1500字范文 > 标记三维点_SSW系统在地下大型停车场三维建模中的应用研究

标记三维点_SSW系统在地下大型停车场三维建模中的应用研究

时间：2018-11-07 09:08:17

作者信息

邓学锋，徐娜，贾宝

(河南省测绘工程院，河南郑州450003)

“

【摘要】针对地下空间GNSS信号弱、空间狭窄等特殊场景，基于国产SSW移动激光测量系对大型地下停车场进行精细三维建模研究，制定了针对激光点云的数据采集、预处理、信息提取、矢量化及精细三维建模技术方案，提出基于时间与里程、迭代最近点算法、标靶作为控制点的地下空间点云纠正和实体分类建模方法，改进了基于激光反射强度与扫面距离的地面标示线提取、基于聚类分析的立柱体提取等技术，实现了停车场内部构筑物精细三维重建，并通过实例验证了方法的有效性。

【关键词】移动LiDAR；地下空间；点云提取；矢量化；三维建模

【中图分类号】P234.4【文献标识码】A【文章编号】1672-1586()05-0053-05

”

引文格式：邓学锋，徐娜，贾宝. SSW系统在地下大型停车场三维建模中的应用研究[J].地理信息世界,,26(5):53-57+63.

正文

0引言

随着我国城市化进程的加快，带来了城市空间紧张、交通拥堵等问题，地下空间已成为人们生产和生活的重要活动场所，因此地下空间的准确描述、空间结构建模和信息化管理正逐步成为智慧城市建设过程中的研究热点。然而城市地下空间具有其独特的结构特征，地表地物的测量技术手段在城市地下空间三维建模测量时往往遇到很多难以攻克的技术难点和技术瓶颈：①城市地下空间结构复杂，且内部结构不规整，单一技术手段难以一次性获取全貌数据。采用传统的技术手段往往需要多种技术方法结合使用，而且容易遗漏一些区域，实际操作过程十分复杂。②地下空间难以直接使用GNSS信号辅助测量。③地下大型停车场在营业时间人流密集，人群、车辆等可移动物对测量过程的影响较大。因此，迫切需要一种科学有效的技术手段获取地下空间全息数据，将显得尤为重要。研究地下空间三维信息采集技术流程、点云数据处理、三维建模等，是实现地下空间信息化管理的基础，具有重要的理论意义和实际应用价值。车载激光扫描系统作为新一代测绘技术手段，获取的数据更逼真、更精细、更广泛、更实时，具有测量速度快、精度高等优点，已在智慧城市建设中发挥了重要作用。

国外学者Pang G等提出工业化三维激光点云建模的主要任务是管道建模，平面分类和对象识别等，但此类方法需要扫描数据的断面信息,因而难以处理散乱的点云。Thomson C等提出采用点云库的数据处理算法与可扩展的建筑信息建模(xBIM)工具包，自动识别点云中的几何对象，但是这种方法仅仅只考虑了规则几何平面(墙、楼板等)的模型重建，其余复杂目标的建模没有考虑在内。国内学者陈源恺以地面固定式激光扫描数据为目标对象，提出一种基于随机霍夫变换、面积约束条件和区域平面分割算法。李娜等研究了车载激光点云数据的特征提取与三维建模方法，基于随机抽样一致性算法进行点云分割，实现了建筑立面信息的提取。这种方法对于平坦地区的单个对象的处理比较有效。然而,对于大范围的车载激光扫描数据而言,由于受到地形起伏和多目标的影响,上述方法难以奏效,而且效率较低。樊琦等提出了一种基于PCL点云库，实现了点云数据的去噪和压缩，但其仅仅利用点云库的点云滤波操作功能。上述研究主要集中在对建筑外立面提取、管线自动网格模型重建等方面，研究对象相对单一。针对地下空间GNSS信号弱、定位精度不准，基于坐标的地下空间点云纠正不能直接达到预期效果而且影响后期建模精度和效率等问题，必须要求测量手段简单快捷、测量速度快、效率高，为满足智慧城市建设对地下空间利用的迫切需求，本文选择人群稀少时段或者夜晚进行停车场数据采集试验，采用小型三轮车作为国产SSW移动激光测量系统的搭载平台，研究制定出适用于地下停车场数据采集与信息提取的技术方案，建立了地下车库空间点云纠正、特征提取和矢量化处理等方法，实现了地下停车场精细化三维可视化表达，可为城市地下空间三维信息化管理提供经验和借鉴。

