【關(guān)鍵詞】激光掃描儀；組合對地觀測；新4D產(chǎn)品；實景模型；三維DLG
從20世紀90年代開始，機載激光掃描儀開始在國際上嶄露頭角，出現(xiàn)在林業(yè)、地形測繪、工程測量等領(lǐng)域。機載激光雷達(Light Detection And Ranging，簡稱LiDAR)是一種精度高、耗時少、成本低的新型航空遙感傳感器，由激光掃描儀、全球定位系統(tǒng)(GPS)和慣性導(dǎo)航設(shè)備(IMU)3部分組成，可以直接快速地獲取地球表面的三維空間信息。
確切來講，最初機載LiDAR系統(tǒng)在測繪中的應(yīng)用僅限于制作高精度數(shù)字高程模型，因此，如何針對激光點云進行地面點與非地面點精確二義分類，就在相當長一段時間內(nèi)成為該領(lǐng)域的研究熱點。但隨著激光掃描儀硬件系統(tǒng)技術(shù)指標的升級，以及載荷平臺的多樣化發(fā)展，人們開始著手考慮將激光掃描儀與其他類傳感器進行集成，實現(xiàn)組合對地觀測應(yīng)用。如：①電力線路安全巡檢不僅需要獲取電力線路走廊幾何位置信息，而且需要對電力線的異常發(fā)熱區(qū)域進行探測，還需對絕緣子放電異常進行有效診斷，因此，電力線路巡檢傳感器平臺可能需要同時集成可見光數(shù)碼相機、激光掃描儀、熱紅外相機、紫外相機等多種傳感器；②森林火災(zāi)應(yīng)急測繪為了能對災(zāi)情進行定量、合理的評估，則同時需要集成熱紅外相機以及高分辨率可見光數(shù)碼相機；③在林業(yè)遙感應(yīng)用中，多采用LiDAR波形特征提取生物量信息，而同時需借助可見光或近紅外光譜數(shù)據(jù)提取樹木分類信息等；④在日益增長的精細三維建模應(yīng)用中，依靠高密度激光雷達點云獲取實體幾何結(jié)構(gòu)信息，而光學(xué)數(shù)碼相機則能較好地獲取實體表面紋理信息，因此，滿足該項應(yīng)用需求至少需集成激光雷達掃描儀與多視角可見光數(shù)碼相機等。
鑒于激光雷達點云與影像所獲取的空間地理信息數(shù)據(jù)能廣泛地作為其他行業(yè)應(yīng)用的基礎(chǔ)性、框架性數(shù)據(jù)支撐。因此，通過從各式各樣的行業(yè)應(yīng)用中凝練出激光雷達點云與影像聯(lián)合測圖所涉及的通用技術(shù)方法是非常必要的。論文重點從通用數(shù)據(jù)后處理技術(shù)與新4D產(chǎn)品體系建設(shè)等兩個共性方面進行闡述，以期對激光掃描軟硬件系統(tǒng)在相關(guān)行業(yè)應(yīng)用推廣中具有一定參考意義。
1 點云與影像聯(lián)合測圖進展
從數(shù)據(jù)處理流程角度來講，點云與影像聯(lián)合制圖技術(shù)，主要包含3個核心部分，即：點云數(shù)據(jù)獲取系統(tǒng)的集成檢校與數(shù)據(jù)配準技術(shù)、點云分類與濾波技術(shù)，以及精細建模與矢量制圖技術(shù)，具體闡述如下：
1.1 集成檢校與數(shù)據(jù)配準技術(shù)
機載LiDAR系統(tǒng)工作時，由POS系統(tǒng)提供激光掃描儀的實時位置和姿態(tài)數(shù)據(jù)，結(jié)合激光掃描儀激光束的角度和測距信息計算地面點的物方三維坐標。其中，由激光掃描儀坐標系到POS系統(tǒng)坐標系之間的轉(zhuǎn)換需要獲得激光掃描儀與POS系統(tǒng)之間的安置參數(shù)，包括偏心分量和安置角。隨著設(shè)備的長期使用，安置參數(shù)會發(fā)生變化，因此需要對其進行檢校。傳統(tǒng)的檢校方式是，在多條帶的LiDAR點云覆蓋范圍內(nèi)人工測量若干地面控制點，然后經(jīng)過條帶平差計算檢校參數(shù)。在缺乏控制點時，可根據(jù)多條帶點云數(shù)據(jù)之間提取并匹配的平面特征建立平差檢校模型，計算檢校參數(shù)。在系統(tǒng)搭載數(shù)碼相機時，數(shù)碼相機與POS系統(tǒng)之間的安置參數(shù)檢?？刹捎煤娇沼跋褡詸z校區(qū)域網(wǎng)平差的方式計算。
