傾斜攝影測量與建筑施工進度監測研究

萬邦旭

臨沂市城市建設勘察測繪院，山東 臨沂 276000

1 攝影測量技術在施工監測中的應用

（1）在施工監測中應用攝影測量技術可以先從施工現場采集圖像和視頻數據，動態地捕捉圖像，跟蹤項目的進展。該方法僅接受圖像上的進度數據，不能從三維變化的角度對施工進行評價。（2）采用數字高程模型（DEM）來反映建筑物高度的特點，利用DEM或數字地表模型（DSM）來檢測目標建筑物的高度變化，然后在空間數據庫中使用文檔對象模型（DOM）或數字線圖（DLG）識別目標建筑物的二維變化，從而獲得研究區域的三維變化信息。（3）將雷達點云數據與航空成像相結合，提取建筑物高度和表面變化信息。該方法難以準確地描述建模對象在任何時間、任何地點的屬性，也難以反映其多維特征[1]。

體積元素可簡稱為體素，廣泛應用于三維成像、醫學成像和三維打印中。在三維空間中，體素是最小的單位。與曲面模型相比，體素模型能夠更準確地描述站點上不同元素的信息，而三維模型無法直接反映真實的物體側面紋理。無人機拍攝傾斜影像在此基礎上能將正射圖像和傾斜影像相結合，實現對目標表面的三維建模[2]。

2 激光雷達點云的應用優勢

機載激光雷達是一種新的空間觀測技術，具有高精度、高速度、大范圍數據采集等特點，可直接得到地物三維坐標。該技術具有以下應用優勢：（1）主動運作模式。該系統不依賴自然光源，通過發射脈沖獲取目標的回波信息，不受天氣條件的影響，從而實現對目標的捕捉。同時，該系統能夠進行24h全天候的地物觀測，使其在環境監測、資源開發、軍事等方面具有獨特的應用優勢。此外，激光雷達能直接、快速、精確地接收各種曲面函數的三維坐標信息。（2）激光雷達發射的激光脈沖具有強大的穿透力，在植被密度較高的地區，可通過狹縫直接探測到真實土壤的三維空間信息。（3）激光雷達點云數據和遙感數據可相互補充，并結合自身優勢，以取得更多的信息。

近年來，隨著硬件技術的不斷發展，激光點云數據逐漸成為建模數據的標準化類型，并不斷地對點云檢測方法進行簡化和豐富，利用掃描技術提高了點云檢測的數量和質量。這一系列的開發使得點云數據得到了廣泛應用。比如，數字化智能城市的概念日益明確，大型、復雜、語義信息豐富的三維城市模型已成為建設新型數字化智能城市的必然要求。但是，傳統三維城市模型建立方法已不能滿足精確、高效的建模要求。采用高密度、高精度的二維點云模型成為當前攝影測量領域的研究熱點[3]。基于此，文章對國內外傾斜攝影測量數據模型重建與城市重建的應用進行了深入的研究與分析。

例如，點云數據模型、點云提取、基于激光點云數據的變形監測和電力線三維重建都比傳統點云模型具有更直接的地理信息。這一特性允許點云數據模型與傳統技術測量和大地測量數據（如全站儀和GPS數據）無縫連接。目前，全球機載激光雷達系統的制造商主要有瑞典Topeye，加拿大Optech，奧地利RIEGL、Leicaals等，由德國Topsys，美國Merrick、Frequencymapping等廠商提供專業的激光雷達數據處理軟件支持。近年來，隨著激光雷達硬件技術的迅速發展，出現了多線激光雷達等新型激光雷達系統。該雷達系統可以擴大掃描范圍，增加多個激光器之間的角度，提高點云密度，適應基于組件的可插拔激光雷達系統的不同應用需求。同時，該系統具有采集速度快、精度高、地物細節信息豐富等特點，可以為施工過程中監測建筑物局部施工進度提供頂面施工層現場數據支持。

3 試驗數據獲取

文章數據來自某建筑工地的無人駕駛傾斜圖像。試驗用無人機模型為“大疆精神”4號消費型無人機，以2018年12月19日和2019年4月19日拍攝的五點式單體建筑的兩期無人駕駛飛機傾斜圖像為例。首次拍攝采用5鏡頭的諾基亞808 PureView攝像機和像素超采樣技術，分辨率為300dpi，像素傳感器高達4100萬像素[4]。第2階段配備索尼公司生產的雙鏡頭相機，分辨率為350dpi，2430萬像素。

