基于机载LiDAR 点云数据的地形级实景三维建设实践

邓兴　张国清　崔卫磊　马子俊

摘要：根据国家实景三维建设大纲的技术指导，实景三维建设的具体内容和生产工艺等已得到进一步的明确。全国各地试点均积极投入实景三维建设的实践。结合技术大纲的要求，通过实践，文章利用贵阳市中心城区1：1000机载Li?DAR点云数据生产1m×1m高精度数字高程模型（DEM） ，同时结合数字线划数据自动进行单体建模，最后融合存量正射影像数据（DOM） ，构建贵阳市中心城区三千平方千米的基础版地形级实景三维模型。以此构建的地形级实景三维成果完全满足技术大纲的基本要求，内容丰富，精度可靠，具有实践与借鉴意义。

关键词：机载激光雷达；实景三维；数字高程模型；正射影像；单体化白模

中图分类号：TP3 文献标识码：A

文章编号：1009-3044（2024）13-0100-03 开放科学（资源服务）标识码（OSID） ：

0 引言

实景三维是对人类生产、生活和生态空间进行真实、立体、时序化反映和表达的数字虚拟空间，是国家新型基础设施建设的重要组成部分[1]。实景三维由空间数据体、物联感知数据和支撑环境三部分构成，其中空间数据体包括了地理场景和地理实体[1-2]。实景三维建设涵盖的内容丰富，本文涉及的地理场景成果主要包括高精度数字高程模型（DEM） 、正射影像（DOM） 及单体化白模，是地形级实景三维成果的一部分。本文阐述了利用1：1000机载LiDAR点云数据生成高精度DEM 和单体化模型，同时融合正射影像数据（DOM） ，形成基础版地形级实景三维成果。这项工作是在利用机载LiDAR点云数据生成高精度DEM和单体化白模自动建模方面进行探索，另一方面也是进行实景三维建设的生产实践。

1 建设思路

根据地形级实景三维建设的目标，本文中的建设流程可分解为5个步骤：1） 点云数据预处理：包括冗余数据的消除、数据滤波、点云分区分块、数据分层分类、点云拼接、数据优化等；2） 特征点、线提取：在预处理点云数据的基础上，采集带有高程信息的特征线（也称断裂线），如：建筑物边线、道路边线等；3） 构造三角网（TIN） 、生产DEM：利用分类后的地面点高程、特征点（线），构建不规则三角网（TIN） ，并内插生成1m×1m格网的DEM成果数据[3]；4） 构建单体化白模：利用存量数字线划数据结合激光点云数据实现自动或半自动化建模，制作单体化白模成果；5） 生产基础版地形级实景三维：融合生成的高精度DEM、存量正射影像数据及单体化白模，构建贵阳市中心城区三千平方千米的基础版地形级实景三维成果[4]。技术路线如图1所示。

2 建设内容

2.1 点云数据处理

本文利用1：1000激光点云数据，经检测平均点云密度为8.5点/m2、点云高程中误差为0.35m，点云数据覆盖范围约3 000平方千米。

2.1.1 基准转换及分块

把原始点云数据转换成平面坐标系统为2000国家大地坐标系、投影方式为高斯-克吕格投影的点云数据；通过全区均匀分布的控制点，计算出测区内高程异常值的模型，将高程系统拟合到1985国家高程基准上，再按照分幅框生成对应的分块，然后根据分块的边界将点云自动裁切，并按照图幅名称对应到分块中，以便数据浏览和项目生产[5]。

2.1.2 点云数据自动滤波及分类

利用点云处理专用软件，对点云数据进行逐块滤波分类，以区分出地面点和噪点等类别。根据本区域的特点，自动滤波区域可划分为以下样地类型：市区建筑密集区、郊区厂房密集区、乡镇建筑物稀疏区、郊区农田密集区、丘陵植被密集区以及山地植被密集区等[6-7]。示例如图2所示。

