倾斜摄影测量与机载LiDAR点云融合在三维建模中的应用

贺丹

(重庆市勘测院，重庆 401121)

1 引 言

倾斜摄影技术可以得到更逼真的实景三维模型，同时减少人工操作的步骤，是目前三维建模的主流趋势[1～3]。但是通过倾斜摄影测量得到的三维模型，受数据采集设备、时空天气环境及数据处理算法的影响，其成果会存在一定的畸变和错误，不利于更进一步的应用，目前造成模型畸变的主要原因有以下几个方面：①飞行器姿态变化引起的误差；②大气环境噪声误差；③受相片分辨率影响导致同名点匹配误差。造成模型畸变和缺陷的原因复杂多样，这也是目前基于倾斜摄影测量进行三维重建面临的最普遍的问题[4]。对于单体建筑物，可以通过人机交互的方式进行优化，但在大场景下，手动优化的方式就会降低模型生产的效率。

LiDAR具有分辨率高、抗干扰能力强等特点[5]。利用这些优点来辅助倾斜摄影测量数据进行融合建模，可以提高模型精度。随着LiDAR技术的进步，越来越多的学者开始研究利用LiDAR点云进行三维模型重建的技术[6]。张平等[7]通过无人机倾斜摄影和地面摆站激光扫描相结合，有效改善了倾斜摄影模型的建模效果，但地面激光扫描仪需要搬站，工作量较烦琐。王丹阳等[8]利用LiDAR进行建筑物三维建模，获取到了较高精度的三维模型，但在大场景下该方法效率偏低。

利用倾斜摄影测量和LiDAR点云各自的优点和特性(表1)，本文设计了一种融合倾斜摄影与LiDAR点云的三维建模方法，通过以倾斜摄影为主，激光雷达为辅的方式，在ContextCapture软件中对二者进行融合建模，从而实现提高三维模型精度的目的。经实验，该方法在应用于城市复杂环境时可以取得较理想的效果。

三维建模方法优缺点对比 表1

2 倾斜摄影与LiDAR点云融合建模

2.1 基于ContextCapture的倾斜摄影建模流程

ContextCapture是一款基于图形运算单元GPU的快速三维场景运算软件，国内有多家重要的数据生产单位正在使用该软件[9]。使用ContextCapture软件进行三维建模的整体流程如图1所示。

图1 ContextCapture常规建模流程

通过上述流程得到的三维模型较粗糙，通常建筑物会由于气候条件、拍摄距离、航高、分辨率等原因产生不同程度的屋顶凸包、立面缺失等问题，将LiDAR点云与倾斜摄影成果进行融合建模，可以有效地弥补倾斜摄影模型的这些缺点，提高精度。

2.2 融合建模流程

首先按照常规流程在ContextCapture软件中进行倾斜摄影数据的解算，构建空三工程后，再处理LiDAR点云数据。由于LiDAR点云与倾斜摄影测量的采集时间、数据获取平台、坐标系统通常都不一样，所以要先将数据进行配准，然后进行第二次空三解算，最后生成融合后的三维模型即可，整个融合建模的流程如图2所示。

图2 基于ContextCapture的多源数据融合建模流程

2.3 数据采集及处理

倾斜摄影测区共2.32 km2，数据采集设定航高 150 m，航向重叠度为75%，旁向重叠度为65%，进行固定航线采集，采集并处理后结果如图3(a)所示；机载LiDAR测区共 0.86 km2，数据采集设定航高 200 m，航线带宽 120 m，飞行速度 10 m/s，采集并处理后结果如图3(b)所示。

图3 数据采集及处理结果

根据POS文件来对原始相片进行处理，首先要根据相片参数和相机参数来编辑POS文件，POS文件中包括了相片名、经纬度和高程四项数据，将经纬度和高程数据投影到目标平面坐标系上，得到一个相片名与XYZ坐标一一对应关联的POS文件。通过软件，将POS文件与航摄相片进行空三解算，进而通过密集匹配来匹配同名点，从而得到整个测区的密集匹配点云。处理LiDAR点云时，要先检查LiDAR点云与采集点云数据时的航迹数据的坐标系的一致性，若坐标系不一致则要先进行坐标转换，待航迹和点云坐标系匹配后，再导入ContextCapture软件中进行LiDAR点云与空三工程的配准。