1地下大型停车场三维建模技术路线

为突破地下大型停车场三维建模中出现的诸多技术瓶颈，充分适应地下空间位置和结构特性，采用SSW移动测量系统对地下空间进行三维信息采集、数据预处理、点云特征信息提取与建模。详细技术流程如图1所示，具体实施步骤如下：

1)在地上开阔位置将GNSS基准站架设在已知控制点上，打开GNSS与IMU进行静态初始对准；根据地下停车场实际情况，选择定距推扫(包括相机定距曝光)方式，按照规划的扫描路线进行作业；扫描作业结束后，对IMU再次进行对准，其目的是为了精确确定系统开始和结束时的姿态和位置。

2)数据预处理：激光数据解码、GNSS和IMU数据格式转换、影像数据纠正和时间同步文件解码。

3)点云数据融合：将GNSS、IMU和DMI组合导航数据与点云进行融合，得到包含位置和姿态信息的点云数据。点云与影像融合，可得到具有彩色信息的点云，实现扫描场景的真彩色三维可视化。

4)地下停车场的矢量化与建模：点云可以清晰显示停车场的三维信息，其中标志线、停车线、指示牌和立柱等可通过不同的实体分类提取进行建模。

图1SSW地下空间建模技术流程

Fig.1 SSW underground space modeling technology flow

2基于SSW系统的地下空间建模关键技术

SSW是我国自主研发的多传感器移动测量系统，其搭载的国产360°高性能激光扫描仪、CCD面阵相机和Ladybug全景相机，用以获取目标几何形状信息和数字图像信息；此外，系统将GNSS、IMU、DMI集成为POS传感器，可实时获取车载系统的位置、姿态和里程信息，数据采集系统如图2所示，并通过GNSS使激光扫描仪、IMU、相机和DMI统一为GNSS时间系统，使系统各类传感器每一时刻数据保持一致。DMI、GNSS和IMU采集的数据用于组合导航，从而得到整个系统每一时刻的姿态和位置数据。激光扫描系统和相机获取目标地物的点云和影像数据，并结合姿态信息融合生成带有绝对坐标的彩色点云数据，从而完成空间三维实景信息的获取。本文在基于SSW系统的地下空间建模关键技术方面主要研究了点云纠正和地下停车场实体分类建模方法。

2.1 点云纠正

由于地下空间缺失GNSS信息，且车辆在地下停车场需要不断转弯和调头，使得IMU存在较大误差，从而降低了获取的点云坐标的精度，因此需要对点云进行纠正。结合地下空间点云扫描过程易被遮挡、点云紊乱的特殊性，改变传统利用坐标纠正的方法，采用内符合纠正、迭代最近点算法、标靶作为控制点相结合的方法实现点云精确纠正。具体方法是首先对点云基于时间与里程进行内符合纠正，并利用迭代最近点算法进行精配准，然后以标靶作为控制点进行坐标统一转换。

图2地下空间LiDAR数据采集系统

Fig.2 The underground space LiDAR data acquisition system

基于时间与里程的点云纠正，是在点云数据中选择构(建)筑物角点或棱角作为特征点，利用点云所在领域点的曲面曲率计算任一点所在领域点云的逼近曲面Z=r(x,y)，其微偏分rx、ry、rxx、ryy、rxy表示方向的变化率。由曲面单位法矢量提取特征点的计算式如下：

