傾斜攝影測量與機載LiDAR點云融合在三維建模中的應用

賀丹

(重慶市勘測院，重慶 401121)

1 引 言

傾斜攝影技術可以得到更逼真的實景三維模型，同時減少人工操作的步驟，是目前三維建模的主流趨勢[1～3]。但是通過傾斜攝影測量得到的三維模型，受數據采集設備、時空天氣環境及數據處理算法的影響，其成果會存在一定的畸變和錯誤，不利于更進一步的應用，目前造成模型畸變的主要原因有以下幾個方面：①飛行器姿態變化引起的誤差；②大氣環境噪聲誤差；③受相片分辨率影響導致同名點匹配誤差。造成模型畸變和缺陷的原因復雜多樣，這也是目前基于傾斜攝影測量進行三維重建面臨的最普遍的問題[4]。對于單體建筑物，可以通過人機交互的方式進行優化，但在大場景下，手動優化的方式就會降低模型生產的效率。

LiDAR具有分辨率高、抗干擾能力強等特點[5]。利用這些優點來輔助傾斜攝影測量數據進行融合建模，可以提高模型精度。隨著LiDAR技術的進步，越來越多的學者開始研究利用LiDAR點云進行三維模型重建的技術[6]。張平等[7]通過無人機傾斜攝影和地面擺站激光掃描相結合，有效改善了傾斜攝影模型的建模效果，但地面激光掃描儀需要搬站，工作量較煩瑣。王丹陽等[8]利用LiDAR進行建筑物三維建模，獲取到了較高精度的三維模型，但在大場景下該方法效率偏低。

利用傾斜攝影測量和LiDAR點云各自的優點和特性(表1)，本文設計了一種融合傾斜攝影與LiDAR點云的三維建模方法，通過以傾斜攝影為主，激光雷達為輔的方式，在ContextCapture軟件中對二者進行融合建模，從而實現提高三維模型精度的目的。經實驗，該方法在應用于城市復雜環境時可以取得較理想的效果。

三維建模方法優缺點對比 表1

2 傾斜攝影與LiDAR點云融合建模

2.1 基于ContextCapture的傾斜攝影建模流程

ContextCapture是一款基于圖形運算單元GPU的快速三維場景運算軟件，國內有多家重要的數據生產單位正在使用該軟件[9]。使用ContextCapture軟件進行三維建模的整體流程如圖1所示。

圖1 ContextCapture常規建模流程

通過上述流程得到的三維模型較粗糙，通常建筑物會由于氣候條件、拍攝距離、航高、分辨率等原因產生不同程度的屋頂凸包、立面缺失等問題，將LiDAR點云與傾斜攝影成果進行融合建模，可以有效地彌補傾斜攝影模型的這些缺點，提高精度。

2.2 融合建模流程

首先按照常規流程在ContextCapture軟件中進行傾斜攝影數據的解算，構建空三工程后，再處理LiDAR點云數據。由于LiDAR點云與傾斜攝影測量的采集時間、數據獲取平臺、坐標系統通常都不一樣，所以要先將數據進行配準，然后進行第二次空三解算，最后生成融合后的三維模型即可，整個融合建模的流程如圖2所示。

圖2 基于ContextCapture的多源數據融合建模流程

2.3 數據采集及處理

傾斜攝影測區共2.32 km2，數據采集設定航高 150 m，航向重疊度為75%，旁向重疊度為65%，進行固定航線采集，采集并處理后結果如圖3(a)所示；機載LiDAR測區共 0.86 km2，數據采集設定航高 200 m，航線帶寬 120 m，飛行速度 10 m/s，采集并處理后結果如圖3(b)所示。

圖3 數據采集及處理結果

根據POS文件來對原始相片進行處理，首先要根據相片參數和相機參數來編輯POS文件，POS文件中包括了相片名、經緯度和高程四項數據，將經緯度和高程數據投影到目標平面坐標系上，得到一個相片名與XYZ坐標一一對應關聯的POS文件。通過軟件，將POS文件與航攝相片進行空三解算，進而通過密集匹配來匹配同名點，從而得到整個測區的密集匹配點云。處理LiDAR點云時，要先檢查LiDAR點云與采集點云數據時的航跡數據的坐標系的一致性，若坐標系不一致則要先進行坐標轉換，待航跡和點云坐標系匹配后，再導入ContextCapture軟件中進行LiDAR點云與空三工程的配準。