2.4 三维融合建模与分析

将LiDAR点云数据与倾斜摄影数据进行配准，并将配准后的数据导入ContextCapture软件中，通过ContextCapture软件中的Merge blocks功能，将两组数据进行融合，然后再次提交空三解算任务。此时，LiDAR点云将会和倾斜摄影密集匹配点云同步解算，待空三任务完成后，得到融合后目标测区的实景三维模型，如图4所示，左图为LiDAR点云和密集匹配点云融合后的效果，右图为融合后的实景三维模型成果。

图4 点云融合后空三工程(左)与融合后三维模型(右)

将融合后的模型与倾斜摄影模型对比，可以看出凸包扭曲变形等问题都得到了较明显的改善。因为在无纹理的状态下能更清楚地观察模型的几何结构，所以使用白模进行对比。图5为测区内的一栋建筑，融合LiDAR数据后，其顶部原有的凸包和凹陷部分变得较为平整，屋顶细节得到了改善。图6为测区内的另一栋建筑，对比融合前后的模型，融合后的模型精度有了较大的提升，大部分凹陷被修复，顶部边缘的一些锯齿状凸起也得到了平滑，屋顶的结构更加接近真实状态。通过TIN格网的构建细节，发现融合LiDAR点云后，其构网密度更密集，另外由于LiDAR点云本身分辨率高、数据坐标精确，所以模型的精度得到了较明显的提升。综上，倾斜摄影与LiDAR点云融合可以有效提升实景三维模型的精度，修复模型的漏洞，优化模型的细节，能够明显提升倾斜摄影模型的精细度。

图5 建筑物屋顶凸包问题的改善

图6 建筑物屋顶其他问题的改善

3 融合建模精度

相对于传统测绘，倾斜摄影测量是一门较新的技术，而三维模型的应用更是近年来才转向市场。所以直至目前，三维模型的质量评定方式还没有形成一个较完善的技术规范和标准，一些专家、学者、研究人员也正在努力推动技术规范的形成。宫岩[11]以传统手工三维模型质检标准为基础，结合实景三维模型的特点，总结出实景三维模型数据检查方法。张号等[12]通过分析倾斜摄影实景三维模型的特点和成果质量表现形式，归纳了常规数据质量评定的内容和方法，为实景三维模型质量评价相关标准的制定提供了一些思路。

如表2所示，实景三维模型质量评价元素主要可以参考空间参考系、位置精度、模型质量、场景效果、附件质量等几个方面来进行。根据上述评定元素，对融合建模成果进行质量评定：①空间参考系：模型的坐标系为重庆独立坐标系中带，符合要求。②位置精度：通过控制点坐标检查模型的位置精度，中误差为 0.042 m。③模型质量：融合建模解决了大部分建筑物出现的立面缺失、空洞，屋顶凸包、变形等问题。④场景效果：融合建模的场景更加精细，与真实场景更加接近。⑤附件质量：附件质量包括数据采集设备、采集外部条件的基本记录文档，符合要求。

实景三维模型精度评定的主要元素 表2

4 结 语

本文从实际应用的角度出发，讨论了常用的实景三维建模软件存在的一些问题，设计了一种基于ContextCapture软件的倾斜摄影与LiDAR点云融合建模方法，研究了该方法对于提高模型质量的优势，并结合目前主流的精度评定元素对模型精度做出了定性的评价。实验表明，倾斜摄影与LiDAR点云融合建模，可以有效提高实景三维模型的精度，解决倾斜摄影模型的空洞、凸包、扭曲等重大问题，弥补倾斜摄影测量的部分缺陷，优化了模型的纹理和细节，为三维模型的可量可算提供更可靠的数据基础。但是，LiDAR数据的采集成本较高，在使用时需要考虑经费问题，而且进行配准和点云融合的耗时也会随着数据量的增加而上升，所以数据采集利用的方式和点云融合的方法需要更进一步的研究。