多源數據融合在廣府古城三維重建中的應用

張新行,張 培,齊 亮,陳永立

(1. 河北省第三測繪院,河北 石家莊 050031; 2.河北省第一測繪院,河北 石家莊 050031)

隨著測量技術、空間數據獲取技術及地理信息系統等技術的發展,對真實物理世界進行三維可視化,與二維的顯示方式相比,三維顯示具有更直觀、更真實和更高精度的空間位置優勢[1-2]。

三維建模的技術主要分為人工建模、傾斜攝影建模和激光雷達建模3種。人工建模模型效果好,缺點是周期長、非實景建模,一般適用于小范圍、單個對象建模;傾斜攝影建模效率高、成本低、實景模型,缺點是受外部因素影響大、細節效果不夠好,一般適用于大范圍建模;地面激光雷達抗干擾強、效果好,但成本較高、范圍小,一般適用于古建筑、單個對象[3]。

綜上,本文基于無人機傾斜攝影、機載激光雷達、地面激光雷達融合建模的方法,同時采用大疆無人機補拍重點建筑紋理數據對傾斜攝影數據進行補充[4-5],選擇邯鄲廣府古城作為研究對象,將4種數據相融合進行實景三維重建,以期獲得高效率、低成本、精細化的廣府古城實景三維模型。

1 數據采集及處理

(1)無人機傾斜攝影采用了縱橫CW-15無人機搭載CA503傾斜相機。無人機五拼相機獲取傳統傾斜攝影數據。

(2)機載激光雷達采用了曜宇六旋翼無人機搭載激光雷達掃描設備。無人機航測采集空中激光雷達點云,主要獲取頂層與地面點云數據。

(3)地面雷達采用了GeoSLAM手持激光雷達掃描儀。GeoSLAM手持激光雷達掃描儀獲取地面點云數據,主要目的是為了融合建模過程中對房檐以下空中獲取不到的數據進行補充,從而獲取高精度模型[6]。

(4)補拍照片采用了大疆無人機。通過低空攝影,對房檐下遮擋部分進行紋理補拍,達到建模成果紋理優化效果。

1.1 傾斜攝影數據采集及處理

1.1.1 數據采集

傾斜攝影數據指的是五鏡頭傳感器相機采集的5個角度的航攝照片。像片控制點采用網絡RTK測量,獲得2000國家大地坐標系(CGCS2000)下的控制點數據。傾斜攝影采集時航向重疊度、旁向重疊度均為75%,地面采樣距離(ground sampling distance, GSD)設為3 cm。利用大疆無人機補拍重點建筑紋理數據。使用RTK布設像控點15個。

1.1.2 數據處理

(1)圖像數據預處理。無人機采集影像數據后,對采集影像進行檢查和預處理,主要包括航片質量檢查、航片勻色等。

(2)空中三角測量。傳統的空中三角測量系統無法較好地處理傾斜攝影數據,而多視角影像聯合平差需要充分考慮影像之間的幾何變形和遮擋問題,因此傾斜攝影空三平差最重要的是如何將垂直下視影像和傾斜影像進行混合平差。重建大師軟件結合POS系統提供的外方位元素和相機安裝位置關系,模擬包括傾斜影像在內的所有影像的地表投影范圍,采取由粗到精的金字塔匹配策略,在各級影像上進行同名點自動匹配和自由網光束法平差,得到較好的同名點匹配結果[7]。同時,通過建立連接點和控制點坐標文件,結合GNSS/IMU信息,實現多視角影像自檢校區域網平差迭代計算,通過多次反復聯合解算,直至符合精度要求,最終得到空三加密后點云[8]。

1.2 機載激光點云數據采集及處理

機載激光雷達點云采用曜宇旋翼無人機搭載LiAir D1350激光雷達系統進行數據采集,機載激光雷達點密度優于40點/m2。

1.2.1 數據采集

數據采集前,根據設備性能、點云密度和飛行范圍制定飛行方案,包括飛行的時間、地點、基站架設及地面控制點的設置等。

1.2.2 機載點云數據預處理

對原始數據進行解碼,將基站觀測數據、基站坐標和機載GNSS觀測數據、IMU數據導入LiAcquire軟件,進行POS數據處理,形成航跡文件結果,參照IMU/GPS輔助航空攝影相關標準填寫POS數據處理結果分析表。聯合POS數據和激光測距數據進行點云數據解算,生成三維激光點云。

數據預處理完成后,采用控制點檢查的方式檢查點云數據精度,點云數據的高程中誤差小于0.15 m,平面位置中誤差小于點云平均間距。

1.3 地面激光點云數據采集及處理

采用SLAM技術完成地面激光點云數據采集,主要流程包括掃描區塊劃分、控制點布設、數據采集、數據預處理。手持雷達SLAM對主要街道進行掃描,并在城墻上掃描,補充地面點云信息。

