[发明专利]综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法

说明书

本发明提出的是一种综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法，包括如下步骤：(1)基于机载激光数据的快速建模方法；(2)联合车载点云与影像的语义分割框架；(3)融合多源数据的模型自动增强算法。本发明以机载激光点云，车载激光点云和街景影像为研究对象，以模型重建、模型增强与更新为目标，并实现不同平台点云与影像数据的联合处理，充分挖掘各类数据的融合潜力。最终的研究成果将完善车载‑机载数据的融合与精细建模框架，推动点云数据语义分割技术发展，并服务于无人驾驶等新兴应用领域。

技术领域

本发明涉及的是一种综合机载和车载三维激光点云及街景影像的三维建筑 物精细几何重建方法，属于激光雷达和街景影像遥感数据技术处理领域。

背景技术

城市三维模型是基础测绘、智能交通、城市管理和空间分析的重要基础。近 年来随着自动驾驶和自主物流的发展，对三维模型的准确度和精细度提出了更高 的要求。例如在无人驾驶中，精细的三维模型能够辅助车辆导航及停靠。在过去 的研究中，机载激光雷达和车载激光雷达是重建城市三维模型的重要数据来源。 机载激光雷达数据是在空中进行采集，它含有丰富的屋顶信息，但立面信息相对 较少。车载激光雷达数据沿街道采集，包含丰富的立面信息，但屋顶信息很少且 观测不完整，从而导致建筑轮廓不完整。因此，将车载激光雷达获取的精细的立 面信息(例如窗户和阳台)与粗糙的建筑模型(例如由机载激光雷达数据生成的 模型)相结合，由此获得增强的精细三维模型成为一种极具潜力的技术设想。

事实上，实现这种技术设想存在诸多问题。在机载点云建筑重建中，如何快 速构建稳定、密合的三维模型依旧没有得到很好的解决，例如如何处理数据缺失， 减少大量的先验假设，复杂屋顶探测等。车载激光雷达采集到点云数据通常具有 海量的体积，由遮挡和扫描模式造成的不规则的数据缺失，以及密度变化极其不 均匀等特点，从而对数据处理鲁棒性和普适性提出了很高的要求。此外，精细立 面模型的构建需要分别重建各个局部结构，如窗户，阳台等，因此需要准确的语 义标注作为基础。然而，车载点云的语义分割问题目前没有得到很好的解决，例 如激光点云的语义分割通常只基于局部几何特征，而这些特征受到密度变化，数 据缺失等诸多因素的影响。目前，车载激光雷达设备通常搭载了固定姿态的相机， 可以采集到大量的影像数据，为车载点云提供色彩和纹理信息，但如何联合车载 激光点云和对应的影像数据，目前也并没有切实可行的技术方案。整体而言，联 合机载数据与车载数据进行城市模型增强主要面临以下难点：1)由于建筑形态 各异，如何使用较少的预定义规则，从机载点云中快速构建大场景建筑轮廓模型， 对算法的鲁棒性和普适性有很高的要求；2)由于精细的三维模型依赖于准确的 点云语义分割结果，而车载激光点云数据缺失严重，密度变化大，且缺乏纹理色 彩信息，因此如何联合点云与影像数据进行细粒度的语义标记成为难点；3)在 融合机载数据和车载数据过程中，很难评估和调整不同数据源包含的误差(几何 误差和语义标记误差)，并最大程度上实现两者的优势互补。

(1)基于机载点云的建筑三维建模

3D建筑模型在数字城市中是一个非常显著的特征，在其他应用方面也是如 此，如地理信息系统、城市规划、灾害管理、应急响应以及虚拟/增强现实等。 目前由于城市的快速发展以及即时信息的需求，3D建筑自动重建在摄影测量和 计算机视觉方面一直都是研究热点，许多学者提出了基于摄影测量数据或者 LiDAR数据的建模方法。但是对于大范围的建筑自动建模一直都是一项困难而 且耗时的工作，尤其结构复杂的建筑物3D重建是一个具有挑战性的问题。