基于無人機影像立體點云的農村建筑精確地籍測量研究

摘要：提出了一種基于無人機影像立體點云的精確地籍測量方法。為確保建筑外墻的精確性和唯一性，提出了一種非極大值抑制算法，用于分離噪聲并避免重復提取外墻點。同時，提出了多線索加權RANSAC方法，該方法結合點到線的距離和法向一致性，旨在減少建筑附著物的影響并避免虛假邊緣的生成。實驗結果表明，所提出的方法能夠有效檢測建筑物的矢量輪廓，具有較高的精度和正確的拓撲結構。在均方誤差低于10 cm的情況下，邊角的檢測完整性和正確性分別為84.9%和93.2%。

關鍵詞： 地籍測量" 墻體線段拓撲圖" "線段探測" 拓撲圖分析

Research on Precise Cadastral Survey of Rural Buildings Based on Drone Image Stereo Point Cloud

MA Weichi

Beijing Xinxing Huanyu Information Technology Co.， Ltd.， Beijing， 102300 China

Abstract： A precise cadastral surveying method based on unmanned aerial vehicle image stereo point cloud is proposed. To ensure the accuracy and uniqueness of building exterior walls， the non-maximum suppression algorithm is proposed to" separate noise and avoid duplicate extraction of exterior wall points. Meanwhile， the multiple clue weighted RANSAC method was proposed， which combines point-to-line distance and normal consistency to reduce the influence of building attachments and avoid the generation of 1 edges. Experimental results show that the proposed method can effectively detect the building vector contours with high accuracy and correct topological structure. The completeness and accuracy" of the edge corners detection can reach 84.9% and 93.2% when the mean square error is less than 10cm.

Key Words： Cadastral survey; Wall line segment topology graph; Line detection; Topology graph analysis

地籍測量是一項復雜且漫長的工作，其目標是準確測量各種土地類型的位置、面積和邊界，以滿足土地管理部門或經濟部門的需求[1]。尤其對于缺乏統一設計和規劃的農村建筑而言，保持地籍數據庫的精準性和及時更新是確保土地使用者權益、減少非法建筑處理或政府拆遷賠償糾紛的基本保障。這需要從數據采集到處理、存儲和發布的全過程都保持信息透明且可以查詢。

近年來，考慮到農村建筑往往缺乏統一設計和規劃，基于無人機立體影像的測繪方法被廣泛用于記錄和測量地籍數據。然而，由于農村建筑環境的復雜性和高精度要求，通常需要大量的手動編輯，這既昂貴又耗時。即使僅考慮建筑和庭院空間的二維矢量圖，當前的自動化方法仍面臨巨大挑戰[2]。

1" 研究現狀

傳統的基于圖像的方法通過高分辨率圖像分類或分割提取建筑像元，然后繪制建筑輪廓。其關鍵是充分利用幾何、光譜、紋理等顯著特征，并結合先驗正則約束，然而，由于建筑類型的復雜性和各種背景元素的干擾，這些方法在處理不同數據集時通常需要針對性參數調整，難以適應實際應用需求。大多數主流的圖像分割方法都可以用于建筑物提取，例如：基于種子點的區域生長法，或使用包括Mean-shift和K-means在內的各種分類和聚類方法，其主要困難在于，在背景環境復雜的場景下檢測精度有限，容易出現誤檢和漏檢，尤其是道路、高架區域和建筑物之間的直接過渡不明顯時[3]。

隨著深度卷積神經網絡的不斷發展，近年來也提出了大量基于深度學習的方法。經典網絡采用編碼器-解碼器結構（如SegNet、UNet），編碼器通過連續的卷積和池化操作提取圖像特征，解碼器對圖像進行上采樣以恢復原始大小。這些方法的局限性在于在特征提取過程中會損失空間細節，導致邊界質量下降和最終分割結果的精度不足。為增強分割算法對建筑物尺度的適應性，還提出了粗到精邊界細化網絡和多路徑混合注意力網絡。此外，還有一些直接提取多邊形邊界的輪廓描述網絡，如Curve-GCN、Polymapper和Polyworld。這些方法的顯著限制在于根據地籍測量和登記的法規，建筑范圍應以外墻包圍的空間為準，而非屋頂覆蓋的范圍。利用屋頂點云的方法中也存在同樣的問題。由于農村建筑通常有顯著的屋檐突出、未封閉的陽臺和凹入的門廊，從屋頂檢測的結果精度存在問題。更重要的是，檢測結果往往缺乏建筑拓撲結構，這意味著相鄰或連接的屋頂通常未被分開，需要大量編輯才能滿足基本要求[4]。

