車載LiDAR點云數據分割與半自動化建模方法

朱 紅，張正鵬

(遼寧工程技術大學測繪與地理科學學院，阜新 123000)

0 引言

20世紀80年代末，激光掃描技術的誕生為獲取高分辨率空間信息提供了一種重要技術手段，并廣泛應用于城市規劃、工業生產以及測繪等多個領域。利用激光掃描技術，可以連續、自動地獲取激光雷達(light detection and ranging，LiDAR)點云數據。車載激光掃描系統為激光掃描系統中的一種，由于其搭載平臺以及作業方式等特點，特別適用于獲取建筑物、道路和隧道等城市地物表面信息，能快速獲取城市地物的三維空間信息，并可結合地面二維平面數據進行三維城市建模[1-2]。

國內外很多學者對車載LiDAR點云數據的三維重建進行過深入研究，但都集中在地表模型的自動重建上，對于復雜街景的模型重建方法，還主要依賴于人工交互或半自動化處理。Zhao等[3]提出基于車載LiDAR數據的自動化CAD模型構建方法——從激光距離數據中生成幾何模型，在此基礎上提取諸如建筑物、地面及樹木等城市特征地物;不同的地物采用不同的幾何表現方式，比如平面、不規則三角網和三角形等。Grinstead等[4]提出對車載LiDAR數據的三角網構建和簡化方法。江水等[5]提出對相鄰2條掃描線數據構建三角網，進而完成整個帶狀地物表面快速重建的方法。盧秀山等[6]則提出基于地面圖像的建模系統和基于地面與空中圖像相結合的建模系統。然而，由于各個車載LiDAR系統的硬件不同，數據也不同，上述方法都是針對各自的系統，而且不是針對整個城市地物的完整重建。

縱觀國內外研究現狀，由于街景環境復雜，在車載系統獲取的LiDAR點云數據中存在大量的噪聲(如車輛、人群等)，學者們提出了許多基于車載LiDAR點云數據的分割方法[7-8]。由于樹木等遮擋導致的建筑物立面信息不完整及車載固有的建筑物頂面信息無法獲得等問題，如何實現自動化的分割與重建仍是研究的難點。本文結合現有的自動分割方法和建模軟件，采用人工交互式方法并輔以圖像紋理信息，提出了一種基于車載LiDAR點云數據的分割與半自動化建模方法;并通過實驗證明該方法簡單實用，具有建模的完整性和較強的可靠性。

1 車載LiDAR點云數據

1.1 數據獲取

拓普康IP-S2移動測量系統主要由IP-S2主控單元、激光掃描儀、360°全景相機及其控制系統和電源系統組成，其中3個2D激光掃描儀能夠獲取道路路面及其兩側的高分辨率3D點云數據。

LiDAR點云數據在內容和形式等方面具有其自身的特點:①在形式上呈離散分布;②具有反射強度信息;③呈掃描線排列方式;④具有盲目性[9]。另外，由于測量系統固有的量測視角局限性，總是難以獲取場景的完整三維數據。因此車載系統難以對目標的頂面和周圍4面做完整的掃描，而且存在樹木等其他地物的遮擋問題(圖1)。

圖1 LiDAR點云數據的不完整性Fig.1 Incompleteness of LiDAR point cloud data

圖2 用Pointools稀化點云的顯示Fig.2 Display of point cloud sparseness using Pointools

1.2 數據預處理

實驗采用IP-S2車載系統獲取的LiDAR點云數據，并經過前端采集軟件的配準處理，獲得完整的街景三維點云數據(*.ips格式)。經過地理坐標編碼，將原始WGS84坐標轉換為北京54坐標，導出點云的存儲格式為北京54坐標系統下的文本格式(*.txt格式)，每個點用其三維坐標、強度和顏色信息(X，Y，Z，Intensity，R，G，B)表達。本文使用的是轉換后的.txt格式點云數據，并針對不同街景地物完成后期的三維建模。

在LiDAR點云數據的重采樣中，由于車載LiDAR點云數據量十分龐大，導致軟件對數據處理的速度被大大降低;為了高效完成后續點云數據建模，需要使用 Pointools軟件對點云數據進行“稀化”，即根據建模精度要求，對不同地物的重采樣設置不同的格網間距。城市道路大多比較平坦，一般可設置格網間距為0.1 m;而對建筑物則需要設置0.01 m的格網間距進行重采樣(圖2)。

