面向三維城市建模的多點(diǎn)云融合的發(fā)展趨勢(shì)

發(fā)布日期：2019-06-13 00:00 瀏覽量：10699

多細(xì)節(jié)層次的三維城市模型是數(shù)字城市和智慧社會(huì)的關(guān)鍵空間數(shù)據(jù)基礎(chǔ)設(shè)施。現(xiàn)有的精細(xì)化三維城市建模技術(shù)主要有基于多種數(shù)據(jù)源（計(jì)算機(jī)輔助設(shè)計(jì)（ＣＡＤ）、建筑物信息建模（ＢＩＭ）、地圖等））的人工交互建模和基于影像或激光掃描密集點(diǎn)云的半自動(dòng)化建模兩大類。

人工交互建模利用稀疏點(diǎn)線特征幾何約束，需要大量人工交互式操作，導(dǎo)致作業(yè)周期長(zhǎng)、效率低，且模型質(zhì)量難以保證，特別是紋理偏差大。基于密集點(diǎn)云的半自動(dòng)化建模已成為大范圍三維城市建模的主要方式。由于立體城市空間結(jié)構(gòu)復(fù)雜，高大建筑相互遮擋，且建筑物屋頂和立面形狀結(jié)構(gòu)多樣，道路、植被、人工設(shè)施等地上下立體空間場(chǎng)景對(duì)象種類繁多，形態(tài)各異，單一類型與單一站點(diǎn)的點(diǎn)云數(shù)據(jù)普遍存在數(shù)據(jù)漏洞、描述尺度單一、結(jié)構(gòu)細(xì)節(jié)丟失等局限性，難以表達(dá)目標(biāo)完整豐富的細(xì)節(jié)特征。

隨著“消費(fèi)級(jí)”激光掃描設(shè)備、影像密集匹配技術(shù)以及深度相機(jī)等新型數(shù)據(jù)獲取技術(shù)日新月異，點(diǎn)云數(shù)據(jù)獲取手段更為豐富，且難度與成本降低，類型、視角、屬性和內(nèi)涵信息更為豐富的點(diǎn)云數(shù)據(jù)日益可得。

因此，多點(diǎn)云數(shù)據(jù)融合處理成為三維城市建模的主要途徑，并成為國(guó)際學(xué)術(shù)界和工業(yè)界的熱點(diǎn)前沿。

多點(diǎn)云數(shù)據(jù)指多類型、多站點(diǎn)和多時(shí)相的點(diǎn)云數(shù)據(jù)。激光掃描、影像匹配、深度圖像測(cè)量、干涉雷達(dá)測(cè)量和野外實(shí)地測(cè)量等方法提供了具有不同數(shù)據(jù)屬性和信息內(nèi)涵的多類型點(diǎn)云。這些不同類型的點(diǎn)云還可以從空中、地面、室內(nèi)等不同站點(diǎn)獲取，具有多樣化的視角和尺度特征。

此外，不同時(shí)間歷元采集的多時(shí)相點(diǎn)云融合可反映對(duì)象的變化屬性和趨勢(shì)。多點(diǎn)云融合的前提是明確不同點(diǎn)云的優(yōu)勢(shì)信息和互補(bǔ)需求。如影像匹配點(diǎn)云密度高且富含邊緣特征信息，但具有大量的拓?fù)湓肼暎抑荒塬@取表面覆蓋數(shù)據(jù)，連片林地的地形常存在漏洞；空、地不同站點(diǎn)的激光掃描點(diǎn)云在效率、精度、結(jié)構(gòu)細(xì)節(jié)信息的采集方面也各有優(yōu)缺點(diǎn)。

