基于點云技術的景深與層次量化分析方法研究

張瀟涵 成玉寧

長期以來，景深與層次一直是建成環境景觀空間營造所關注的熱點話題之一[1]。景深，即景觀空間深度，是由人可視范圍內景觀空間要素與人眼的距離所決定，反映空間要素在縱深方向的分布狀態；層次則是由于要素到人眼距離差異、要素間相互遮擋及人視覺感知特性等因素，導致空間在縱深方向形成的多個視覺界面，通常可將空間劃分為近景、中景和遠景3個層次。傳統基于定性描述及低精度的景深與層次分析方法，已難以滿足景觀視覺感知與偏好等風景園林領域研究及高品質景觀空間營造中所面臨的量化分析需求。點云作為風景園林領域三維空間信息記錄的工具之一，能夠輔助多尺度空間精細化展現與研究[2]。運用點云等數字景觀技術對景觀空間的組構及形態特征進行深入探析，將對輔助建成環境高品質空間營造具有積極作用。由此，本文嘗試構建基于點云技術的景深與層次量化分析方法，深描建成環境景深與層次客觀特征，并探討其在多場景運用中的潛力。

1 景深與層次研究現狀

1.1 景深與層次相關研究

景深與層次在視覺景觀評價、景觀感知與偏好、城市開放空間形態分析及植物造景等領域被國內外學者廣泛探討[3-5]。自20世紀80年代以來，景深與層次作為表征景觀空間形態復雜度及開敞度的重要因子之一，被運用于城市視覺景觀特征與空間結構的研究中[6-7]。同時，其作為城市開放空間形態評價指標之一，相關研究通過照片、圖紙及三維模型模擬分析等方法對城市公園、城市森林等研究對象展開量化分析，并將其作為空間質量評價的重要依據[4，8]。艾普頓于1975年在其“瞭望-庇護”理論中對視距與人群景觀偏好的關聯進行了論述。自此，相關領域學者通過大量照片、問卷等實驗方式驗證了景深與層次對人群景觀偏好影響的客觀性[9-10]。眼動追蹤技術的運用進一步助力了學者從心理與生理層面對相關機制展開深入探究[11]。

近年來，環境行為與健康領域相關研究表明，景深是影響人運動方式與心理壓力緩解的重要因素之一[3]。隨著城市開放空間形態與人群健康福祉的關聯得以驗證，通過精確分析建成環境景深與層次特征，進而輔助提出符合人群偏好、有益人們健康的設計策略，將會對營造出以人為本的高品質城市空間具有重要意義。

1.2 過往研究中景深與層次量化分析方法的局限

在過往景觀感知與偏好領域研究中，二維圖像作為主要的實驗刺激材料，雖能對人視覺感知界面的要素占比與位置形狀進行分析，但卻無法精確量化空間縱深維度形態特征，導致研究中對景深與層次的評價多以主觀判斷為主。同時，景深與層次多作為不同空間質量評價體系中的單一因子，被簡化為如最大視距和立面層次的面積比值等。然而單一數值難以全面描述空間全要素深度與視覺界面層次特征。

地理信息系統技術的發展使得景深與層次在視覺景觀與城市開放空間形態研究領域得以定量化分析。通過視域分析工具可對特定視點可視域范圍內的要素分布及層次輪廓線等形態特征加以分析。該方法被廣泛應用于城市公園空間形態、城市天際線及城市眺望景觀等研究中[4，12-13]。然而，粗顆粒度的空間模型難以精確展現景觀環境中如植被等要素，且以二維柵格圖像和視域平面圖形幾何屬性為主的分析結果，缺少對人真實視覺界面的模擬，從而導致難以與城市街景照片、VR等影像研究材料相結合，無法滿足當下人群感知與偏好等領域的精細化研究需求。

1.3 利用點云進行景深與層次量化分析的優勢

點云作為能夠精確展現空間信息的數據類型，目前已在三維景觀格局分析、城市三維綠量、林業監測、古典園林測繪等領域大量運用[14-17]。將點云模型通過體素法轉變為封閉的實體模型雖能夠對要素的體積和形態進行分析，但基于體素模型的三維可視分析方法在計算的效率與量化結果的精度方面存在一定局限[18-19]。

