机载LiDAR点云和倾斜摄影影像数据融合处理技术流程

韩文泉

(1.南京市测绘勘察研究院股份有限公司，江苏 南京 210019； 2.东南大学交通学院，江苏 南京 210009)

机载LiDAR点云和倾斜摄影影像数据融合处理技术流程

韩文泉1，2*

(1.南京市测绘勘察研究院股份有限公司，江苏 南京 210019； 2.东南大学交通学院，江苏 南京 210009)

机载LiDAR点云和倾斜摄影影像是两种新型测绘地理信息数据，可以用来制作DEM、DOM和建筑三维模型。在分析点云数据和倾斜数据基础上，阐述点云和影像数据融合处理的关键步骤和方法。对点云配准、航带裁切、三维建模以及正射影像制作流程进行了详细阐述，开创了两种数据源融合处理的新模式。

LiDAR点云；倾斜摄影；数据融合；三维建模；DEM

1 引 言

机载LiDAR(Light Detection And Ranging)是一种新型的空间对地观测技术，具有获取数据精度高、速度快、范围大等特点，可以直接获取地物三维坐标。激光测量系统有一定的穿透性，可以获得多重回波及其强度信息，是对传统摄影测量与遥感技术进一步发展[1]。机载LiDAR主要进行大面积三维地表信息采集，通过对点云分类，生产高精度DEM(Digital Elevation Model)和建筑三维模型。例如：盛志鹏(2016)利用TerraSolid进行机载与车载LiDAR点云数据的融合[2]，为进一步三维建模提供数据基础。

倾斜摄影(Oblique Photography)是测绘领域近些年发展起来的另一项高新技术，通过在同一飞行平台上搭载多角度相机，突破了只能从垂直角度拍摄的局限，同时获得一个垂直、四个倾斜等五个不同角度的影像[3]。可以使用倾斜摄影获得的影像进行城市DSM、三维面片模型的生产。例如：吴军等研究倾斜航空影像的城区DSM生成算法[4]。但是，目前生产单位主要利用国外的商业化软件自动建立三维面片模型，单体化后进行应用。国内虽然有公司在开发同类型的软件，还不是十分成熟。

结合激光和倾斜摄影各自优势，数据融合处理并利用，目前国内生产单位采用这样的方式颇少。本文结合机载LiDAR数据和倾斜摄影的影像，阐述融合数据处理采用的关键技术和流程，生产DEM、DOM和三维模型成果。采用这样方法生产的数据成果精度高、速度快、成本低，广泛应用于城市规划和城市管理等领域[5]。

2 数据处理前置条件

2.1机载LiDAR数据

机载LiDAR数据需要满足以下条件：

①机载数据要求有足够的点密度，一般要求5点/m2以上；

②数据精度符合相应规范要求，点云位置坐标、航带间相互匹配精度在规定范围内。其中误差一般在 10 cm之内；

③点云具备相应的信息。除了位置坐标，还应有强度、时间标记等。

2.2倾斜摄影的影像

倾斜摄影的影像需要满足以下条件：

①随影像提供航迹线文件，提供相机安装位置文件；

②提供每个相机镜头的参数和畸变改正文件；

③航飞时间选择正确，影像色彩适中，重叠度合格。

2.3数据融合处理准备

倾斜摄影数据主要是影像，而激光扫描的数据是点云，要融合在一起处理，首先选择适宜的软件平台。目前处理倾斜摄影的软件，一般不能处理激光点云，所以需要选择处理激光点云的软件平台。在统一的软件平台下，需要作如下的准备：

①统一两种数据的坐标系统，用控制点检查误差，若有误差则需改正；

②影像唯一编号，转换数据格式等，使影像处理起来方便；

③建立编辑环境，确定范围线等辅助准备工作。

3 融合处理关键步骤和方法

3.1总体技术流程

机载LiDAR数据和倾斜摄影数据融合处理总体技术流程如图1所示：

图1 数据融合处理流程图

数据融合处理主要通过统一坐标系，获得地物激光点、垂直相机影像和倾斜相机影像。点云用来生产地面的DEM和建筑点云，融合影像与点云，生成建筑三维模型、建筑顶面和立面正射影像。建筑顶面用垂直相机的影像，建筑立面用倾斜相机影像。

3.2点云数据配准

由于棱镜尺度和激光扫描仪与惯性测量装置(IMU)间的角度误差，机载激光扫描仪产生不同扫描带之间同名地物上的点位置不一致。这些角度误差以航偏角(heading)，横滚角(roll)和俯仰角(pitch)的角度修正值表示，这些值对每个激光扫描仪系统来说是必须为已知。所以，有效的求取这些参数，可以配准点云。具体步骤如下：