根據(jù)多點(diǎn)云數(shù)據(jù)具有的不同視角、密度、精度、尺度、細(xì)節(jié)、語(yǔ)義等特征進(jìn)行一致性處理是一項(xiàng)復(fù)雜的系統(tǒng)性工作，是后續(xù)多細(xì)節(jié)層次精細(xì)三維建模的關(guān)鍵基礎(chǔ)。通過(guò)消減不同點(diǎn)云間的空間基準(zhǔn)、尺度和語(yǔ)義表達(dá)等不一致性，如空間位置結(jié)構(gòu)語(yǔ)義、拓?fù)潢P(guān)系的沖突，以達(dá)到數(shù)據(jù)準(zhǔn)確、冗余最少，實(shí)現(xiàn)多點(diǎn)云數(shù)據(jù)的優(yōu)勢(shì)信息融合表達(dá)。

多點(diǎn)云數(shù)據(jù)的融合處理方法可歸納為時(shí)空基準(zhǔn)及精度、尺度、語(yǔ)義３個(gè)層面的一致性處理。時(shí)空基準(zhǔn)與精度一致性處理旨在建立整個(gè)場(chǎng)景統(tǒng)一的點(diǎn)云模型，尺度一致性處理則為了削減不同密度和精度的點(diǎn)云對(duì)同一目標(biāo)表達(dá)的尺度差異，語(yǔ)義一致性處理旨在綜合利用不同點(diǎn)云對(duì)同一目標(biāo)不同細(xì)節(jié)特征的表達(dá)。通過(guò)這３個(gè)層面的一致性處理，即可得到最初級(jí)的多點(diǎn)云融合模型，可滿足進(jìn)一步精細(xì)化三維城市建模與智能化分析等深度應(yīng)用需求。

多點(diǎn)云時(shí)空基準(zhǔn)與精度一致性處理方法

　　多點(diǎn)云的融合反映了由單源到多源、由少到多、由簡(jiǎn)單到復(fù)雜的趨勢(shì)，這種融合的第一步是理解和描述不同數(shù)據(jù)源間的復(fù)雜關(guān)系和相互轉(zhuǎn)換規(guī)律，實(shí)現(xiàn)時(shí)空基準(zhǔn)與精度的一致性，建立整個(gè)場(chǎng)景統(tǒng)一的點(diǎn)云模型，彌補(bǔ)單一點(diǎn)云數(shù)據(jù)空洞，并增強(qiáng)尺度和語(yǔ)義信息，實(shí)現(xiàn)整個(gè)場(chǎng)景對(duì)象的無(wú)縫表達(dá)。

多點(diǎn)云從采集單元轉(zhuǎn)換到絕對(duì)地理坐標(biāo)系采用了不同的方法和輔助數(shù)據(jù)。機(jī)載和車載移動(dòng)激光掃描系統(tǒng)都配備了ＧＰＳ／ＩＭＵ組合慣性導(dǎo)航模塊，根據(jù)耦合計(jì)算得到的軌跡數(shù)據(jù)進(jìn)行絕對(duì)地理坐標(biāo)系的糾正，理想情況下，獲取的點(diǎn)云精度在５～１５ｃｍ左右。

地面激光掃描常利用掃描場(chǎng)景內(nèi)已知坐標(biāo)的靶標(biāo)球進(jìn)行多站點(diǎn)拼接和絕對(duì)地理坐標(biāo)糾正，得到的整個(gè)場(chǎng)景數(shù)據(jù)精度可達(dá)３ｃｍ以內(nèi)。影像匹配點(diǎn)云利用像控點(diǎn)進(jìn)行立體恢復(fù)，并實(shí)現(xiàn)絕對(duì)地理坐標(biāo)的糾正，但由于遮擋、視差斷裂、紋理缺失及光照條件不一致等，制約了影像密集匹配中關(guān)鍵特征點(diǎn)的可靠檢測(cè)，常存在大量的幾何和拓?fù)湓肼暋Ｓ捎谙窨攸c(diǎn)、靶標(biāo)球、ＧＰＳ／ＩＭＵ慣導(dǎo)數(shù)據(jù)等輔助數(shù)據(jù)的采集質(zhì)量不一，對(duì)多點(diǎn)云融合精度產(chǎn)生直接影響，因此多點(diǎn)云數(shù)據(jù)需要進(jìn)行點(diǎn)云精確配準(zhǔn)。