1.3.1 數據采集

SLAM系統沒有GPS信號輔助定位,IMU長時間工作累積誤差較大,導致數據成果精度不達標。因此,在使用SLAM設備掃描時,單次掃描時間不超過15 min。地面掃描時,需對掃描場景進行掃描區塊劃分,拆分為多個合理的區塊,各區塊之間重疊部分不小于20%,且對各區塊提前進行掃描線路規劃,盡可能圍繞地物繞8字形閉合線路[9]。

劃分區塊后,沿掃描規劃路線布設控制點,控制點均勻分布于區塊掃描范圍內部和邊緣。在周圍環境特征點較少的區域,每40～50 m布設一個控制點,周圍環境特征點豐富的區域每100 m左右布設一個控制點。控制點測量與像控點的測量技術要求相同[10]。

1.3.2 點云數據預處理

(1)點云去噪。由于掃描環境、掃描目標、設備參數等原因,掃描過程中會產生部分噪聲數據,這些噪聲會影響點云配準的精度。通過不同的濾波方法,如高斯濾波、隨機采樣一致性濾波,完成點云數據的濾波與平滑。

(2)點云拼接。不同測站的點云數據需經過配準完成拼接得到完整的點云數據。點云配準是將不同測站的點云通過旋轉平移拼接在一起,這就要求各測站的點云數據有一定的重疊度。常用的拼接方法為自動拼接和手動拼接。自動拼接可通過提取重疊部分點云的特征點或人為設置公共靶標進行配準;人工配準則需要人工選取不同的特征點,利用多組特征點計算得出旋轉矩陣完成拼接[11-12]。

(3)點云坐標系轉換。拼接完成后的點云數據通過控制點進行坐標轉換到CGCS2000中,轉換完成后檢查點誤差統計如圖1所示。

圖1 檢查點誤差統計

2 基于多源數據融合的實景三維建模

經過數據預處理,利用后差分解算傾斜攝影數據,通過航帶拼接、去噪、平滑、匹配等過程,預處理機載、Slam點云數據。加入控制點使用重建大師軟件對傾斜數據進行空三解算,通過幾何校正、同名點匹配、區域網平差,完成空三后,加入預處理完成的點云數據和軌跡線文件進行匹配融合處理,進行三維重建,生成三維模型[13],技術流程如圖2所示。

2.1 多源數據融合建模

首先利用重建大師進行多源數據融合三維模型生產,將合格的傾斜攝影空三加密成果自動生成的密集點云和機載、地面采集的點云通過賦予不同的權重進行點云融合、配準,共同構建不規則三角網TIN;然后對三角網進行平滑和簡化后生成白模;最后將傾斜影像的紋理自動映射到白模上,生成高精度的三維模型。

在多源數據融合時,選擇以影像密集匹配點云、手持和機載激光點云等權重的方式進行三維重建,實現了對大面積歷史街區場景的高精度重建[14]。

2.2 多源數據融合建模預傳統傾斜攝影建模對比

傳統傾斜攝影建模由于建筑物遮擋,采集不到房檐下數據,紋理覆蓋不夠,或白模質量差。融合地面激光雷達掃描數據后,房檐下紋理清晰可辨,白模精度大幅提高,模型棱角分明。比如城門洞與城門支柱模型也構建成功。傳統傾斜攝影建模與多源數據融合建模效果對比如圖3所示。

從圖3中的城門和店鋪的模型效果上來看,傳統傾斜攝影測量生成的模型有部分結構缺失,如城門的門洞、店鋪的窗格等。在建筑物的房檐下,由于遮擋,影像的重疊度不足,使得采用傳統傾斜攝影房檐下模型結構生成不完整,紋理扭曲、拉花嚴重。本文采用的多源數據融合技術可使模型的效果大大提升,如房檐下模型結構完整,地下部分結構清晰可見,紋理清晰。

3 質量評價

通過將現場實測點位坐標與在融合模型上采集的同名點進行坐標比較。在試驗區選擇12個點進行精度比較,精度結果見表1。從模型效果來看,傾斜與點云數據融合后的模型效果對由于遮擋等問題造成的模型不完整、扭曲、拉花有明顯的提升,并且白模更加精細。

4 結 語

本文以廣府古城為例探討了基于多源數據融合的實景三維建模技術,實現了傾斜攝影、機載雷達、手持SLAM、無人機補拍等數據處理和融合建模。結果表明,與無人機傾斜攝影建模相對比,多源數據融合建模效果更好,建模質量有了大幅度提升,可以解決地面三維激光掃描因建筑遮擋缺少頂部信息存在大量空洞、無人機因建筑擋住角度無法采集數據等問題[15]。該多源數據融合技術有效地獲取了三維場景空間信息,提高了三維場景建模質量。在保證高精度的同時進一步提高了建模效率,形成了一套快速有效的三維場景建模體系。