2025《无人机机载LiDAR的应用研究—以建筑立面测绘为例》3800字.docxVIP

无人机机载LiDAR的应用研究—以建筑立面测绘为例

目录

TOC\o1-3\h\u29959引言 1

181091.数据采集路径规划 1

124452.LiDAR数据采集与预处理 2

253843.LiDAR数据精细化建模 3

49804.结果检验与主要结论 4

8567参考文献 6

摘要：为提高无人机航测技术在建筑立面测绘中的精度与效率，本文研究了机载LiDAR建筑立面测绘方法，提出了运用“点线结合”航测路径结合K最近邻法（KNN）建模的建筑立面测绘方法，实现高效率、高精度、轻量化激光点云采集与建模。采用“点线结合”的方式进行航测路径规划，可以有效解决“覆盖式俯视”激光扫描数据量大、视角限制多等问题；进行LiDAR数据预处理可降低数据冗余量，同时充分发挥K最近邻法（KNN）的运算优势；采用三阶段递次进行激光点云细化建模可以逐级降低数据运算量，大幅提高建模运算效率同时提高各层级建筑立面细部结构精度。经过模型效果分析与结果精度检验，激光点云投影模型细节明细、定位准确，模型成果质量和定位点精度均能满足建筑立面测绘精度要求。

关键词：建筑；激光雷达；立面解析

引言

随着智慧城市、海绵城市、数字化城市等城市建设理念的不断推进，各行各业对城市现有规划布局及建筑形态的采集与测绘需求日益增长，越来越多的数字化城市模型逐步涌现。现阶段，基于无人机搭载高清相机采集建筑影像，通过点云投影、控三加密进行数字化建模的方法应用相对较多，但是这种数据采集主要提供建筑物的轮廓和屋顶形状，针对建筑物形状突变、高程突变的区域，往往会发生模型扭曲及畸变的情况，因此，研究如何运用新兴技术高效、准确的完成建筑物数字化信息采集与模型建立成为当下的研究热点。机载LiDAR是一种激光探测及测距系统，可利用返回的脉冲获取探测目标距离、坡度、粗糙度和反射率等信息，但激光雷达镜头造价相对较高。近年，无人机机载LiDAR开发取得了突破性进展，制造和使用成本大幅降低，民用、商用激光雷达逐步普及，为无人机机载LiDAR应用研究奠定了坚实基础[1,2]。

1.数据采集路径规划

由于固定式激光雷达和车载激光雷达主要适用于从有限数量的视点捕获较小场景的3D数据。相比之下，无人机机载LiDAR的应用可从多个角度完全覆盖空间复杂的城市环境，能够更好地采集城市建筑布局与建筑立面形态。为搭载激光雷达设备，并为航测数据采集工作提供一个稳定的运行条件，本文选取DJ-W2多旋翼无人机搭载P1-LiDAR设备进行航测数据采集，DJ-W2多旋翼无人机具有个6独立电刷悬桨，可以抵抗五级风力，为数据采集设备提供一个稳定的数据采集环境；P1-LiDAR设备具有三回波传输反馈机制，在数据采集过程中可以有效去除植被点云，从而降低障碍物对建筑物表面点云的影响。采集路径以“点线结合”的方式展开。线状航测路径主要基于城市原有道路，无人机沿城市现状道路进行航测飞行，激光雷达设备沿程采集道路两侧建筑物数据；点状航测主要利用航测无人机可以不受道路、地形、建筑布局等的限制，潜入围合式建筑小区中庭内部，以采集建筑物内侧立面数据，从而使整个测绘区域建筑物数据采集具有可靠性与完整性[3,4]。具体航测路径如图1所示。

图1数据采集路径规划示意图

Fig.1Dataacquisitionpathplanningdiagram

采用“点线结合”的方式进行航测路径规划，可以有效解决“覆盖式俯视”扫描过程中的视角不佳导致的激光投影点密度差异较大的问题，这样的视角限制和视点遮挡会使收集到的点云在精确度、覆盖范围上存在缺陷[5]。因此，采用“点线结合”的数据采集方式，可以有效采集到数量、质量均满足要求的密集点云，以便后续激光点云的解析建模。

2.LiDAR数据采集与预处理

无人机机载LiDAR数据预处理方法要有两种，K最近邻法（KNN）和球形邻域法[6]。利用K最近邻法（KNN）取邻域点计算点云特征效率相对较高且自动化程度较好，但会因为扫描密度差异引起测绘精度下降。本文已通过合理规划数据采集路径有效解决了“覆盖式俯视”扫描过程中，由于建筑物与航测无人机数据采集点位之间的距离受限造成的扫描密度差异，从而有效避免点云密度的对成果质量的影响。

无人机机载LiDAR采集到的原始数据带有的基础特征有坐标（XYZ）、颜色（RGB）和激光反射强度（Intensity），而建筑物的表示是基于构造立体几何（Y1G）或边界表示（B-Rep）。若不对激光点云数据进行预处理，各类型数据教会发生交互，从而导致点云分布混乱，曲面三角网格产生临界交叉，同时细部结构难以有效表达[7,8]。如图1中建筑街景均无建筑物窗体、门、栏杆等细部结构。

图2粗略点云建模效果图3预处理点云