多點(diǎn)云尺度一致性處理方法

不同點(diǎn)云密度和細(xì)節(jié)分辨率的多點(diǎn)云數(shù)據(jù)對(duì)同一目標(biāo)表達(dá)具有顯著的尺度差異。空中站點(diǎn)多面向條帶狀和面狀大場(chǎng)景范圍的數(shù)據(jù)采集任務(wù)，是有效的大尺度場(chǎng)景ＤＳＭ、建筑群落屋頂結(jié)構(gòu)、植被冠層數(shù)據(jù)的采集手段。

其中，機(jī)載激光點(diǎn)云均勻且較為稀疏，較長(zhǎng)的測(cè)程（通常為５００～３０００ｍ）會(huì)產(chǎn)生激光束散射現(xiàn)象，對(duì)對(duì)象細(xì)節(jié)信息采集有一定程度的損失，通常只能區(qū)分對(duì)象整體（如一棟建筑）；影像逐像素密集匹配點(diǎn)云的密度取決于影像分辨率，通常每ｍ２范圍大于２００點(diǎn)的高密度有利于對(duì)象單個(gè)平面的分割和識(shí)別，但其中點(diǎn)云的噪聲和對(duì)象的細(xì)節(jié)（如建筑外立面復(fù)雜的細(xì)節(jié)結(jié)構(gòu)）甄別困難，影像匹配點(diǎn)云密集的優(yōu)勢(shì)需要提高去噪的魯棒性才能更好的發(fā)揮。

地面站點(diǎn)通常測(cè)程較近（不超過(guò)５００ｍ），具有更高的點(diǎn)云密度和更豐富的細(xì)節(jié)信息，可以對(duì)建筑立面、道路設(shè)施、附屬部件進(jìn)行小尺度的精細(xì)數(shù)據(jù)采集，分割識(shí)別精細(xì)的細(xì)節(jié)結(jié)構(gòu)，是單體化建筑模型精細(xì)結(jié)構(gòu)語(yǔ)義的主要數(shù)據(jù)源。經(jīng)過(guò)時(shí)空基準(zhǔn)與精度的一致性處理，場(chǎng)景中的對(duì)象如建筑物會(huì)有多種尺度的點(diǎn)云數(shù)據(jù)重疊。

比如空基俯視點(diǎn)云與地基側(cè)視點(diǎn)云，需要多點(diǎn)云數(shù)據(jù)尺度一致性的進(jìn)一步處理，進(jìn)行多尺度點(diǎn)云不確定性評(píng)價(jià)，解決重疊點(diǎn)云的冗余和矛盾，以實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)的高效利用。

多點(diǎn)云語(yǔ)義一致性處理方法

散亂的點(diǎn)云本身不具有語(yǔ)義信息，三維重建需根據(jù)點(diǎn)云數(shù)據(jù)含有的空間坐標(biāo)（Ｘ，Ｙ，Ｚ）和其他屬性（如強(qiáng)度、色彩）進(jìn)行語(yǔ)義理解，識(shí)別結(jié)構(gòu)化語(yǔ)義（幾何、拓?fù)浣Y(jié)構(gòu)，如墻角、窗邊、邊面等）和分類信息（植被、建筑、路燈等）。語(yǔ)義賦予了點(diǎn)云類的屬性，是進(jìn)一步進(jìn)行分析應(yīng)用的基礎(chǔ)。可見(jiàn)，經(jīng)過(guò)時(shí)空基準(zhǔn)和尺度融合的多點(diǎn)云，需要多種方法提取與理解不同點(diǎn)云對(duì)同一目標(biāo)不同細(xì)節(jié)特征的語(yǔ)義內(nèi)涵，并進(jìn)行統(tǒng)一的語(yǔ)義標(biāo)識(shí)。

