傳統(tǒng)的三維建模是基于圖片信息的場景建模和表現(xiàn)，這種技術(shù)存在著缺少真實感，三維幾何信息不準(zhǔn)確以及處理速度緩慢的缺點。因此，近年來基于激光掃描技術(shù)的三維建模技術(shù)成為了研究熱點。

利用激光掃描儀獲取的點云數(shù)據(jù)構(gòu)建實體三維幾何模型時，針對不同的應(yīng)用對象、不同點云數(shù)據(jù)的特性，激光掃描點云數(shù)據(jù)建模的過程和方法也不盡相同。本文提出的方法能夠很好的為快速三維建模進(jìn)行服務(wù)，尤其是比較關(guān)注街道兩側(cè)信息的三維獲取，這將大大減少人工三維數(shù)據(jù)獲取及其建模的工作量，將有很好的應(yīng)用前景。

激光掃描儀能夠直接獲取景物的深度信息，方便快捷。此外，利用激光掃描技術(shù)進(jìn)行三維重建能夠有效恢復(fù)出具有準(zhǔn)確幾何信息和照片真實感的三維模型。

　　整個點云數(shù)據(jù)建模過程包括數(shù)據(jù)預(yù)處理和模型重建。

數(shù)據(jù)預(yù)處理為模型重建提供可靠精確的點云數(shù)據(jù)，降低模型重建的復(fù)雜度，提高模型重構(gòu)的精確度和速度。數(shù)據(jù)預(yù)處理階段涉及的內(nèi)容有點云數(shù)據(jù)的濾波、點云數(shù)據(jù)的平滑、點云數(shù)據(jù)的縮減、點云數(shù)據(jù)的分割、點云數(shù)據(jù)的分類、不同站點掃描數(shù)據(jù)的配準(zhǔn)及融合等；模型重建階段涉及的內(nèi)容有三維模型的重建、模型重建后的平滑、殘缺數(shù)據(jù)的處理和模型簡化等。實際應(yīng)用中，應(yīng)根據(jù)三維激光掃描數(shù)據(jù)的特點及建模需求，選用相應(yīng)的數(shù)據(jù)處理策略和方法。

一、 數(shù)據(jù)預(yù)處理 
　　針對車載激光點云數(shù)據(jù)的特性，將數(shù)據(jù)預(yù)處理方法分為兩類，半自動的數(shù)據(jù)預(yù)處理方法和全自動的數(shù)據(jù)預(yù)處理方法。 
　　1 、半自動數(shù)據(jù)預(yù)處理方法 
　　半自動的方法主要是利用現(xiàn)有的各種類型的點云數(shù)據(jù)處理軟件，如三維激光掃描儀配帶的相應(yīng)點云數(shù)據(jù)處理軟件或逆向工程領(lǐng)域比較著名的商業(yè)點云處理軟件，一般都具有點云數(shù)據(jù)編輯、拼接與合并、數(shù)據(jù)點三維空間量測、點云數(shù)據(jù)可視化、空間數(shù)據(jù)三維建模、紋理分析處理和數(shù)據(jù)轉(zhuǎn)換等功能，但它們往往具有通用的處理功能，對于特定的數(shù)據(jù)處理效果有一定的不足之處，在功能和性能上也或多或少存在一定缺陷，且一般比較昂貴。

 
　　2、全自動數(shù)據(jù)預(yù)處理方法 
　　全自動的數(shù)據(jù)預(yù)處理方法主要是通過一定的算法來實現(xiàn)點云數(shù)據(jù)預(yù)處理，包括點云數(shù)據(jù)濾波，點云數(shù)據(jù)分類等。

 
　　數(shù)據(jù)濾波的目的是為了去除測量噪聲。實際測量過程中存在各種因素的影響，觀測數(shù)據(jù)往往不是理想的結(jié)果。為了得到合理正確的目標(biāo)物體形體信息，需要對觀測數(shù)據(jù)進(jìn)行濾波，剔除掉含有粗差的相關(guān)觀測數(shù)據(jù)和無效形體數(shù)據(jù)，從而得到目標(biāo)物體形體信息的最佳估值。

　　由于激光掃描儀對空間信息采集的盲目性，使得激光點云數(shù)據(jù)在三維空間的分布形態(tài)呈現(xiàn)隨機離散性，在這些離散點中，有些位于真實地形表面，有些位于人工建筑物（房屋、塔、輸電線等）或自然植被（樹、灌木、草等）上。如果直接利用這些點進(jìn)行建模，處理的難度非常大。

