探討激光點(diǎn)云數據的三維建模方法

       傳統的三維建模是基于圖片信息的場(chǎng)景建模和表現，這種技術(shù)存在著(zhù)缺少真實(shí)感，三維幾何信息不準確以及處理速度緩慢的缺點(diǎn)。因此，近年來(lái)基于激光掃描技術(shù)的三維建模技術(shù)成為了研究熱點(diǎn)。

利用激光掃描儀獲取的點(diǎn)云數據構建實(shí)體三維幾何模型時(shí)，針對不同的應用對象、不同點(diǎn)云數據的特性，激光掃描點(diǎn)云數據建模的過(guò)程和方法也不盡相同。本文提出的方法能夠很好的為快速三維建模進(jìn)行服務(wù)，尤其是比較關(guān)注街道兩側信息的三維獲取，這將大大減少人工三維數據獲取及其建模的工作量，將有很好的應用前景。

激光掃描儀能夠直接獲取景物的深度信息，方便快捷。此外，利用激光掃描技術(shù)進(jìn)行三維重建能夠有效恢復出具有準確幾何信息和照片真實(shí)感的三維模型。

　　整個(gè)點(diǎn)云數據建模過(guò)程包括數據預處理和模型重建。

數據預處理為模型重建提供可靠精確的點(diǎn)云數據，降低模型重建的復雜度，提高模型重構的精確度和速度。數據預處理階段涉及的內容有點(diǎn)云數據的濾波、點(diǎn)云數據的平滑、點(diǎn)云數據的縮減、點(diǎn)云數據的分割、點(diǎn)云數據的分類(lèi)、不同站點(diǎn)掃描數據的配準及融合等；模型重建階段涉及的內容有三維模型的重建、模型重建后的平滑、殘缺數據的處理和模型簡(jiǎn)化等。實(shí)際應用中，應根據三維激光掃描數據的特點(diǎn)及建模需求，選用相應的數據處理策略和方法。

一、 數據預處理 
　　針對車(chē)載激光點(diǎn)云數據的特性，將數據預處理方法分為兩類(lèi)，半自動(dòng)的數據預處理方法和全自動(dòng)的數據預處理方法。 
　　1 、半自動(dòng)數據預處理方法 
　　半自動(dòng)的方法主要是利用現有的各種類(lèi)型的點(diǎn)云數據處理軟件，如三維激光掃描儀配帶的相應點(diǎn)云數據處理軟件或逆向工程領(lǐng)域比較著(zhù)名的商業(yè)點(diǎn)云處理軟件，一般都具有點(diǎn)云數據編輯、拼接與合并、數據點(diǎn)三維空間量測、點(diǎn)云數據可視化、空間數據三維建模、紋理分析處理和數據轉換等功能，但它們往往具有通用的處理功能，對于特定的數據處理效果有一定的不足之處，在功能和性能上也或多或少存在一定缺陷，且一般比較昂貴。

 
　　2、全自動(dòng)數據預處理方法 
　　全自動(dòng)的數據預處理方法主要是通過(guò)一定的算法來(lái)實(shí)現點(diǎn)云數據預處理，包括點(diǎn)云數據濾波，點(diǎn)云數據分類(lèi)等。

 
　　數據濾波的目的是為了去除測量噪聲。實(shí)際測量過(guò)程中存在各種因素的影響，觀(guān)測數據往往不是理想的結果。為了得到合理正確的目標物體形體信息，需要對觀(guān)測數據進(jìn)行濾波，剔除掉含有粗差的相關(guān)觀(guān)測數據和無(wú)效形體數據，從而得到目標物體形體信息的最佳估值。

　　由于激光掃描儀對空間信息采集的盲目性，使得激光點(diǎn)云數據在三維空間的分布形態(tài)呈現隨機離散性，在這些離散點(diǎn)中，有些位于真實(shí)地形表面，有些位于人工建筑物（房屋、塔、輸電線(xiàn)等）或自然植被（樹(shù)、灌木、草等）上。如果直接利用這些點(diǎn)進(jìn)行建模，處理的難度非常大。

因此，要在激光點(diǎn)云數據中提取目標對象的三維信息進(jìn)而構建其三維模型，就需要對去噪濾波后的數據點(diǎn)進(jìn)行分類(lèi)，將其劃分成具有單一幾何特征的拓撲結構區域。