多點(diǎn)云數(shù)據(jù)的采集原理、信息內(nèi)涵以及語(yǔ)義理解方式的不同，都導(dǎo)致其具有顯著的語(yǔ)義差異。

激光掃描點(diǎn)云來(lái)自主動(dòng)式遙感，除空間三維坐標(biāo)外，還包含具有層次感的強(qiáng)度信息。以被動(dòng)式遙感方法獲取的影像匹配點(diǎn)云具有對(duì)應(yīng)影像像元的顏色信息。強(qiáng)度和色彩可從不同方面給點(diǎn)云的分類識(shí)別和語(yǔ)義理解提供輔助。

激光掃描點(diǎn)云采樣均勻，在結(jié)構(gòu)化特征反應(yīng)上并無(wú)指向性。影像匹配點(diǎn)云在此處具有優(yōu)勢(shì)。由于匹配策略往往基于特征，因此在對(duì)象的線特征、邊緣處點(diǎn)密度較高。

激光雷達(dá)優(yōu)勢(shì)在于其多目標(biāo)能力，可穿透植被冠層獲取地面數(shù)據(jù)。影像匹配點(diǎn)云則只能獲取對(duì)象表面覆蓋，容易受到草、低矮灌木、屋頂附屬物的影響。

激光掃描點(diǎn)云的強(qiáng)度信息和多目標(biāo)能力、影像匹配點(diǎn)云的色彩信息和特征處點(diǎn)密度更高的特性，賦予了多點(diǎn)云屬性顯著差異特點(diǎn)，從而對(duì)多點(diǎn)云數(shù)據(jù)的類信息提取需要不同的處理方案。空地多平臺(tái)的多尺度特性則會(huì)影響點(diǎn)云類信息識(shí)別的精細(xì)程度。融合的多點(diǎn)云數(shù)據(jù)可為改進(jìn)三維場(chǎng)景數(shù)據(jù)的完整性、密度、地理參考質(zhì)量、精度、可靠性及點(diǎn)云數(shù)據(jù)處理奠定良好基礎(chǔ)。

多點(diǎn)云融合存在的關(guān)鍵問(wèn)題及發(fā)展趨勢(shì)

1）多點(diǎn)云融合將面對(duì)更為復(fù)雜多樣的點(diǎn)云數(shù)據(jù)源。

2）面向自動(dòng)化三維城市建模和動(dòng)態(tài)更新的多點(diǎn)云數(shù)據(jù)按需抽取。

3）機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用。使用卷積神經(jīng)網(wǎng)絡(luò)（ＣＮＮ）架構(gòu)的深度學(xué)習(xí)是解決圖像分類任務(wù)的標(biāo)準(zhǔn)解決辦法，由于點(diǎn)云是不規(guī)則和無(wú)序的，將深度學(xué)習(xí)應(yīng)用于點(diǎn)云的提取、分類識(shí)別較為困難，相關(guān)的探索，如ＰｏｉｎｔＮｅｔ、ＰｏｉｎｔＣＮＮ等方法已將點(diǎn)云數(shù)據(jù)作為訓(xùn)練樣本，模擬生物視覺(jué)認(rèn)知方式進(jìn)行了點(diǎn)云分類。

進(jìn)一步地，多點(diǎn)云數(shù)據(jù)的一致性提取問(wèn)題將在人工智能、機(jī)器學(xué)習(xí)等先進(jìn)技術(shù)的驅(qū)動(dòng)下向自動(dòng)化、智能化方向快速發(fā)展，將更好地服務(wù)于復(fù)雜地理空間對(duì)象的認(rèn)知、識(shí)別、分析和知識(shí)化服務(wù)。

版權(quán)聲明：文章來(lái)源于網(wǎng)絡(luò)，作者孫行高，登載此文出于傳遞更多信息之目的，版權(quán)歸原作者及刊載媒體所有，如本文中圖片或文字侵犯您的權(quán)益，請(qǐng)聯(lián)系我們。