摘要
为改善城市实景模型构建效果，为智慧城市建设提供数据支持，本研究提出基于倾斜摄影和激光点云融合的城市实景三维重建方法。通过将不同站点激光点云数据以及倾斜影像提取的点云数据转换到目标坐标系，完成多源点云的初步匹配，再利用引入旋转角约束以及动态迭代系数的改进迭代最近点算法对其作精确配准，从而完成多源点云融合。在Context Capture软件中，对融合后的点云数据进行处理，生成三维表面的三角网格表示。通过对三角网格的优化调整，得到三角网格模型，为模型添加纹理贴图，从而成功实现城市实景的三维重建。实验结果表明：重建后的城市实景三维模型在纹理细节上表现突出、形态逼真，与原始点云数据之间存在极小的点位误差，范围在0.005～0.017 m。
引用
[1] 贾晓博. 融合倾斜摄影和激光点云的城市实景三维重建方法[J]. 北京测绘, 2025, 39 (02): 170-176.
DOI:10.19580/j.cnki.1007-3000.2025.02.008.
0 引言
随着城市化进程的加快，科技的持续发展，城市规划与管理面临越来越高的要求 [1] 。传统的城市规划手段往往依赖二维地图和有限的地理信息数据，难以全面、准确地反映城市的复杂性和立体性 [2-4] 。高效、精确地获取城市的三维信息，成为城市规划领域亟待解决的问题 [5] 。城市实景三维重建已成为推动城市智慧化、精细化发展的重要手段之一 [6] 。随着数据获取技术的不断进步，越来越多的研究者开始关注如何利用多源点云数据提升城市实景三维重建的精度和完整性。多源点云数据融合技术，即将来自不同传感器的点云数据进行整合与处理，已成为当前研究的一个热点。但是，多源点云数据融合技术在城市实景三维重建中仍面临诸多挑战，如数据同步性、精度匹配、噪声处理、大规模数据处理效率等。
李宁等人通过搭载在无人机上的倾斜相机对仿古建筑物进行多角度拍摄 [7] ，获取三维重建基础数据信息，通过对多幅影像进行坐标转换和对齐，完成多幅影像拼接。利用Context Capture软件生成仿古建筑物三维模型，倾斜摄影能够真实反映地物的立体形态，但容易受拍摄条件的限制，导致生成的三维模型出现纹理信息不丰富、细节表现不完善等问题。赵丽娜等人采用三维激光扫描设备获取城市景观三维点云数据 [8] ，将从不同站点采集的点云数据转换到目标坐标系并配准后，通过三角网建模、纹理映射等完成景观重建。激光点云数据能够精确地反映地物的空间位置和形状信息，但容易受其他物体遮挡，导致数据采集不完整。文献 [9]在采集建筑群点云数据的基础上，基于几何关系约束建立构造实体几何建模方法（constructive solid geometry,CSG）-边界表示法（boundary representation,BRep）混合树，巧妙地将建筑边界空间分解为多个多面体单元，利用拓扑关系约束选择近似建筑物形状的单元，将建筑模型转换为城市地理标记语言（city geography markup language,CityGML）格式，使得重建的模型能够与城市地理信息系统无缝集成，但无法充分捕捉复杂的建筑结构和细节特征，从而影响重建精度和完整性。周勇等结合倾斜摄影技术和三维激光扫描技术优势，将两种点云数据进行迭代最近点（iterative closest point,ICP）配准，使得桥梁数字化建模效果获得有效提升，但ICP算法对初始位置较为敏感，一旦初值选择不当，可能会陷入局部最优解，影响多源数据融合效果 [10] 。鉴于以上问题，本研究基于倾斜摄影和激光点云融合的城市实景三维重建方法，获得更逼真的实景模型，为城市信息化建设等提供有力的技术保障和支持。
1 城市实景三维重建
1.1基于倾斜影像点云和激光点云融合的城市实景三维重建流程