因此，要在激光點云數(shù)據(jù)中提取目標(biāo)對象的三維信息進(jìn)而構(gòu)建其三維模型，就需要對去噪濾波后的數(shù)據(jù)點進(jìn)行分類，將其劃分成具有單一幾何特征的拓?fù)浣Y(jié)構(gòu)區(qū)域。

 
　　3、數(shù)據(jù)預(yù)處理結(jié)果 
　　按照以上算法流程編寫 MATLAB 程序，實現(xiàn)地面點與非地面點的分離，用本算法進(jìn)行濾波時要注意濾波參數(shù)的設(shè)置，通常要根據(jù)不同地表形態(tài)來選取適當(dāng)?shù)膮?shù)。應(yīng)用本算法對鐵路兩旁的數(shù)據(jù)進(jìn)行了濾波處理，前后對比效果如圖所示，從中可以看出該算法能很好的實現(xiàn)地面點與非地面點的分離，但是該算法需要輸入很多濾波參數(shù)，如地形坡度，窗口大小等，這些直接影響著濾波的效果，因此要實現(xiàn)很好的濾波需要根據(jù)實際地形情況反復(fù)試驗幾個濾波參數(shù)。

濾波前點云數(shù)據(jù)

濾波后點云數(shù)據(jù)
　　 

二、 模型重建 
　　點云數(shù)據(jù)經(jīng)過濾波分類處理之后，就可以針對分出來的不同類別采用不同的建模方法了，這里濾波分類主要分為地面點和非地面點，所以，模型重建也通過這兩類來分析。

　　1、 地面點建模 
　　與通常的柵格影像數(shù)據(jù)不同，激光點云數(shù)據(jù)是離散分布的不規(guī)則點數(shù)據(jù)。因此，要用模型的形式表示地形表面分布，就需要進(jìn)行網(wǎng)格化處理，即將離散的點連續(xù)化。我們采用三角網(wǎng)的方式對數(shù)據(jù)進(jìn)行組織，地形表面由連接數(shù)據(jù)點的三角形構(gòu)成，通過進(jìn)行插值實現(xiàn)對地形表面的逼近和近似，這是對地形表面的一種精確表達(dá)。 
　　例如，采用 TinModel 5 提供的構(gòu)網(wǎng)模塊實現(xiàn)了將分類后的離散的地面點構(gòu)建為不規(guī)則三角網(wǎng)（TIN）。

　　 
　　2、非地面點建模 
　　非地面點比較復(fù)雜，包括建筑物、植被、道路兩旁設(shè)施等。隨著 AutoCAD、Maya 、逆向工程等三維建模軟件的出現(xiàn)，可以通過人機交互的手段來輔助三維建模，如圖所示為利用逆向工程軟件 ImageWave 對城市道路兩旁的建筑物點云數(shù)據(jù)進(jìn)行建模效果圖。

　　利用 ImageWave 對點云數(shù)據(jù)建模

       利用軟件也能夠?qū)δＰ瓦M(jìn)行紋理映射與可視化。但這些方法費時費力，而且對使用者的技巧要求很高，對于結(jié)構(gòu)復(fù)雜、不規(guī)則的場景建模更是無能為力。

　　顯然純粹地利用三維建模軟件實現(xiàn)激光點云非地面點數(shù)據(jù)的模型重建，并非一個好的辦法，研究怎樣從這些離散的三維點云中快速準(zhǔn)確地構(gòu)建出真實的模型顯得尤為重要，逆向工程中用激光掃描某個特定物體獲得的數(shù)據(jù)直接重構(gòu)物體，但此方法在車載激光掃描測量中不可行，因為是它是自動目標(biāo)采集，掃描無特定目的，不能控制掃描哪些物體。

所以，激光掃描的數(shù)據(jù)量非常大，如果直接進(jìn)行三維重構(gòu)的話消耗太大，必須先對距離圖像進(jìn)行處理，提取出特征點、特征線和特征面再繼續(xù)建模。由于到目前為止，還沒有距離圖像分割和特征提取的成熟、可行方法，使得當(dāng)前的激光掃描系統(tǒng)都采用與 CCD 或類似圖像采集設(shè)備集成，其中距離圖像以用于構(gòu)建高精度的DEM 為主，圖像分割和特征提取則采用 CCD影像數(shù)據(jù)解決。這種聯(lián)合作業(yè)方式使得系統(tǒng)運行成本高、控制比較復(fù)雜、數(shù)據(jù)存儲量大、多源數(shù)據(jù)處理與融合復(fù)雜。