2 數據分割與半自動化建模

2.1 技術流程

本文建立的車載LiDAR點云數據分割與半自動化建模技術流程見圖3。

圖3 點云數據分割與半自動化建模技術流程Fig.3 Technical flowchart of point cloud data segmentation and semi－automatic modeling

現將點云數據分割與半自動化建模技術流程簡述如下:

1)數據采集。采用拓普康IP-S2移動測量系統完成街景LiDAR點云數據的獲取。

2)數據預處理。將LiDAR點云數據轉換成標準格式，并對數據進行重采樣。

3)點云分割。充分利用各類地物的特性，對不同地物使用不同的點云數據分割方法，最終實現LiDAR點云數據的分割。

4)模型精化。以車載和航空圖像的紋理信息為基礎，輔助完成建筑物的立面和頂面點云模型的精化。

5)三維建模。基于精化后的LiDAR點云數據以及建筑物的特點，利用SketchUp軟件完成街景模型的重建。

2.2 數據分割

街景三維重建是建立在準確分割點云數據的基礎上。針對城市街景，主要分為道路分割、建筑物分割、樹和路燈等附屬設施分割[10-11]。

1)道路分割。首先將LiDAR點云數據生成柵格模型(圖4)，然后根據柵格模型的高程值進行濾波處理，得到道路點云數據。道路可以認為是地表，且具有平面特征。

圖4 道路點云柵格模型Fig.4 Raster model of road point cloud

以地表高程最小、在一定范圍內高程平滑作為約束條件，可實現道路地表的自動分割(圖5)。

圖5 道路點云分割Fig.5 Segmentation of road point cloud

2)建筑物分割。在道路分割的基礎上，使用Cyclone軟件，利用建筑物自身的屬性信息(如高程值特性)，可以實現建筑物的分割。如果分割中仍帶有其他噪點，可以再次進行人工去噪，分割出建筑物區域。由于車載LiDAR點云數據無法掃描建筑物頂面或背面信息，往往導致建筑物點云不完整(僅保留部分立面信息)。圖6示出分割后建筑物局部點云圖。

圖6 建筑物點云Fig.6 Point cloud of buildings

3)附屬設施分割。樹和路燈等典型的街景附屬設施一般較難實現自動分割，需要人工判讀，進一步人工去除噪點信息，才可較為準確地提取出附屬設施的點云數據;而且在分割道路和建筑物點云數據的基礎上，點云數據將以附屬設施為主，這也相對減少了附屬設施人工提取的工作量(圖7)。

圖7 附屬設施點云Fig.7 Point cloud of subsidiary facilities

2.3 半自動化建模

在點云分割的基礎上，完成道路、建筑物與樹和路燈等附屬設施的建模。

1)道路建模。基于自動準確提取的道路點云數據，對道路點云進行三角網模型處理，同時輔以圖像紋理信息完成街景道路的三維建模。

2)建筑物建模。由于自動分割后的建筑物主要以立面信息為主，利用圖像的紋理信息輔助完成建筑物立面和頂面的三維建模。本次實驗采用成熟的建模軟件和方法，使用SketchUp軟件完成點云數據的導入、獨立坐標系的定義、面的擠壓與拉伸、窗戶陽臺的細節建模以及紋理映射等過程，實現了建模的完整性和較強的準確性。

3)附屬設施建模。樹和路燈等附屬設施的建模以點云提供的基點為基準，不要求實際模型的重建，只要插入現有的虛擬模型即可，最終得到附屬設施的三維重建結果(圖8)。

圖8 局部街景三維模型Fig.8 3D model of local streetscape

2.4 建筑物模型精化

在車載激光系統掃描過程中會出現被測物體表面數據丟失的問題，其原因主要有3個方面[12]:①掃描過程中各個物體由于其自身空間拓撲結構產生的遮擋(這也是補洞的重點所在);②被測物體表面不良的反射特性(對之后的模型重建沒有影響，可不考慮);③三維激光掃描儀自身的缺陷和誤差(比如掃描距離不夠時，掃描就會產生雜點)。

目前對于LiDAR點云的精化處理主要基于自身數據，通過統計模型得出被測目標表面較為完整的數據描述。本文從LiDAR數據本身出發，采用圖像紋理輔助建模，利用紋理圖像的信息及建筑物紋理的重復性，在建模過程通過復制、移動、鏡像等操作完成模型的精化，實現對有樹木等遮擋的建筑物的重建方法(圖9和圖10)。

