探討(tǎo)激光(guāng)點雲數據的(de)三維建模方法

       傳統的(de)三維建模是基于圖片信息的(de)場(chǎng)景建模和(hé)表現，這(zhè)種技術存在著(zhe)缺少真實感，三維幾何信息不準确以及處理(lǐ)速度緩慢(màn)的(de)缺點。因此，近年來(lái)基于激光(guāng)掃描技術的(de)三維建模技術成爲了(le)研究熱(rè)點。

利用(yòng)激光(guāng)掃描儀獲取的(de)點雲數據構建實體三維幾何模型時(shí)，針對(duì)不同的(de)應用(yòng)對(duì)象、不同點雲數據的(de)特性，激光(guāng)掃描點雲數據建模的(de)過程和(hé)方法也(yě)不盡相同。本文提出的(de)方法能夠很好的(de)爲快(kuài)速三維建模進行服務，尤其是比較關注街(jiē)道兩側信息的(de)三維獲取，這(zhè)将大(dà)大(dà)減少人(rén)工三維數據獲取及其建模的(de)工作量，将有很好的(de)應用(yòng)前景。

激光(guāng)掃描儀能夠直接獲取景物(wù)的(de)深度信息，方便快(kuài)捷。此外，利用(yòng)激光(guāng)掃描技術進行三維重建能夠有效恢複出具有準确幾何信息和(hé)照(zhào)片真實感的(de)三維模型。

　　整個(gè)點雲數據建模過程包括數據預處理(lǐ)和(hé)模型重建。

數據預處理(lǐ)爲模型重建提供可(kě)靠精确的(de)點雲數據，降低模型重建的(de)複雜(zá)度，提高(gāo)模型重構的(de)精确度和(hé)速度。數據預處理(lǐ)階段涉及的(de)内容有點雲數據的(de)濾波、點雲數據的(de)平滑、點雲數據的(de)縮減、點雲數據的(de)分(fēn)割、點雲數據的(de)分(fēn)類、不同站點掃描數據的(de)配準及融合等；模型重建階段涉及的(de)内容有三維模型的(de)重建、模型重建後的(de)平滑、殘缺數據的(de)處理(lǐ)和(hé)模型簡化(huà)等。實際應用(yòng)中，應根據三維激光(guāng)掃描數據的(de)特點及建模需求，選用(yòng)相應的(de)數據處理(lǐ)策略和(hé)方法。

一、 數據預處理(lǐ) 
　　針對(duì)車載激光(guāng)點雲數據的(de)特性，将數據預處理(lǐ)方法分(fēn)爲兩類，半自動的(de)數據預處理(lǐ)方法和(hé)全自動的(de)數據預處理(lǐ)方法。 
　　1 、半自動數據預處理(lǐ)方法 
　　半自動的(de)方法主要是利用(yòng)現有的(de)各種類型的(de)點雲數據處理(lǐ)軟件，如三維激光(guāng)掃描儀配帶的(de)相應點雲數據處理(lǐ)軟件或逆向工程領域比較著名的(de)商業點雲處理(lǐ)軟件，一般都具有點雲數據編輯、拼接與合并、數據點三維空間量測、點雲數據可(kě)視化(huà)、空間數據三維建模、紋理(lǐ)分(fēn)析處理(lǐ)和(hé)數據轉換等功能，但它們往往具有通(tōng)用(yòng)的(de)處理(lǐ)功能，對(duì)于特定的(de)數據處理(lǐ)效果有一定的(de)不足之處，在功能和(hé)性能上也(yě)或多(duō)或少存在一定缺陷，且一般比較昂貴。

 
　　2、全自動數據預處理(lǐ)方法 
　　全自動的(de)數據預處理(lǐ)方法主要是通(tōng)過一定的(de)算(suàn)法來(lái)實現點雲數據預處理(lǐ)，包括點雲數據濾波，點雲數據分(fēn)類等。

