基于異源數據融合和眾數算法的建筑物高度提取技術研究

張秀英，盧智婷，何華貴

(廣州市城市規劃勘測設計研究院，廣東 廣州 510060)

1 引 言

新型基礎測繪背景下，實景三維是最重要的產品之一。在城市級三維場景應用中，建構筑物作為城市場景中最重要的要素，建筑物三維模型數據的展示必不可少。傳統的手工建模方法，追求與現實世界近乎一致的高精度紋理，目前已面臨高額的時間成本和人工成本帶來的發展瓶頸[1]。近年來利用傾斜攝影技術進行三維建模的方法因自動化程度較高得到了迅速發展，利用傾斜模型建模技術構建的三維場景不僅擁有準確的地物地理位置空間信息，還能表達地物精細的細節特征。在城市級三維場景中，除了局部重點區域精細模型，其他區域仍需要建筑三維模型作為背景，三維建筑白模是首選。充分利用已有二維房屋面基礎數據，根據建筑物高度直接拉升構建三維盒子[2，3]，該方法適用于大面積、大批量的建筑物自動建模，紋理精度低但建模效率高，同時具備語義化的三維表達，可開展各種空間分析和統計應用。基礎地形圖中建筑房屋面擁有高精度的平面位置，但在傳統測繪過程中，想要測量獲得建筑物的實際高度比較困難。地形圖采集房屋面基底面、分層面，并采集建筑結構、建筑層數、建筑用途等屬性信息，一般未采集建筑物實際高度和每一層實際層高。隨著近景攝影測量、三維激光掃描等技術的發展，利用高精度的三維激光點云數據準確提取建筑物屋頂高度成為可能。在新型基礎測繪背景下，如何能有效地繼承和應用已有各類存量數據成為探索新型基礎測繪的必經之路。本文設計并提出了一套完整的技術路徑和計算方法，以激光點云數據為對象，通過一種改良的眾數算法提取屋頂高度作為建筑物的頂部高度，結合數字高程模型獲取建筑物地表高程，以此為基礎構建建筑物三維模型，通過該方法構建的建筑物三維白模高度更接近實際。

2 三維建筑白模構建的現狀

2.1 固定層高拉伸構建白模

建筑物高度值的獲取目前較為常用的做法是采用建筑層數乘以固定層高的計算方法。這種單一固定層高的算法過于簡單和粗糙，對于住宅、商業、工業、倉儲、公共服務設施等不同類型的建筑來說統一標準層高顯然與實際不符。

2.2 激光點云數據逆向建模

作為一種能直接獲得物體表面三維(X、Y、Z)信息的手段，激光掃描技術能快速采集物體表面信息。目前，基于機載LiDAR數據提取建筑物輪廓線、估測植被范圍、電力線自動提取、地質災害應急等方面有著較為廣泛的研究。由于激光掃描采集空間信息的盲目性，使得激光點云在三維空間分布上呈現出隨機和離散的特性。由于點云數據量大、密度大、無拓撲關聯、離散盲目等獨特性，對于激光點云濾波、分類自動化、信息提取等處理專業要求極高，處理過程耗時且自動化程度較低[4]。以上研究大部分基于激光點云本身開展逆向建模，大都屬于半自動化的處理方式，在實際生產中并未得到深入的應用。

3 融合點云和存量房屋面的建筑高度自動提取

早在2008年，廣州市地形圖基礎測繪工作已經開展圖屬一體化升級生產，房屋面、植被、道路等完成了構面及拓撲處理。通過十幾年基礎測繪的積累，廣州市主要區域基本完成 1∶500測圖，全域完成 1∶2 000測圖，并按照“1235”更新機制實現動態更新。地形圖中房屋面數據平面位置采集精度較高，分層面可實現建筑結構細部表達。本文綜合利用機載Lidar點云數據和 1∶500地形圖中房屋面進行高精度異源數據融合[5]，通過一種改良的眾數算法和FME無代碼編程技術，實現建筑物高度的自動化提取，基于提取結果構建語義化的三維白模，為數字孿生城市提供更貼合現實高度的模型底板。本次研究的所有數據處理均在FME軟件中完成，具有可隨時跟蹤、隨時調整參數、隨時變更處理步驟、可重復利用等特點。

3.1 數據預處理

數據預處理包括分層房屋面標準化處理和海量點云數據過濾。房屋面分層表達，即建筑結構不同、基底不同、層高不同的分別表示(圖1)。分層面中包括樓層信息、實際層高等關鍵屬性，不同樓層結構的采用不同的分層面分別表示，從地面起其第一種結構稱為基底面，其余為分層面(表1)。不同結構的分層面范圍不同，分層表達的房屋面能更精細地表達房屋不同層高和不同建筑結構，但房屋面屬性中沒有建筑物高度或層高的信息。本研究第一步是充分利用已有現勢性良好的房屋分層面數據，進行標準化檢查和處理。

表1 分層面表達的樓層屬性解析

圖1 一棟建筑分層面表達的二維矢量圖

根據房屋面的要素代碼和空間關系兩個條件疊加判斷是否為獨立房屋面和分層面。如果為獨立房屋面，則直接疊加激光點云數據獲取建筑物屋頂高度。如果為非獨立房屋面，即為有基底面和至少一個分層面的復合結構建筑。對于復合結構建筑，基底面和分層面在空間范圍上是重疊的，且基底面為占地范圍最大的面。對于復合結構建筑，首先要通過規則運算，將同一棟建筑的基底面和分層面分配同一個建筑物編號，作為同一棟建筑的身份識別。對于同一棟建筑物，根據開始層數進行升序的排序，將不同結構的分層面分別依次編號。在以上規則排序模式下，使用FME的面面疊加去重功能，可以獲得不重疊的最頂分層面多邊形。