①解算GPS轨迹；

②用最后已知校准值由系统专用软件计算激光点的三维坐标XYZ；

以上两步一般由数据采集方完成。

③输入航飞轨迹信息；

④输入带时间标记的激光点；

⑤在横截面里直观地比较飞行航线，设法沿着飞行方向和垂直飞行方向两方面察看斜面表面。目视检查是非常直接的方法，有两个要点：第一，两个方向都要查看；第二，重点是不同架次间检查。如果有架构航线，多度重叠区是非常好的检查区域。

⑥如果没有明显的重大误差，可以跳过后续步骤，直接进行一般的数据处理流程。

⑦分类低点。每条航线内地面分类，如果可能，从地面点里分离出水面的激光点。

⑧(可选)查找适合匹配的区域(较差航线，裸露的有坡度表面)，选择出来建立独立工程，用于配准计算；(可选)在适合匹配的区域里分建筑物类，用于配准计算。

下面分成两种模式进行配准工作：

第一种，面到面配准

⑨找出对于航偏角、横滚角、俯仰角和镜面尺度的全部数据调整的改正值。如果改正值显著，就进行改正；找出每一条飞行航线的高程或高程+旋转角的改正值。如果改正显著，就应用改正值；找出高程的波动值。如果改正值显著，就应用改正值。

第二种，基于连接线配准

⑨搜索基于地面类和(可选)建筑类的连接线；

⑩在整个数据集中求解航偏角，横滚角，俯仰角和镜面尺度的改正值。如果改正值显著，就在连接线和激光点云中应用改正值。

3.3激光点分类

(1)裁切重叠航线

裁切重叠航线是把多条航线的重叠区域的激光数据移走。可以设置重叠区域的激光点分到一个单独类中或者从数据集中删除。下面有几种方法来裁切重叠，但不能一起使用。

①依质量裁切

依质量裁切将从有更好激光数据的航线位置删除低质量的激光点，如图2所示。这个操作只在一条航线明显好过另一条的时候才有意义。下列情况适合使用这种方法：

a.有来自不同海拔高的两条航线的激光数据。一般低飞的比高飞的准确；

b.一些航线上硬件设备没有在最好的工作状态中；

c.一些线的GPS轨迹信息很弱；

d.激光数据只有单一的交叉航线，而大部分航线都在另一个方向。

图2裁切前后对比，左图为裁切前，右图为裁切后

②裁切单扫描仪边缘

裁切单扫描仪边缘方法适用于用双系统机载数据采集中去除重叠。它只移除一个扫描仪采集到的边缘数据。

③按偏移量裁切

按偏移量裁切选项从飞机通过的有限空间边缘(如果那个位置被别的航线更好的垂直覆盖)移除激光点。这个操作有两个目的：

a.移除飞行走廊边缘生成更一致的数据密度和点布局；

b.误差大小随着角度增加而增长。移除飞行走廊边缘点就去掉了较不精确的数据，保留了较准确的中间部分数据。

按偏移量裁切选项需要有轨迹信息。如果激光点时间标记无法获得，它将认为一个垂直的发射位置为轨迹，如图3所示。

图3裁切前后对比，左图为裁切前，右图为裁切后

④根据扫描角裁切

根据扫描角裁切方法删除大于给定扫描角值的点。它移除了航线的边缘点，类似于按偏移量裁切方法，需要轨迹信息。

(2)地表激光点分类

在分类之前，要充分了解激光点的现状。主要用可视化方法，用竖向截面查看。可数据的低点，需要首先滤除。这些低点是由于玻璃反射或水面等原因产生，对机载激光的地面点分类影响很大。

地表点分类时，其中有一个“重复角度”参数：小于4为平地、4～7为丘陵地、大于7为山地。分类结束后需要查看地面点的分类效果。对于分类不正确的点，可以用手动分类工具修改。

(3)分类水面

水面上的点，一般会分到地表类中，这些点是不准确的，需要单独分类。对于一些数据集，一些水边的防护堤也被划为水面部分。水面分类可以通过水面多边形，一次把水面划分为一类。水面多边形，一般通过测量获得。若不能获得外业的测量结果，需要根据激光点云的高差变化和同期影像，目视判断得出水面的边线。

在实际工程中，水中有激光点，虽然不十分准确，通过截面分析，若误差在允许范围内，可以作为地面点进行构面，从而生产出整个测区的DEM数据成果。如图4所示：

图4 水面和普通地表组成测区DEM

(4)建筑分类

建筑物从相对高度方面考虑，其高度与大型乔木相当。所以，分类算法通常根据激光点的相对高度，过滤出疑似建筑的激光点。这里面的点包括建筑和大树等目标的激光点，通常称之为“高植被”点。通过建筑顶面的人工建造规则形状特征，分出哪些是建筑。对于建筑物激光点的分类，准确度较高。误差多来自于漏分，由于一些低矮的小房屋受到其旁边的高大植被的影响。