 
　　數據濾波的(de)目的(de)是爲了(le)去除測量噪聲。實際測量過程中存在各種因素的(de)影(yǐng)響，觀測數據往往不是理(lǐ)想的(de)結果。爲了(le)得(de)到合理(lǐ)正确的(de)目标物(wù)體形體信息，需要對(duì)觀測數據進行濾波，剔除掉含有粗差的(de)相關觀測數據和(hé)無效形體數據，從而得(de)到目标物(wù)體形體信息的(de)最佳估值。

　　由于激光(guāng)掃描儀對(duì)空間信息采集的(de)盲目性，使得(de)激光(guāng)點雲數據在三維空間的(de)分(fēn)布形态呈現随機離散性，在這(zhè)些離散點中，有些位于真實地形表面，有些位于人(rén)工建築物(wù)（房(fáng)屋、塔、輸電線等）或自然植被（樹、灌木(mù)、草(cǎo)等）上。如果直接利用(yòng)這(zhè)些點進行建模，處理(lǐ)的(de)難度非常大(dà)。

因此，要在激光(guāng)點雲數據中提取目标對(duì)象的(de)三維信息進而構建其三維模型，就需要對(duì)去噪濾波後的(de)數據點進行分(fēn)類，将其劃分(fēn)成具有單一幾何特征的(de)拓撲結構區(qū)域。

 
　　3、數據預處理(lǐ)結果 
　　按照(zhào)以上算(suàn)法流程編寫 MATLAB 程序，實現地面點與非地面點的(de)分(fēn)離，用(yòng)本算(suàn)法進行濾波時(shí)要注意濾波參數的(de)設置，通(tōng)常要根據不同地表形态來(lái)選取适當的(de)參數。應用(yòng)本算(suàn)法對(duì)鐵路兩旁的(de)數據進行了(le)濾波處理(lǐ)，前後對(duì)比效果如圖所示，從中可(kě)以看出該算(suàn)法能很好的(de)實現地面點與非地面點的(de)分(fēn)離，但是該算(suàn)法需要輸入很多(duō)濾波參數，如地形坡度，窗(chuāng)口大(dà)小等，這(zhè)些直接影(yǐng)響著(zhe)濾波的(de)效果，因此要實現很好的(de)濾波需要根據實際地形情況反複試驗幾個(gè)濾波參數。

濾波前點雲數據

濾波後點雲數據
　　 

二、 模型重建 
　　點雲數據經過濾波分(fēn)類處理(lǐ)之後，就可(kě)以針對(duì)分(fēn)出來(lái)的(de)不同類别采用(yòng)不同的(de)建模方法了(le)，這(zhè)裏濾波分(fēn)類主要分(fēn)爲地面點和(hé)非地面點，所以，模型重建也(yě)通(tōng)過這(zhè)兩類來(lái)分(fēn)析。

　　1、 地面點建模 
　　與通(tōng)常的(de)栅格影(yǐng)像數據不同，激光(guāng)點雲數據是離散分(fēn)布的(de)不規則點數據。因此，要用(yòng)模型的(de)形式表示地形表面分(fēn)布，就需要進行網格化(huà)處理(lǐ)，即将離散的(de)點連續化(huà)。我們采用(yòng)三角網的(de)方式對(duì)數據進行組織，地形表面由連接數據點的(de)三角形構成，通(tōng)過進行插值實現對(duì)地形表面的(de)逼近和(hé)近似，這(zhè)是對(duì)地形表面的(de)一種精确表達。 
　　例如，采用(yòng) TinModel 5 提供的(de)構網模塊實現了(le)将分(fēn)類後的(de)離散的(de)地面點構建爲不規則三角網（TIN）。