隨著機器視覺等領域的發展，利用點云模型三維視覺模擬的技術已在無人駕駛等領域有了較為成熟的使用。其不僅能夠模擬出環境中任意位置視點全視域范圍的視覺界面，還能通過深度圖的像素色彩差異表達要素縱深維度的分布特征，即能夠將空間形態三維屬性在二維視覺界面上呈現，兼具了二維實景圖像分析與三維可視域模擬方法的部分優勢。Yokoya等學者早期利用激光雷達等多源數據模擬得到的深度圖像來計算空間開敞度指標，以作為空間視覺質量評價的標準[20]。但由于其所采用的數字地表模型無法精確展現植被形態，導致模擬結果與真實環境存在一定偏差，且未有對多種空間形態指標分析方法的探討，難以應用于景觀空間的精細化研究中。因此，本文將以點云三維視覺成像技術為基礎，探討從原始空間數據采集、算法模擬、數據分析及結果可視全過程的景深與層次量化分析方法，并通過在實際案例中的運用及與過往方法比對論述該方法的可行性與實操性。

2 基于點云技術的景深與層次量化分析方法構建

2.1 基本技術路線

以點云技術為基礎的景深與層次量化分析方法分為3個部分，分別為數據準備與參數設定、算法模擬與結果可視、量化分析與輔助判斷(圖1)。

圖1 基于點云技術的景深與層次量化分析模型

2.2 景深與層次模擬算法

以1.9.1 版本的點云庫(Point Cloud Library，PCL)為代碼源，構建景深與層次模擬分析算法。研究主要利用PCL中的點云獲取、可視化及深度圖像生成等功能相關代碼，構建包含景觀空間點云加載與轉換、點云模型顯示、點云模型球形投影轉換和結果輸出等功能的算法程序。

2.3 具體操作

2.3.1 原始空間數據采集與處理

利用無人機傾斜攝影或機載激光雷達掃描的方式能夠高效地獲取大范圍景觀空間點云模型。首先，利用無人機航拍與地面人工補拍照片的方式獲取完整的場地圖像數據。其次，通過Context Capture軟件生成場地三維點云模型。最后，利用Trimble Realworks軟件將不同要素類型的點云進行分類并區分顏色，為后續要素語義圖生成做準備。

2.3.2 景深與層次模擬

景深與層次模擬分為點云數據輸入、參數設定和量化結果輸出3個部分。由于本文采用單目相機球形投影，因此需要對視點三維坐標、水平視軸方向、水平與豎直方向視角范圍、最大視線長度等視覺特征參數進行確定。視覺特征參數需根據人在景觀空間中的觀景方式而確定，如靜觀發生在供人駐足停留的地點，人在頭不轉動的情況下，雙眼水平視角最大可達到188°，豎直方向視角可達到120°。動觀則為人在行進中對景物的觀賞，如在沿道路行走或者慢跑且頭的方向保持直視前方時，水平視角為124°[21]。

將處理好后的點云模型與視點等參數載入算法程序中，即可進行球形投影轉換得到的深度圖像和要素語義圖像，以及圖像每個像素點對應的深度數值與語義數值(圖2)。

圖2 景深與層次模擬具體步驟示意

2.3.3 景深與層次量化分析

1)景深量化分析指標。

景深作為空間要素到人眼距離數值的集合，需對其數值的分布特征進行探討。本文結合過往相關研究，選取空間最大延伸度、空間整體深度和空間深度差異度3個指標進行量化分析。

(1)空間最大延伸度。

空間最大延伸度指標反映空間在縱深方向的延伸程度，用空間要素深度的最大值來表示，其公式為：

式中，Es為空間最大延伸度；di為深度圖像中除天空外部分像素點對應深度數值。

(2)空間整體深度。

空間整體深度指標反映空間的開敞程度，用人視野范圍內要素距離人眼的平均距離來表示。對空間中各要素深度值求取平均值即可得到空間整體深度數值，其公式為：

式中，DA為空間整體深度；di為深度圖像像素對應深度數值；n為除天空外總像素點數量。

(3)空間深度差異度。

空間深度差異度指標用來描述空間視覺界面縱深方向的變化(凹凸)程度。當視覺界面縱深方向凹凸變化顯著時，空間深度值差異較大，界面的豐富度較高。本文采用要素深度值的方差作為反映該特征的指標，其公式為：

式中，DD為空間深度差異度；di為深度圖像各像素點對應深度值；n為除天空外總像素點數量。

2)層次量化分析指標。

根據人在外部空間中對不同距離要素形態感知的差異，并結合過往相關研究成果，本文以距離人眼小于25m、25～100m、大于100m的景觀要素形成的空間界面作為近景、中景和遠景[22]。根據深度圖像中各像素點的深度值進行層次劃分，在此基礎上將景觀空間層次的特征用層次度(近、中、遠景面積占比)、層次輪廓起伏度和層次滲透率3個指標來描述。

