傳統(tǒng)的三維建模是基于圖片信息的場景建模和表現(xiàn),這種技術(shù)存在著缺少真實(shí)感,三維幾何信息不準(zhǔn)確以及處理速度緩慢的缺點(diǎn)。因此,近年來基于激光掃描技術(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(shù)據(jù)構(gòu)建實(shí)體三維幾何模型時(shí),針對不同的應(yīng)用對象、不同點(diǎn)云數(shù)據(jù)的特性,激光掃描點(diǎn)云數(shù)據(jù)建模的過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(cè)信息的三維獲取,這將大大減少人工三維數(shù)據(jù)獲取及其建模的工作量,將有很好的應(yīng)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(fù)出具有準(zhǔn)確幾何信息和照片真實(shí)感的三維模型。
整個(gè)點(diǎn)云數(shù)據(jù)建模過程包括數(shù)據(jù)預(yù)處理和模型重建。
數(shù)據(jù)預(yù)處理為模型重建提供可靠精確的點(diǎn)云數(shù)據(jù),降低模型重建的復(fù)雜度,提高模型重構(gòu)的精確度和速度。數(shù)據(jù)預(yù)處理階段涉及的內(nèi)容有點(diǎn)云數(shù)據(jù)的濾波、點(diǎn)云數(shù)據(jù)的平滑、點(diǎn)云數(shù)據(jù)的縮減、點(diǎn)云數(shù)據(jù)的分割、點(diǎn)云數(shù)據(jù)的分類、不同站點(diǎn)掃描數(shù)據(jù)的配準(zhǔn)及融合等;模型重建階段涉及的內(nèi)容有三維模型的重建、模型重建后的平滑、殘缺數(shù)據(jù)的處理和模型簡化等。實(shí)際應(yīng)用中,應(yīng)根據(jù)三維激光掃描數(shù)據(jù)的特點(diǎn)及建模需求,選用相應(yīng)的數(shù)據(jù)處理策略和方法。
一、 數(shù)據(jù)預(yù)處理
針對車載激光點(diǎn)云數(shù)據(jù)的特性,將數(shù)據(jù)預(yù)處理方法分為兩類,半自動的數(shù)據(jù)預(yù)處理方法和全自動的數(shù)據(jù)預(yù)處理方法。
1 、半自動數(shù)據(jù)預(yù)處理方法
半自動的方法主要是利用現(xiàn)有的各種類型的點(diǎn)云數(shù)據(jù)處理軟件,如三維激光掃描儀配帶的相應(yīng)點(diǎn)云數(shù)據(jù)處理軟件或逆向工程領(lǐng)域比較著名的商業(yè)點(diǎn)云處理軟件,一般都具有點(diǎn)云數(shù)據(jù)編輯、拼接與合并、數(shù)據(jù)點(diǎn)三維空間量測、點(diǎn)云數(shù)據(jù)可視化、空間數(shù)據(jù)三維建模、紋理分析處理和數(shù)據(jù)轉(zhuǎn)換等功能,但它們往往具有通用的處理功能,對于特定的數(shù)據(jù)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、全自動數(shù)據(jù)預(yù)處理方法
全自動的數(shù)據(jù)預(yù)處理方法主要是通過一定的算法來實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)預(yù)處理,包括點(diǎn)云數(shù)據(jù)濾波,點(diǎn)云數(shù)據(jù)分類等。
數(shù)據(jù)濾波的目的是為了去除測量噪聲。實(shí)際測量過程中存在各種因素的影響,觀測數(shù)據(jù)往往不是理想的結(jié)果。為了得到合理正確的目標(biāo)物體形體信息,需要對觀測數(shù)據(jù)進(jìn)行濾波,剔除掉含有粗差的相關(guān)觀測數(shù)據(jù)和無效形體數(shù)據(jù),從而得到目標(biāo)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(shù)據(jù)在三維空間的分布形態(tài)呈現(xiàn)隨機(jī)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、輸電線等)或自然植被(樹、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(shù)據(jù)中提取目標(biāo)對象的三維信息進(jìn)而構(gòu)建其三維模型,就需要對去噪濾波后的數(shù)據(jù)點(diǎn)進(jìn)行分類,將其劃分成具有單一幾何特征的拓?fù)浣Y(jié)構(gòu)區(qū)域。
3、數(shù)據(jù)預(yù)處理結(jié)果
