機載LiDAR點云和傾斜攝影影像數據融合處理技術流程

韓文泉

(1.南京市測繪勘察研究院股份有限公司，江蘇 南京 210019； 2.東南大學交通學院，江蘇 南京 210009)

機載LiDAR點云和傾斜攝影影像數據融合處理技術流程

韓文泉1，2*

(1.南京市測繪勘察研究院股份有限公司，江蘇 南京 210019； 2.東南大學交通學院，江蘇 南京 210009)

機載LiDAR點云和傾斜攝影影像是兩種新型測繪地理信息數據，可以用來制作DEM、DOM和建筑三維模型。在分析點云數據和傾斜數據基礎上，闡述點云和影像數據融合處理的關鍵步驟和方法。對點云配準、航帶裁切、三維建模以及正射影像制作流程進行了詳細闡述，開創了兩種數據源融合處理的新模式。

LiDAR點云；傾斜攝影；數據融合；三維建模；DEM

1 引 言

機載LiDAR(Light Detection And Ranging)是一種新型的空間對地觀測技術，具有獲取數據精度高、速度快、范圍大等特點，可以直接獲取地物三維坐標。激光測量系統有一定的穿透性，可以獲得多重回波及其強度信息，是對傳統攝影測量與遙感技術進一步發展[1]。機載LiDAR主要進行大面積三維地表信息采集，通過對點云分類，生產高精度DEM(Digital Elevation Model)和建筑三維模型。例如：盛志鵬(2016)利用TerraSolid進行機載與車載LiDAR點云數據的融合[2]，為進一步三維建模提供數據基礎。

傾斜攝影(Oblique Photography)是測繪領域近些年發展起來的另一項高新技術，通過在同一飛行平臺上搭載多角度相機，突破了只能從垂直角度拍攝的局限，同時獲得一個垂直、四個傾斜等五個不同角度的影像[3]。可以使用傾斜攝影獲得的影像進行城市DSM、三維面片模型的生產。例如：吳軍等研究傾斜航空影像的城區DSM生成算法[4]。但是，目前生產單位主要利用國外的商業化軟件自動建立三維面片模型，單體化后進行應用。國內雖然有公司在開發同類型的軟件，還不是十分成熟。

結合激光和傾斜攝影各自優勢，數據融合處理并利用，目前國內生產單位采用這樣的方式頗少。本文結合機載LiDAR數據和傾斜攝影的影像，闡述融合數據處理采用的關鍵技術和流程，生產DEM、DOM和三維模型成果。采用這樣方法生產的數據成果精度高、速度快、成本低，廣泛應用于城市規劃和城市管理等領域[5]。

2 數據處理前置條件

2.1機載LiDAR數據

機載LiDAR數據需要滿足以下條件：

①機載數據要求有足夠的點密度，一般要求5點/m2以上；

②數據精度符合相應規范要求，點云位置坐標、航帶間相互匹配精度在規定范圍內。其中誤差一般在 10 cm之內；

③點云具備相應的信息。除了位置坐標，還應有強度、時間標記等。

2.2傾斜攝影的影像

傾斜攝影的影像需要滿足以下條件：

①隨影像提供航跡線文件，提供相機安裝位置文件；

②提供每個相機鏡頭的參數和畸變改正文件；

③航飛時間選擇正確，影像色彩適中，重疊度合格。

2.3數據融合處理準備

傾斜攝影數據主要是影像，而激光掃描的數據是點云，要融合在一起處理，首先選擇適宜的軟件平臺。目前處理傾斜攝影的軟件，一般不能處理激光點云，所以需要選擇處理激光點云的軟件平臺。在統一的軟件平臺下，需要作如下的準備：

