基于點(diǎn)云數(shù)據(jù)的建筑物立面紋理映射技術(shù)研究

袁浩攀侯岳方樂道

（1.禹州市泓瑞測(cè)繪有限公司，河南 禹州 461670；2.河南省測(cè)繪工程院，河南 鄭州 450003）

基于點(diǎn)云數(shù)據(jù)的建筑物立面紋理映射技術(shù)研究

袁浩攀1侯岳2方樂道2

（1.禹州市泓瑞測(cè)繪有限公司，河南 禹州 461670；2.河南省測(cè)繪工程院，河南 鄭州 450003）

本文以車載激光掃描獲取的點(diǎn)云數(shù)據(jù)及影像數(shù)據(jù)為研究對(duì)象，提出基于改進(jìn)的格網(wǎng)法對(duì)建筑物點(diǎn)云信息提取，通過對(duì)建筑物立面紋理提取和最佳影像獲取，得到建筑物的立面影像圖像。本文對(duì)采用的技術(shù)方法和研究的內(nèi)容進(jìn)行詳細(xì)闡述。

點(diǎn)云數(shù)據(jù)；格網(wǎng)法；紋理信息；最佳影像

從車載激光掃描系統(tǒng)點(diǎn)云及影像數(shù)據(jù)出發(fā)，基于點(diǎn)云的濾波分類和數(shù)字圖像處理基礎(chǔ)，設(shè)計(jì)了一套建筑物立面紋理映射的方法。首先將車載點(diǎn)云做抽稀等預(yù)處理，然后通過設(shè)定點(diǎn)云密度閾值和格網(wǎng)內(nèi)點(diǎn)云高程差異權(quán)值將建筑物點(diǎn)云從繁雜的點(diǎn)云中過濾出來，得到建筑物點(diǎn)云，通過點(diǎn)云的面片拓?fù)潢P(guān)系構(gòu)建建筑物點(diǎn)云幾何框架；對(duì)CCD序列影像進(jìn)行預(yù)處理，然后進(jìn)行影像分割及形態(tài)學(xué)的處理；利用車載測(cè)量系統(tǒng)的POS數(shù)據(jù)和各個(gè)傳感器間的固定幾何關(guān)系建立影像與激光點(diǎn)云之間的一一對(duì)應(yīng)關(guān)系，完成影像數(shù)據(jù)的糾正和映射［1-4］。

1 關(guān)鍵技術(shù)研究

本研究在傳統(tǒng)格網(wǎng)法的基礎(chǔ)上進(jìn)行了一些改進(jìn)，提出基于改進(jìn)的格網(wǎng)法對(duì)建筑物點(diǎn)云信息提取。格網(wǎng)法的原理是記錄判斷格網(wǎng)坐標(biāo)及格網(wǎng)內(nèi)掃描點(diǎn)的個(gè)數(shù)，首先通過確定格網(wǎng)的大小和格網(wǎng)區(qū)域左下角或左上角坐標(biāo)（x，y），計(jì)算每個(gè)小格網(wǎng)的中心坐標(biāo)（x0，y0）；然后，計(jì)算每個(gè)格網(wǎng)內(nèi)的掃描點(diǎn)數(shù)量m，根據(jù)車載掃描儀幾何關(guān)系與適宜掃描距離得到最低立面投影格網(wǎng)內(nèi)的點(diǎn)數(shù)閾值θ，若掃描點(diǎn)數(shù)m＞θ則該點(diǎn)作為建筑物立面點(diǎn)保留，否則作為噪聲點(diǎn)剔除［5］。

對(duì)于高程點(diǎn)來說，格網(wǎng)法的掃描點(diǎn)從XYZ三維空間投影到XY平面，會(huì)造成Z坐標(biāo)的丟失，而且在提取建筑物信息時(shí)未能充分考慮點(diǎn)云的高程權(quán)重。所以，本文基于格網(wǎng)法做了一些改進(jìn)，將點(diǎn)云數(shù)據(jù)的高程信息作為權(quán)值參與到運(yùn)算當(dāng)中。

根據(jù)建筑物前立面與左側(cè)立面、前立面與右側(cè)立面、前立面與頂面垂直相交的拓?fù)潢P(guān)系，對(duì)其面片求交并確定所有交線方向向量機(jī)端點(diǎn)坐標(biāo)，然后按照建筑物模型自身的對(duì)稱性和完整性特性得到完整的建筑物幾何框架模型。

2 研究?jī)?nèi)容

數(shù)據(jù)來源于某地區(qū)的城區(qū)建筑物，為本文車載系統(tǒng)繞建筑物行駛一周得到的點(diǎn)云數(shù)據(jù)，通過量測(cè)兩條掃描線之間的間距最大為10cm，每條掃描線上的相鄰兩點(diǎn)云之間的間距約為0.9cm，通過以絕對(duì)間距為0.074m統(tǒng)一采樣對(duì)點(diǎn)云進(jìn)行抽稀得到預(yù)處理后的點(diǎn)云圖像，掃描點(diǎn)為1 098 772，預(yù)處理后的數(shù)據(jù)處理運(yùn)算提高了20～30s。通過上述格網(wǎng)法來計(jì)算，取Tρ=50時(shí)，可知樹木未能得到完全去除，Tρ=80時(shí)能夠很完善地得到建筑物的投影；但從俯視圖能看到，用這種方法得到的點(diǎn)云數(shù)據(jù)，在建筑物正前方2棵樹木未能得到有效去除（圖中紅色部分為未能去除的樹木），這時(shí)輔以高程差異權(quán)值取TH=10m可得建筑物點(diǎn)云，圖1為結(jié)果圖。