按照以上算法流程編寫 MATLAB 程序,實(shí)現(xiàn)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(shù)的設(shè)置,通常要根據(jù)不同地表形態(tài)來選取適當(dāng)?shù)膮?shù)。應(yīng)用本算法對鐵路兩旁的數(shù)據(jù)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(xiàn)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(shù),如地形坡度,窗口大小等,這些直接影響著濾波的效果,因此要實(shí)現(xiàn)很好的濾波需要根據(jù)實(shí)際地形情況反復(fù)試驗(yàn)幾個(gè)濾波參數(shù)。
二、 模型重建
點(diǎn)云數(shù)據(jù)經(jīng)過濾波分類處理之后,就可以針對分出來的不同類別采用不同的建模方法了,這里濾波分類主要分為地面點(diǎn)和非地面點(diǎn),所以,模型重建也通過這兩類來分析。
1、 地面點(diǎn)建模
與通常的柵格影像數(shù)據(jù)不同,激光點(diǎn)云數(shù)據(jù)是離散分布的不規(guī)則點(diǎn)數(shù)據(jù)。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(xù)化。我們采用三角網(wǎng)的方式對數(shù)據(jù)進(jìn)行組織,地形表面由連接數(shù)據(jù)點(diǎn)的三角形構(gòu)成,通過進(jìn)行插值實(shí)現(xiàn)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(dá)。
例如,采用 TinModel 5 提供的構(gòu)網(wǎng)模塊實(shí)現(xiàn)了將分類后的離散的地面點(diǎn)構(gòu)建為不規(guī)則三角網(wǎng)(TIN)。
2、非地面點(diǎn)建模
非地面點(diǎn)比較復(fù)雜,包括建筑物、植被、道路兩旁設(shè)施等。隨著 AutoCAD、Maya 、逆向工程等三維建模軟件的出現(xiàn),可以通過人機(jī)交互的手段來輔助三維建模,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(shù)據(jù)進(jìn)行建模效果圖。
利用 ImageWave 對點(diǎn)云數(shù)據(jù)建模
利用軟件也能夠?qū)δP瓦M(jìn)行紋理映射與可視化。但這些方法費(fèi)時(shí)費(fèi)力,而且對使用者的技巧要求很高,對于結(jié)構(gòu)復(fù)雜、不規(guī)則的場景建模更是無能為力。
顯然純粹地利用三維建模軟件實(shí)現(xiàn)激光點(diǎn)云非地面點(diǎn)數(shù)據(jù)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(zhǔn)確地構(gòu)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(shù)據(jù)直接重構(gòu)物體,但此方法在車載激光掃描測量中不可行,因?yàn)槭撬亲詣幽繕?biāo)采集,掃描無特定目的,不能控制掃描哪些物體。
所以,激光掃描的數(shù)據(jù)量非常大,如果直接進(jìn)行三維重構(gòu)的話消耗太大,必須先對距離圖像進(jìn)行處理,提取出特征點(diǎn)、特征線和特征面再繼續(xù)建模。由于到目前為止,還沒有距離圖像分割和特征提取的成熟、可行方法,使得當(dāng)前的激光掃描系統(tǒng)都采用與 CCD 或類似圖像采集設(shè)備集成,其中距離圖像以用于構(gòu)建高精度的DEM 為主,圖像分割和特征提取則采用 CCD影像數(shù)據(jù)解決。這種聯(lián)合作業(yè)方式使得系統(tǒng)運(yùn)行成本高、控制比較復(fù)雜、數(shù)據(jù)存儲量大、多源數(shù)據(jù)處理與融合復(fù)雜。
將建好的模型可視化效果圖
目前對距離圖像的數(shù)據(jù)處理方法集中在構(gòu)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(biāo)分類和特征提取的研究比較缺乏。鑒于此本文通過閱讀文獻(xiàn),針對車載激光點(diǎn)云數(shù)據(jù)總結(jié)了以下的建模方法和步驟。
(1)對非地面點(diǎn)進(jìn)一步分類
通過車載掃描系統(tǒng)獲得的點(diǎn)云數(shù)據(jù)中非地面點(diǎn)存在很多雜點(diǎn),受車體行駛周圍影響很大,如要對道路兩旁建筑物建模,則建筑物點(diǎn)云受路兩旁的樹木,廣告牌、線桿以及周圍車輛等影響很大。這樣直接用這些點(diǎn)云數(shù)據(jù)進(jìn)行建筑物建模,效果會很差,所以有必要對非地面點(diǎn)進(jìn)一步分類,可分為建筑物,線桿以及其它地物點(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)通過點(diǎn)云數(shù)據(jù)對建筑物進(jìn)行特征提取
