基于异源数据融合和众数算法的建筑物高度提取技术研究

张秀英，卢智婷，何华贵

(广州市城市规划勘测设计研究院，广东 广州 510060)

1 引 言

新型基础测绘背景下，实景三维是最重要的产品之一。在城市级三维场景应用中，建构筑物作为城市场景中最重要的要素，建筑物三维模型数据的展示必不可少。传统的手工建模方法，追求与现实世界近乎一致的高精度纹理，目前已面临高额的时间成本和人工成本带来的发展瓶颈[1]。近年来利用倾斜摄影技术进行三维建模的方法因自动化程度较高得到了迅速发展，利用倾斜模型建模技术构建的三维场景不仅拥有准确的地物地理位置空间信息，还能表达地物精细的细节特征。在城市级三维场景中，除了局部重点区域精细模型，其他区域仍需要建筑三维模型作为背景，三维建筑白模是首选。充分利用已有二维房屋面基础数据，根据建筑物高度直接拉升构建三维盒子[2，3]，该方法适用于大面积、大批量的建筑物自动建模，纹理精度低但建模效率高，同时具备语义化的三维表达，可开展各种空间分析和统计应用。基础地形图中建筑房屋面拥有高精度的平面位置，但在传统测绘过程中，想要测量获得建筑物的实际高度比较困难。地形图采集房屋面基底面、分层面，并采集建筑结构、建筑层数、建筑用途等属性信息，一般未采集建筑物实际高度和每一层实际层高。随着近景摄影测量、三维激光扫描等技术的发展，利用高精度的三维激光点云数据准确提取建筑物屋顶高度成为可能。在新型基础测绘背景下，如何能有效地继承和应用已有各类存量数据成为探索新型基础测绘的必经之路。本文设计并提出了一套完整的技术路径和计算方法，以激光点云数据为对象，通过一种改良的众数算法提取屋顶高度作为建筑物的顶部高度，结合数字高程模型获取建筑物地表高程，以此为基础构建建筑物三维模型，通过该方法构建的建筑物三维白模高度更接近实际。

2 三维建筑白模构建的现状

2.1 固定层高拉伸构建白模

建筑物高度值的获取目前较为常用的做法是采用建筑层数乘以固定层高的计算方法。这种单一固定层高的算法过于简单和粗糙，对于住宅、商业、工业、仓储、公共服务设施等不同类型的建筑来说统一标准层高显然与实际不符。

2.2 激光点云数据逆向建模

作为一种能直接获得物体表面三维(X、Y、Z)信息的手段，激光扫描技术能快速采集物体表面信息。目前，基于机载LiDAR数据提取建筑物轮廓线、估测植被范围、电力线自动提取、地质灾害应急等方面有着较为广泛的研究。由于激光扫描采集空间信息的盲目性，使得激光点云在三维空间分布上呈现出随机和离散的特性。由于点云数据量大、密度大、无拓扑关联、离散盲目等独特性，对于激光点云滤波、分类自动化、信息提取等处理专业要求极高，处理过程耗时且自动化程度较低[4]。以上研究大部分基于激光点云本身开展逆向建模，大都属于半自动化的处理方式，在实际生产中并未得到深入的应用。

3 融合点云和存量房屋面的建筑高度自动提取

早在2008年，广州市地形图基础测绘工作已经开展图属一体化升级生产，房屋面、植被、道路等完成了构面及拓扑处理。通过十几年基础测绘的积累，广州市主要区域基本完成 1∶500测图，全域完成 1∶2 000测图，并按照“1235”更新机制实现动态更新。地形图中房屋面数据平面位置采集精度较高，分层面可实现建筑结构细部表达。本文综合利用机载Lidar点云数据和 1∶500地形图中房屋面进行高精度异源数据融合[5]，通过一种改良的众数算法和FME无代码编程技术，实现建筑物高度的自动化提取，基于提取结果构建语义化的三维白模，为数字孪生城市提供更贴合现实高度的模型底板。本次研究的所有数据处理均在FME软件中完成，具有可随时跟踪、随时调整参数、随时变更处理步骤、可重复利用等特点。

3.1 数据预处理

数据预处理包括分层房屋面标准化处理和海量点云数据过滤。房屋面分层表达，即建筑结构不同、基底不同、层高不同的分别表示(图1)。分层面中包括楼层信息、实际层高等关键属性，不同楼层结构的采用不同的分层面分别表示，从地面起其第一种结构称为基底面，其余为分层面(表1)。不同结构的分层面范围不同，分层表达的房屋面能更精细地表达房屋不同层高和不同建筑结构，但房屋面属性中没有建筑物高度或层高的信息。本研究第一步是充分利用已有现势性良好的房屋分层面数据，进行标准化检查和处理。

表1 分层面表达的楼层属性解析

图1 一栋建筑分层面表达的二维矢量图

根据房屋面的要素代码和空间关系两个条件叠加判断是否为独立房屋面和分层面。如果为独立房屋面，则直接叠加激光点云数据获取建筑物屋顶高度。如果为非独立房屋面，即为有基底面和至少一个分层面的复合结构建筑。对于复合结构建筑，基底面和分层面在空间范围上是重叠的，且基底面为占地范围最大的面。对于复合结构建筑，首先要通过规则运算，将同一栋建筑的基底面和分层面分配同一个建筑物编号，作为同一栋建筑的身份识别。对于同一栋建筑物，根据开始层数进行升序的排序，将不同结构的分层面分别依次编号。在以上规则排序模式下，使用FME的面面叠加去重功能，可以获得不重叠的最顶分层面多边形。

