原创《基于车载点云数据构建模型的方法》
本文是关于建模型方面硕士学位毕业论文范文与模型和车载和数据方面硕士毕业论文范文。
摘 要：针对传统建模方式效率低、模型纹理不够丰富真实等缺点,阐述一种以车载LiDAR 技术来获取地面点高精度的三维坐标, 为三维建模提供纹理的新兴建模方式.实验表明,该建模方式不仅工作效率高、真实反映城市空间布局,而且定位精度高、具备可量测分析功能、提供点云和影像数据,为大规模三维建模提供了新的技术手段.
关键词：车载LiDAR 系统；不规则三角网；点云；三维模型
三维建筑模型是“数字城市”的重要组成部分,也是三维GIS 应用的重要方向,已在诸如城市规划、文化遗产保护及许多基于位置的服务等领域得到广泛应用.车载LiDAR 技术为建筑三维重建提供了可靠的数据源保障,它可以直接获取高密度、高精度的三维空间信息,非常有利于建筑物侧面特征提取,从而为实现自动化的建筑三维模型构建奠定基础[1].
本文基于车载LiDAR 点云数据开展建筑三维模型自动重建方法研究,分析车载建模测量系统原理及彩色点云生成原理与过程,研究车载点云数据构建模型的关键技术,通过实例证明该技术用于三维模型的可行性,为建筑物立面信息采集提供了新的技术手段.
1 车载建模测量系统的工作原理
车载激光扫描的主要原理为：首先,利用GNSS对载具进行定位,获得开始测量时载具准确坐标.其次,在行驶中利用GNSS 与IMU 对车载平台进行测量,获得坐标系下激光扫描仪的准确坐标,偏航角与滚动角来确定激光扫描仪的实时位置和姿态.再次,利用激光扫描仪对所测物体进行扫描测量,得到测绘点相对于激光扫描仪的角度及距离.通过坐标换算得到所测地物的大地坐标,而目标的属性信息通过CCD 相机同步采集的照片进行辨识[2],最终生成所得点云数据.工作流程如图1.
2 彩色点云生成
2.1 数据融合的基本原理
激光扫描仪所得的点云数据与面阵相机获得的影像数据相融合的目的是,通过通用坐标系下的激光点Q（x,y,z）,求出其面阵CCD 相机上的像点q（i,j）,然后将q 的RGB 值赋给Q,从而把Q 变为有颜色属性的彩色点云,实现激光点云数据与面阵CCD 数据的融合[3].
2.2 数据融合流 程
数据融合是通过解算组合导航数据与相机相对于IMU 中心的外方位元素,相机时通过控制系统发射脉冲,同时通过打标的形式将信号传递给GNSS,从而得到时的GNSS 时间,在各个系统时间同步的条件下,最终可得到获取每幅图像时面阵相机的焦点坐标以及图像的像素坐标.然后利用共线方程得到激光点在相对应图像上的像素坐标,最后将对应像素的RGB 值赋给点云数据,从而得到彩色点云数据[4].
3 基于车载点云数据构建模型的关键技术
3.1 模型建立的原理
激光数据处理得到彩色点云数据后,可以经过构建三角网来建立模型.不规则三角网是用一系列互不交叉、互不重叠且连接在一起的三角形来表示地物表面,其有栅格的空间铺盖特征又是矢量结构,可以很好地描述和维护空间关系.可通过不规则分布的数据点生成连续三角面拟合起伏的地物表面[5].
3.2 模型建立的方法
构建不规则三角网的思路如下（构网示意如图2）：
（1）首先进行数据简化,兼顾数据密度和地物局部细节特征,依据下述准则分别简化每条扫描线：①每条扫描线首尾点保留；②若扫描线上一点与前数据点间的距离或与后面相邻点间的距离大于一定的阈值,则保留该点；③对于保留下来的点,若距离最近的两个点其距离小于一定的阈值,则合并这两个点,并取其中间点作为新的点云数据；④重复以上操作,直到没有点可以合并为止.
（2）选择两条相邻的扫描线数据,分别定义为L（i）,L（i+1）,如果是建模开始则为L（1）,L（2）,其中L（i）上有m 个扫描点,编号为1,2,3……m,L（i+1）上有n 个数据点,编号分别为1,2,3……n.
（3）选择并连接L（i）上相邻的两个数据点P（i,j）与P（i,j+1）,得到一条线段.在相邻的扫描线L（i+1）上寻找一点P（i+1,k）使得P（i,j）,P（i,j+1）,P（i+1,k）所构成的三角形边长和最小,并记录下k 的值.
（4）选择下一个扫描点P（i,j+1）,P（i,j+2）.在L（i+1）上寻找一点,使得其所构成三角形的边长的和最小.在L（i+1）上从k 点之后开始寻找,以避免构成的三角网重叠.
（5）检查L（i) 上的首尾点是否分别和L（i+1) 上的首尾点构成三角形,若是没有构成,则将P（i,1）,P（i+1,1）,P（i+1,2）构成三角形,在末端使P（i,m）,P（i+1,n）,P（i+1,n-1）构成三角形.