　　 
　　2、非地面點建模 
　　非地面點比較複雜(zá)，包括建築物(wù)、植被、道路兩旁設施等。随著(zhe) AutoCAD、Maya 、逆向工程等三維建模軟件的(de)出現，可(kě)以通(tōng)過人(rén)機交互的(de)手段來(lái)輔助三維建模，如圖所示爲利用(yòng)逆向工程軟件 ImageWave 對(duì)城(chéng)市道路兩旁的(de)建築物(wù)點雲數據進行建模效果圖。

　　利用(yòng) ImageWave 對(duì)點雲數據建模

       利用(yòng)軟件也(yě)能夠對(duì)模型進行紋理(lǐ)映射與可(kě)視化(huà)。但這(zhè)些方法費時(shí)費力，而且對(duì)使用(yòng)者的(de)技巧要求很高(gāo)，對(duì)于結構複雜(zá)、不規則的(de)場(chǎng)景建模更是無能爲力。

　　顯然純粹地利用(yòng)三維建模軟件實現激光(guāng)點雲非地面點數據的(de)模型重建，并非一個(gè)好的(de)辦法，研究怎樣從這(zhè)些離散的(de)三維點雲中快(kuài)速準确地構建出真實的(de)模型顯得(de)尤爲重要，逆向工程中用(yòng)激光(guāng)掃描某個(gè)特定物(wù)體獲得(de)的(de)數據直接重構物(wù)體，但此方法在車載激光(guāng)掃描測量中不可(kě)行，因爲是它是自動目标采集，掃描無特定目的(de)，不能控制掃描哪些物(wù)體。

所以，激光(guāng)掃描的(de)數據量非常大(dà)，如果直接進行三維重構的(de)話(huà)消耗太大(dà)，必須先對(duì)距離圖像進行處理(lǐ)，提取出特征點、特征線和(hé)特征面再繼續建模。由于到目前爲止，還(hái)沒有距離圖像分(fēn)割和(hé)特征提取的(de)成熟、可(kě)行方法，使得(de)當前的(de)激光(guāng)掃描系統都采用(yòng)與 CCD 或類似圖像采集設備集成，其中距離圖像以用(yòng)于構建高(gāo)精度的(de)DEM 爲主，圖像分(fēn)割和(hé)特征提取則采用(yòng) CCD影(yǐng)像數據解決。這(zhè)種聯合作業方式使得(de)系統運行成本高(gāo)、控制比較複雜(zá)、數據存儲量大(dà)、多(duō)源數據處理(lǐ)與融合複雜(zá)。

将建好的(de)模型可(kě)視化(huà)效果圖

目前對(duì)距離圖像的(de)數據處理(lǐ)方法集中在構建DSM/DEM 上，或者附加 CCD 影(yǐng)像進行融合，對(duì)直接從距離圖像中進行目标分(fēn)類和(hé)特征提取的(de)研究比較缺乏。鑒于此本文通(tōng)過閱讀文獻，針對(duì)車載激光(guāng)點雲數據總結了(le)以下(xià)的(de)建模方法和(hé)步驟。

 　　  
　　（1）對(duì)非地面點進一步分(fēn)類 
　　通(tōng)過車載掃描系統獲得(de)的(de)點雲數據中非地面點存在很多(duō)雜(zá)點，受車體行駛周圍影(yǐng)響很大(dà)，如要對(duì)道路兩旁建築物(wù)建模，則建築物(wù)點雲受路兩旁的(de)樹木(mù)，廣告牌、線杆以及周圍車輛等影(yǐng)響很大(dà)。這(zhè)樣直接用(yòng)這(zhè)些點雲數據進行建築物(wù)建模，效果會很差，所以有必要對(duì)非地面點進一步分(fēn)類，可(kě)分(fēn)爲建築物(wù)，線杆以及其它地物(wù)點（如植被、路燈、公交站牌、廣告牌等）等。其中建築物(wù)是非地面點中最重要的(de)部分(fēn)，也(yě)是通(tōng)常最關心的(de)地物(wù)。

