結合傾斜攝影與地面LiDAR的復雜環境實景三維重建

甘拯 夏輝 左辛凱

摘要：羅田水庫—鐵崗水庫隧洞連通工程穿越城市建成區，地形地貌條件復雜。為滿足工程沿線地面重點構筑物設計要求，針對傾斜攝影在地物立面重建的缺陷問題，結合地面激光SLAM移動測量手段，提出了一種泊松重建改進算法，深度融合低空傾斜影像與地面激光點云，以改善三維模型棱角不夠突出、平面不夠平整的問題。試驗證明：在遮擋較為嚴重的近地面區域，提出的方法能夠有效提高實景三維重建的精度和效果，可為工程量精確評估與輔助分析決策提供更加可靠的實景三維模型。

關鍵詞：傾斜攝影； 地面LiDAR； 實景三維重建； 地面激光SLAM； 泊松重建改進算法； 羅鐵工程

中圖法分類號： P232

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2024.S1.052

0引 言

近年來，傾斜攝影技術作為一種低成本、高效的實景三維建模技術，廣泛應用于數字城市實景三維重建。然而，在低空航攝過程中，接近地面的要素會不可避免地相互遮擋，特別是建筑物和樹木等豎直地物之間存在嚴重的拍攝盲區；缺失關鍵航片導致重建的三維模型發生扭曲、拉花甚至出現空洞，進而影響模型的精細化和結構完整性［1］。地面LiDAR作為傾斜攝影技術的有效補充，能夠快速移動測量，獲取大量高密度的點云數據［2］，提供詳細的地形信息和地面要素的幾何細節。

本文以羅田水庫—鐵崗水庫輸水隧洞工程（以下簡稱“羅鐵工程”）的一處典型復雜地形為例，利用無人機傾斜攝影與地面LiDAR兩種技術的優勢，深度融合傾斜影像生成的密集點云與地面激光點云，同時提出一種泊松重建改進算法用以生成實景三維模型。

1試驗區概況

試驗區位于深圳市西部，區域面積約0.3 km2。地貌類型為沖洪積平原、丘陵地貌，包含山地、邊坡、道路與高層建筑物等地形要素，綠化樹木較多導致建筑物靠近地面部分被遮擋嚴重（圖1）。若僅采用低空傾斜攝影方式，會存在大量航攝盲區，導致三維模型出現拉花、空洞以及紋理信息丟失等問題。本研究在采用多旋翼無人機對影響區范圍進行多視角影像拍攝的基礎上，結合型號為飛馬SLAM100的三維激光掃描儀獲取近地面區域的三維激光點云。

2技術路線

技術路線如圖2所示。根據試驗區建筑物高度、植被與道路的分布情況，采用五鏡頭旋翼無人機獲取整個試驗區的傾斜影像；為彌補傾斜攝影測量無法獲取地面影像的缺陷，設計手持激光掃描儀行進路線，采集區域內地面激光點云數據；經過空三加密與激光點云預處理，將已配準的激光點云與傾斜影像點云融合生成傾斜三維模型［3］。另外，本文提出了一種改進的泊松重建算法，以深度融合傾斜攝影和地面LiDAR點云。

3數據采集

3.1無人機傾斜攝影

試驗使用飛馬D2000無人機搭載D-OP3000傾斜模塊進行影像數據采集。D-OP3000傾斜模塊是一種集成了SONY A6000相機的高性能測量設備。下視鏡頭焦距為25 mm，傾斜鏡頭焦距35 mm，有效像素為2 430萬。航飛前在試驗區選取5個像控點用于后期點云配準及提高實景三維模型的絕對定位精度。理想情況下精度約為分辨率的2～3倍［4］，為了保證試驗區實景三維模型精度優于5 cm，地面分辨率設置為2 cm。相對航高為100 m，航向重疊度為83%，旁向重疊度為70%，共獲取4 000張數字航攝像片（圖3）。