激光點云數據過濾按照最小夠用原則，設計一套規則去除無效海量數據。越高分辨率的激光點云點位密度越大數據量也越龐大，因獲取過程中存在飛機傾斜、樹木遮擋、物品堆放、女兒墻、雨棚、構筑物加建等多種因素的影響，直觀反映物體表面真實坐標的原始點云數據包括建筑物、水系、植被等地面和非地面三維空間信息。如何從海量點云中獲取準確、有效夠用的數據是本研究數據預處理的第二步。首先需要對高精度點云數據進行去噪處理，剔除明顯為粗差點云和無效表面數據，得到建筑物范圍內表面信息的有效值[6，7]。點云去噪處理包括以下幾個方面：①不考慮Z值，從平面范圍過濾建筑物以外的點云數據，獨立分離出建筑物表面點云，如圖2所示；②根據激光點云分類類型信息去除水面、植被、模型關鍵點等類型的點云數據，減少建筑物以外的點云干擾。經過以上處理，剩余主要為建筑物側面和頂面點云空間數據。

圖2 平面范圍進行點云過濾前后對比圖

3.2 疊加采用優化眾數算法和平均值法計算建筑物屋頂高程

本研究的第三步是以單棟建筑為處理單元，過濾建筑物側面點云和頂部干擾物點云，獲取單棟建筑物趨近于建筑物屋頂的點云[8，9]。如圖3，根據離散點云的X、Y、Z值從三維投射到二維平面上可見，以高度Z值為Y軸，明顯可見點云絕大部分高度趨于一致，可認為是高度的真值有效區間。真值區間下方點云呈現高度依次下降態勢，可判定真值有效區間以下點云位于建筑物墻體外側，屬于噪聲，應予以剔除。真值有效區間以上點云可能存在另一個主要高度值，可以推斷以上點云為建筑屋頂上方的水塔、臨時堆放的磚頭、電梯間、小面積棚頂等構筑物。在 1∶500地形圖中不足以分層表示，可作為噪聲點剔除。圖4為建筑物另一個側面的點云投影，數據處理方式與圖3相同。

圖3 以坐標X為橫軸的點云位置透視圖

圖4 以坐標Y為橫軸的點云位置透視圖

從分布看，眾數是具有明顯集中趨勢的數值。眾數算法是從含有n個元素的多重集合S中計算出現次數最大的元素，該值為眾數。將點云高程直接作為集合S的元素，在建筑屋頂并不平整的情況下，眾數算法計算結果有誤，計算結果將取值到建筑物中局部水平處。考慮到建筑物屋頂表面的凹凸不平，將點云高程四舍五入取整，將取整后的值作為多重集合S，根據眾數算法計算取整高程出現的概率，標記最大概率取整高程的點云。以這些點云高程真值為元素再運用平均值算法計算高程平均值，計算結果為該建筑物屋頂的高程值。

3.3 建筑物白模自動構建

以上步驟獲取的是屋頂高程，構建建筑物三維白模需要建筑物高度，因此還需要獲取建筑物所在的地面高程。每一棟建筑基底范圍內取DEM中高程最小值為地面高程，可以保證不出現模型騰空漂浮于地面的現象。本研究所采用的激光點云數據和數字高程模型是同一航測任務同時生產的成果，現勢性一致、精度一致。獲取建筑物的屋頂高程和地面高程后，可以直接快速拉伸構建建筑物三維白模，可以進行三維可視化展示，同時保留所有需要的二維數據的屬性。通過屬性計算得到建筑物高度，再除以建筑物層數可以獲得每一棟建筑物平均層高。本方法構建的建筑物三維模型和按照3 m固定層高構建的白模相比較，建筑物高低起伏差異性更為明顯，如圖5所示。

圖5 點云高度與建筑白模貼合度較好

4 結果驗證

建筑物三維白模構建完成后，使用三種方法進行結果驗證。一是疊加三維傾斜模型進行對比驗證建筑高度正確性，經比對，現勢性良好的房屋面構建的三維白模建筑結構和高度正確性較高，對于異形屋頂略有差異。二是疊加點云數據對比。三是實地查看驗證。經過驗證，結果表明本方法獲取的建筑物高度與現實更為接近。

在驗證建筑物高度取值正確性的同時，本研究還能主動發現地形圖中現勢性不足的區域。根據每棟建筑物的用途，對比建筑學中該類型建筑物的平均層高標準，可以分析出層高或屋頂高程異常值。對疑似異常的數據進行進一步分析和研究，可以總結出現異常的幾種情形，如激光掃描未覆蓋到、建筑物加建或已拆除等，可以為地形圖的更新和違章執法提供參考區域。如圖6所示，實驗結果中標記了高度異常的建筑與點云高度明顯不貼合，經現場驗證，該處建筑已變化，地形圖應進行更新。如果房屋面數據中沒有建筑用途屬性，可以疊加最新的第三次全國國土調查成果提取。

圖6 標記了高度異常的建筑與點云疊加

5 結 語

本文通過實驗研究和大面積示范應用，形成了一套技術流程，實現了城市級建筑三維白模場景的自動化構建。該方法利用目前各地廣泛推廣使用的傾斜攝影測量技術獲取激光點云，同時充分利用已有地形圖中房屋面數據，破解了海量點云難以廣泛應用的難題，同時為傳統地形圖數據提供了衍生新產品的方向，技術路線和技術方法可復用、可推廣。本研究方法構建的建筑物三維白模高度更接近真實世界，因保留了豐富的屬性和空間矢量圖形，模型具有語義化、結構化的特點，除了表達現實，模型可視化將具備更多意義。