機載LiDAR點云數(shù)據(jù)與航空影像的集成應(yīng)用中，需要解決多條帶機載LiDAR點云之間的配準問題，以及機載LiDAR點云與航空影像之間的配準問題。若系統(tǒng)原始觀測值（POS航跡、激光掃描儀測距和測角數(shù)據(jù)、激光點和影像獲取時刻等）已知，通過系統(tǒng)檢?？山鉀Q配準問題；反之，需要采用數(shù)據(jù)驅(qū)動的方法解決配準問題。
機載LiDAR點云條帶之間配準（成為LiDAR條帶平差），通常采用旋轉(zhuǎn)和平移6參數(shù)剛體變換模型表達點云條帶之間的坐標變換，有時也加上尺度參數(shù)。LiDAR條帶平差的核心是點云條帶間連接基元的獲取。如采用三維最鄰近點的迭代最鄰近點(Iterative ClosestPoint, ICP)配準算法，最小法向距離的配準算法，最小高程差的配準算法，基于平面特征的配準方法以及基于表面匹配的配準方法。其中最小高程法無法處理平面坐標誤差，基于平面特征的方法只適合于城市地區(qū)，其他方法的適應(yīng)性較強。當前的大多數(shù)條帶平差方法都需要較好的初值，不過由于機載LiDAR點云條帶本身的坐標誤差不大，良好的初值常常很容易獲得。
LiDAR點云與光學(xué)影像之間的配準，主要有兩類方法：基于特征的配準和基于點云的配準?；谔卣鞯呐錅史椒ㄓ卸喾N，主要是通過在LiDAR點云與光學(xué)影像間人工或自動匹配同名點、同名線特征進行配準，采用的配準模型主要是共線、共面方程等。在LiDAR點云中提取點、線特征可以基于LiDAR強度圖、LiDAR距離圖或離散LiDAR點云，同名特征的匹配測度主要有互信息、相關(guān)系數(shù)及直線間距離等?；邳c云的配準首先由光學(xué)影像密集匹配生成離散點云，然后采用點云與點云匹配的方法實現(xiàn)激光點云與影像匹配點云的，從而通過約束修改光學(xué)影像的方位元素實現(xiàn)兩者的配準，或者直接采用影像空三加密點結(jié)合法向量約束實現(xiàn)光學(xué)影像與點云的配準等?？傮w來說，由于LiDAR點云與光學(xué)影像為異源數(shù)據(jù)，目前對于兩者配準方面的研究仍將集中在對同名特征匹配困難、需要較好的初值等問題的解決方面。
1.2 高質(zhì)量濾波與分類技術(shù)
基于點云的地物自動提取方面(或分類)具有代表性的方法有：Peter Axelsson采用最小描述長度(Minimum Description Length，MDL)準則對地物進行分類，分類結(jié)果僅以離散面片形式進行表達并交由后續(xù)建模軟件進行處理；也有學(xué)者分別在原始點云上提取建筑物，或結(jié)合點云與光譜影像提取建筑物或樹木；也有學(xué)者嘗試基于高程紋理圖像將地面、建筑物及樹木進行分類，或是將點云與高光譜影像結(jié)合提取建筑、樹木與草坪區(qū)域。
盡管國內(nèi)外學(xué)者針對點云信息提取這一問題不斷提出各種各樣的新方法，但是全自動地物提取仍是該領(lǐng)域的一個公共難題，需后續(xù)研究更可靠、更智能、更高效的處理方法?；邳c云數(shù)據(jù)的智能信息提取方法正逐漸朝著多源數(shù)據(jù)融合的方向發(fā)展，如以高光譜影像數(shù)據(jù)輔助建筑物提取、獨立樹建模等，以及利用現(xiàn)有的基礎(chǔ)地理信息數(shù)據(jù)，如DLG (Digital Line Graph)輔助進行城市道路、綠地等專題信息提取等。