3.2地面LiDAR數據采集

采用飛馬SLAM100三維激光雷達掃描儀（圖4）進行地面激光點云數據采集。該設備可以實現360度旋轉，形成270°×360°掃描區域覆蓋，配合行業級SLAM算法和后處理解算軟件，可以獲取高精度、高精細度的三維點云數據。該設備配備了3個500萬像素的攝像頭，可形成超寬視場角，用于獲取紋理信息，生成彩色點云和局部全景圖。

SLAM掃描路徑設計需要考慮被掃描區域的大小和形狀，以確定掃描路徑的起點和方向［5］。同時，還需要考慮掃描路徑的連續性和覆蓋度，以確保掃描結果的完整性和精度。為了能夠覆蓋整個試驗區的地面采集范圍，根據現場環境，采集路線設置為閉合路線，且采集過程途經布設的5個控制點時，將SLAM底座十字絲中心對準控制點中心，機頭朝向任意，采集時間保證在10 s以上，同步采集視覺軌跡方向的全景照片（圖5）。

4內業數據處理

4.1空中三角測量

為了能夠將無序的影像在空間中相互對齊并構建與真實世界相接近的空間模型，需要對影像進行空三加密操作［6-8］。將多組傾斜影像數據及其POS信息導入專業的航空影像空三處理軟件，采取由粗略到精細的金字塔匹配策略在各級影像上進行同名點匹配，恢復影像間的相對位置關系得到影像匹配結果，并解算出每張影像的外方位元素信息。根據空三測量運算出的影像外方位元素，通過多視影像密集匹配可獲得高密度的點云，計算成果如圖6所示。

4.2激光點云數據預處理

使用SLAM100配套軟件SLAM-GO-POST模塊進行點云數據處理。沿規劃路徑完成掃描后，將數據導入軟件進行自動解算，包括基于特征點匹配的SLAM過程和基于控制點的平差優化過程［9-13］。再通過重定向、動態物體濾除、點云賦色、點云去噪等步驟，生成與傾斜影像坐標系一致的真彩色點云，如圖7所示。

4.3實景三維重建

為了改善現有三維重建算法生成的Mesh模型表面棱角不夠突出、平面不夠平整的問題，本文提出一種改進的泊松重建方法，利用地面LiDAR點云提取近地面區域的平面和邊界特征。

實景三維模型重建的步驟為：首先對由傾斜影像密集匹配生成的特征點云進行去噪和平整；參照文獻［9］的方法，融合特征點云與地面真彩色點云；然后從融合點云中檢測出邊界點［14］，在泊松重建算法的輸入點云數據中加入這些邊界點；為了在泊松構網的結果中盡可能保留這些邊界點，在文獻［15］的基礎上，對泊松重建算法進行了改進，包括深度值計算和提高邊界點的alpha權值。

4.3.1自適應深度值計算

根據點云局部的結構特征自適應計算其深度值。基本思想是降低平面上的采樣點的深度值，提高不在平面上的采樣點的深度值。

首先計算深度值的上限Dmax：

Dmax=log2maxl，w，h×βρ+δ（1）

式中：表示向上取整；maxl，w，h為測區長、寬、高的最大值；β為縮放比例，通常取1.0～1.2；ρ為三維重建的精度；δ是一個冗余量，通常取1或2。

然后對于每一個采樣點i，計算其深度初始值Di0：

Di0=φ+lnωiSi+1ln4（2）

式中：表示向上取整；ωi為采樣點的權重；φ為初始八叉樹的深度值，通常為3～5；Si為采樣點所在的深度為φ的結點中包含的點云數量。

那么，對于每一個采樣點i，其深度值Di為

Di=minDmax，Di0，Di0≥Dmax且Si=1Dmax，Di0＜Dmax且Si＞1（3）

4.3.2邊界點的深度值和權值調整

將邊界點的深度值全部設置為采樣點深度值的上限Dmax；在計算結點的指示函數值時，讓邊界點具有較大的alpha權值。這樣的調整可以強制讓邊界點保留在三維重建表面中。