2.1.3 点云数据手动分类

对自动分类的成果，使用LiDAR点云数据处理系统，参照已有影像数据或卫星影像数据进行手动分类滤波，获得用于制作高精度的DEM的分类点云数据。同时按照1：1000比例尺DEM生产制作工艺要求、成果标准和数据表达内容，将点云数据进行分类。点云数据分类如表1所示，其中地面点用于生成DEM。

2.1.4 特殊点云分类方法及分类后点云接边

对于高程突变的区域，我们需通过调整参数或算法，对小面积区域重新进行自动分类；对于分类错误的点，需进行重新分类。在分类过程中，应以点云切剖面为主要依据，而将影像作为辅助参考。在处理较为平滑、直线型的区域时，可以适当放大剖面宽度；然而，在拐角处，尤其是立交桥、高架公路等接地与架空的临界区域，为确保精确度，切剖面的宽度应尽量缩小[3，7]。

为了保证模型接边处地形过渡自然，应利用Li?DAR点云数据处理系统加载图幅结合表，随后使用接边工具进行点云接边，并合理设置接边宽度，软件自动载入周边图幅设置宽度范围内的数据。若遇到大面积水域时，接边宽度的设置可根据实际情况适当放宽。

2.2 高精度DEM 制作

目前，DEM成果的获取方法主要包括：基于地面平台的数字化地面测量；航空和卫星平台摄影测量与遥感等。数字化地面测量往往耗时费力；卫星遥感虽能获取大区域DEM，但精度较低；航空摄影测量则对于植被覆盖区域DEM的获取具有一定困难。利用激光点云数据生成DEM作为本次使用的一种手段，其在获取植被覆盖区域的高精度DEM有着其他手段无可比拟的优势。激光点云数据在进行滤波分类后，能有效去除植被、建筑物等地物信息并获取真实的地面点信息，进而生成高精度高分辨率的DEM成果。

本次DEM 制作是在分类点云数据中提取地面点，再在地面点中完成两步重要过程，即地面点漏洞区域的发现与补测、特征线的采集，在此基础上进行高精度DEM制作。

2.2.1 特征线采集

根据实际情况，采集带有高程信息的特征线参与DEM生成。如：建筑物边线、道路边线、桥梁边线、河流边线、面状水域范围线等，在勾画水域边线时以模型最低点高程为准[5，7]。如果点云数据无法获取高程时，需要补测高程信息，对于不能满足DEM产品精度要求的数据范围也需要补测高程信息。

2.2.2 构建不规则三角网（TIN） 生成DEM

点云数据经过上述处理后，在LiDAR点云数据处理系统中利用已完成分类的点云中所有地面点层、人工补测点和人工勾绘的带有高程信息的各类特征线，自动构建生成TIN。利用TIN，按照1米采样间隔内插，高程值取位至0.01米，无效值设为-9999，自动生成1米规则格网的DEM成果，格式均为TIFF格式，并包含同名TFW文件。最后以图幅为单位、外扩20m导出DEM。

2.3 单体化白模制作

建筑物单体化是本次地形级实景三维建设的一部分，主要以白模形式表达。单体化建模主要是通过数字线划数据与激光点云数据实现自动或半自动化处理，制作单体化白模成果。

2.3.1 建筑模型自动投影

基于数字线划数据，在海量点云数据组织管理的基础上，对点云数据和数字线划数据进行综合分析，快速索引模型平面内的点云数据，采用点云分割、三角网构建等数据组织方法分析点云空间分布，计算模型平面方程，快速高效地自动将二维线划成果转化为三维模型成果。其中，点云分割算法是点云三维重建中的基础算法也是关键算法，基于法向量和距离约束的平面分割方法对原始点云进行分割，根据LiDAR点云二维距离特征，对种子点周围点云进行区域增长，分割出不同的建筑物屋顶面信息，利用最小二乘计算屋顶面法向量、分析平面距离得到建筑物屋顶面拓扑关系。例如：一般房屋的矢量模型体现为矩形，投影后模型结构为规则的长方体。通过点云数据信息获取房屋及地面高度，以地面高度为投影平面，用投影的方式自动生成以线划图房屋边界为模型侧面的三维模型。如图3为一般房屋和简单房屋模型效果图。