 
　　3、數據預處理結果 
　　按照以上算法流程編寫(xiě) MATLAB 程序，實(shí)現地面點(diǎn)與非地面點(diǎn)的分離，用本算法進(jìn)行濾波時(shí)要注意濾波參數的設置，通常要根據不同地表形態(tài)來(lái)選取適當的參數。應用本算法對鐵路兩旁的數據進(jìn)行了濾波處理，前后對比效果如圖所示，從中可以看出該算法能很好的實(shí)現地面點(diǎn)與非地面點(diǎn)的分離，但是該算法需要輸入很多濾波參數，如地形坡度，窗口大小等，這些直接影響著(zhù)濾波的效果，因此要實(shí)現很好的濾波需要根據實(shí)際地形情況反復試驗幾個(gè)濾波參數。

濾波前點(diǎn)云數據

濾波后點(diǎn)云數據
　　 

二、 模型重建 
　　點(diǎn)云數據經(jīng)過(guò)濾波分類(lèi)處理之后，就可以針對分出來(lái)的不同類(lèi)別采用不同的建模方法了，這里濾波分類(lèi)主要分為地面點(diǎn)和非地面點(diǎn)，所以，模型重建也通過(guò)這兩類(lèi)來(lái)分析。

　　1、 地面點(diǎn)建模 
　　與通常的柵格影像數據不同，激光點(diǎn)云數據是離散分布的不規則點(diǎn)數據。因此，要用模型的形式表示地形表面分布，就需要進(jìn)行網(wǎng)格化處理，即將離散的點(diǎn)連續化。我們采用三角網(wǎng)的方式對數據進(jìn)行組織，地形表面由連接數據點(diǎn)的三角形構成，通過(guò)進(jìn)行插值實(shí)現對地形表面的逼近和近似，這是對地形表面的一種精確表達。 
　　例如，采用 TinModel 5 提供的構網(wǎng)模塊實(shí)現了將分類(lèi)后的離散的地面點(diǎn)構建為不規則三角網(wǎng)（TIN）。

　　 
　　2、非地面點(diǎn)建模 
　　非地面點(diǎn)比較復雜，包括建筑物、植被、道路兩旁設施等。隨著(zhù) AutoCAD、Maya 、逆向工程等三維建模軟件的出現，可以通過(guò)人機交互的手段來(lái)輔助三維建模，如圖所示為利用逆向工程軟件 ImageWave 對城市道路兩旁的建筑物點(diǎn)云數據進(jìn)行建模效果圖。

　　利用 ImageWave 對點(diǎn)云數據建模

       利用軟件也能夠對模型進(jìn)行紋理映射與可視化。但這些方法費時(shí)費力，而且對使用者的技巧要求很高，對于結構復雜、不規則的場(chǎng)景建模更是無(wú)能為力。

　　顯然純粹地利用三維建模軟件實(shí)現激光點(diǎn)云非地面點(diǎn)數據的模型重建，并非一個(gè)好的辦法，研究怎樣從這些離散的三維點(diǎn)云中快速準確地構建出真實(shí)的模型顯得尤為重要，逆向工程中用激光掃描某個(gè)特定物體獲得的數據直接重構物體，但此方法在車(chē)載激光掃描測量中不可行，因為是它是自動(dòng)目標采集，掃描無(wú)特定目的，不能控制掃描哪些物體。

所以，激光掃描的數據量非常大，如果直接進(jìn)行三維重構的話(huà)消耗太大，必須先對距離圖像進(jìn)行處理，提取出特征點(diǎn)、特征線(xiàn)和特征面再繼續建模。由于到目前為止，還沒(méi)有距離圖像分割和特征提取的成熟、可行方法，使得當前的激光掃描系統都采用與 CCD 或類(lèi)似圖像采集設備集成，其中距離圖像以用于構建高精度的DEM 為主，圖像分割和特征提取則采用 CCD影像數據解決。這種聯(lián)合作業(yè)方式使得系統運行成本高、控制比較復雜、數據存儲量大、多源數據處理與融合復雜。

將建好的模型可視化效果圖

目前對距離圖像的數據處理方法集中在構建DSM/DEM 上，或者附加 CCD 影像進(jìn)行融合，對直接從距離圖像中進(jìn)行目標分類(lèi)和特征提取的研究比較缺乏。鑒于此本文通過(guò)閱讀文獻，針對車(chē)載激光點(diǎn)云數據總結了以下的建模方法和步驟。