由于精確的地籍測量需要直接觀察建筑外墻，并對獨立柱、單柱門廊、車棚等特殊結構進行清晰描述，近年來，傾斜視角或地面視角的高密度傾斜點云在地籍測量領域中逐漸受到關注。這類點云可以為目標建筑的外墻和特殊結構提供全方位、多角度的觀察，但也為現有自動化方法帶來了巨大挑戰。（1）墻面精確且完整的擬合問題。由于視角有限和遮擋，墻面段通常不完整，尤其是在建筑密集區域。此外，由于窗戶和其他建筑附屬物的存在，以及陰影和植被的干擾，立體匹配生成的墻點可能無法形成嚴格的垂直平面，導致虛假或不完整的結果。（2）墻段拓撲結構容易出錯。相鄰墻體的交匯和封閉墻體多邊形的搜索需要清晰描述墻體間的拓撲關系。不完善的墻體提取結果會導致連接錯誤，在實際應用中需要進一步人工干預。此外，邊界的規則化還需要墻體拓撲結構的全局描述。

2" 技術途徑

為應對這些挑戰，提出了一種基于高密度點云的地籍測量方法，通過以下兩點確保墻體位置的精確性和唯一性：（1）對墻體投影點進行非極大值抑制以避免重復提取結果；（2）引入多線索加權RANSAC方法，結合點到線距離和法向一致性，減少噪聲和建筑附屬物的影響[5]。

在墻體拓撲結構的構建方面，通過構建圖結構來存儲和分析相鄰墻段之間的連接關系、平行和垂直約束。基于圖結構進行最小閉合分析，同時結合全域方向估計和邊界優化調整，實現整體規則化。最終，在封閉多邊形內的點云分布可以有效區分房屋及其附屬庭院墻結構，從而生成具有語義的矢量場景[6]。

如圖1所示，本文的方法基于多視角無人機影像生成的高密度點云，直接進行墻段位置的檢測和墻體拓撲的構建。通過將墻體點投影到水平面后擬合2D線特征，實現墻段的檢測。采用局部非極大值抑制和全局調整以確保墻線的方向和位置。在墻體拓撲的構建中，通過構建圖結構存儲和分析相鄰墻線之間的關系。在此基礎上，計算相鄰墻線的交點并區分封閉房間，最終為建筑模型賦予語義信息。

2.1 墻段的檢測

本文通過墻面點云檢測建筑物的二維輪廓。首先對墻體點進行聚類，并將其投影到二維水平面，隨后對墻段進行擬合和調整。

2.2 基于圖的墻體拓撲分析

對于地籍調查，建筑物或院落需要完整的閉合邊界，以滿足面積和權屬測量的要求。因此，需要構建線段的拓撲關系，計算交點并生成矢量化多邊形，同時區分房屋與普通院墻。本文采用基于圖的結構進行墻體拓撲和閉環分析，其流程如圖2所示。

3" 實驗與評估

3.1 數據集、參數和評估指標

本文選擇北京密云傾斜攝影獲取的點云作為實驗數據。原始傾斜航拍影像的空間分辨率約為1.5 cm，點云密度隨機重采樣至約400個/m2，平均點間距為5 cm。測試區域面積約為17 500 m2，并制作了人工矢量地圖作為參考數據。結果表明，提出的算法能夠完整地提取建筑物輪廓，并有效避免屋檐和走廊對邊界精度的干擾，同時包含建筑輪廓和院落邊界。均方根誤差約為 8.4 cm，拐角、邊緣和多邊形的正確性指數均超過 92%。

4" 結論

針對當前地籍測量中自動化方法提取結果成本高、更新慢、精度低的問題，本文提出了一種基于無人機影像點云數據的建筑和院落二維矢量輪廓快速獲取方法。本文采用多線索RANSAC算法并結合非極大值抑制技術，擬合非極大值抑制后的墻體點，生成高精度的建筑邊界；構建墻體線段拓撲圖，描述并識別墻體線段之間的拓撲關系，最終生成閉合邊界。實驗證明，該方法能夠以較高精度和正確拓撲有效檢測建筑物的二維矢量輪廓。在點云質量良好的區域建筑拐點的檢測正確率和完整率分別達到93.2%和84.9%，中位誤差約為10 cm。通過拓撲圖最小環檢測，可以分別識別獨立房屋和院落輪廓，為地籍測量中的建筑面積和院落面積統計提供支持。提出的方法在北京的實際地籍測量應用中展現了高效性和精確性的潛力，生成了帶有簡單語義描述的精確邊界多邊形，大幅減少了生產應用中的必要交互操作。

參考文獻

[1]陳曉鵬.無人機航空攝影測量技術在農村地籍變更中的應用分析[J].測繪與空間地理信息，2024，47（S1）：345-346，349.

[2]紀志浩.無人機傾斜攝影測量在房地一體化測量中應用研究[D].北京：中國礦業大學，2021.

[3]于凱強.基于無人機傾斜攝影技術的農村不動產測量研究[D].西安：長安大學，2022.

[4]靳峰，文坤.基于無人機傾斜攝影測量技術的農村土地地籍測量方法[J].北京測繪，2023，37（4）：563-567.

[5]宋曉輝.基于無人機點云的建筑物單體化與邊界提取[D].桂林：桂林理工大學，2024.

[6]周梅，李春干，李振，等.點云密度對無人機激光雷達森林參數估測精度的影響[J].林業科學研究，2024，37（2）：39-47.