利用曲面的高斯曲率和平均曲率定义，可得

式中，E=rxrx，F=rYrY，L=rxrxn，N=rYrYn，M=rxrYn，G=rxry。

由高斯曲率K和平均曲率H可求得曲面在特征点的两个主曲率如公式3所示：

根据特征点大多为拐点的特性，曲率变化明显处则为特征点的点云信息，具体技术步骤为：

1)选取激光扫描系统第一次扫描的点云特征点作为控制点，并对其进行属性编辑，然后导入特征点采集。

2)两点之间利用最小二乘法进行曲线拟合，计算关系参数并进行内符合粗校正。

3)采用最近点迭代算法对经过粗校正的点云进行精确配准，并利用标靶作为控制点，在点云数据中提取控制点对应的特征点坐标，经空间坐标转换得到高精度的点云数据。

2.2 地下停车场实体分类建模方法

采用监督分类的方法对地下停车场点云数据去噪滤波处理，将数据点分为地面点和非地面点。然后根据滤波分离出不同的目标对象(如地面点、标志线、立柱、立面)进行分类提取、矢量化和三维场景建模。

1)地面点提取

为实现路面建模，需要从原始激光点云中提取地面点，利用地面点近似于水平面、在一定范围内为最低点的两个特征，本文采用3×3点阵的高程(Z值)滤波算法对地面点进行粗探测提取，具体算法：

①首先从全体点云数据中选取Z＜30 cm的点构成点集P，将P中任一激光点设定为本点，与本点在同一扫描行上的左右相邻两点、前一扫描行和后一扫描行离本点最近的点及其左右相邻两点，构成3×3点阵。计算该点阵Z值的卷积和ΣZ的计算式为：

式中，Z0为本点的扫描坐标系Z值，Z1-Z8为相邻点的激光扫描坐标系Z值。

②对ΣZ设定阈值，若小于该阈值，对该点阵中的所有点进行标记。

③遍历P中所有激光点，对于已标记的点不再处理，没有标记的则重复进行以上的操作。

经过上述处理步骤，可以得到精化提取后的地面点。

2)地面标志线提取

反射强度值是激光扫描仪在获取位置信息同时得到的一个重要量化值，每个激光点对应一个强度值i，落在不同物体上的激光点的i值是不同的。选择样本区将地面激光点按强度值进行渲染，通过强度值区域生长得到完整的标志线，统计标志线点云的i值与激光点与扫描仪的距离，据此建立两者间的关系。本文采集数据的SSW系统得到点云强度的分化范围为0～2 047。

利用最小二乘原理，拟合得到激光点i 值与扫描仪的距离D之间的关系式为：

式中，i为激光强度值，D为激光点与扫描仪的距离。

将所有地面点的D值代入公式(5)得到全部激光点的理论强度值IT，并计算与实际反射强度值IP的差值|IT-IP|；如果差值

3)立柱提取

立柱提取是根据点云的空间分布特征，采用聚类分析方法滤除无效点，通过对相同角度临近扫描点的距离进行对比，选取点云进行聚类和生长获得点云角点和立柱面的边线，对聚类为同一平面内的点云进行最小二乘法拟合，剔除杂点，从而获取完整立柱面的点云数据。

4)立面提取

结合地下空间构建筑物的特性，根据扫描线与点云在水平面投影的密度提取出立面点云。具体操作是自动探测沿着行车方向的面(x)和垂直于行车方向的面(y)，并聚类生成点云立面。

5)矢量化与建模

根据分类得到的特征点云提取出点、线、面，对生成的点云模型建立拓扑关系，利用特征点和特征线构建实体的几何信息提取出轮廓线；然后利用多边形网格或NURBS曲面、三角Bezier表达实体曲面，获取各个实体的几何信息和属性信息，并将每一个具有唯一辨认码的实体进行坐标转换和拼接，实现实体的结构化三维模型。

3实验与结果分析

3.1 点云数据采集

本文选择某大型地下停车场作为实验区，利用自主研制的小型三轮车作为搭载平台进行数据采集，然后将各个传感器获得的激光、IMU、GNSS基站和流动站及DMI数据进行解码处理，得到平台采集的轨迹信息，据此对点云坐标重新定位和赋值，生成具有多种信息的初始点云数据，如图3所示。