(1)層次度。

層次度指標為近、中、遠層次面積占人總視野面積的比值，用來反映視野中不同距離范圍內的要素形成界面層次數量，以及不同層次比例的均衡程度。分別計算各層次面積占總視野成像面積百分比數值。本文延續過往學者對于層次度指標的表達形式，即用三者占比的比例形式，其公式為：

式中，LD為層次度；S1為近景層次面積；S2為中景層次面積；S3為遠景層次面積；SW為全視野范圍成像面積。

(2)層次輪廓起伏度。

層次輪廓起伏度是描述空間各層次輪廓線起伏程度的指標。過往學者對于輪廓線起伏程度采用天際線相鄰拐點之間的高度差值或輪廓線分形維數為起伏度數值[14]。本文采用將3個層次的輪廓線長度與視野成像總寬度的比值之和作為層次輪廓起伏度，其公式為：

式中，FL為層次輪廓起伏度；L1、L2和L3分別為近、中、遠層次輪廓線長度；LW為視野成像畫面總長度。

(3)層次滲透率。

層次滲透率反映了空間豎向界面的滲透程度。在近、中、遠景劃分的基礎上，去除底界面部分，即得到豎界面的近景、中景及遠景層次。將豎界面3個層次面積與總豎向界面可視面積的比值分別乘以系數1、2/3和1/3，數值相加即得到了空間滲透率，其公式為：

式中，PS為空間滲透率；Sa、Sb、Sc分別為豎界面近景、中景和遠景層次面積。

3 景深與層次量化分析方法的實踐應用

3.1 案例選取

考慮到研究對象的普及性和空間形態的豐富性，本文選取南京市情侶園和河西生態公園作為研究對象，從單一視點與動態多視點2個層面展現該方法的具體運用。2個研究對象皆為面積在20～30hm2的城市綜合性公園，受公眾認可度較高，且內部包含濱水、廣場、草地與林地等不同類型的空間。

3.2 方法運用

3.2.1 點云模型采集與處理

為避免天氣等外界因素對數據精度產生影響，選擇在夏季晴朗少云且風速小于2m/s的天氣下利用無人機對研究場地進行傾斜攝影，人工在地面補充拍攝林冠覆蓋密集區域照片，進而在軟件中生成三維點云模型，并按要素類型進行分類。

3.2.2 單一視點景深與層次模擬分析

為驗證該方法是否能對特定視點景深與層次進行分析，滿足以單一視點照片為材料的研究需求，隨機挑選情侶園中一處視點作為研究樣本進行實景拍照。首先，根據相機鏡頭參數與拍攝操作，設置水平視角、垂直視角、視軸方向與視點高度參數。其次，通過三維視覺模擬即可得到與照片視野范圍一致的深度圖、要素語義圖，以及各像素點對應數值。最后，利用公式計算得到該視點景深與層次各指標的結果(圖3)。

圖3 單一視點實景照片及景深與層次模擬結果

從分析結果看，該方法能夠有效彌補二維圖像缺少空間縱深方向信息的缺陷，且通過圖像結合多個指標數值的方式能更加全面直觀地描述其景深與層次的特征。

通過實地調研，選取2個公園中20處供人駐足觀景的節點，涉及廣場、路口、建筑與構筑物等重要景觀節點和視線通廊，進一步驗證該方法的普適性(圖4)。從分析結果來看，多指標的數值能夠直觀地展現不同視點所在空間形態的差異。例如，視點2和視點6皆為濱水空間，視點2對應河道縱深方向的視廊，視點6所在位置為開敞近圓形水面，四周被高大喬木圍合。因此，視點2在空間整體深度和空間深度差異度方面顯著較高，且具有更大的層次滲透率。同時，筆者初步發現，空間深度差異度的數值大小與空間整體深度、遠景層次面積占比及層次滲透率幾個指標間存在一定關聯。后續研究可考慮增大樣本數量，驗證各指標的有效性并優化完善指標體系。