 　　  
　　（1）對非地面點(diǎn)進(jìn)一步分類(lèi) 
　　通過(guò)車(chē)載掃描系統獲得的點(diǎn)云數據中非地面點(diǎn)存在很多雜點(diǎn)，受車(chē)體行駛周?chē)绊懞艽?，如要對道路兩旁建筑物建模，則建筑物點(diǎn)云受路兩旁的樹(shù)木，廣告牌、線(xiàn)桿以及周?chē)?chē)輛等影響很大。這樣直接用這些點(diǎn)云數據進(jìn)行建筑物建模，效果會(huì )很差，所以有必要對非地面點(diǎn)進(jìn)一步分類(lèi)，可分為建筑物，線(xiàn)桿以及其它地物點(diǎn)（如植被、路燈、公交站牌、廣告牌等）等。其中建筑物是非地面點(diǎn)中最重要的部分，也是通常最關(guān)心的地物。

　　（2）通過(guò)點(diǎn)云數據對建筑物進(jìn)行特征提取 
　　利用前面提出的數據分類(lèi)方法，考慮建筑物自身的幾何特征，設計了一個(gè)簡(jiǎn)單的建筑物特征提取方法：首先，從分類(lèi)后的激光掃描數據中提取出建筑物數據；然后，從建筑物數據中提取出每個(gè)格網(wǎng)單元中 Z 值最大和 Z 值最小的數據點(diǎn)，這些點(diǎn)就是建筑物的特征點(diǎn)；后續處理中，可以從這些特征點(diǎn)中探測線(xiàn)特征或者用線(xiàn)段擬合這些特征點(diǎn)得到建筑物的特征線(xiàn)，也可以導入專(zhuān)業(yè)建模軟件直接參與三維建模。

　　（3）線(xiàn)桿提取 
　　線(xiàn)桿提取基于以下的假設：1）、桿是獨立的直線(xiàn)；2）、桿近乎垂直；3）、桿有最小高度；4）、桿應在建筑物或墻面的前面。當然以上假設也限制了一些桿的提取，比如桿正好在建筑物或墻面附近，這樣干擾點(diǎn)比較多，本算法暫不考慮這些。設置一個(gè)距離門(mén)限值來(lái)識別獨立的直線(xiàn)，線(xiàn)的獨立性通過(guò)計算線(xiàn)間的垂直中心距離來(lái)得到；設置一個(gè)傾斜角門(mén)限值來(lái)識別直線(xiàn)在傾斜角范圍內是否垂直；有時(shí)，桿的底部被植物或小的物體掩藏起來(lái)，此時(shí)只能得到桿的上部。

因此，設置另一個(gè)門(mén)限值來(lái)檢查桿的底部的位置；當桿目標很小時(shí)，激光數據也可能不包含反射自桿的點(diǎn)，這些小物體的獲取依賴(lài)于車(chē)速。車(chē)速決定激光數據的沿軌跡分辨率，當車(chē)速過(guò)快時(shí)極少桿被掃描到，所以有些時(shí)候還要人工對比一下圖像數據再做決定。

　　（4）其它地物提取 
　　其它地物如樹(shù)，對其進(jìn)行特征提取和重構由于樹(shù)形狀的極度不規則性，數據處理非常復雜，且在城市環(huán)境中知道樹(shù)的具體形狀特征意義也不大，一般情況下只要知道樹(shù)的位置和高度既可。

 
　　 
　　綜上所述，結合某三維城市建模案例探討了基于激光點(diǎn)云數據的數據預處理方法和模型重建方法，探討了半自動(dòng)數據預處理方法和全自動(dòng)數據預處理方法，給出了全自動(dòng)數據預處理的算法流程，在模型重建中，探討了地面點(diǎn)重建和非地面點(diǎn)重建。該方法能夠很好的為快速三維建模進(jìn)行服務(wù)，尤其是比較關(guān)注街道兩側信息的三維獲取，這將大大減少人工三維數據獲取及其建模的工作量，將有很好的應用前景。

版權聲明：文章來(lái)源于網(wǎng)絡(luò )，登載此文出于傳遞更多信息之目的，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權益，請聯(lián)系我們。