①統一兩種數據的坐標系統，用控制點檢查誤差，若有誤差則需改正；

②影像唯一編號，轉換數據格式等，使影像處理起來方便；

③建立編輯環境，確定范圍線等輔助準備工作。

3 融合處理關鍵步驟和方法

3.1總體技術流程

機載LiDAR數據和傾斜攝影數據融合處理總體技術流程如圖1所示：

圖1 數據融合處理流程圖

數據融合處理主要通過統一坐標系，獲得地物激光點、垂直相機影像和傾斜相機影像。點云用來生產地面的DEM和建筑點云，融合影像與點云，生成建筑三維模型、建筑頂面和立面正射影像。建筑頂面用垂直相機的影像，建筑立面用傾斜相機影像。

3.2點云數據配準

由于棱鏡尺度和激光掃描儀與慣性測量裝置(IMU)間的角度誤差，機載激光掃描儀產生不同掃描帶之間同名地物上的點位置不一致。這些角度誤差以航偏角(heading)，橫滾角(roll)和俯仰角(pitch)的角度修正值表示，這些值對每個激光掃描儀系統來說是必須為已知。所以，有效的求取這些參數，可以配準點云。具體步驟如下：

①解算GPS軌跡；

②用最后已知校準值由系統專用軟件計算激光點的三維坐標XYZ；

以上兩步一般由數據采集方完成。

③輸入航飛軌跡信息；

④輸入帶時間標記的激光點；

⑤在橫截面里直觀地比較飛行航線，設法沿著飛行方向和垂直飛行方向兩方面察看斜面表面。目視檢查是非常直接的方法，有兩個要點：第一，兩個方向都要查看；第二，重點是不同架次間檢查。如果有架構航線，多度重疊區是非常好的檢查區域。

⑥如果沒有明顯的重大誤差，可以跳過后續步驟，直接進行一般的數據處理流程。

⑦分類低點。每條航線內地面分類，如果可能，從地面點里分離出水面的激光點。

⑧(可選)查找適合匹配的區域(較差航線，裸露的有坡度表面)，選擇出來建立獨立工程，用于配準計算；(可選)在適合匹配的區域里分建筑物類，用于配準計算。

下面分成兩種模式進行配準工作：

第一種，面到面配準

⑨找出對于航偏角、橫滾角、俯仰角和鏡面尺度的全部數據調整的改正值。如果改正值顯著，就進行改正；找出每一條飛行航線的高程或高程+旋轉角的改正值。如果改正顯著，就應用改正值；找出高程的波動值。如果改正值顯著，就應用改正值。