圖4 單一視點景深與層次量化結果

3.2.3 多視點路徑空間景深與層次模擬分析

選取情侶園南部片區2條路徑作為研究樣本，以探究本文所提方法是否能夠應用于較大尺度的景觀空間多視點分析。以人行走15s的長度為間隔，沿道路中心線等距連續設置21個視點進行模擬(圖5)。通過折線圖直觀地展現2條路徑景深與層次各指標數值總體分布、變化幅度與頻率及重要拐點，以輔助設計師客觀認知路徑空間景深與層次的動態變化特征，進而結合設計需求，找到空間提升的潛力位置，提出道路沿線要素配置與空間形態優化策略(圖6)。

圖5 多視點路徑樣本景深與層次模擬結果

圖6 路徑樣本景深與層次量化分析結果

首先，對路徑樣本景深變化特征進行分析。路徑1空間最大延伸度數值變化總體平穩，而路徑2在視點5處數值陡增后隨著人的前進呈現出下降趨勢。可以考慮將路徑1中部兩側植被局部打開形成視窗，增加空間最大延伸度的變化；路徑2可改變后半段現狀兩側由平均分布的行道樹所形成的單調界面。

其次，對樣本空間層次變化特征進行分析。路徑1層次輪廓起伏度以及滲透率的變化呈現出近似的周期性，一定程度表明了路徑1在層次的變化上存在重復性；路徑2層次輪廓起伏度與滲透度指標數值變化幅度與頻率較低，以及層次輪廓起伏平均值較低。因此，在實際的改造中，可考慮在路徑1中部通過移除部分近景植被來增加空間滲透率，提升中景占比以豐富層次輪廓線形態；增加路徑2兩側林緣線的曲折度，局部增加近景占比，營造出多層次的植被界面。

最后，對景深與層次多量化指標數值拐點進行判斷。路徑1在視點6、7、9、16、17、19、20處多個指標出現了峰值，視點9的空間最大延伸度、空間深度差異度、遠景層次占比及滲透率指標都為全路徑最大，表明該處空間具有較好的視線延伸感、滲透性及層次的豐富度。路徑2則難以找到具有代表性的空間特征點，可考慮依托現狀廣場、橋梁及建筑打造空間形態豐富的節點。

由此可見，該方法將多視點景深與層次的動態變化特征轉譯為數值與可視化圖表，以此為依據，設計師可以直觀認知人在路徑空間行進中對于景深與層次的實際感受，從而更加準確高效地做出判斷與設計。

3.3 與傳統計算方法比對

為總結出基于點云技術的景深與層次量化分析方法的優勢，選取情侶園中的一處測試點，分別利用本文提出的方法同傳統景深與層次分析方法加以比對分析(圖7)。

圖7 景深與層次量化方法比對

1)傳統景深與層次分析方法。

(1)二維圖像分析。

依據畫面中要素的相對位置及透視原理對拍攝的照片進行手動劃分層次，描繪層次輪廓線。繪制平面圖紙，并在其上畫出視點對應可視范圍，作為空間層次分析的依據。

(2)三維模型可視域模擬。

將數字地表模型導入ArcGIS軟件，利用3Danalysis工具集中的可見性工具對選定視點進行三維可視模擬，進而對可視域柵格、視線長度及天際線輪廓進行分析。

2)分析方式對比。

(1)分析的效率。

利用本文的方法，在獲取點云模型后，對單一視點的模擬可快速完成。三維模型可視域模擬方法對不同指標的計算需要多次操作，耗時較長且需要對多種格式的結果進行處理。人工二維圖像分析需要較長時間的平面基礎圖紙準備過程，且對不同的視點進行分析時需重復實地攝影與調研工作。

(2)數據的精度與結果可讀性。

二維圖像分析方法的可視范圍及空間層次依靠人工繪制，無法避免主觀判斷帶來的誤差；分析的結果可讀性較強，但僅能夠對空間最大深度及天際線曲折度等少量指標進行分析。三維可視域模擬分析方法中植被等要素空間信息被簡化為柵格像素屬性值，導致在層次輪廓線等視覺界面指標的分析結果與實際產生較大誤差，且最終結果難以直接與空間實景照片要素對應。

3)適用的場景。

通過對3種方法優劣勢的分析，進一步總結出其所適用的場景。二維圖像分析由于其便捷性與直觀性，適用于對結果精度要求不高的空間分析，如在方案初步設計中。三維可視域模擬依托于地理空間系統平臺，擁有完善的分析方法和操作流程，適用于較大尺度的城市空間形態研究。本文所提方法由于在分析效率、數據精度及結果可讀性等方面的優勢，且能同時滿足視覺界面二維與三維特征的分析，在建成環境景觀空間形態精細化研究、景觀空間感知與偏好等領域展現出優勢。

