基于激光点云数据三维建模技术研究.docVIP

基于激光点云数据三维建模技术研究 　　摘 要： 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。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 　　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。 　　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。 　　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。 　　2.2 非地面点建模 　　非地面点比较复杂，包括建筑物、植被、道路两旁设施等。随着 AutoCAD、Maya 、逆向工程等三维建模软件的出现，可以通过人机交互的手段来辅助三维建模，如图4所示为利用逆向工程软件 ImageWave 对城市道路两旁的建筑物点云数据进行建模效果图，图5展示了利用软件对模型进行纹理映射与可视化。但这些方法费时费力，而且对使用者的技巧要求很高，对于结构复杂、不规则的场景建模更是无能?榱Α? 　　显然纯粹地利用三维建模软件实现激光点云非地面点数据的模型重建，并非一个好的办法，研究怎样从这些离散的三维点云中快速准确地构建出真实的模型显得尤为重要，逆向工程中用激光扫描某个特定物体获得的数据直接重构物体，但此方法在车载激光扫描测量中不可行，因为是它是自动目标采集，扫描无特定目的，不能控制扫描哪些物体。所以激光扫描的数据量非常大，如果直接进行三维重构的话消耗太大，必须先对距离图像进行处理，提取出特征点、特征线和特征面再继续建模。由于到目前为止，还没有距离图像分割和特征提取的成熟、可行方法，使得当前的激光扫描系统都采用与 CCD 或类似图像采集设备集成，其中距离图像以用于构建高精度的 DEM 为主，图像分割和特征提取则采用 CCD影像数据解决。这种联合作业方式使得系统运行成本高、控制比较复杂、数据存储量大、多源数据处理与融合复杂。