點云濾波方面具有代表性的算法大概分3類：①以形態(tài)學(xué)為基礎(chǔ)的濾波算法，該類算法通過定義一系列形態(tài)學(xué)算子進行地面點和非地面點分離；②以點云平差為基礎(chǔ)的線性預(yù)測濾波算法，并在Inpho公司進行產(chǎn)品化。其基本思想是：通過計算每個高程點與預(yù)測趨勢面的殘差，估計每個點的內(nèi)插權(quán)重，通過權(quán)重的改變自動分離地面點與非地面點；③以不規(guī)則三角網(wǎng)為基礎(chǔ)的漸進加密算法，該算法以內(nèi)插三角網(wǎng)為濾波基礎(chǔ)，根據(jù)一定閾值條件自動剔除非地面點，某個版本已在TerraScan中產(chǎn)品化。另外，還有一些其他針對具體地形的濾波算法就不再逐一列舉。
從總體來看，形態(tài)學(xué)濾波算法比較適合場景較為簡單的城市區(qū)域，較少應(yīng)用在地貌信息復(fù)雜的山區(qū)，線性預(yù)測方法計算量較大，并且沒有針對地形特征變化進行內(nèi)插權(quán)重的自適應(yīng)調(diào)整，而三角網(wǎng)算法也存在較為明顯的缺陷，即：當初始地面三角網(wǎng)與地形特征相差較大時，濾波質(zhì)量顯著降低，相應(yīng)地，其他算法也只適應(yīng)有限的地形條件。同時，ISPRS (International Society for Photogrammetry and Remote Sensing)組織學(xué)者對各類濾波算法進行比較研究，認為：大多數(shù)濾波算法針對特定地形可以取得良好結(jié)果，沒有哪一種算法適合各種地形條件，并指出未來的濾波算法需要融合多元數(shù)據(jù)分析，分類識別等輔助手段。因此，針對不同的地形條件，相應(yīng)地調(diào)整濾波策略，并輔助有效的分類知識，將會成為未來點云濾波研究的重要發(fā)展方向。
1.3 精細建模與矢量測圖技術(shù)
采用單一三維離散點云數(shù)據(jù)生成精細化網(wǎng)格模型起源于逆向工程領(lǐng)域，算法后續(xù)的繁榮體現(xiàn)在機器視覺與計算機視覺這兩個學(xué)科分支中的三維場景曲面重構(gòu)理論。在逆向工程領(lǐng)域，由著名的Crust理論證明可知，離散點云能否恢復(fù)表面幾何拓撲重構(gòu)：最關(guān)鍵影響因子在于點云的局部采樣間隔，并總結(jié)推導(dǎo)出能滿足拓撲重構(gòu)的最大采樣間隔公式。該項定理也從理論上總結(jié)或指導(dǎo)了許多三維表面重構(gòu)方法的探索思路，最常見的方法包括：帶約束條件的Delaunay表面重構(gòu)、基于局部法向投影的增量三角重構(gòu)以及Marching Cube等重建算法等。
從商業(yè)軟件精細建模結(jié)果來推斷，目前國際上大致分為三類：第一類是以擬合重建為主導(dǎo)的泊松重建理論（Poisson Reconstruction Method, PRM）：如著名逆向工程領(lǐng)域的Polyworks、Geomagic studio，計算機視覺領(lǐng)域的pix4d等這類軟件的模型構(gòu)建都是采用PRM方式；第二類是以馬克科夫隨機場框架(Markov RandomField ,MRF)為基礎(chǔ)的三維Delaunay重建理論，如法國的Acute3d，PixelFactory等，這類軟件所構(gòu)建的模型比較精致，沒有節(jié)點內(nèi)插擬合誤差的引入；最后第三類則是還停留在針對地形地表建模的地圖生產(chǎn)類軟件，如國際上大部分的機載LiDAR軟件，以及國產(chǎn)攝影測量軟件系統(tǒng)等。其共同特點是構(gòu)建簡單的平面三角網(wǎng)格，然后為每一個節(jié)點附上高程屬性值即可滿足大部分生產(chǎn)制圖需求。
