多源数据的点云融合算法在智慧城市三维建模中的应用

黄小兵 万铁庄

(北京恒华伟业科技股份有限公司, 北京 100011)

0 引言

随着三维建模技术的发展,基于无人机倾斜摄影技术、贴近摄影测量、激光扫描以及机载激光雷达(Light Detection And Ranging, LiDAR)等的新兴建模技术不断涌现,对三维模型的细腻度、真实度以及精度都提出了更高的要求。但通过诸多研究可知,单一建模技术都存在各自的局限性,不同的数据源对应的建模方法与理论也随之不同,其建模成果的精度与细腻度也不相同。地面三维激光扫描可以获取视场角范围内的高精度点云数据,但是存在三维激光顶部扫描盲区和影像获取视角不够的缺陷;无人机倾斜摄影技术可以获取建筑物顶部的几何及纹理信息,但是较难获得全方位无信息盲点的倾斜影像,在狭小区域和精度上存在很多局限性;贴近摄影测量可以获取复杂区域和细节区域的信息,考虑其数据的高精度和建模效率,通常只用于局部场景。由于3种建模方式在生产过程中都产生点云数据,这就为数据的融合提供了可能。如何将3种方式产生的点云进行融合成为了研究的重点。

目前城市的三维建模技术主要分为3大类:倾斜摄影建模,贴近摄影测量建模,激光雷达建模。

(1)倾斜摄影测量技术是近年来测绘遥感领域一门革新性的技术,由于无人机倾斜摄影具有效率高、成本低、灵活便捷的特点,其获取的数据能够直观、真实地反映实际地物特征[1],在构建智慧城市三维模型方面得到了快速应用,但是对于精度要求较高的模型还需要人工去修补,同时对于地物遮挡现象也存在着无法覆盖的情况。

(2)贴近摄影测量是由武汉大学张祖勋院士2019年提出,被称为区别于垂直航空摄影测量、倾斜摄影测量的第三种摄影测量方式,贴近摄影测量是利用拍摄设备贴近物体表面摄影,获取(亚厘米级)高清影像,并进行摄影测量处理,从而恢复被摄对象的精确坐标和精细形状结构来建立精细三维模型,弥补了其他摄影测量无法达到的精度要求。

(3)激光雷达技术是一种高效率、高精度、非接触式、低空探测性的主动测量技术,它可以在各种条件下进行扫描作业,大面积获取区域表面的三维坐标数据[2]。随着激光雷达点云数据处理技术的进步,已有大量的研究利用激光雷达技术进行三维重建,但是目前的研究仅对三维模型的地理位置精度进行分析与验证,对三维模型纹理精度改进还有所欠缺。且大场景的激光雷达三维建模,目前大多采用的是机载激光雷达的方法,该方法与无人机倾斜摄影技术一样,无法解决城市地物遮挡等问题。

多年来,国内外专家学者对多源数据融合建模技术进行了深入研究,并获得了一定的成果。El-Hakim等在2003年同样利用激光扫描技术和摄影测量技术对意大利的彭波萨修道院进行三维重建[3-4];Hu等基于LiDAR技术获取目标物数据信息并对目标物轮廓进行重建,通过融合LiDAR和影像数据进行精细化三维建模[5]。在国内也有很多专家学者对此进行了研究,徐光禹等利用三维激光扫描仪和倾斜摄影影像进行融合,完成了贵阳天王殿的三维重建[6];程亮等将LiDAR数据与航空影像进行高度集成,通过LiDAR数据与多视轮廓集成生成三维轮廓线的方案,构建目标建筑物三维模型[7];何原荣等将三维激光扫描和倾斜摄影测量技术结合,提出了特征点匹配算法,并将其应用到古建筑三维重建中[8],祖立辉利用多源数据对古建筑建模进行了详细的分析,为以后的研究提供了数据支撑[9]。

但是目前融合技术大部分只是单纯利用不同建模技术形成的点云的叠加,这样不仅会造成数据的冗余,也会降低模型的精度。基于此本文提出了利用空-地多源数据的点云融合算法的三维建模技术。

1 技术路线

利用空-地多源数据的点云融合算法的三维建模技术主要涉及地面三维激光扫描、倾斜摄影测量、贴近摄影测量3种建模技术,利用点云融和算法将3种技术进行融合,从而完成模型的构建。

本路线中三维激光扫描技术流程:首先根据区域的范围和区域的结构确定扫描的整体范围,视场角的大小,扫描站点的分布,并对所有站点进行联测,保证坐标系统的统一;其次利用架设在站点的三维激光扫描仪对区域进行扫描;最后对扫描后获得的点云数据进行去噪,拼接,形成三维激光点云数据。

本路线中倾斜摄影测量和贴近摄影测量技术流程:首先根据区域的范围合理规划航线,并利用三维激光扫描仪的站点作为航测的像控点;其次利用搭载多镜头的无人机按照规划好的航线进行自主飞行,获取该区域的多视影像;最后对数据进行预处理,并对数据进行空中三角测量,从而获取密集点云数据。

将点云融合算法应用于3种技术手段得到的点云数据，获得融合后的点云数据,利用该数据构建三角网,然后进行纹理映射,最终完成三维模型成果的输出。具体的技术流程如图1所示。

图1 多源数据的点云融合算法进行三维建模技术流程图

2 点云融合算法

点云融合算法是将倾斜摄影测量技术、地面三维激光扫描技术、贴近摄影测量技术形成的点云数据根据各自数据的特点进行选取,形成最终的点云数据,进而完成模型的构建。主要包含三部分。