4.3.3后處理

按照上述改進的泊松重建方法生成三維模型后，根據三角網所構成曲面的局部曲度變化來精簡TIN；將簡化后的TIN模型和紋理影像進行配準和貼圖，得到測區實景三維模型。

實景三維模型重建流程如圖8所示，這種融合地面激光點云與邊界結構特征的高精度泊松重建改進算法可以有效地提高三維表面重建的精度和質量，使得重建結果更加真實和準確。

5質量分析

主要從模型質量對傾斜攝影建模、傾斜攝影+LiDAR融合建模與本研究提出的改進泊松重建算法的傾斜攝影+LiDAR融合建模進行比較和分析。

通過目視判別重建三維模型的準確度和完整性，主要是檢查建筑物的表面模型是否存在不正常的扭曲和孔洞；然后判別紋理的準確度和完整性，主要是檢查模型紋理是否存在拉花、扭曲變形和模糊。

3種建模方案下的實景三維模型部分細節如圖9～10所示。可知，本次研究提出的方法能夠有效改善近地面區域的三維重建效果。

6結 語

本次研究中融合地面LiDAR和傾斜攝影無人機影像數據能夠提高實景三維模型的精度和效果，可對白模缺失的區域進行精確補充；同時結合邊界特征點進行三維重建可對弱紋理的墻面輪廓進行完整、統一的修復；通常被忽略的樹木姿態和形態在地面LiDAR點云的補充下，樹干和樹枝的形態得到了有效糾正。本文研究成果可為工程BIM設計提供更高質量的實景三維模型參考，但激光點云無法補充缺失的紋理特征，如果要構建符合紋理要求的精細化模型，還需采集地面高清照片或模型修復軟件輔助實現。

參考文獻：

［1］李策，吳長悅.傾斜攝影與地面激光點云融合精細化建模研究［J］.現代礦業，2019，35（5）：53-55，59.

［2］蔡潤彬.地面激光掃描數據后處理若干關鍵技術研究［D］.上海：同濟大學，2008.

［3］張昕，康光清，馮洋，等.基于傾斜攝影與地面激光掃描技術的三維實景建模［J］.測繪與空間地理信息，2021，44（增1）：287-290.

［4］陳則剛.三維傾斜攝影技術在新化縣房地一體項目中的應用研究［J］.價值工程，2022，41（14）：139-141.

［5］萬玉輝，金萬軍，韓婭婕，等.基于傾斜攝影融合地面SLAM實景三維精細化建模的方法研究［J］.青海國土經略，2022（6）：59-65.

［6］肖雄武.具備結構感知功能的傾斜攝影測量場景三維重建［J］.測繪學報，2019，48（6）：802.

［7］晏曉紅，榮延祥，孫可心，等.城市復雜地形環境下傾斜模型結合LiDAR點云的大比例尺地形圖更新方法［J］.測繪通報，2022（10）：93-99.

［8］孫佳明，李慧.基于傾斜攝影測量與激光掃描技術的融合建模研究［J］.水利技術監督，2023（2）：280-284.

［9］李世明.激光雷達點云與攝影測量點云的拉普拉斯融合方法［D］.成都：西南交通大學，2021.

［10］劉濤.泊松隱式曲面重建算法及其并行化研究［D］.太原：中北大學，2018.

［11］程昌.融合低空傾斜攝影測量和地面LiDAR的建筑物精細化三維重建［D］.徐州：中國礦業大學，2022.

［12］黃佳彪.基于無人機的建筑物三維重建及其應用［D］.長沙：國防科技大學，2017.

［13］SHAN T，ENGLOT B，MEYERS D，et al.Tightly-coupled lidar inertial odometry via smoothing and mapping［C］∥IEEE/RSJ International Conference on Intelligent Robots and Systems（IROS），2020：5135-5142.

［14］LI L，YANG F，ZHU H，et al.An improved RANSAC for 3D point cloud plane segmentation based on normal distribution transformation cells［J］.Remote Sensing，2017（9）：433.

［15］KAZHDAN M，HOPPE H.Screened poisson surface reconstruction［J］.ACM Transactions on Graphics，2013，32（3）：1-13.

（編輯：郭甜甜）