圖9 立面不完整的建筑物點云Fig.9 Point cloud of incomplete facade building

圖10 修復后建筑物模型Fig.10 Repaired building model

上述方法對解決車載LiDAR點云掃描過程中其他地物遮擋建筑物的問題也很有效。另外，對于建筑物頂面無完整數據的處理，本次實驗主要采用航空或遙感衛星圖像輔助建模，利用建筑物的頂面紋理信息等，用人工方法完成三維建模的工作(圖11和圖12)。

圖11 頂面不完整的建筑物點云Fig.11 Point cloud of top surface of incomplete building

圖12 修復后建筑物模型Fig.12 Repaired building model

3 結論

1)本文結合車載激光雷達(LiDAR)點云數據的獲取方式和街景離散點云數據的特點，基于不同地物的屬性和特征，對街景點云數據進行快速分割處理;并在分割的基礎上對模型進行精化，完成了道路、建筑物及樹和路燈等附屬設施的三維重建。實驗結果表明，本文提出的LiDAR點云數據的分割與建模方法比較簡單，實現了道路和建筑物的半自動化分割;同時利用了成熟的建模軟件和方法，達到了建模的完整性，而且具有較強的可靠性。

2)LiDAR點云數據的高精度和快速分割直接影響后期三維建模的精度與效率，因此，全自動化的分割方法還有待進一步研究。另外，由于實驗數據的限制，本文沒有涉及復雜造型或弧形等不規則表面的建筑物的重建問題。如何更高效、更準確地完成對車載LiDAR點云數據的三維重建，仍是今后的一個研究方向。

[1]Brenner K，Haala N.Rapid acquisition of virtual reality city models from multiple data sources[J].IAPRS，1998，32(5):323-330.

[2]Haala N，Brenner C，St?tter C.An integrated system for urban model generation[C]//Proceedings of ISPRS，Cambridge:ISPRS，1998:96-103.

[3]Zhao H J，Shibasaki R.Reconstructing a textured CAD model of an urban environment using vehicle-borne laser range scanners and line cameras[J].Machine Vision and Applications，2003，14(1):35-41.

[4]Grinstead B，Koschan A，Page D，et al.Vehicle-borne scanning for detailed 3D terrain model generation[C]//Proceedings of SAE Commercial Vehicle Engineering Congress，Chicago，USA:SAE，2005:210-218.

[5]江 水，盛業華，李永強.基于車載激光掃描的帶狀地物表面快速重建[J].地球信息科學，2007，9(5):19-23，30.Jing S，Sheng Y H，Li Y Q.Rapid surface modeting of large strip objects based on vehicle-borne laser scanning[J].Geo-Information Science，2007，9(5):19-23，30.

[6]盧秀山，李清泉，馮文灝，等.車載式城市信息采集與三維建模系統[J].武漢大學學報:工學版，2003，36(6):76-80.Lu X S，Li Q Q，Feng W H，et al.Vehicle-borne urban information acquisition and 3D modeling system[J].Journal of Wuhan University:Engineering Version，2003，36(6):76-80.

[7]Li B J，Li Q Q，Shi W Z，et al.Feature extraction and modeling of urban building from vehicle-borne laser scanning data[J].ISPRS Journal of Photogrammetry and Remote Sensing，2004，35:934-939.

[8]Haala N，Brenner C.Extraction of buildings and trees in urban environments[J].ISPRS Journal of Photogrammetry and Remote Sensing，1999，54(2/3):130-137.

[9]潘建剛.基于激光掃描數據的三維重建關鍵技術研究[D].北京:首都師范大學，2005.Pan J G.Based on the research on the key technologies of laser scanning data of three dimensional reconstruction[D].Beijing:Capital Normal University，2005.

[10]戴 彬.基于車載激光掃描數據的三維重建研究[D].北京:首都師范大學，2011.Dai B.Research on 3D reconstruction of data based on vehicleborne laser scanning[D].Beijing:Capital Normal University，2011.

[11]戴 彬，鐘若飛，胡 競.基于車載激光掃描數據的城市地物三維重建研究[J].首都師范大學學報:自然科學版，2011，32(3):89-96.Dai B，Zhong R F，Hu J.Research on 3D reconstruction of urban features from data based on vehicle-borne laser scanning[J].Journal of Capital Normal University:Natural Sciencces Edition，2011，32(3):89-96.

[12]王華建，張愛武，馬惠敏，等.基于統計模型的三維場景重建補洞算法[J].光電子·激光，2004，15(10):1234-1237.Wang H J，Zhang A W，Mang H M，et al.Hole filling in range image processing based on statistical model[J].Journal of Optoelectronics·Laser，2004，15(10):1234-1237.