3.4 應用于多種研究對象的潛力

選取4類尺度差異較大的景觀空間作為案例，以探討該方法在不同類型景觀空間中運用的潛力和差異(圖8)。

圖8 不同類型研究對象應用過程比對

1)空間數據采集方式。對于城市小微綠地而言，可選用地面基站式激光掃描儀采集精細的林下空間及樹冠形態數據。中觀尺度的街頭綠地與住區綠地面積較大，使用便攜式激光掃描儀能夠高效獲取精度較高的點云數據。而對于大尺度的城市綜合性公園，可利用無人機傾斜攝影或機載雷達掃描快速采集數據，但數據的精度相對較低。

2)點云模型范圍大小。三維視覺模擬結果的準確性取決于點云模型是否涵蓋視點在真實環境中的所有可視要素。城市中小尺度景觀空間外圍的喬木、高樓及山體皆可成為影響其內部空間景深與層次的重要因素。因此，在實際應用過程中，需先實地調研以判斷周邊關鍵要素，進而通過無人機補充采集或人工建模的方式補全點云模型，以確保最終模擬結果的精確性。

3)具體模擬參數設定。研究對象的尺度及要素分布的不同使得空間深度值分布區間差異較大，前文以25和100m為界劃分近、中、遠層次，但該劃分依據難以適用于小微尺度景觀空間的研究中。在實際模擬參數設定時，需根據對象的實際情況調整參數，如對于小尺度景觀空間可以采用將視覺焦點要素作為中景進行層次劃分。

筆者在對多類型對象的實驗中發現，利用該方法得到結果的穩定性與以下因素相關。一是點云模型的密度。密度的降低雖能帶來計算機運行效率的提升，但當密度過低時，會導致模擬視線穿過點間空隙，使得要素成像存在像素點缺失現象。二是視點的位置。由于三維視覺模擬方法遵循透視法則，當視點與周圍的要素距離過近時，模擬視線會從近處要素點云模型的縫隙中穿過，導致空間深度計算出現誤差。三是模擬視線的數量。其與輸出二維圖像精度大小直接相關，當其數值設置過大時，會導致運算的速度降低。

4 討論與展望

4.1 價值與不足

本文首創性地將點云三維視覺模擬等技術在景深與層次分析中進行應用，全流程數字化及以點云模型作為單一數據類型使得該分析方法更為客觀與便捷，在量化分析的效率、數據的精度及可讀性等方面較傳統方法具有較大提升。

但不可否認，基于點云的景深與層次量化方法存在以下局限性。首先是在點云模型的處理方面，由于目前自動分割算法對于景觀空間要素的精確劃分還難以實現，因此在前期數字模型的處理階段仍需要人工的介入。其次，該方法還未與現有學科領域常用的軟件相結合，且操作過程中涉及算法編程與多平臺的轉換。同時，本文雖枚舉了6個在過往研究中已采用過的指標進行量化計算，以期展現方法對于景深與層次特征描述的全面性和便捷性，但指標仍存在進一步優化的可能。未來仍需進一步探討如何將該方法與其他景觀空間形態評價方法相結合，以更加全面地認知景觀空間形態特征，進而提出精準優化策略。

4.2 未來發展與運用前景

該方法在使用的便捷性與算法的全面性方面仍存在優化提升的空間。如可將算法改編為Grasshopper插件，以Rhino軟件作為點云模型編輯與展示平臺，在實現分析與方案設計一體化操作的同時，使其具備與參數化、智能化設計方法相結合的潛力。增加距離衰減系數等設定對天氣、光線等影響因素的模擬。由于景觀空間具有歷時性特征，可在不同季節采集點云數據，并與單木分割、骨架提取等技術結合，模擬分析不同季節的景深與層次。

從運用前景來看，未來該方法可以運用于人群感知偏好、視覺景觀評價、環境行為與心理健康等領域的研究中。如將該方法與實景照片、眼動儀、皮電儀、VR等技術相結合，以精確探討真實環境或虛擬方案景深與層次對人群偏好的關聯或心理壓力緩解作用等。與之對應，可將相關領域的研究成果作為依據，用該方法進行方案評判，更好地促進循證設計的實現。將其與綠視率、空間界面色彩、要素類型及空間尺度等多個量化評價方法結合，通過實時、直觀、全面地展現景觀空間形態分析結果，輔助景觀方案的設計、評價與優化。

注：文中圖片均由作者拍攝或繪制。