第二種，基于連接線配準

⑨搜索基于地面類和(可選)建筑類的連接線；

⑩在整個數據集中求解航偏角，橫滾角，俯仰角和鏡面尺度的改正值。如果改正值顯著，就在連接線和激光點云中應用改正值。

3.3激光點分類

(1)裁切重疊航線

裁切重疊航線是把多條航線的重疊區域的激光數據移走。可以設置重疊區域的激光點分到一個單獨類中或者從數據集中刪除。下面有幾種方法來裁切重疊，但不能一起使用。

①依質量裁切

依質量裁切將從有更好激光數據的航線位置刪除低質量的激光點，如圖2所示。這個操作只在一條航線明顯好過另一條的時候才有意義。下列情況適合使用這種方法：

a.有來自不同海拔高的兩條航線的激光數據。一般低飛的比高飛的準確；

b.一些航線上硬件設備沒有在最好的工作狀態中；

c.一些線的GPS軌跡信息很弱；

d.激光數據只有單一的交叉航線，而大部分航線都在另一個方向。

圖2裁切前后對比，左圖為裁切前，右圖為裁切后

②裁切單掃描儀邊緣

裁切單掃描儀邊緣方法適用于用雙系統機載數據采集中去除重疊。它只移除一個掃描儀采集到的邊緣數據。

③按偏移量裁切

按偏移量裁切選項從飛機通過的有限空間邊緣(如果那個位置被別的航線更好的垂直覆蓋)移除激光點。這個操作有兩個目的：

a.移除飛行走廊邊緣生成更一致的數據密度和點布局；

b.誤差大小隨著角度增加而增長。移除飛行走廊邊緣點就去掉了較不精確的數據，保留了較準確的中間部分數據。

按偏移量裁切選項需要有軌跡信息。如果激光點時間標記無法獲得，它將認為一個垂直的發射位置為軌跡，如圖3所示。

圖3裁切前后對比，左圖為裁切前，右圖為裁切后

④根據掃描角裁切

根據掃描角裁切方法刪除大于給定掃描角值的點。它移除了航線的邊緣點，類似于按偏移量裁切方法，需要軌跡信息。

(2)地表激光點分類

在分類之前，要充分了解激光點的現狀。主要用可視化方法，用豎向截面查看。可數據的低點，需要首先濾除。這些低點是由于玻璃反射或水面等原因產生，對機載激光的地面點分類影響很大。

地表點分類時，其中有一個“重復角度”參數：小于4為平地、4～7為丘陵地、大于7為山地。分類結束后需要查看地面點的分類效果。對于分類不正確的點，可以用手動分類工具修改。

(3)分類水面

水面上的點，一般會分到地表類中，這些點是不準確的，需要單獨分類。對于一些數據集，一些水邊的防護堤也被劃為水面部分。水面分類可以通過水面多邊形，一次把水面劃分為一類。水面多邊形，一般通過測量獲得。若不能獲得外業的測量結果，需要根據激光點云的高差變化和同期影像，目視判斷得出水面的邊線。

在實際工程中，水中有激光點，雖然不十分準確，通過截面分析，若誤差在允許范圍內，可以作為地面點進行構面，從而生產出整個測區的DEM數據成果。如圖4所示：

圖4 水面和普通地表組成測區DEM

(4)建筑分類

建筑物從相對高度方面考慮，其高度與大型喬木相當。所以，分類算法通常根據激光點的相對高度，過濾出疑似建筑的激光點。這里面的點包括建筑和大樹等目標的激光點，通常稱之為“高植被”點。通過建筑頂面的人工建造規則形狀特征，分出哪些是建筑。對于建筑物激光點的分類，準確度較高。誤差多來自于漏分，由于一些低矮的小房屋受到其旁邊的高大植被的影響。

3.4建筑三維建模

在激光掃描點云處理中，建筑三維建模也稱之為建筑三維矢量化，是今后地理信息數據表達更高級的形式。可以自動矢量化多個房屋并人工進行改進，用來批量生產三維建筑房屋的矢量模型，并且可以在后期進行編輯。矢量化方法是基于從激光點云中探測出建筑物頂面的原理，因此除了建筑激光腳點不需要額外的數據源。建筑模型一經建立，就可以用工具編輯、插入和刪除邊線、建立模型。自動化矢量化建筑流程如下：

①配準航帶并裁切重疊區域；

②分類地表點；

③分類可能是建筑頂部的點，這些點還可能是高植被或較高物體的點；

④分類建筑頂部的點；

⑤(可選)如果有影像，根據影像校準分類的正確性；

⑥根據激光點特征創建建筑矢量模型，根據影像修改模型表達的粒度和物理面的位置、大小，來編輯建筑模型。

自動矢量化建筑的精度依賴于激光點云數據的準備情況和點云的密度，高密度的激光點可以創建更準確的三維建筑模型。下面對點密度與模型精細程度給出建議性說明：

a.對于低密度點云(小于每平方米2個點)數據，可以建立好較大建筑模型，小建筑將會有許多問題，會丟失建筑結構細節；

b.對于中密度點云(每平方米2～10個點)數據，可以建立好建筑模型；

c.對于高密度點云(大于每平方米10個點)數據，可以建立好建筑模型，并能夠表現建筑結構細節。

這個建筑三維矢量化方法的主要優點是在一個相對短的時間內自動生產大面積三維建筑模型。這個過程還可以構建復雜的屋頂、非平面屋頂和含有大量的細節面片的屋頂模型。

三維矢量化過程的缺點是它完全依賴于源數據的質量。例如，如果在部分建筑屋頂上缺失激光數據，就沒有辦法很好創建這個建筑模型，因為沒有辦法表達現有建筑的缺失部分。

3.5正射影像

(1)相機文件

傾斜攝影測量系統一般會有多個相機，需要已知每個相機鏡頭的焦距、CCD尺寸、像主點坐標以及鏡頭畸變。這些信息保存為相機文件。在處理影像時，需要按每個鏡頭的影像區分，根據相機文件和影像姿態恢復到攝影時的位置。