4 算法原理

4.1 選擇點云和體素的分辨率

點云分辨率公式為

式中：Q為點云質量；為物體表面的最小特征尺寸；m為掃描物體表面的點云分辨率。

若點云分辨率為20cm，掃描尺寸為10cm，那么Q=1-(20÷10)=-1，不合適。可以看出，點云的分辨率小于目標表面的最小功能，掃描的目標無法恢復到更大的分辨率。設置點云分辨率為5cm時，Q=1-(5÷10)=0.5，可以檢測目標表面的50%細節。

體素分辨率是一個小立方體的頁面長度，應確定其引用點云分辨率。考慮到三維模型的數據量，體素分辨率應該略高于或接近點云分辨率，以確保更精確、更完整地修復建筑物圖像。

4.2 點云的體素化

三維空間中，每一個點都有相應的體素。在點云txt格式中，體素化過程主要分為以下三步：（1）確定x、y、z點云數據的最小值和最大值xmin、ymin、zmin、xmax、ymax、zmax。（2）基于點云的分辨率，選擇相應的體素分辨率res。體素解析度決定了體素模型到起始點的距離，體素解析率越低，體素化越相似。（3）對點云數據中每一點的三維坐標(x，y，z)，用式（2）計算體素坐標，并對體素做標記。

式中：INT為向下取整；res為體素分辨率；i、j、k為體素的三維坐標。

4.3 比較兩期體素模型

比較兩期體素模型的實質是對兩個不同維度的三維矩陣做減法，其程序和原則如下：（1）對三維矩陣的最大行、列和頁的最大數目進行確定，即L、m、n的最大值；（2）在同維三維矩陣上展開。在三維矩陣中，兩個維數不同的矩陣維數不能相減，必須將兩個維數不同的矩陣維數擴展到同一矩陣維數下，再對位置元素進行相減。首先將最大的L、m、n定義為三維矩陣的行數、列數和頁數，再將三維矩陣的行數、列數和頁數分別定義為三維矩陣A和B的對應位置，即完成對各種度量矩陣的擴展。最佳相減三維矩陣在第一階段模型的三維矩陣A中，矩陣元只定義數字0和1，0表示沒有體素，1表示有體素；而在第二階段模型的三維矩陣B中，矩陣元只定義數字0和2，0表示沒有體素，2表示有體素。用擴展過的第二個矩陣減小第一個矩陣，得到4個結果，即2、1、0、-1。結果若等于2，則表示第二階段的變動相對于第一階段有所增加；若等于1，則表示兩階段中無變動；若等于0，則表示無變動；若等于-1則指第二階段相對于第一階段有變動的部分。

5 試驗結果及分析

5.1 試驗結果

先用Photoscan pro v1.4.5軟件處理兩段傾斜圖像。點云模型分辨率為0.3m，然后使用Cloudcompare2.9軟件進行剪切、去噪、配準。為了得到更好的視覺效果，將第一階段的點云模型設為橙色，第二階段的點云模型設為白色，兩個處理點云體素。體素分辨率為0.3m，比建筑物的最小功能尺寸稍小，即體素分辨率應高于建筑物的體素分辨率。因此，在第二階段，通過比較兩種體素模型，選取0.2m為目標建筑物的體素分辨率，得出與第一階段相比目標建筑物體素模型的增加、減少和不變部分。

5.2 結果分析

在2018年12月19日至2019年4月19日的建設期內，目標建筑物的施工進度情況大多數簡化體素都低于第一階段模型外表面的體素。該項目的進展包括覆蓋建筑物的上部以及建筑物左側的封閉走廊和建筑物內部走廊。這一變化對于監測施工進度毫無意義，而一些體素的變化是場地影像中某些相關特征的移動所致。通常DEM、DSM等表面模型都是二維的，只能表示表面的變化，很難反映出建模對象的多維性。由于加工精度的損失和誤差的累積，產生了一些假變化，但4個月以上的施工實踐證明了其可行性。

6 結束語

文章以一種體素模型為基礎，介紹了點云模型和兩階段體素模型的總體流程及比較思路，并對某工地無人機傾斜拍攝的兩階段圖像進行了空間位置配準和體素模型對比處理，得出如下結論：該方法簡單，人工干預少，能夠監控建筑的進程；模型并非實體模型，因此對微分模型進行簡化沒有意義；該變化結果是排除了建筑物表面顏色的幾何變化。在后續工作中，應重點關注建筑物表面顏色變化，以降低數據處理的準確性損失。