基于倾斜摄影和激光点云的城市实景三维模型构建研究

赖国棣

（福建省地质测绘院，福建 福州）

引言

基于倾斜摄影和激光点云的城市实景三维模型构建研究是一种前沿和高度实用的研究方向。倾斜摄影，通过从不同角度和方向对目标进行拍摄，能够获取目标表面更加完整和精细的信息。激光点云技术，则是通过激光扫描器快速、高精度地获取大量点云数据，从而用于表面重建和模型生成。这两种技术各自有其优点和局限，但结合起来，它们能够互补不足，提供更加精确和详细的三维模型。

1 项目概况

本项目选择新建南门古建筑为研究对象，基于倾斜摄影和激光点云技术对这座新建的古建筑进行三维模型构建，以保护、传承和展示该建筑的历史文化价值。古建筑作为历史文化遗产，具有特定的建筑特点和风格。它包括传统的建筑元素，如雕刻、彩绘、斗拱和古代飞檐等。其建筑形式和结构通过倾斜摄影和激光点云技术可被捕捉到，并转化为高精度的三维模型，总体流程如图1 所示。

图1 实景三维模型构建流程

2 数据获取

2.1 倾斜摄影测量点云数据

利用大疆Phantom 4 RTK 无人机进行倾斜和低空摄影，获得1155 张多视角影像并嵌入POS 信息。同时，利用全站仪测量设置的公共控制点。使用ContextCapture Center 软件对多视角影像、POS 数据和控制点数据进行处理，包括数据预处理、空中三角测量和生成三维点云等步骤。最终得到建筑物的摄影测量点云数据[1]，倾斜摄影测量建立实景三维模型流程如图2 所示。

图2 倾斜摄影测量建立实景三维模型流程

2.2 三维激光点云数据

使用地面三维激光扫描仪采集全景影像，通过FARO SCENE 软件对扫描数据、影像和控制点进行处理，包括去噪、多站拼接、着色、点云精简、坐标转换等步骤，最终获得建筑物的三维激光点云数据[2-3]。倾斜影像与三维激光点云联合空中三角测量结果。

3 多源数据融合重建

3.1 点云数据粗配准

点云数据的配准是一种实现数据刚性变换的过程，主要采用旋转、放和平移等方法，使两个具有不同坐标原点和坐标轴方向的点云能够配准。点云数据配准方法主要采用七参数法，包括尺度系数λ、平移矩阵t 和旋转矩阵R[4-5]。旋转变换围绕Z 轴旋转γ 角度，旋转角与坐标之间的关系可以通过公式（1）表示。

从式（1）中可以得出旋转矩阵Rz(γ)：

源坐标绕X 轴旋转和Y 轴旋转矩阵如下：

源坐标系O-XYZ 分别绕Z、Y、Z 轴旋转后，三个旋转参数为 (α , β ,γ)，旋转矩阵R 如下：

将源坐标按照X、Y、Z 方向平移后，可以完成源坐标系平移变化，平移参数为 (t,t,t)，平移矩阵如下：

源坐标经过平移和旋转变换后，共有6 个参数，为旋转参数 (α , β, γ) 和平移参数 (t,t,t)，两个坐标系关系式如下：

为了将摄影测量点云和三维激光点云初步对准并计算变换参数，需选择多个特征点进行匹配。选择的特征点包括自然特征点、建筑物、人工标靶等。通过匹配这些特征点，可以计算出点云之间的旋转和平移变换关系，实现粗配准的目的。特征点的选取应具有明显的辨识度和稳定性，以确保匹配的准确性和可靠性[6]。

3.2 点云数据ICP 配准

点云的粗配准提供了准确的初始位置，进一步采用最近点迭代（Iterative Closest Point，ICP）配准提高空间配准精度。ICP 是常用的点云配准算法，通过确定最近的对应点集，并通过迭代优化求解变换矩阵参数。最终停止条件可以是达到设定的迭代次数或优化收敛准则。

假设目标点云为X，源点云为P，X 与P 之间的距离为d：

采用7 参数向量表示点集平移、旋转变换，如下所示：

ICP 算法的处理过程如下：

（1） 寻找对应点集，计算源点集P 在目标点集X 中的最近点作为对应点；

（4） 设定迭代次数或收敛阈值为判断条件，若满足条件则迭代完成，否则继续迭代。点云报告生成后进行相邻测点重合点密度、点云间误差检查，基于检查结果客观评估整体点云精度是否可以达到项目基本要求。点云配准报告见表1。

表1 点云配准报告

依据配准报告，点云间误差＞5 mm、重合点小于30.0%及可信度＜100.0%的相邻测点需要重新核查，若发现拼接有误的测站则需要手动单点拼接处理，以此提高点云质量，确保点云精度符合项目要求。

3.3 实景三维模型构建

利用配准后的三维激光点云和摄影测量多视影像作为数据源，将其导入ContextCapture Center 软件进行空中三角测量，生成影像点云和三维激光点云的联合空三结果。在构建三角网格阶段，摄影测量密集点云和三维激光点云共同参与，弥补了单一技术无法获取完整信息的不足。使用融合低空倾斜摄影测量和地面LiDAR 的精细化三维重建方法，生成具有纹理模型的实景三维模型。

4 实景模型精度分析

通过全站仪对检查点进行实测坐标测量，并在多源数据融合的三维重建模型上进行相应点位坐标测量，计算二者三维坐标之间的差值，各检查点实测、模型坐标数据如表2 所示。

表2 各检查点实测和模型坐标数据

经融合数据处理后，三维模型的精度统计结果如下：经过数据融合处理后，三维模型在X 方向误差范围为±0.75 cm，Y 方向误差范围为±0.87 cm，平面误差为±1.15 cm，高程误差为0.95 cm。在X 和Y 方向上的误差在0～2 cm 范围内，高程误差在0～1 cm 范围内。

该三维重建方法构建的三维模型充分表达了建筑物顶部、中下部和内部区域的空间信息，完整地还原了建筑物的实际场景，实现了数据源的优势互补。在模型的空洞部分，利用三维激光点云成功补充了摄影测量影像生成的稀疏点云，保持了三角网格结构的完整性，同时在细节处理和纹理结构方面表现良好，能够准确表达建筑物复杂部分的细节构造和内部信息。综上所述，该融合低空倾斜摄影测量和地面LiDAR 的建筑物三维重建方法具有较高的位置精度，并能完善地呈现建筑物的几何和纹理信息，为精细化三维重建提供了一种优越的方法。

5 结论

基于倾斜摄影和激光点云技术进行城市实景三维模型构建，以新建南门古建筑为例进行实证研究。通过多源数据的融合和重建，成功构建了具有高精度的建筑物实景模型。该方法在位置精度、几何结构和纹理信息表达方面表现出较高的准确性和完整性。通过倾斜摄影测量和激光点云技术的优势互补，实现了对建筑物空间信息的全面表达。未来的研究可以进一步探索该方法在其他古建筑和城市环境中的应用，以及与其他三维重建技术的组合使用，进一步提升模型的精度和综合表达能力。