多源数据融合在广府古城三维重建中的应用

张新行,张 培,齐 亮,陈永立

(1. 河北省第三测绘院,河北 石家庄 050031; 2.河北省第一测绘院,河北 石家庄 050031)

随着测量技术、空间数据获取技术及地理信息系统等技术的发展,对真实物理世界进行三维可视化,与二维的显示方式相比,三维显示具有更直观、更真实和更高精度的空间位置优势[1-2]。

三维建模的技术主要分为人工建模、倾斜摄影建模和激光雷达建模3种。人工建模模型效果好,缺点是周期长、非实景建模,一般适用于小范围、单个对象建模;倾斜摄影建模效率高、成本低、实景模型,缺点是受外部因素影响大、细节效果不够好,一般适用于大范围建模;地面激光雷达抗干扰强、效果好,但成本较高、范围小,一般适用于古建筑、单个对象[3]。

综上,本文基于无人机倾斜摄影、机载激光雷达、地面激光雷达融合建模的方法,同时采用大疆无人机补拍重点建筑纹理数据对倾斜摄影数据进行补充[4-5],选择邯郸广府古城作为研究对象,将4种数据相融合进行实景三维重建,以期获得高效率、低成本、精细化的广府古城实景三维模型。

1 数据采集及处理

(1)无人机倾斜摄影采用了纵横CW-15无人机搭载CA503倾斜相机。无人机五拼相机获取传统倾斜摄影数据。

(2)机载激光雷达采用了曜宇六旋翼无人机搭载激光雷达扫描设备。无人机航测采集空中激光雷达点云,主要获取顶层与地面点云数据。

(3)地面雷达采用了GeoSLAM手持激光雷达扫描仪。GeoSLAM手持激光雷达扫描仪获取地面点云数据,主要目的是为了融合建模过程中对房檐以下空中获取不到的数据进行补充,从而获取高精度模型[6]。

(4)补拍照片采用了大疆无人机。通过低空摄影,对房檐下遮挡部分进行纹理补拍,达到建模成果纹理优化效果。

1.1 倾斜摄影数据采集及处理

1.1.1 数据采集

倾斜摄影数据指的是五镜头传感器相机采集的5个角度的航摄照片。像片控制点采用网络RTK测量,获得2000国家大地坐标系(CGCS2000)下的控制点数据。倾斜摄影采集时航向重叠度、旁向重叠度均为75%,地面采样距离(ground sampling distance, GSD)设为3 cm。利用大疆无人机补拍重点建筑纹理数据。使用RTK布设像控点15个。

1.1.2 数据处理

(1)图像数据预处理。无人机采集影像数据后,对采集影像进行检查和预处理,主要包括航片质量检查、航片匀色等。

(2)空中三角测量。传统的空中三角测量系统无法较好地处理倾斜摄影数据,而多视角影像联合平差需要充分考虑影像之间的几何变形和遮挡问题,因此倾斜摄影空三平差最重要的是如何将垂直下视影像和倾斜影像进行混合平差。重建大师软件结合POS系统提供的外方位元素和相机安装位置关系,模拟包括倾斜影像在内的所有影像的地表投影范围,采取由粗到精的金字塔匹配策略,在各级影像上进行同名点自动匹配和自由网光束法平差,得到较好的同名点匹配结果[7]。同时,通过建立连接点和控制点坐标文件,结合GNSS/IMU信息,实现多视角影像自检校区域网平差迭代计算,通过多次反复联合解算,直至符合精度要求,最终得到空三加密后点云[8]。

1.2 机载激光点云数据采集及处理

机载激光雷达点云采用曜宇旋翼无人机搭载LiAir D1350激光雷达系统进行数据采集,机载激光雷达点密度优于40点/m2。

1.2.1 数据采集

数据采集前,根据设备性能、点云密度和飞行范围制定飞行方案,包括飞行的时间、地点、基站架设及地面控制点的设置等。

1.2.2 机载点云数据预处理

对原始数据进行解码,将基站观测数据、基站坐标和机载GNSS观测数据、IMU数据导入LiAcquire软件,进行POS数据处理,形成航迹文件结果,参照IMU/GPS辅助航空摄影相关标准填写POS数据处理结果分析表。联合POS数据和激光测距数据进行点云数据解算,生成三维激光点云。

数据预处理完成后,采用控制点检查的方式检查点云数据精度,点云数据的高程中误差小于0.15 m,平面位置中误差小于点云平均间距。

1.3 地面激光点云数据采集及处理

采用SLAM技术完成地面激光点云数据采集,主要流程包括扫描区块划分、控制点布设、数据采集、数据预处理。手持雷达SLAM对主要街道进行扫描,并在城墙上扫描,补充地面点云信息。

