3 典型工程案例

近年来，我司融合机载和车载LiDAR 技术开展了天津市中心城区高精三维数字城市建模工程，完成了天津市中心城区1∶2 000 比例尺数字高程模型、数字正射影像制作及城市高精三维建模工作。图1 为天津市中心城区高精三维数字城市模型成果效果图。

图1 本文技术工艺制作的天津市高精三维城市模型效果图

经验收，1∶2 000 比例尺DEM 高程精度0.1 m、1∶2 000 比例尺DOM 平面精度0.5 m、建筑物模型平面精度0.45 m、高程精度0.28 m、部件模型平面精度0.4 m，优于对应基础测绘产品精度指标要求，成果精度高，产品质量优良。

针对城市建筑物结构复杂、数量庞大且没有成熟建模软件的问题，考虑三维数字城市模型技术标准，我司自主开发了机载点云建筑物体框三维建模软件StarBuilding，研发了建筑物屋顶面片自动分割和结构线自动提取等算法，开发了同类建筑批量建模、冗余数据自动识别去除等工程实用功能，提升高精三维数字城市内业整体建模效率约10%。

4 结 语

本技术工艺测绘精度高、模型结构细腻、场景建模逼真，大大提高了高精城市三维建模的效率和质量。但是，本技术工艺建模成本仍然较高，一定程度上阻碍了其大规模工程推广应用。

当前，倾斜摄影测量技术已较为成熟。该技术通过构建Mesh 模型，可自动实现城市级逼真建模，极大降低了精细城市三维模型的制作成本。但是，倾斜摄影测量在建筑物侧面建模效果不符合人行、驾车视角的三维仿真应用。下一步，将研究倾斜摄影测量和车载激光移动测量技术融合的城市高精三维建模方法，实现高精城市三维建模在质量和成本上的双突破。

另外，当前三维城市模型应用场景少，缺乏可持续的商业变现模式，需继续充分挖掘高精三维城市模型的产品优势，打造更多的行业应用案例。