將建好的模型可視化效果圖

目前對距離圖像的數(shù)據(jù)處理方法集中在構(gòu)建DSM/DEM 上，或者附加 CCD 影像進(jìn)行融合，對直接從距離圖像中進(jìn)行目標(biāo)分類和特征提取的研究比較缺乏。鑒于此本文通過閱讀文獻(xiàn)，針對車載激光點云數(shù)據(jù)總結(jié)了以下的建模方法和步驟。

 　　  
　　（1）對非地面點進(jìn)一步分類 
　　通過車載掃描系統(tǒng)獲得的點云數(shù)據(jù)中非地面點存在很多雜點，受車體行駛周圍影響很大，如要對道路兩旁建筑物建模，則建筑物點云受路兩旁的樹木，廣告牌、線桿以及周圍車輛等影響很大。這樣直接用這些點云數(shù)據(jù)進(jìn)行建筑物建模，效果會很差，所以有必要對非地面點進(jìn)一步分類，可分為建筑物，線桿以及其它地物點（如植被、路燈、公交站牌、廣告牌等）等。其中建筑物是非地面點中最重要的部分，也是通常最關(guān)心的地物。

　　（2）通過點云數(shù)據(jù)對建筑物進(jìn)行特征提取 
　　利用前面提出的數(shù)據(jù)分類方法，考慮建筑物自身的幾何特征，設(shè)計了一個簡單的建筑物特征提取方法：首先，從分類后的激光掃描數(shù)據(jù)中提取出建筑物數(shù)據(jù)；然后，從建筑物數(shù)據(jù)中提取出每個格網(wǎng)單元中 Z 值最大和 Z 值最小的數(shù)據(jù)點，這些點就是建筑物的特征點；后續(xù)處理中，可以從這些特征點中探測線特征或者用線段擬合這些特征點得到建筑物的特征線，也可以導(dǎo)入專業(yè)建模軟件直接參與三維建模。

　　（3）線桿提取 
　　線桿提取基于以下的假設(shè)：1）、桿是獨立的直線；2）、桿近乎垂直；3）、桿有最小高度；4）、桿應(yīng)在建筑物或墻面的前面。當(dāng)然以上假設(shè)也限制了一些桿的提取，比如桿正好在建筑物或墻面附近，這樣干擾點比較多，本算法暫不考慮這些。設(shè)置一個距離門限值來識別獨立的直線，線的獨立性通過計算線間的垂直中心距離來得到；設(shè)置一個傾斜角門限值來識別直線在傾斜角范圍內(nèi)是否垂直；有時，桿的底部被植物或小的物體掩藏起來，此時只能得到桿的上部。

因此，設(shè)置另一個門限值來檢查桿的底部的位置；當(dāng)桿目標(biāo)很小時，激光數(shù)據(jù)也可能不包含反射自桿的點，這些小物體的獲取依賴于車速。車速決定激光數(shù)據(jù)的沿軌跡分辨率，當(dāng)車速過快時極少桿被掃描到，所以有些時候還要人工對比一下圖像數(shù)據(jù)再做決定。

　　（4）其它地物提取 
　　其它地物如樹，對其進(jìn)行特征提取和重構(gòu)由于樹形狀的極度不規(guī)則性，數(shù)據(jù)處理非常復(fù)雜，且在城市環(huán)境中知道樹的具體形狀特征意義也不大，一般情況下只要知道樹的位置和高度既可。

 
　　 
　　綜上所述，結(jié)合某三維城市建模案例探討了基于激光點云數(shù)據(jù)的數(shù)據(jù)預(yù)處理方法和模型重建方法，探討了半自動數(shù)據(jù)預(yù)處理方法和全自動數(shù)據(jù)預(yù)處理方法，給出了全自動數(shù)據(jù)預(yù)處理的算法流程，在模型重建中，探討了地面點重建和非地面點重建。該方法能夠很好的為快速三維建模進(jìn)行服務(wù)，尤其是比較關(guān)注街道兩側(cè)信息的三維獲取，這將大大減少人工三維數(shù)據(jù)獲取及其建模的工作量，將有很好的應(yīng)用前景。

版權(quán)聲明：文章來源于網(wǎng)絡(luò)，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，請聯(lián)系我們。