2.4 三維融合建模與分析

將LiDAR點云數據與傾斜攝影數據進行配準，并將配準后的數據導入ContextCapture軟件中，通過ContextCapture軟件中的Merge blocks功能，將兩組數據進行融合，然后再次提交空三解算任務。此時，LiDAR點云將會和傾斜攝影密集匹配點云同步解算，待空三任務完成后，得到融合后目標測區的實景三維模型，如圖4所示，左圖為LiDAR點云和密集匹配點云融合后的效果，右圖為融合后的實景三維模型成果。

圖4 點云融合后空三工程(左)與融合后三維模型(右)

將融合后的模型與傾斜攝影模型對比，可以看出凸包扭曲變形等問題都得到了較明顯的改善。因為在無紋理的狀態下能更清楚地觀察模型的幾何結構，所以使用白模進行對比。圖5為測區內的一棟建筑，融合LiDAR數據后，其頂部原有的凸包和凹陷部分變得較為平整，屋頂細節得到了改善。圖6為測區內的另一棟建筑，對比融合前后的模型，融合后的模型精度有了較大的提升，大部分凹陷被修復，頂部邊緣的一些鋸齒狀凸起也得到了平滑，屋頂的結構更加接近真實狀態。通過TIN格網的構建細節，發現融合LiDAR點云后，其構網密度更密集，另外由于LiDAR點云本身分辨率高、數據坐標精確，所以模型的精度得到了較明顯的提升。綜上，傾斜攝影與LiDAR點云融合可以有效提升實景三維模型的精度，修復模型的漏洞，優化模型的細節，能夠明顯提升傾斜攝影模型的精細度。

圖5 建筑物屋頂凸包問題的改善

圖6 建筑物屋頂其他問題的改善

3 融合建模精度

相對于傳統測繪，傾斜攝影測量是一門較新的技術，而三維模型的應用更是近年來才轉向市場。所以直至目前，三維模型的質量評定方式還沒有形成一個較完善的技術規范和標準，一些專家、學者、研究人員也正在努力推動技術規范的形成。宮巖[11]以傳統手工三維模型質檢標準為基礎，結合實景三維模型的特點，總結出實景三維模型數據檢查方法。張號等[12]通過分析傾斜攝影實景三維模型的特點和成果質量表現形式，歸納了常規數據質量評定的內容和方法，為實景三維模型質量評價相關標準的制定提供了一些思路。

如表2所示，實景三維模型質量評價元素主要可以參考空間參考系、位置精度、模型質量、場景效果、附件質量等幾個方面來進行。根據上述評定元素，對融合建模成果進行質量評定：①空間參考系：模型的坐標系為重慶獨立坐標系中帶，符合要求。②位置精度：通過控制點坐標檢查模型的位置精度，中誤差為 0.042 m。③模型質量：融合建模解決了大部分建筑物出現的立面缺失、空洞，屋頂凸包、變形等問題。④場景效果：融合建模的場景更加精細，與真實場景更加接近。⑤附件質量：附件質量包括數據采集設備、采集外部條件的基本記錄文檔，符合要求。

實景三維模型精度評定的主要元素 表2

4 結 語

本文從實際應用的角度出發，討論了常用的實景三維建模軟件存在的一些問題，設計了一種基于ContextCapture軟件的傾斜攝影與LiDAR點云融合建模方法，研究了該方法對于提高模型質量的優勢，并結合目前主流的精度評定元素對模型精度做出了定性的評價。實驗表明，傾斜攝影與LiDAR點云融合建模，可以有效提高實景三維模型的精度，解決傾斜攝影模型的空洞、凸包、扭曲等重大問題，彌補傾斜攝影測量的部分缺陷，優化了模型的紋理和細節，為三維模型的可量可算提供更可靠的數據基礎。但是，LiDAR數據的采集成本較高，在使用時需要考慮經費問題，而且進行配準和點云融合的耗時也會隨著數據量的增加而上升，所以數據采集利用的方式和點云融合的方法需要更進一步的研究。