身份证号码: 13072319840514****
摘要:由于建筑三维模型色调不一致,导致模型构建完整度和精准度较低,故提出基于倾斜影像与点云数据的建筑三维模型构建方法。采用倾斜摄影技术获取建筑倾斜影像,并通过相关信息配置与匀光匀色对其进行预处理。采用三维激光扫描仪获取建筑点云数据,并通过精简算法对其进行预处理。采用最近点迭代算法(ICP)配准预处理后的倾斜影像与点云数据,以配准结果为基础,应用计算机生成的体系结构(CGA)规则进行建筑三维模型的构建。实验结果显示:与现有方法相比较,提出方法三维模型构建完整度提升了11.57%,该方法的建筑子部分三维模型构建完整度和精准度均较高,充分说明提出方法建筑三维模型构建性能更好。
关键词: 倾斜影像;点云数据;建筑;三维模型;构建
1 引 言
建筑是我国古代劳动人民聪明智慧、伟大创造的结晶,也是我国古代文化、历史、科学技术与艺术发展研究的关键实物资料。但是在建筑研究过程中,一直存在着一个极大的矛盾,即开发与保护[1]。上述矛盾主要体现在两个方面:其一是建筑具备独特的文化价值、科学价值与人文价值,应该以开放的态度迎接各方游客,以此来展示我国建筑的文化魅力,开发相应的旅游产业,为我国经济发展以及科学研究提供高质量的服务;其二是为了保护建筑的完整性,避免受到旅游观光、风雨侵蚀等因素的影响,应该对建筑进行封闭管理,并定时对其进行相应的修缮工作[2-3]。
但是以上两种方法由于图像采集机械自身脆弱性以及受环境因素的影响,致使建筑图像序列误差较大,从而直接影响现有方法建筑三维模型构建的完整度和精准度。故本文针对该问题,提出基于倾斜影像与点云数据的建筑三维模型构建方法。倾斜影像技术是一种高效率的测量技术,通过无人机搭载多个传感器,在多个视角下对建筑进行信息采集。点云数据是通过三维激光扫描仪对建筑进行非接触式测量得到的三维数据。有效的处理并融合使用倾斜影像与点云数据构建建筑三维模型是本文研究的重点。
2 基于倾斜影像与点云数据的建筑三维模型构建方法
在建筑三维模型构建前,首先通过倾斜摄影技术获取建筑倾斜影像数据,对其进行预处理,通过三维激光扫描系统获取建筑点云数据,并对其进行预处理;然后以预处理后的倾斜影像数据与点云数据为基础,采用最近点迭代算法(ICP)配准倾斜影像数据与点云数据;最后根据配准结果,应用计算机生成的体系结构(CGA)规则构建建筑三维模型。
2.1 建筑倾斜影像预处理
建筑倾斜影像获取需要依据目标建筑、无人机高程信息等,确定无人机航拍区域、路线与时间,同时设置无人机飞行起降点,通过控制无人机,获取建筑倾斜影像。在倾斜摄影技术中,采用的是五向飞行的拍摄方式,也称为中心投影。为了保障目标建筑的准确表达,将中心投影影像转换为正射投影的地图投影方式,转换公式为
(1)
式(1)中, 表示焦距; 、 、 、 、 、 、 、 、 表示外方位元素矩阵的参数; 表示点云数据坐标信息; 表示测距观测值; 表示目标建筑物某一点在地面坐标系中的坐标信息。
获取的目标建筑倾斜影像具备多个视角,例如左视角、右视角、前视角、后视角与正视角,每个视角的倾斜影像均含有丰富的目标建筑的地理信息。目标建筑倾斜影像的清晰度对三维模型构建起着至关重要的作用[6]。不同视角的倾斜影像会产生较大的重叠区域,导致倾斜影像数据与真实数据存在着些许偏差,会影响建筑三维模型构建的精准度。故需要对目标建筑倾斜影像数据进行预处理,以提高模型构建精准度。
2.2 建筑点云数据预处理
建筑点云数据是通过三维激光扫描系统获取的,其由三维激光扫描仪、定位子系统、数据处理软件等构成。三维激光扫描仪具有不受环境光线影响的优势,利用快速的垂直与水平方向的点测量,完成建筑的面测量[8]。通过数据采集获取点云数据,其表达式为