3.4建筑三维建模

在激光扫描点云处理中，建筑三维建模也称之为建筑三维矢量化，是今后地理信息数据表达更高级的形式。可以自动矢量化多个房屋并人工进行改进，用来批量生产三维建筑房屋的矢量模型，并且可以在后期进行编辑。矢量化方法是基于从激光点云中探测出建筑物顶面的原理，因此除了建筑激光脚点不需要额外的数据源。建筑模型一经建立，就可以用工具编辑、插入和删除边线、建立模型。自动化矢量化建筑流程如下：

①配准航带并裁切重叠区域；

②分类地表点；

③分类可能是建筑顶部的点，这些点还可能是高植被或较高物体的点；

④分类建筑顶部的点；

⑤(可选)如果有影像，根据影像校准分类的正确性；

⑥根据激光点特征创建建筑矢量模型，根据影像修改模型表达的粒度和物理面的位置、大小，来编辑建筑模型。

自动矢量化建筑的精度依赖于激光点云数据的准备情况和点云的密度，高密度的激光点可以创建更准确的三维建筑模型。下面对点密度与模型精细程度给出建议性说明：

a.对于低密度点云(小于每平方米2个点)数据，可以建立好较大建筑模型，小建筑将会有许多问题，会丢失建筑结构细节；

b.对于中密度点云(每平方米2～10个点)数据，可以建立好建筑模型；

c.对于高密度点云(大于每平方米10个点)数据，可以建立好建筑模型，并能够表现建筑结构细节。

这个建筑三维矢量化方法的主要优点是在一个相对短的时间内自动生产大面积三维建筑模型。这个过程还可以构建复杂的屋顶、非平面屋顶和含有大量的细节面片的屋顶模型。

三维矢量化过程的缺点是它完全依赖于源数据的质量。例如，如果在部分建筑屋顶上缺失激光数据，就没有办法很好创建这个建筑模型，因为没有办法表达现有建筑的缺失部分。

3.5正射影像

(1)相机文件

倾斜摄影测量系统一般会有多个相机，需要已知每个相机镜头的焦距、CCD尺寸、像主点坐标以及镜头畸变。这些信息保存为相机文件。在处理影像时，需要按每个镜头的影像区分，根据相机文件和影像姿态恢复到摄影时的位置。

(2)地面和建筑顶面正射影像

地面和建筑顶面正射影像需要地面的DEM和建筑顶面外轮廓的三维坐标。地面的DEM通过激光点云分类得到；建筑顶面外轮廓的三维坐标通过三维矢量化建筑时获得的建筑三维顶面获得。地面和建筑顶面正射影像制作过程如下：

①获得地面和建筑三维顶面矢量；

②建立垂直相机的影像列表，包括影像文件，影像位置，姿态和相机文件；

③根据垂直相机的影像之间的重叠部分，选择连接点，进行空中三角测量计算，恢复单片的空中姿态；

④设置各信息文件的位置，如：建筑物顶面边线、缩略图、航迹线等；

⑤正射影像生成。

(3)立面正射影像

立面正射影像生成方法与地面和建筑顶面正射影像生成方法基本相同，不同是需要深度图，这里不再赘述。

4 结果分析

图5显示了利用两种数据源建立的三维场景结果。左图完全是三维空间的信息，用空间三角面表达，主要来自于激光点云；右图附加了影像的纹理信息，来自于倾斜摄影的影像。这个三维场景是由DEM、DOM和建筑三维模型组合而成，本身各自独立存在，可以分开使用。

图5三维场景结果

5 总 结

把机载LiDAR和倾斜摄影两种数据源进行融合处理，打破了原来各自进行处理和信息提取的模式，能够有效利用多源数据的多种信息，是今后地理信息三维化发展重要方向之一。

[1] 史建青. 机载LiDAR在省级基础测绘中若干关键技术研究[D]. 武汉：武汉大学，2014.4：1～10.

[2] 盛志鹏. 利用Terrasolid进行机载与车载LiDAR点云数据的融合[J]. 测绘通报，2016(6)：77～78.

[3] 孙宏伟. 基于倾斜摄影测量技术的三维数字城市建模[J]. 现代测绘，2014(1)：18～21.

[4] 吴军，程门门，姚泽鑫等. 倾斜航空影像的城区DSM生成[J]. 中国图象图形学报，2015，20(6)：0845～0856.

[5] 韩文泉. 基于LiDAR技术的城市植被三维结构信息提取[D]. 南京：南京大学，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

韩文泉(1974—)，男，高级工程师，主要从事遥感、激光点云数据处理等方面的工作。

江苏省测绘地理信息科研项目(JSCHKY201606)

本论文获得2017年“华正杯”城市勘测优秀论文一等奖。