3.2 点云数据处理

1)点云纠正

利用本文2.1节方法对获取的点云数据进行纠正，图4为局部点云纠正前与纠正后的对比图。从图4可以看出，原始点云中多次被扫描的标志线出现错位，利用坐标直接纠正后有缝隙，没有达到严密套合，采用本文的方法纠正后严密套合，精度更高，效果比较理想。

图3初始点云数据

Fig.3 The initial point cloud data

图4局部点云纠正前后对比图

Fig.4 The comparisons of local point cloud before and after correction

2)精度分析

利用全站仪对地下空间内的墙角点、立柱角点、车位线角点、标志线角点等特征点进行实测并作为检查点，然后与点云提取的相应特征点进行对比，结果见表1。

表1检查点实测坐标与点云提取坐标对比

Tab.1 Check point coordinate and point cloud extraction coordinate comparison

利用测量中误差公式计算得出：点云坐标x、y、z的中误差分别为±0.032 m、±0.029 m和±0.03 m，均小于5 cm，满足点云建(构)筑物建模要求。由表1可知，个别坐标值出现了较大偏差，这是由于点云密度不高或局部点云缺失，造成了点云特征点选取产生的坐标误差。

3)点云实体提取与矢量化

根据回波信号强度对点云进行渲染显示，将提取出的车位线及地面标志线进行矢量化，如图5所示。考虑实际作业中形成的扫描线点云与立面和地面的关联关系，提取出立柱，如图6所示。

图5车位线和标志线提取与矢量化

Fig.5 Parking lines and marking lines extraction and vectorization

图6立柱的提取与矢量化

Fig.6 Columns extraction and vectorization

由图5、图6可以看出：标志线与周围地面点的反射强度差异明显，强度值随着激光点到扫描仪距离的不同而变化。按照上述立柱点云自动提取方法，共提取立柱45个，其中正确提取41个，漏提3个，错提1个；正确率达到91.1%，成功率93.3%。对提取的所有点云数据进行矢量化处理，获得的地下空间实体模型如图7所示。

图7地下停车场整体矢量化

Fig.7 The underground parking lot vectorization

3.3 三维建模及精度分析

将移动测量系统获取的地下停车场三维点云、矢量化模型、房屋平面结构图、实景照片等多源数据进行融合，然后对点云数据分割、构建地面和立柱几何模型、纹理贴图，构建的地下停车场真实三维场景如图8所示。

图8地下停车场建模图

Fig.8 The underground parking lot model

按照《城市三维建模技术规范》(CJ/T 157-)要求，精细模型平面尺寸和高程精度不宜低于0.2 m。采用设置多个测试点的方式对三维建模成果进行检验，将模型中的测试点坐标与全站仪实测坐标进行对比检查，计算各个检测点二测回的偏差值，对比结果显示：最小误差为2.1 mm，最大误差为7.3 mm，平均值为3.9 mm，完全符合地下停车场三维建模的精度要求。

4结束语

本文利用国产SSW移动测量系统对地下空间三维精细建模方法进行研究，改进了点云纠正和分类建模方法，总结出基于激光点云的地下停车场建(构)筑物特征点快速提取及结构化建模生产技术流程，并通过实例验证了本方法的有效性，研究结果可为地下空间三维信息化管理提供支持和借鉴。

本期回顾

文化遗产数字化修复

·机载LiDAR点云建筑物屋顶轮廓线自动提取研究综述

·融合多特征的兵马俑碎片分类技术研究

·基于高光谱影像的瞿昙寺壁画颜料层脱落病害评估

理论研究

·兼顾非期望产出的工业用地效率测度、分异与溯因 ——以东北三省为例

·基于模体的化石能源贸易网络特征分析

·基于自编码网络的移动轨迹异常检测

·基于同质区和迁移学习的高光谱图像半监督分类