矢量化測圖是一類典型結(jié)構(gòu)化信息提取技術(shù)，攝影測量軟件多采用立體模式下交互式量測方法，即：左右立體影像對量測同名像點，再通過空間前方交會或是三角化算法實時計算三維點坐標，最后輔助簡單的矢量編輯與符號化工具獲取地形圖，如德國Inpho，美國SSK、國產(chǎn)VirtuoZo、JX4/5等；另外還有一類機載LiDAR測圖軟件系統(tǒng)則直接在三維點云環(huán)境中，以高程、強度以及紋理色彩等輔助信息判讀地物輪廓，再進行矢量線劃圖采集與編輯。值得指出的是，該類軟件一般要在AutoCAD或MicroStation等矢量編輯平臺環(huán)境下進行二次開發(fā)而成。
總體來講，用于生產(chǎn)不同用途模型產(chǎn)品的精細建模技術(shù)與矢量測圖技術(shù)，不能簡單用技術(shù)先進性指標來衡量比較：精細建模技術(shù)主要考慮的是模型完整性保持、建模效率、模型有效簡化等工作內(nèi)容；而矢量建模技術(shù)則主要考慮利用自動化方法識別大部分強特征地物，開發(fā)更為友好的半自動建模軟件實現(xiàn)等。
2 點云與影像聯(lián)合測圖趨勢
2.1 數(shù)據(jù)質(zhì)量方面
隨著硬件平臺與傳感器的高速發(fā)展，獲取高質(zhì)量的離散三維點云或是高分辨率光學(xué)數(shù)碼影像已屬于普遍現(xiàn)象。近年來，由于無人機平臺在專業(yè)或消費領(lǐng)域的普及性應(yīng)用，催生該項技術(shù)的快速成熟。一方面單一掃描儀獲取的數(shù)據(jù)質(zhì)量在逐步提高：據(jù)最新報道無人機搭載機載LiDAR掃描儀，能獲取的最大點陣密度能達到近千點/m²，其獲取地表物體的結(jié)構(gòu)完整性也非常良好；另一方面是通過不同傳感器的數(shù)據(jù)融合提升數(shù)據(jù)質(zhì)量：①由于機載LiDAR系統(tǒng)所獲取數(shù)據(jù)主要集中在物體頂部區(qū)域，車載LiDAR系統(tǒng)獲取建筑物側(cè)面點云，兩者幾何配準后能獲得相對全面的表面點云數(shù)據(jù)；②在機載LiDAR點云的引導(dǎo)下，先通過對同步或異步獲取的光譜影像進行精確配準，進而采用局部稠密匹配來獲得更高質(zhì)量的表面點云。
總體來看，點云數(shù)據(jù)的密度方面還能進一步獲得突破，甚至達到或超過光學(xué)影像分辨率，達到亞厘米級；而完整性方面，鑒于主動傳感器的波譜反射特性，地物表面的點云難免出現(xiàn)數(shù)據(jù)丟失現(xiàn)象，本文認為通過光學(xué)影像稠密匹配結(jié)果進行有效修補方式將會更為有效，成本也相對低廉，是值得學(xué)者進一步鉆研的課題方向之一。
2.2 自動目標識別分類方面
多年來，在測繪領(lǐng)域自動目標識別研究一直是局限在衛(wèi)星遙感光譜影像像素分類方面，因此也出現(xiàn)了一批優(yōu)秀的軟件系統(tǒng)，如美國Erdas、ENVI、加拿大PCI、德國eCognition等系統(tǒng)。但由于同物異譜，異物同譜現(xiàn)象的普遍性導(dǎo)致僅僅依賴單一來源的像素灰度信息獲取滿意的目標識別效果非常困難。另外，光譜信息不能直接反映地物的空間屬性，單一灰度一致性也難以直接恢復(fù)物體的輪廓信息。因此，本文從以下幾個方面來建議點云與影像目標識別分類方法的趨勢：