圖1 點(diǎn)云處理結(jié)果圖

2.1 紋理信息的提取

通過車載系統(tǒng)的POS數(shù)據(jù)快速定位獲取含有建筑物紋理的影像。POS數(shù)據(jù)中包含有相機(jī)曝光時(shí)刻的位置坐標(biāo)信息、內(nèi)方位元素及其他相機(jī)參數(shù)，計(jì)算影像法向量與建筑物立面法向量的夾角，得到夾角最小的影像即為最佳影像［6］（見圖2）。

圖2 模型索引圖

2.2 最佳影像的選取

假設(shè)一定區(qū)域的建筑物立面為垂直于地面的規(guī)則形狀，通過設(shè)置建筑物立面上任一點(diǎn)的法向量和CCD影像法向量的矢量夾角閾值Tθ，使兩法向量夾角θi＜Tθ來獲取一幅或多幅影像。過程是：以建筑物某一立面Q上某點(diǎn)O為起點(diǎn)，向建筑物外側(cè)做法向量，任意影像P上做法向量，兩法向量夾角θi的值表示影像P的傾斜程度。θi越小表示影像的變形越小，與建筑物立面約近乎于平行，當(dāng)θi=0時(shí)為最佳，所以在此取θmin的影像作為紋理映射影像［7］。

2.3 圖像分割

該算法為局域原型目標(biāo)函數(shù)的典型聚類分析方法，以數(shù)據(jù)點(diǎn)到原數(shù)據(jù)的距離為優(yōu)化函數(shù)條件。核心理論是采用函數(shù)極值的迭代運(yùn)算把原始數(shù)據(jù)劃分為不同的數(shù)據(jù)集合，使數(shù)據(jù)在聚類內(nèi)相似、聚類間相異。所以，根據(jù)該算法的原理清晰又可以運(yùn)算海量數(shù)據(jù)的優(yōu)勢(shì)，能夠廣泛地應(yīng)用于數(shù)據(jù)分析的各個(gè)方向。但是其缺點(diǎn)也很明顯：在進(jìn)行分割之前必須確定初始的聚類的數(shù)目或者收斂條件，但是對(duì)于建筑立面影像來說提取目標(biāo)明確一般分為2個(gè)聚類數(shù)目，即墻面和其他。特殊的墻面影像再根據(jù)具體情況確定，同時(shí)還需要確定初始的聚類中心，根據(jù)一定的相似性準(zhǔn)則（一般以距離為相似性測(cè)度）使數(shù)據(jù)點(diǎn)分配到聚類中心，形成新的聚類中心，再次迭代聚類形成中心，直到數(shù)據(jù)迭代結(jié)束，從而形成分類［8］。

2.4 研究結(jié)果

從圖3可以看到，影像中包括建筑物和其他地物，建筑物影像中包括玻璃和其他材質(zhì)，因此首先對(duì)圖像進(jìn)行分割，本文采用了K-means聚類算法對(duì)圖像分割，利用數(shù)學(xué)形態(tài)學(xué)對(duì)分割后的圖像進(jìn)行進(jìn)一步的邊緣處理，得到了建筑物墻面紋理和玻璃紋理［9］。

圖3 建筑物圖像

［1］孟麗艷.基于車載LIDAR系統(tǒng)的建筑物立面紋理映射［D］.焦作：河南理工大學(xué)，2015.

［2］師建輝.真實(shí)感建筑物三維模型的紋理映射優(yōu)化方法研究［D］.北京：中國(guó)地質(zhì)大學(xué)，2015.

［3］范沖，王學(xué).三維城市建筑物的紋理映射綜述［J］.測(cè)繪與空間地理信息，2014（7）：1-4.

［4］王學(xué).基于多視角影像的三維模型紋理映射研究［D］.長(zhǎng)沙：中南大學(xué)，2014.

［5］李杰.基于圖像的建筑物模型重建技術(shù)研究［D］.北京：北方工業(yè)大學(xué)，2012.

［6］周婷婷，韋穗，章權(quán)兵.紋理映射中的平面校正技術(shù)研究［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2004（10）：70-72.

［7］趙煦.基于地面激光掃描點(diǎn)云數(shù)據(jù)的三維重建方法研究［D］.武漢：武漢大學(xué)，2010.

［8］李暢.城市街道立面自動(dòng)重建關(guān)鍵技術(shù)研究［J］.測(cè)繪學(xué)報(bào)，2011（2）：268.

［9］顧斌.數(shù)字圖像與激光點(diǎn)云配準(zhǔn)及在建筑物三維建模中的應(yīng)用［D］.徐州：中國(guó)礦業(yè)大學(xué)，2014.

Research on Texture Mapping of Building Facade Based on Point Cloud Data

Yuan Haopan1Hou Yue2Fang Ledao2
（1.Yuzhou Hongrui Mapping Ltd.，Yuzhou Henan 461670；2.Surveying&Mapping Engineering Institute of Henan Province，Zhengzhou Henan 450003）

Taking the point cloud data and image data acquired by vehicle laser scanning as the research object,this paper put forward to building point cloud information extraction based on improved grid method,the image of the building facade was obtained by extracting the texture of the building facade and obtaining the best image.The technical methods and contents of the text were described in detail.

point cloud data；grid method；texture information；best image

TP391.41

A

1003-5168（2017）05-0030-02

2017-04-17

袁浩攀（1988-），男，本科，助理工程師，研究方向：測(cè)繪工程、遙感科學(xué)與應(yīng)用。