　　（2）通(tōng)過點雲數據對(duì)建築物(wù)進行特征提取 
　　利用(yòng)前面提出的(de)數據分(fēn)類方法，考慮建築物(wù)自身的(de)幾何特征，設計了(le)一個(gè)簡單的(de)建築物(wù)特征提取方法：首先，從分(fēn)類後的(de)激光(guāng)掃描數據中提取出建築物(wù)數據；然後，從建築物(wù)數據中提取出每個(gè)格網單元中 Z 值最大(dà)和(hé) Z 值最小的(de)數據點，這(zhè)些點就是建築物(wù)的(de)特征點；後續處理(lǐ)中，可(kě)以從這(zhè)些特征點中探測線特征或者用(yòng)線段拟合這(zhè)些特征點得(de)到建築物(wù)的(de)特征線，也(yě)可(kě)以導入專業建模軟件直接參與三維建模。

　　（3）線杆提取 
　　線杆提取基于以下(xià)的(de)假設：1）、杆是獨立的(de)直線；2）、杆近乎垂直；3）、杆有最小高(gāo)度；4）、杆應在建築物(wù)或牆面的(de)前面。當然以上假設也(yě)限制了(le)一些杆的(de)提取，比如杆正好在建築物(wù)或牆面附近，這(zhè)樣幹擾點比較多(duō)，本算(suàn)法暫不考慮這(zhè)些。設置一個(gè)距離門限值來(lái)識别獨立的(de)直線，線的(de)獨立性通(tōng)過計算(suàn)線間的(de)垂直中心距離來(lái)得(de)到；設置一個(gè)傾斜角門限值來(lái)識别直線在傾斜角範圍内是否垂直；有時(shí)，杆的(de)底部被植物(wù)或小的(de)物(wù)體掩藏起來(lái)，此時(shí)隻能得(de)到杆的(de)上部。

因此，設置另一個(gè)門限值來(lái)檢查杆的(de)底部的(de)位置；當杆目标很小時(shí)，激光(guāng)數據也(yě)可(kě)能不包含反射自杆的(de)點，這(zhè)些小物(wù)體的(de)獲取依賴于車速。車速決定激光(guāng)數據的(de)沿軌迹分(fēn)辨率，當車速過快(kuài)時(shí)極少杆被掃描到，所以有些時(shí)候還(hái)要人(rén)工對(duì)比一下(xià)圖像數據再做(zuò)決定。

　　（4）其它地物(wù)提取 
　　其它地物(wù)如樹，對(duì)其進行特征提取和(hé)重構由于樹形狀的(de)極度不規則性，數據處理(lǐ)非常複雜(zá)，且在城(chéng)市環境中知道樹的(de)具體形狀特征意義也(yě)不大(dà)，一般情況下(xià)隻要知道樹的(de)位置和(hé)高(gāo)度既可(kě)。

 
　　 
　　綜上所述，結合某三維城(chéng)市建模案例探討(tǎo)了(le)基于激光(guāng)點雲數據的(de)數據預處理(lǐ)方法和(hé)模型重建方法，探討(tǎo)了(le)半自動數據預處理(lǐ)方法和(hé)全自動數據預處理(lǐ)方法，給出了(le)全自動數據預處理(lǐ)的(de)算(suàn)法流程，在模型重建中，探討(tǎo)了(le)地面點重建和(hé)非地面點重建。該方法能夠很好的(de)爲快(kuài)速三維建模進行服務，尤其是比較關注街(jiē)道兩側信息的(de)三維獲取，這(zhè)将大(dà)大(dà)減少人(rén)工三維數據獲取及其建模的(de)工作量，将有很好的(de)應用(yòng)前景。

版權聲明(míng)：文章(zhāng)來(lái)源于網絡，登載此文出于傳遞更多(duō)信息之目的(de)，版權歸原作者及刊載媒體所有，如本文中圖片或文字侵犯您的(de)權益，請聯系我們。