利用前面提出的數(shù)據(jù)分類方法,考慮建筑物自身的幾何特征,設(shè)計(jì)了一個(gè)簡單的建筑物特征提取方法:首先,從分類后的激光掃描數(shù)據(jù)中提取出建筑物數(shù)據(jù);然后,從建筑物數(shù)據(jù)中提取出每個(gè)格網(wǎng)單元中 Z 值最大和 Z 值最小的數(shù)據(jù)點(diǎn),這些點(diǎn)就是建筑物的特征點(diǎn);后續(xù)處理中,可以從這些特征點(diǎn)中探測線特征或者用線段擬合這些特征點(diǎn)得到建筑物的特征線,也可以導(dǎo)入專業(yè)建模軟件直接參與三維建模。
(3)線桿提取
線桿提取基于以下的假設(shè):1)、桿是獨(dú)立的直線;2)、桿近乎垂直;3)、桿有最小高度;4)、桿應(yīng)在建筑物或墻面的前面。當(dāng)然以上假設(shè)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(shè)置一個(gè)距離門限值來識別獨(dú)立的直線,線的獨(dú)立性通過計(jì)算線間的垂直中心距離來得到;設(shè)置一個(gè)傾斜角門限值來識別直線在傾斜角范圍內(nèi)是否垂直;有時(shí),桿的底部被植物或小的物體掩藏起來,此時(shí)只能得到桿的上部。
因此,設(shè)置另一個(gè)門限值來檢查桿的底部的位置;當(dāng)桿目標(biāo)很小時(shí),激光數(shù)據(jù)也可能不包含反射自桿的點(diǎn),這些小物體的獲取依賴于車速。車速決定激光數(shù)據(jù)的沿軌跡分辨率,當(dāng)車速過快時(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(shù)據(jù)再做決定。
(4)其它地物提取
其它地物如樹,對其進(jìn)行特征提取和重構(gòu)由于樹形狀的極度不規(guī)則性,數(shù)據(jù)處理非常復(fù)雜,且在城市環(huán)境中知道樹的具體形狀特征意義也不大,一般情況下只要知道樹的位置和高度既可。
綜上所述,結(jié)合某三維城市建模案例探討了基于激光點(diǎn)云數(shù)據(jù)的數(shù)據(jù)預(yù)處理方法和模型重建方法,探討了半自動數(shù)據(jù)預(yù)處理方法和全自動數(shù)據(jù)預(yù)處理方法,給出了全自動數(shù)據(jù)預(yù)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(cè)信息的三維獲取,這將大大減少人工三維數(shù)據(jù)獲取及其建模的工作量,將有很好的應(yīng)用前景。
版權(quán)聲明:文章來源于網(wǎng)絡(luò),登載此文出于傳遞更多信息之目的,版權(quán)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(quán)益,請聯(lián)系我們。
機(jī)載LiDAR可快速獲取高精度、高密度的地表三維坐標(biāo)信息數(shù)據(jù)。這些數(shù)據(jù)是一系列空間分布不均勻的離散點(diǎn)云數(shù)據(jù),如何對這些數(shù)據(jù)進(jìn)行濾波是當(dāng)前國內(nèi)外研究的熱點(diǎn),現(xiàn)有濾波算法大多都是基于...
目前地形數(shù)據(jù)獲取主要有三種方式:現(xiàn)場實(shí)測、三維正射影像轉(zhuǎn)數(shù)字高程模型DEM、激光三維...
在昨天的《激光LIDAR開展航空攝影任務(wù)有哪些流程?》一文中我們了解了機(jī)載激光雷達(dá)工作...
現(xiàn)有的精細(xì)化三維城市建模技術(shù)主要有基于多種數(shù)據(jù)源(計(jì)算機(jī)輔助設(shè)計(jì)(CAD)、建筑...
LiDAR技術(shù)現(xiàn)已被很多行業(yè)所認(rèn)可,也會諸多領(lǐng)域做出了很多的貢獻(xiàn)。其實(shí)LiDAR就是利用GPS...
點(diǎn)云密度是機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)的重要屬性,反映了激光腳點(diǎn)空間分布的特點(diǎn)及密集程度,...
電話:025-83216189
郵箱:frank.zhao@feiyantech.com
地址:江蘇省南京市玄武區(qū)紅山街道領(lǐng)智路56號星河World產(chǎn)業(yè)園3號樓北8樓
微信公眾號
總經(jīng)理微信
版權(quán)所有:飛燕航空遙感技術(shù)有限公司 ? 2019 備案號:鄂ICP備19029994號-1 蘇ICP備20022669號-1 鄂公網(wǎng)安備:420106020021194號 簡體中文/English