(2)
式(2)中, 表示激光脉冲的方位角; 表示激光脉冲的俯仰角。
由于获取的建筑点云数据过多,为建筑三维模型构建带来了极大的难度,故采用精简算法对点云数据进行预处理,提高了模型构建完整度。具体步骤如下所示:
步骤一:结合点云数据分割点,对每层点云数据进行聚类排序;
步骤二:依据建筑三维模型构建需求,设置适当的精简步长;
步骤三:以点云数据精简标准为基础,保留符合精简标准的点云数据,删除未符合精简标准的点云数据;
步骤四:若点云数据在层内,则返回步骤一;若点云数据未在层内,则进入步骤五;
步骤五:若点云数据在立方体内,则更新点云数据分割点;若点云数据未在立方体内,则完成点云数据的精简,输出精简后点云数据[11]。
2.3 倾斜影像与点云数据配准
为了融合应用倾斜影像与点云数据,以预处理后的倾斜影像与点云数据为基础,采用ICP算法配准倾斜影像与点云数据,为后续建筑三维模型构建做准备。
ICP算法思想是通过不断迭代,直至倾斜影像与点云数据之间的距离小于设置的阈值[12]。ICP算法距离计算函数表达式为
(3)
式(3)中, 表示倾斜影像数据集合; 表示点云数据集合; 与 分别表示倾斜影像数据集合与点云数据集合中任意一个数据[13]。
基于ICP算法配准倾斜影像与点云数据步骤如下。
步骤一:计算最近点。
依据公式(3)计算倾斜影像数据与点云数据之间的距离,将距离最小的点云数据记为集合 ,表达式为
(4)
步骤二:计算参数。
当旋转矩阵与平移矩阵的误差达到最小时,完成迭代过程,求解出最终旋转矩阵与平移矩阵,计算公式为
(5)
式(5)中, 表示建筑数据旋转矩阵与平移矩阵的误差, 为旋转矩阵, 为平移矩阵; 表示的是建筑点云数据的总数量; 是初始倾斜影像数据的数量; 表示迭代次数为 的数据距离误差[14]。
步骤三:配准。
依据步骤二获得的 ,求解目标点云数据在倾斜影像中的坐标,求解公式为:
(6)
步骤四:完成迭代。
设置迭代终止条件为:若迭代次数达到最大值或者 时,完成迭代,得到相应的旋转矩阵 与平移矩阵 ;若迭代次数未达到最大值并且 时,则继续进行迭代[15]。
2.4 建筑三维模型构建
依据上述建筑倾斜影像与点云数据的配准结果,ICP算法结合CGA规则进行建筑三维模型的构建,具体过程如下:
CGA规则是一种可以自动构建模型,并具备目标描述、可视化观察特点的计算机语言。现今,CGA规则已经集成至CE平台,与C++语言协同完成了规则程序编写,以编好程序来实现建筑三维模型的构建[16]。
基于建筑倾斜影像与点云数据的配准结果,利用ICP算法进一步优化,以便执行CGA规则命令:
(7)
式中, 为二值化函数; 为三位坐标; 为方向矢量。
通过上述公式,完成建筑三维模型的构建,其表达式为
(8)
式中, 表示图像缩放系数; 表示图像移动向量; 表示旋转系数; 表示点云数量。
通过上述转换操作,实现了建筑三维模型的构建,为解决建筑开放与保护矛盾提供手段,也为建筑管理与修缮提供精确的、完整的数据支撑[17]。
3 结束语
为了解决传统的建筑三维模型构建方法的构建完整度和精准度低的问题,本研究融合应用倾斜影像与点云数据提出了新的建筑三维模型构建方法,极大地提升了模型构建的完整度,为我国建筑的管理与修缮提供更加精确的三维数据支撑,也为我国建筑研究提供一定的参考。
参考文献
[1] 石力文,侯妙乐,胡云岗,等.基于点云数据与BIM的建筑三维信息表达方法研究[J].遗产与保护研究,2018,3(7):46-52.