(2)地面和建筑頂面正射影像

地面和建筑頂面正射影像需要地面的DEM和建筑頂面外輪廓的三維坐標。地面的DEM通過激光點云分類得到；建筑頂面外輪廓的三維坐標通過三維矢量化建筑時獲得的建筑三維頂面獲得。地面和建筑頂面正射影像制作過程如下：

①獲得地面和建筑三維頂面矢量；

②建立垂直相機的影像列表，包括影像文件，影像位置，姿態和相機文件；

③根據垂直相機的影像之間的重疊部分，選擇連接點，進行空中三角測量計算，恢復單片的空中姿態；

④設置各信息文件的位置，如：建筑物頂面邊線、縮略圖、航跡線等；

⑤正射影像生成。

(3)立面正射影像

立面正射影像生成方法與地面和建筑頂面正射影像生成方法基本相同，不同是需要深度圖，這里不再贅述。

4 結果分析

圖5顯示了利用兩種數據源建立的三維場景結果。左圖完全是三維空間的信息，用空間三角面表達，主要來自于激光點云；右圖附加了影像的紋理信息，來自于傾斜攝影的影像。這個三維場景是由DEM、DOM和建筑三維模型組合而成，本身各自獨立存在，可以分開使用。

圖5三維場景結果

5 總 結

把機載LiDAR和傾斜攝影兩種數據源進行融合處理，打破了原來各自進行處理和信息提取的模式，能夠有效利用多源數據的多種信息，是今后地理信息三維化發展重要方向之一。

[1] 史建青. 機載LiDAR在省級基礎測繪中若干關鍵技術研究[D]. 武漢：武漢大學，2014.4：1～10.

[2] 盛志鵬. 利用Terrasolid進行機載與車載LiDAR點云數據的融合[J]. 測繪通報，2016(6)：77～78.

[3] 孫宏偉. 基于傾斜攝影測量技術的三維數字城市建模[J]. 現代測繪，2014(1)：18～21.

[4] 吳軍，程門門，姚澤鑫等. 傾斜航空影像的城區DSM生成[J]. 中國圖象圖形學報，2015，20(6)：0845～0856.

[5] 韓文泉. 基于LiDAR技術的城市植被三維結構信息提取[D]. 南京：南京大學，2012.9：10～21.

AirborneLiDARPointCloudandObliquePhotographicImageDataFusionProcessingWorkFlow

Han Wenquan1，2

(1.Nanjing Institute of Surveying，Mapping & Geotechnical Investigation，Co.，Ltd.，Nanjing 210019，China；2.School of Transportation，Southeast University，Nanjing 210009，China)

Airborne LiDAR point cloud and oblique photographic image are two type of new surveying，mapping and geographic information data. That can be used to make the DEM，DOM and 3D Building Models. Based on the analysis of point cloud and oblique images，the key steps and methods of the fusion processing of point cloud and oblique image data are described. This paper elaborates on the points cloud matching，the flight line cutting，the building 3D modeling and the DOM producing process work flow. It creates a new model for the fusion of the two data sources.

LiDAR point cloud；oblique photogrammetry；data fusion；3D modeling；DEM

1672-8262(2017)05-17-05

P23

B

2017—07—13

韓文泉(1974—)，男，高級工程師，主要從事遙感、激光點云數據處理等方面的工作。

江蘇省測繪地理信息科研項目(JSCHKY201606)

本論文獲得2017年“華正杯”城市勘測優秀論文一等獎。