基于激光点云数据的三维建模技术研究.docVIP

基于激光点云数据的三维建模技术研究 　　摘 要：利用激光扫描仪获取的点云数据构建实体三维几何模型时，针对不同的应用对象、不同点云数据的特性，激光扫描点云数据建模的过程和方法也不尽相同。概括地讲，整个点云数据建模过程包括数据预处理和模型重建。数据预处理为模型重建提供可靠精确的点云数据，降低模型重建的复杂度，提高模型重构的精确度和速度。本文提出的方法能够很好的为快速三维建模进行服务，尤其是比较关注街道两侧信息的三维获取，这将大大减少人工三维数据获取及其建模的工作量，将有很好的应用前景。 　　关键词：激光 点云数据 三维建模 模型重建 　　中图分类号：TP391 文献标识码：A 文章编号：1672-3791（2015）04（a）-0000-00 　　作者简介：邓世军（1976～），男，工学博士，毕业于武汉大学摄影测量与遥感学院，主要研究领域为地理信息系统、BIM、智慧城市。 　　传统的三维建模是基于图片信息的场景建模和表现，这种技术存在着缺少真实感，三维几何信息不准确以及处理速度缓慢的缺点。因此，近年来基于激光扫描技术的三维建模技术成为了研究热点。激光扫描仪能够直接获取景物的深度信息，方便快捷。此外，利用激光扫描技术进行三维重建能够有效恢复出具有准确几何信息和照片真实感的三维模型。 　　整个点云数据建模过程包括数据预处理和模型重建。数据预处理为模型重建提供可靠精确的点云数据，降低模型重建的复杂度，提高模型重构的精确度和速度。数据预处理阶段涉及的内容有点云数据的滤波、点云数据的平滑、点云数据的缩减、点云数据的分割、点云数据的分类、不同站点扫描数据的配准及融合等；模型重建阶段涉及的内容有三维模型的重建、模型重建后的平滑、残缺数据的处理和模型简化等。实际应用中，应根据三维激光扫描数据的特点及建模需求，选用相应的数据处理策略和方法。 　　1 数据预处理 　　针对车载激光点云数据的特性，将数据预处理方法分为两类，半自动的数据预处理方法和全自动的数据预处理方法。 　　1.1 半自动数据预处理方法 　　半自动的方法主要是利用现有的各种类型的点云数据处理软件，如三维激光扫描仪配带的相应点云数据处理软件或逆向工程领域比较著名的商业点云处理软件，一般都具有点云数据编辑、拼接与合并、数据点三维空间量测、点云数据可视化、空间数据三维建模、纹理分析处理和数据转换等功能，但它们往往具有通用的处理功能，对于特定的数据处理效果有一定的不足之处，在功能和性能上也或多或少存在一定缺陷，且一般比较昂贵。 　　1.2 全自动数据预处理方法 　　全自动的数据预处理方法主要是通过一定的算法来实现点云数据预处理，包括点云数据滤波，点云数据分类等。 　　数据滤波的目的是为了去除测量噪声。实际测量过程中存在各种因素的影响，观测数据往往不是理想的结果。为了得到合理正确的目标物体形体信息，需要对观测数据进行滤波，剔除掉含有粗差的相关观测数据和无效形体数据，从而得到目标物体形体信息的最佳估值。 　　由于激光扫描仪对空间信息采集的盲目性，使得激光点云数据在三维空间的分布形态呈现随机离散性，在这些离散点中，有些位于真实地形表面，有些位于人工建筑物（房屋、塔、输电线等）或自然植被（树、灌木、草等）上。如果直接利用这些点进行建模，处理的难度非常大。因此，要在激光点云数据中提取目标对象的三维信息进而构建其三维模型，就需要对去噪滤波后的数据点进行分类，将其划分成具有单一几何特征的拓扑结构区域。 　　1.3 数据预处理结果 　　按照以上算法流程编写 MATLAB 程序，实现地面点与非地面点的分离，用本算法进行滤波时要注意滤波参数的设置，通常要根据不同地表形态来选取适当的参数。应用本算法对铁路两旁的数据进行了滤波处理，前后对比效果如图1、2所示，从中可以看出该算法能很好的实现地面点与非地面点的分离，但是该算法需要输入很多滤波参数，如地形坡度，窗口大小等，这些直接影响着滤波的效果，因此要实现很好的滤波需要根据实际地形情况反复试验几个滤波参数。 　　图1 滤波前点云数据图 　　图2 滤波后点云数据图 　　2 模型重建 　　点云数据经过滤波分类处理之后，就可以针对分出来的不同类别采用不同的建模方法了，这里滤波分类主要分为地面点和非地面点，所以，模型重建也通过这两类来分析。 　　2.1 地面点建模 　　与通常的栅格影像数据不同，激光点云数据是离散分布的不规则点数据。因此，要用模型的形式表示地形表面分布，就需要进行网格化处理，即将离散的点连续化。我们采用三角网的方式对数据进行组织，地形表面由连接数据点的三角形构成，通过进行插值实现对地形表面的逼近和近似，这是对地形表面的一种精确表达。 　　在本文的试验研究中，采用 TinModel 5 提供的构网模块实现了将分