2.3.2 桥梁单体化

DEM和DOM数据融合后，涉及桥梁处的原始影像会形成塌陷，为保证地理场景的美观，要对原始桥梁处影像进行处理，使其与周围地物纹理相适。同时对桥梁进行单体化处理，使其不出现拉花的情况。具体步骤包括根据数字正射影像对桥梁的外侧边界进行勾画，确定桥梁边界；根据激光点云确定桥梁的高度；根据确定的桥梁平面与高程信息，利用DPModeler软件对桥梁进行单体化制作，使最终的效果更接近桥梁实景的真实表达。

3 基础版地形级实景三维建设

在上述成果建设的基础上，对存量DOM进行整理，利用整理后的DOM数据成果、DEM数据成果和白模成果构建地形缓存数据，最终融合地形缓存数据和优化后的桥梁数据形成基础版地形级实景三维成果[8]。

基础版地形级实景三维成果的地形缓存数据由DOM和DEM数据生成[1，4]，具体工作中，第一步对DOM 进行数据检查，包括对数据投影、影像色彩、接边情况等进行检查；第二步按照数据所属投影带分块；第三步结合DOM、DEM数据，去除边界外的无效区域；第四步导入单体化数据，检查叠合情况；最后生成地形缓存及最终成果输出，如图4所示。

4 结束语

自然资源部关于加快测绘地理信息事业转型升级更好支撑高质量发展的意见中指出，到2025年，实景三维中国建设将取得阶段性成果；到2030年，实景三维中国将全面建成[2，9]。本文利用1：1000 机载Li?DAR点云数据为基础，结合存量数字线划图及正射影像数据（DOM） ，构建地形级实景三维建设实践，验证了实景三维中国建设技术大纲的可行性，并从中探索到了可靠的技术路径，总结了符合地方特色的技术经验，为实景三维建设在贵州山区加快推进提供了参考经验。

参考文献：

[1] 自然资源部办公厅. 实景三维中国建设技术大纲（2021版）.自然资办发〔2021〕56 号[EB/OL]. （2021-08-11） [2024-01-22]. http：//gi. mnr. gov. cn/202108/t20210816_2676831. html.

[2] 自然资源部. 实施三维中国建设总体实施方案（2023-2025年）. 自然资发[2023]31号[EB/OL]. （2023-03-03） [2024-01-22]. https：//www. doc88. com/p-67216534798972. html.

[3] 杨辉山，雷丽珍. 机载LiDAR点云获取与高精度DEM建设关键技术探讨[J]. 测绘通报，2019（3）：124-127.

[4] 马红. 大范围多源多尺度实景三维模型建设及应用研究：以重庆市实景三维模型建设为例[J]. 测绘通报，2019（S2）：61-64.

[5] 国家测绘地理信息局. 机载激光雷达数据处理技术规范.CH/T 8023-2011[EB/OL]. （2011-11-15） [2024-01-22]. https：//www. doc88. com/p-8062967763751. html.

[6] 杨必胜，梁福逊，黄荣刚. 三维激光扫描点云数据处理研究进展、挑战与趋势[J]. 测绘学报，2017，46（10）：1509-1516.

[7] 王道杰，陈倍，孙健辉. 机载LiDAR点云密度对DEM精度的影响[J]. 测绘通报，2022（5）：140-144，169.

[8] 刘润东. 实景三维新型测绘能力建设及典型应用[J]. 测绘与空间地理信息，2017，40（8）：159-161.

[9] 自然资源部. 关于加快测绘地理信息事业转型升级更好支撑高质量发展的意见. 自然资发〔2023〕158[EB/OL]. （2023-08-22）[2024-01-22]. https：//www. gov. cn/zhengce/zhengceku/202308/content_6899855. htm.

【通联编辑：代影】