車載激光三維建模技術研究

曹參參 陳磊 郭麗媛

摘 要：整個點云數據建模過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。本文提出的方法能夠很好地為快速三維建模進行服務，尤其是比較關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。

關鍵詞：激光 點云數據 三維建模 模型重建

中圖分類號：P228 文獻標識碼：A 文章編號：1672-3791（2018）08（a）-0012-02

近年來基于激光掃描技術的三維建模技術成為了研究熱點。激光掃描儀能夠直接獲取景物的深度信息，方便快捷。此外，利用激光掃描技術進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感的三維模型。本文對車載激光點云數據的全自動數據預處理方法以及模型重建進行了相關的研究與實現。

整個點云數據建模過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云數據的濾波、點云數據的平滑、點云數據的縮減、點云數據的分割、點云數據的分類、不同站點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化等。實際應用中，應根據三維激光掃描數據的特點及建模需求，選用相應的數據處理策略和方法。

1 數據預處理

針對車載激光點云數據的特性，將數據預處理方法分為兩類：半自動的數據預處理方法和全自動的數據預處理方法。

1.1 半自動數據預處理方法

半自動的方法主要是利用現有的各種類型的點云數據處理軟件，如三維激光掃描儀配帶的相應點云數據處理軟件或逆向工程領域比較著名的商業點云處理軟件，一般都具有點云數據編輯、拼接與合并、數據點三維空間量測、點云數據可視化、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。

1.2 全自動數據預處理方法

本文主要介紹一種基于數學形態學的數據濾波分類方法，通過此方法實現地面點與非地面點的分類。

數學形態學操作是基于集理論從圖像中來提取特征。它有兩個基本的操作：開運算（Dilation）和閉運算（Erosion）。

開運算（Dilation）可以有如下的定義來處理每個點p（X，Y，Z）：Dp=max（Zp）|（Xp，Yp）屬于Wp。其中，Wp表示 p（X，Y，Z）點一定范圍內的鄰域窗口。開運算（dilation）的實質就是取最大值操作；閉運算（Erosion）可以有如下的定義來處理每個點p（X，Y，Z）：Dp=min（Zp）|（Xp，Yp）屬于Wp。其中，Wp表示p（X，Y，Z）點一定范圍內的鄰域窗口。

閉運算（Dilation）的實質就是取最小值操作。在本算法中，我們把數學形態學的思路應用于點云數據預處理中來。在算法的實現過程中，我們需要不斷地調整運用這兩個操作的窗口大小。因此，此算法也是一個多次迭代的過程，并且它是一種基于圖像的DTM濾波算法。

1.3 數據預處理結果

按照以上算法流程編寫MATLAB程序，實現地面點與非地面點的分離，用本算法進行濾波時要注意濾波參數的設置，通常要根據不同地表形態來選取適當的參數。應用本算法對鐵路兩旁的數據進行了濾波處理，該算法能很好地實現地面點與非地面點的分離，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，這些直接影響著濾波的效果，因此要實現很好的濾波需要根據實際地形情況反復試驗幾個濾波參數。

2 模型重建

點云數據經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和非地面點，所以，模型重建也通過這兩類來分析。

2.1 地面點建模

與通常的柵格影像數據不同，激光點云數據是離散分布的不規則點數據。因此，要用模型的形式表示地形表面分布，就需要進行網格化處理，即將離散的點連續化。我們采用三角網的方式對數據進行組織，地形表面由連接數據點的三角形構成，通過進行插值實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。三角形網格化目前以狄洛尼（Delaunay）三角剖分最為流行，本文實驗研究就是采用對離散點集的Delaunay三角剖分來完成對濾波分類后的地面點云連續化的，見圖1。

2.2 非地面點建模

本文針對車載激光點云數據總結了以下的建模方法和步驟。

2.2.1 對非地面點進一步分類

通過車載掃描系統獲得的點云數據中非地面點存在很多雜點，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。這樣直接用這些點云數據進行建筑物建模，其效果會很差，所以有必要對非地面點進一步分類，可分為建筑物、線桿以及其他地物點（如植被、路燈、公交站牌、廣告牌等）等。其中建筑物是非地面點中最重要的部分，也是通常最關心的地物。

2.2.2 通過點云數據對建筑物進行特征提取

在激光掃描數據的處理中，建筑物特征提取是一個與數據分類緊密相關的問題。建筑物特征提取依賴于數據分類的方法和結果，還要充分利用建筑物自身的幾何特征。利用前面提出的數據分類方法，考慮建筑物自身的幾何特征，設計了一個簡單的建筑物特征提取方法。

首先，從分類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格網單元中Z值最大和Z值最小的數據點，這些點就是建筑物的特征點；后續處理中，可以從這些特征點中探測線特征或者用線段擬合這些特征點得到建筑物的特征線，也可以導入專業建模軟件直接參與三維建模。

3 結語

本文結合某三維建模案例，探討了基于激光點云數據的數據預處理方法和模型重建方法，論文探討了半自動數據預處理方法和全自動數據預處理方法，給出了全自動數據預處理的算法流程，在模型重建中，論文探討了地面點重建和非地面點重建。該方法能夠很好地為快速三維建模進行服務，尤其是比較關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。

參考文獻

[1] 石波，盧秀山，王冬，等.基于多傳感器融合的車載三維測量系統時空配準[J].傳感器與微系統，2007，26（9）：14-16.

[2] 徐紹銓，張華海，楊志強，等.GPS測量原理及應用[M].武漢：武漢大學出版社，2003：55-59.