2.1 点云的获取

三维激光点云获取:三维激光扫描仪采用Rigel-VZ400i,是一款内置惯性导航系统的扫描仪,激光发射频率120万点/s,测量点精度高达5 mm@100 m,可实现高速度、高精度的外业数据采集,可边扫描边拼接,为了确保数据精度,只保留20 m以内的激光点云数据。

由于地面激光雷达获取的点云密度较高,需要对其进行下采样,从而减少点云数据量,提高后续点云处理效率。体素滤波器将输入的点云数据分割成一个个微小的三维体素网格,以体素网格重心近似代表其他点,体素滤波器既能够减少点云数据量,又不会破坏点云数据本身的几何结构。下一步则利用统计滤波器将点云数据集中的噪音点去除。统计滤波器原理是计算每个点到与它相邻的K个点的平均距离。假设得到的结果是一个高斯分布,其形状由平均距离的均值和标准差决定,平均距离在标准范围之外的点,可以被定义为离群点，并从数据中去除。

倾斜摄影测量和贴近摄影测量点云获取:倾斜摄影测量和贴近摄影测量采用大疆精灵4RTK消费级无人机,倾斜倾斜摄影测量以无人机平台搭载数码相机,在空中多角度对地表对象进行拍摄获取影像数据,相对航高控制在60～100 m;贴近摄影测量对特定区域进行贴近拍摄,获取厘米级精度的影像数据,为了保证设备和人员的安全,飞行器与地物的距离控制在20～50 m。将倾斜摄影影像数据和贴近摄影测量数据分别导入ContextCapture平台,并导入对应的像控点数据,进行影像空三加密和密集匹配,通过密集匹配可分别产生大量点云数据[10]。考虑到倾斜摄影测量和贴近摄影测量外业(飞行姿态不稳定,像控点采集等误差)和内业数据处理(空中三角测量,刺点等误差)形成点云过程中产生的误差,经过多次试验测试,倾斜摄影测量形成的点云精度在10～20 cm范围内,贴近摄影测量形成的点云精度在5～10 cm范围内。

2.2 点云配准

配准的目的是通过一定的平移和旋转变换,将不同坐标系下的两组点云,统一到同一坐标系下。粗配准是人工在两个点云中添加至少3对特征点,然后特征点的坐标进行平差,计算转换矩阵,进而将两个点云进行配准。精配准最近邻迭代算法(Iterative Closest Point,ICP)是一个广泛使用的配准算法,主要目的就是找到旋转和平移参数,将2个不同坐标系下的点云,以其中一个点云坐标系为全局坐标系,另一个点云经过旋转和平移后，2组点云重合部分完全重叠。本算法先进行粗配准,后用ICP精配准,以达到高精度配准。

2.3 点云融合算法的建立

通过2.1的叙述,可得出本算法中点云数据的精度为三维激光扫描仪(A表示)>贴近摄影测量(B表示)>倾斜摄影测量(C表示),即A(las三维激光扫描仪)>B(las贴近摄影测量)>C(las倾斜摄影测量)。基于此,本文提出了一种点云融合的算法,即该算法描述为在某一区域S内(根据区域的特点设置不同的尺度),如果同时存在三维激光点云A,贴近摄影测量点云B,倾斜摄影测量点云C中至少2类数据,可出现以下4种情形(图2),并作出合理选择。

图2 点云融合算法点云选取规则

情形1:如果区域S内同时存在三维激光点云A,贴近摄影测量点云B,倾斜摄影测量点云C 3类数据,则只保留点云A。

情形2:如果区域S内同时存在三维激光点云A,贴近摄影测量点云B 2类数据,则只保留点云A。

情形3:如果区域S内同时存在三维激光点云B,贴近摄影测量点云C 2类数据,则只保留点云B。

情形4:如果区域S内同时存在三维激光点云A,贴近摄影测量点云C两类数据,则只保留点云A。

2.4 多源数据三维模型构建

将融合后的点云导入ContextCapture平台中,考虑到模型计算所需空间及时间,按100 m×100 m瓦片大小输出,格式选择为osgb格式,即可完成三维模型的构建。

3 数据建模测试

该数据为本特利(Bentley)公司提供,首先利用三维激光扫描仪对房屋四面进行扫描,然后利用无人机对该房屋进行环绕飞行拍照和贴近摄影测量,利用点云融合算法对获取的数据进行建模,点云融合后的效果如图3所示,并将该建模成果和倾斜摄影建模成果进行对比,模型对比结果见图4,可以看出利用该算法，面纹理信息得到了很大的改善,解决了摄影测量局部拉花、底部效应等问题[11]。

图3 点云融和后效果图

图4 倾斜摄影模型和点云融合算法融合模型对比

为了验证模型的精度,利用莱卡全站仪对该区域进行高精度测量,共计测量20个特征点,将20个特征点进行随机两两组合,建立10条固定边,作为已知量(用GD表示)。与利用倾斜摄影建立的模型(用QX表示)和利用点云融合算法建立的模型(用DYRH表示)进行对比,结果见表1。从表1中可以看出，点云融合算法建立的模型中量测的10条边的差值[用ΔSi(i=1,2,3,4,5,6,7,8,9,10)表示]最大为6 mm,最小为1 mm,中误差为3.71 mm,精度远高于倾斜摄影建立的模型量测的值。

表1 精度分析对比表 单位:mm

4 结束语

本文采用多源数据点云融合算法进行三维建模,根据不同的点云自动筛选，获得正确的点云数据,减少数据的冗余,建立高精度的模型,该技术将有效推动智慧城市的发展,更加有利于宏观、逼真展示城市的形态,对构建三维城市、孪生城市具有极大的带动作用。但是本技术点云融合算法的点云区域选择上存在人工设定参数的情况,如何将该项技术更加自动化将是以后研究的方向。