基于倾斜摄影和激光点云融合的城市实景三维重建流程如图1所示。该流程由数据采集、数据处理、三维重建三个阶段构成。通过无人机系统搭载的地面激光扫描仪和多视角影像设备，获取城市实景多站扫描点云数据、航摄影像数据以及位置与姿态系统（positionandorientation system,POS）数据，可为后续城市实景建模工作提供数据基础。对采集的原始影像数据、激光点云数据进行相关处理后，通过精确对齐和匹配，可实现不同数据源点云的空间融合。最后利用处理好的点云数据构建三角网，生成实景三维模型。
1.2倾斜摄影数据采集
本文利用集成了实时动态载波相位差分技术（real-time kinematic,RTK）的大疆无人机执行城市实景航拍任务，无人机配备了2.54 cm互补金属氧化物半导体（complementary metal-oxidesemiconductor,CMOS）传感器，能够实时采集高达2 000万像素的城市实景倾斜影像数据，从而确保城市实景影像数据采集的高质量 [11] 。该无人机能够以最高50 km/h的速度进行定位飞行，在快速完成多视角城市实景倾斜影像数据采集的同时，将定位精度保持在厘米级。本文采用东西航线规划方式，将航向、旁向重叠度参数均设定为85%，并从45°倾斜角度进行城市实景拍摄，以减小太阳角度变化引起的阴影问题，使城市实景侧面、顶部信息采集完整。为了获取最佳的倾斜影像采集效果，将无人机设定在确定的高度上飞行。
1.3激光点云数据采集
本文采用Rigl VZ-6000型激光扫描仪获取城市实景的激光点云数据，该设备利用数字化回波技术，通过对回波信号进行实时分析，不仅能在6 km的距离上实现精确测量，还能分别完成横向360°和纵向60°大范围环境信息的捕捉。更为突出的是，VZ-6000型激光扫描仪具备在恶劣环境下的使用能力，无论是沙尘、雾天、雨天还是雪天，都能有效完成多重目标回波识别，从而确保测量数据的准确性和完整性 。
采集城市实景激光点云数据时，该设备可通过布设多个站点，从多个角度、距离捕获城市实景数据，增加数据的冗余性和可靠性 [13] 。同时，通过调整扫描参数和角度，确保不同站点之间的数据具有一定的重叠度，便于激光点云数据在拼接和融合时实现无缝衔接。各站点在完成城市实景扫描任务后，利用全球定位系统（global positioning system,GPS），采用RTK对其实际位置信息进行量测。城市实景激光点云数据处理流程为：
1）单站初步定位。根据每个站点的实际位置量测值以及激光扫描仪的高度确定各站点的绝对位置。在后视定向过程中，通过优化调整反北角，实现城市实景激光点云数据的初步定位。
2）多站点方向校正。为了使各个站点采集的激光点云数据实现无缝衔接，形成连续且一致的三维模型，需要在单站初步定位的基础上，进一步执行多站点方向的校正任务，以消除站点间的相对位置偏差或扫描角度的微小差异带来的分层错位问题。
为了确保不同站点采集的城市实景激光点云数据的紧密贴合，需要对其罗盘方向和Z轴转向进行优化修正。在校正过程中，重要的是保持每个激光点云数据点的三维坐标的位置不变，仅调整方向角，通过计算搜寻半径内的匹配点，确定不同站点激光点云数据之间的偏差程度，并进行相应的调整。
在完成若干次迭代调整后，当误差满足设定条件时，结束校正过程，表示多站点激光点云数据已经成功对齐，点云分层错位问题已经解决；当误差始终高于设定条件时，表明数据之间仍存在较大的对齐误差，可退回到第一步重新定位。
1.4倾斜摄影与三维激光扫描的多源点云数据融合
倾斜摄影技术能够从多个角度获取城市实景影像数据，快速生成具有真实感的城市实景三维模型。然而，由于其飞行高度较高，容易被植被或房檐遮挡，导致部分地物纹理缺失，影响模型的精细度。而三维激光扫描技术可以通过地面扫描获取被遮挡区域的详细点云数据，从而弥补倾斜摄影的不足 [14] 。将倾斜摄影提取的点云与三维激光扫描点云做融合处理，可实现点云数据的互补和优化，从而更真实地反映城市实景的立面细节和纹理信息。