1.3.1 数据采集

SLAM系统没有GPS信号辅助定位,IMU长时间工作累积误差较大,导致数据成果精度不达标。因此,在使用SLAM设备扫描时,单次扫描时间不超过15 min。地面扫描时,需对扫描场景进行扫描区块划分,拆分为多个合理的区块,各区块之间重叠部分不小于20%,且对各区块提前进行扫描线路规划,尽可能围绕地物绕8字形闭合线路[9]。

划分区块后,沿扫描规划路线布设控制点,控制点均匀分布于区块扫描范围内部和边缘。在周围环境特征点较少的区域,每40～50 m布设一个控制点,周围环境特征点丰富的区域每100 m左右布设一个控制点。控制点测量与像控点的测量技术要求相同[10]。

1.3.2 点云数据预处理

(1)点云去噪。由于扫描环境、扫描目标、设备参数等原因,扫描过程中会产生部分噪声数据,这些噪声会影响点云配准的精度。通过不同的滤波方法,如高斯滤波、随机采样一致性滤波,完成点云数据的滤波与平滑。

(2)点云拼接。不同测站的点云数据需经过配准完成拼接得到完整的点云数据。点云配准是将不同测站的点云通过旋转平移拼接在一起,这就要求各测站的点云数据有一定的重叠度。常用的拼接方法为自动拼接和手动拼接。自动拼接可通过提取重叠部分点云的特征点或人为设置公共靶标进行配准;人工配准则需要人工选取不同的特征点,利用多组特征点计算得出旋转矩阵完成拼接[11-12]。

(3)点云坐标系转换。拼接完成后的点云数据通过控制点进行坐标转换到CGCS2000中,转换完成后检查点误差统计如图1所示。

图1 检查点误差统计

2 基于多源数据融合的实景三维建模

经过数据预处理,利用后差分解算倾斜摄影数据,通过航带拼接、去噪、平滑、匹配等过程,预处理机载、Slam点云数据。加入控制点使用重建大师软件对倾斜数据进行空三解算,通过几何校正、同名点匹配、区域网平差,完成空三后,加入预处理完成的点云数据和轨迹线文件进行匹配融合处理,进行三维重建,生成三维模型[13],技术流程如图2所示。

2.1 多源数据融合建模

首先利用重建大师进行多源数据融合三维模型生产,将合格的倾斜摄影空三加密成果自动生成的密集点云和机载、地面采集的点云通过赋予不同的权重进行点云融合、配准,共同构建不规则三角网TIN;然后对三角网进行平滑和简化后生成白模;最后将倾斜影像的纹理自动映射到白模上,生成高精度的三维模型。

在多源数据融合时,选择以影像密集匹配点云、手持和机载激光点云等权重的方式进行三维重建,实现了对大面积历史街区场景的高精度重建[14]。

2.2 多源数据融合建模预传统倾斜摄影建模对比

传统倾斜摄影建模由于建筑物遮挡,采集不到房檐下数据,纹理覆盖不够,或白模质量差。融合地面激光雷达扫描数据后,房檐下纹理清晰可辨,白模精度大幅提高,模型棱角分明。比如城门洞与城门支柱模型也构建成功。传统倾斜摄影建模与多源数据融合建模效果对比如图3所示。

从图3中的城门和店铺的模型效果上来看,传统倾斜摄影测量生成的模型有部分结构缺失,如城门的门洞、店铺的窗格等。在建筑物的房檐下,由于遮挡,影像的重叠度不足,使得采用传统倾斜摄影房檐下模型结构生成不完整,纹理扭曲、拉花严重。本文采用的多源数据融合技术可使模型的效果大大提升,如房檐下模型结构完整,地下部分结构清晰可见,纹理清晰。

3 质量评价

通过将现场实测点位坐标与在融合模型上采集的同名点进行坐标比较。在试验区选择12个点进行精度比较,精度结果见表1。从模型效果来看,倾斜与点云数据融合后的模型效果对由于遮挡等问题造成的模型不完整、扭曲、拉花有明显的提升,并且白模更加精细。

4 结 语

本文以广府古城为例探讨了基于多源数据融合的实景三维建模技术,实现了倾斜摄影、机载雷达、手持SLAM、无人机补拍等数据处理和融合建模。结果表明,与无人机倾斜摄影建模相对比,多源数据融合建模效果更好,建模质量有了大幅度提升,可以解决地面三维激光扫描因建筑遮挡缺少顶部信息存在大量空洞、无人机因建筑挡住角度无法采集数据等问题[15]。该多源数据融合技术有效地获取了三维场景空间信息,提高了三维场景建模质量。在保证高精度的同时进一步提高了建模效率,形成了一套快速有效的三维场景建模体系。