激光点云数据过滤按照最小够用原则，设计一套规则去除无效海量数据。越高分辨率的激光点云点位密度越大数据量也越庞大，因获取过程中存在飞机倾斜、树木遮挡、物品堆放、女儿墙、雨棚、构筑物加建等多种因素的影响，直观反映物体表面真实坐标的原始点云数据包括建筑物、水系、植被等地面和非地面三维空间信息。如何从海量点云中获取准确、有效够用的数据是本研究数据预处理的第二步。首先需要对高精度点云数据进行去噪处理，剔除明显为粗差点云和无效表面数据，得到建筑物范围内表面信息的有效值[6，7]。点云去噪处理包括以下几个方面：①不考虑Z值，从平面范围过滤建筑物以外的点云数据，独立分离出建筑物表面点云，如图2所示；②根据激光点云分类类型信息去除水面、植被、模型关键点等类型的点云数据，减少建筑物以外的点云干扰。经过以上处理，剩余主要为建筑物侧面和顶面点云空间数据。

图2 平面范围进行点云过滤前后对比图

3.2 叠加采用优化众数算法和平均值法计算建筑物屋顶高程

本研究的第三步是以单栋建筑为处理单元，过滤建筑物侧面点云和顶部干扰物点云，获取单栋建筑物趋近于建筑物屋顶的点云[8，9]。如图3，根据离散点云的X、Y、Z值从三维投射到二维平面上可见，以高度Z值为Y轴，明显可见点云绝大部分高度趋于一致，可认为是高度的真值有效区间。真值区间下方点云呈现高度依次下降态势，可判定真值有效区间以下点云位于建筑物墙体外侧，属于噪声，应予以剔除。真值有效区间以上点云可能存在另一个主要高度值，可以推断以上点云为建筑屋顶上方的水塔、临时堆放的砖头、电梯间、小面积棚顶等构筑物。在 1∶500地形图中不足以分层表示，可作为噪声点剔除。图4为建筑物另一个侧面的点云投影，数据处理方式与图3相同。

图3 以坐标X为横轴的点云位置透视图

图4 以坐标Y为横轴的点云位置透视图

从分布看，众数是具有明显集中趋势的数值。众数算法是从含有n个元素的多重集合S中计算出现次数最大的元素，该值为众数。将点云高程直接作为集合S的元素，在建筑屋顶并不平整的情况下，众数算法计算结果有误，计算结果将取值到建筑物中局部水平处。考虑到建筑物屋顶表面的凹凸不平，将点云高程四舍五入取整，将取整后的值作为多重集合S，根据众数算法计算取整高程出现的概率，标记最大概率取整高程的点云。以这些点云高程真值为元素再运用平均值算法计算高程平均值，计算结果为该建筑物屋顶的高程值。

3.3 建筑物白模自动构建

以上步骤获取的是屋顶高程，构建建筑物三维白模需要建筑物高度，因此还需要获取建筑物所在的地面高程。每一栋建筑基底范围内取DEM中高程最小值为地面高程，可以保证不出现模型腾空漂浮于地面的现象。本研究所采用的激光点云数据和数字高程模型是同一航测任务同时生产的成果，现势性一致、精度一致。获取建筑物的屋顶高程和地面高程后，可以直接快速拉伸构建建筑物三维白模，可以进行三维可视化展示，同时保留所有需要的二维数据的属性。通过属性计算得到建筑物高度，再除以建筑物层数可以获得每一栋建筑物平均层高。本方法构建的建筑物三维模型和按照3 m固定层高构建的白模相比较，建筑物高低起伏差异性更为明显，如图5所示。

图5 点云高度与建筑白模贴合度较好

4 结果验证

建筑物三维白模构建完成后，使用三种方法进行结果验证。一是叠加三维倾斜模型进行对比验证建筑高度正确性，经比对，现势性良好的房屋面构建的三维白模建筑结构和高度正确性较高，对于异形屋顶略有差异。二是叠加点云数据对比。三是实地查看验证。经过验证，结果表明本方法获取的建筑物高度与现实更为接近。

在验证建筑物高度取值正确性的同时，本研究还能主动发现地形图中现势性不足的区域。根据每栋建筑物的用途，对比建筑学中该类型建筑物的平均层高标准，可以分析出层高或屋顶高程异常值。对疑似异常的数据进行进一步分析和研究，可以总结出现异常的几种情形，如激光扫描未覆盖到、建筑物加建或已拆除等，可以为地形图的更新和违章执法提供参考区域。如图6所示，实验结果中标记了高度异常的建筑与点云高度明显不贴合，经现场验证，该处建筑已变化，地形图应进行更新。如果房屋面数据中没有建筑用途属性，可以叠加最新的第三次全国国土调查成果提取。

图6 标记了高度异常的建筑与点云叠加

5 结 语

本文通过实验研究和大面积示范应用，形成了一套技术流程，实现了城市级建筑三维白模场景的自动化构建。该方法利用目前各地广泛推广使用的倾斜摄影测量技术获取激光点云，同时充分利用已有地形图中房屋面数据，破解了海量点云难以广泛应用的难题，同时为传统地形图数据提供了衍生新产品的方向，技术路线和技术方法可复用、可推广。本研究方法构建的建筑物三维白模高度更接近真实世界，因保留了丰富的属性和空间矢量图形，模型具有语义化、结构化的特点，除了表达现实，模型可视化将具备更多意义。