1）確立稠密點云在目標識別中的重要位置，光譜數(shù)據(jù)主要作為色彩、紋理等輔助信息占據(jù)較小的比重；
2）結(jié)合已有的基礎(chǔ)地理信息數(shù)據(jù)庫，對現(xiàn)有林區(qū)、城市等復(fù)雜地形區(qū)域的點云分類結(jié)果進行控制約束或定向優(yōu)化；
3）加大基礎(chǔ)學(xué)科開源算法庫的引入，采用機器學(xué)習(xí)的方式對地形環(huán)境或目標特征進行訓(xùn)練，在分類過程中不斷調(diào)整針對待識別目標的抽象條件以達到最優(yōu)識別效果。若希望采用非監(jiān)督分類模式，應(yīng)著力加大知識樣本庫的建立工作，該數(shù)據(jù)庫健全程度應(yīng)是影響全自動識別算法執(zhí)行的首要因素。
關(guān)于前沿的無人駕駛汽車，值得指出的是：目前國外Google公司與國內(nèi)百度公司已先后推出準實用化的無人駕駛汽車。無疑這項工作是人工智能成功應(yīng)用的典型案例，增強了人工智能領(lǐng)域科研人員的信心。但從技術(shù)角度討論，無人駕駛汽車主體識別工作在于障礙物的實時檢測、各類特征明確的已知交通標志的動態(tài)識別，以及已知道路中心線準確坐標后的路面識別等方面。這與實現(xiàn)目標區(qū)域的全要素地物識別之間差距還是非常大?？傮w來看，全要素全自動目標識別系統(tǒng)建設(shè)是一項非常具有挑戰(zhàn)性的工作，研究人員務(wù)必立足行業(yè)需求，全面整合全球最先進的知識系統(tǒng)、最寶貴智力資源進行聯(lián)合攻關(guān)，方能再有所突破。
2.3 新產(chǎn)品體系建設(shè)方面
在數(shù)字攝影測量制圖歷史上，以數(shù)字高程模型、數(shù)字正射影像、數(shù)字線劃圖、數(shù)字柵格地圖等為主導(dǎo)的4D產(chǎn)品，長期作為定型的基礎(chǔ)測繪地理信息產(chǎn)品為行業(yè)大眾所認同。但隨著測繪遙感技術(shù)的發(fā)展，如激光雷達技術(shù)、傾斜攝影測量技術(shù)(一種近景攝影測量模式在航空中的復(fù)制，由于數(shù)據(jù)采集相對規(guī)則，其處理難度遠小于近景攝影數(shù)據(jù))等新型遙感技術(shù)的進步，催生出新的產(chǎn)品類型需求，需要布局新的產(chǎn)品體系建設(shè)。本文立足于機載激光雷達與光學(xué)影像聯(lián)合測圖技術(shù)研究經(jīng)驗，對新產(chǎn)品體系進行理論上的梳理，以期對新產(chǎn)品體系建設(shè)具備一定借鑒意義：
1）數(shù)字表面模型(Digital Surface Model，DSM)產(chǎn)品制作工藝規(guī)范與產(chǎn)品定型工作迫在眉睫。從制作工藝來講，激光掃描儀是一種能直接獲取三維表面信息的新型傳感器，而傾斜攝影測量則是一種多角度航空攝影作業(yè)方式，后續(xù)再通過立體視覺手段進行場景重構(gòu)。前者場景重構(gòu)速度塊，但目前成本較高，非專業(yè)領(lǐng)域推廣普及還比較困難；后者成本較低、宜于推廣，但需要較為復(fù)雜的算法計算來保證場景重構(gòu)的可用性，時效性稍有不足。兩者的共同特點是都能構(gòu)建復(fù)雜場景的精細三維模型，即目前行業(yè)大眾所熟知的三維實景建模。另外，從產(chǎn)品定型來講，數(shù)字表面模型記錄的是空間物體表面真實三維信息的數(shù)據(jù)集，其本身具備滿足航路規(guī)劃、三維導(dǎo)航、資源普查等功能需求，同時也是一切后續(xù)4D產(chǎn)品生產(chǎn)的基本源數(shù)據(jù)。