（6）扫描L（i）扫描线中点［设为P（i,q）］所参与构成的三角形的个数.若个数为2,则检查与之构成三角形在扫描线L（i+1）上的点,设其参与构成的两个三角形在L（i+1）的编号为t,k.如果t 点与k 点不相邻,即|t-k| ＞ 1,则将处于t 点与k 点之间的点都与点P（i,q）相连接构成三角形.
（7）扫描线L（i）,L（i+1）三角网构建完成后,构建扫描线L（i+1）,L（i+2）.重复以上步骤.
3.3 点云缺失补洞方法
用构建三角网的方法构建模型时,模型质量完全取决于点云质量.在实际作业中,存在点云数据缺失问题,对此可以采取以下方法来尽量避免.
数据采集过程中,地物的遮挡而造成的点云缺失,可以采用往返扫描或者转扫的方式来获得尽量全的点云数据.部分地区,由于树木等地物离建筑物距离较近,无法通过往返扫描来填补漏洞,此时可以通过点云补洞的方法来弥补点云数据的缺失.
点云补洞的过程中需要用到点云数据中的一些信息,包括点的三维坐标,RGB 颜色信息,该点所对应激光扫描线的编号,获取该点时POS 的中心点三维坐标,航向、俯仰、横滚角和反射点类别号.
从图3 可以看出,只需要将激光束从遮挡物处继续向后延伸到房屋所在平面即可.其算法原理是对每一条扫描线进行计算,激光束的角度不变,距离增加,设定一个值来判断是否延伸到了建筑物.具体步骤是：
（1）读取每条扫描线数据,根据激光扫描头转向的不同,载具一边的扫描数据是从天空到地面进行读取,另外一边与之相反.可根据已分类的点云数据找出建筑物与树木.
（2）若读取的点是建筑物,记录其与POS 中心点的水平距离；若是树木,根据统计的平距变化值来计算,使其延伸至建筑物的平距值,得出极坐标值,利用极坐标和POS 中心坐标算出其POS 坐标系下的值.
3.4 纹理映射
三角网生成后需要进行纹理映射,即将相应的图像贴到所构建三角形表面.
设三角形abc 为构建的一个三角形,则在点云数据中,3 个顶点a,b,c 的空间三维坐标都可以得到.快速建模所用点云数据为经过激光点云数据与相机像片数据融合而获得的彩色点云数据,故还可以知道三角形三个顶点在相对应的像片中的像素坐标.得到三角形顶点a,b,c 所对应的像素分别为A,B,C.
在像片中,以像素点A,B,C 构成一个三角形,则三角形内的图片即为所构建的三角形的纹理.（如图4）重复以上步骤,将三角形全部贴上对应的纹理,即可得到基于点云数据的快速模型.
4 实验分析
4.1 数据获取与处理
本文以长春市经济开发区某区域为例,数据采集当日天气良好,扫描路线上遮挡较少,GNSS 信号良好.按照规划线路获取该区域的激光数据、GNSS 数据、IMU 数据、里程计数据和影像数据,然后对该区域外业采集的所有数据进行数据预处理、点云数据融合、坐标系转换、模型建立等,最终得到具有位置和姿态信息的黑白点云数据.黑白点云数据与同时获取的影像数据融合,得到彩色点云数据,能够实现所测场景的真彩色三维可视化,提高数据采集的速度.
4.2 模型的建立
全自动模型主要应用于模型的快速建立,原理为基于点云数据构建三角网来建立,模型缺乏相应细节,在点云缺失处会出现空洞.可在少量人工干涉下进行建筑物点云补洞,来获得较完整的建筑物点云数据,从而进行模型建立.图5 所示为测区一栋建筑物黑白点云,通过激光扫描线构建三角网得到其三维模型,在人工辅助下获取建筑物的精细模型.（如图6）
4.3 与其他建模方法对比分析
现有建模方法主要有依据二维GIS 数据建模、航空摄影测量方法建模、机载LiDAR 数据建模以及车载激光扫描建模等.针对这几种方法,从技术和经济方面进行比较分析.（如表1）
通过对比可知,车载激光扫描技术测量距离长、范围广,数据采集速度快,需要工作人员少,每次大规模作业只要2 ～ 3 人即可完成,效率高,误差低（厘米级别）,相对成本低.
5 结论
实践表明,利用车载LiDAR 技术建模,能快速获取城市的三维空间信息和多角度影像信息,能真实反映城市的三维空间布局,克服了传统建模效率低、模型纹理不够丰富真实等缺点；同时,构建的模型要素全面、细节丰富,又具有可量测分析功能.车载激光扫描是近年来兴起的一种三维建模方法,适用于带状地形的数据采集及建筑物立面信息采集,有广阔的发展空间.
建模型论文参考资料：
该文结论:上文是一篇适合模型和车载和数据论文写作的大学硕士及关于建模型本科毕业论文，相关建模型开题报告范文和学术职称论文参考文献。
