点云建模步骤_【文摘】面向三维城市建模的多点云数据融合方法

面向三维城市建模的多点云数据融合方法综述

【温馨提示】

本文内容篇幅较长，如您时间有限，浏览文摘加粗部分即可。

【摘 要】

多细节层次的三维城市模型是数字城市和智慧社会的关键空间数据基础设施，从基于稀疏点线特征的交互式半自动化建模到基于密集点云的自动化智能化建模已经成为国际学术界和工业界的热点前沿。由于立体城市空间结构的复杂性，多类型、多站点和多时相的点云数据融合处理是三维城市建模的基本途径，其基本思想是将具有不同视角、密度、精度、尺度、细节、时间历元等特征的多点云数据进行一致性融合表达与集成处理，建立可直接面向计算分析的智能化表达的多点云模型。归纳总结了多点云数据的主要特点，针对时空基准与精度、尺度、语义3个层面的一致性处理，分析了多点云数据融合的主要发展趋势，并凝练了面向三维城市建模的多点云数据融合关键问题。

【关键词】

多点云  数据融合  三维城市建模  激光扫描点云  影像匹配点云  语义

【01】

多细节层次的三维城市模型是数字城市和智慧社会的关键空间数据基础设施[1]。现有的精细化三维城市建模技术主要有基于多种数据源(计算机辅助设计(computer aided design，CAD)、建筑物信息建模(building information modeling，BIM)、地图等)的人工交互建模和基于影像或激光扫描密集点云的半自动化建模两大类。人工交互建模利用稀疏点线特征几何约束，需要大量人工交互式操作, 导致作业周期长、效率低，且模型质量难以保证, 特别是纹理偏差大。基于密集点云的半自动化建模已成为大范围三维城市建模的主要方式。由于立体城市空间结构复杂，高大建筑相互遮挡，且建筑物屋顶和立面形状结构多样，道路、植被、人工设施等地上下立体空间场景对象种类繁多，形态各异，单一类型与单一站点的点云数据普遍存在数据漏洞、描述尺度单一、结构细节丢失等局限性[2]，难以表达目标完整丰富的细节特征[3]。随着“消费级”激光扫描设备、影像密集匹配技术以及深度相机等新型数据获取技术日新月异，点云数据获取手段更为丰富，且难度与成本降低，类型、视角、属性和内涵信息更为丰富的点云数据日益可得[4]。因此，多点云数据融合处理成为三维城市建模的主要途径，并成为国际学术界和工业界的热点前沿。

多点云数据指多类型、多站点和多时相的点云数据。激光扫描、影像匹配、深度图像测量、干涉雷达测量和野外实地测量等方法提供了具有不同数据属性和信息内涵的多类型点云[5]。这些不同类型的点云还可以从空中、地面、室内等不同站点获取，具有多样化的视角和尺度特征[6]。此外，不同时间历元采集的多时相点云融合可反映对象的变化属性和趋势。多