綜上，從產(chǎn)品技術(shù)角度討論，今后相當長一段時間與數(shù)字表面模型相關(guān)主要研究工作將會聚焦在海量網(wǎng)格模型高效率高保真簡化、多時相海量模型的數(shù)據(jù)分布式存儲管理與網(wǎng)絡(luò)傳輸、海量模型數(shù)據(jù)的高逼真可視化等方面；從產(chǎn)品屬性討論，針對數(shù)字表面模型的生產(chǎn)工藝進行規(guī)范化，并逐步提升該類產(chǎn)品在國家基礎(chǔ)數(shù)據(jù)層面的重要性已十分必要，至少應(yīng)重新定義新的4D產(chǎn)品體系，以滿足行業(yè)技術(shù)進步要求。
2）結(jié)構(gòu)化信息提取與三維DLG產(chǎn)品。與結(jié)構(gòu)化后的矢量模型數(shù)據(jù)比較，無論采用何種算法進行模型簡化，以網(wǎng)格方式進行表達的DSM產(chǎn)品數(shù)據(jù)量都非常龐大。因此，對模型數(shù)據(jù)進行結(jié)構(gòu)化信息提取，是今后重要的研發(fā)工作，其研究內(nèi)容至少包括模式識別、計算機圖形學(xué)、數(shù)據(jù)庫管理等交叉學(xué)科知識。
另外，關(guān)于三維DLG，盡管目前業(yè)內(nèi)還沒有明確定義，但論文認為應(yīng)遵從以下兩個原則：①三維DLG完全涵蓋二維DLG的表現(xiàn)內(nèi)容，通過簡單的視圖轉(zhuǎn)換與打印便能生產(chǎn)傳統(tǒng)二維DLG；②三維DLG應(yīng)涵蓋三維實體模型的骨架內(nèi)容，因此需要存儲更多的地物側(cè)面坐標信息，能通過簡單的拓撲重構(gòu)(有限元剖分)與視圖轉(zhuǎn)換便能生成普通的3D模型，但較傳統(tǒng)3D模型占有更小的存儲空間與復(fù)雜度，更利于國家或地區(qū)進行基礎(chǔ)測繪產(chǎn)品入庫存檔等。
概括來講，本文認為目前數(shù)字表面模型應(yīng)被逐步提升到國家基礎(chǔ)測繪產(chǎn)品這一戰(zhàn)略高度上來，與數(shù)字高程模型、數(shù)字正射影像、數(shù)字線劃圖共同組成新的4D產(chǎn)品體系；建議重新拓展數(shù)字線劃圖的概念，使得傳統(tǒng)線劃圖與三維實體模型能有效統(tǒng)一，能直接滿足地表實體的數(shù)字化構(gòu)建、表達、傳輸?shù)葢?yīng)用需求。
3 結(jié)束語
本文針對機載激光雷達點云與影像聯(lián)合測圖幾類通用技術(shù)進展展開討論，并對未來的技術(shù)發(fā)展趨勢和新的產(chǎn)品體系建設(shè)需求進行簡要分析，具體總結(jié)如下：
1）從傳感器集成檢校與數(shù)據(jù)配準技術(shù)、高質(zhì)量濾波與分類技術(shù)，以及精細建模與矢量測圖技術(shù)等3個方面對機載激光雷達點云與影像聯(lián)合測圖通用技術(shù)現(xiàn)狀進行描述，并簡要指出現(xiàn)有方法所存在的不足；
2）在激光點云數(shù)據(jù)處理方面，從點云數(shù)據(jù)質(zhì)量、自動點云目標分類等方面討論了未來點云數(shù)據(jù)后處理的優(yōu)勢與趨勢；
3）在產(chǎn)品體系構(gòu)建方面，論文圍繞DSM為核心提出建設(shè)新4D產(chǎn)品體系的構(gòu)想，隨后初步給出三維DLG的概念，以期統(tǒng)一現(xiàn)有的數(shù)字線劃圖與三維單體模型數(shù)據(jù)類型，成為未來主流的結(jié)構(gòu)化數(shù)據(jù)表述形式。
轉(zhuǎn)載請注明出處。
相關(guān)文章
熱門資訊
精彩導(dǎo)讀
關(guān)注我們