在将倾斜摄影提取的点云与三维激光扫描点云融合前，通过搭载倾斜摄影设备的无人机和三维激光扫描设备分别采集城市实景影像数据、激光点云数据，经过预处理后，将数据尺度调整为1∶1，并统一保存为“.las”格式。完成标准化处理后，对不同站点采集的城市实景激光点云数据以及倾斜影像提取的点云数据进行坐标转换处理，待统一到目标坐标系后即可完成多点云的初步匹配，再引入旋转角约束以及动态迭代系数的迭代最近点算法对齐两组点云数据，实现精确配准融合。
1.5多源点云数据坐标系的统一
统一坐标系法通过变换坐标将多源点云数据转换到同一个坐标系下，从而实现城市实景激光点云数据以及倾斜影像提取的点云数据的初步匹配融合。通过PT定义城市实景激光点云数据，O-XYZ为其所在坐标系，Pi(X,Y,Z)∈PT;PS为城市实景倾斜影像提取的点云数据，O′-X′Y′Z′为其所在坐标系，Pj(X′，Y′，Z′)∈PS。
通过采用间接平差法，依据最小二乘理论进行参数估计后，即可完成多源点云数据的初步匹配融合。
点云数据体量庞大 [15] 。为实现点云数据的高效处理，可通过平均采样方式处理PT、PS，处理结果表示为P T、P S。本文在ICP算法中引入旋转角约束，旨在防止点云配准过程中出现不合理的旋转。通过对配准过程的迭代系数进行实时调整，可平衡配准速度和精度之间的关系。
1.6城市实景三维建模
本文在Context Capture软件中构建城市实景三维模型，具体流程为：
1）核对采集的倾斜摄影影像数据是否存在损坏、数据不完整的问题，验证影像尺寸、分辨率等是否符合预期，检查倾斜摄影相机镜头，核实焦距参数等，确保其在后续使用中能够得到准确应用。
2）选取明显的特征点作为控制点，采取在倾斜影像上进行手工刺点的方式标记控制点的位置 [19] 。确定合适的刺点位置是关键，为避免出现刺点误差，需确保航摄影像上的控制点清晰，不与周围环境混淆，要使其位置在分辨率高、几何畸变小的影像中心上。刺点结束后，利用航摄影像和控制点信息，完成空中三角测量，得到初始城市实景三维模型。
3）完成激光点云数据的匹配处理后，将其与倾斜影像数据进行整合，经过坐标系统一、精配准处理后，完成多源点云融合，然后根据融合后的点云数据生成三维表面的三角网格表示，经过对三角网格进行优化调整，得到最终的三角网格模型后，再利用自动纹理映射技术对三维模型进行快速、准确的纹理贴图，实现城市实景三维重建 [20] 。
2 实验分析
以城市古建筑群为实验对象，采用搭载4/3互补CMOS哈苏相机和双焦段长焦相机的大疆无人机DJI Mavic 3 Pro执行航摄任务，采集城市古建筑倾斜影像数据，通过型号为Leica ScanStation P50的三维激光扫描仪对古建筑进行扫描，获取其激光点云数据。将研究方法应用到城市古建筑群三维重建中，通过对三维重建效果进行分析，验证其实用性。
应用研究方法对图2中的古建筑进行三维重建，并将文献 [7]、文献 [10]的方法作为对比方法，通过对不同方法下古建筑的三维重建效果进行差异分析，验证研究方法的优越性，实验结果如图3所示。
分析图3可知，相比其他两种方法，研究方法在细节还原、形态保真、纹理映射等方面的效果更为出色，特别是在古建筑复杂的结构细节和纹理特征方面，研究方法能够更为精确地捕捉和呈现，使得重建后的古建筑更为真实、生动。对比方法的古建筑三维重建效果均略逊于研究方法，其中，采用文献 [10]的方法重建后的古建筑三维模型在细节上出现了明显的扭曲变形，这是由于该方法未能实现激光点云与倾斜影像点云的精准配准与融合。采用文献 [7]的方法重建后的古建筑三维模型不完整，存在细节缺失的问题，这是由于两种点云数据融合时未能实现缺失区域的有效填补。实验结果表明，研究方法在古建筑三维重建中表现出显著的优越性。
为了评价多源点云数据的融合效果，本文在古建筑上选取10个特征点，将融合后的古建筑三维模型A与激光点云模型B进行对比，不同特征点的点位误差计算结果如表1所示。
分析表1可知，在城市古建筑三维重建过程中，通过对比不同数据源在多个特征点上的坐标值，发现融合后的三维模型与原始点云数据之间存在极小的点位误差，误差范围在0.005～0.017 m，表明研究方法在保持数据一致性和准确性方面表现良好。个别特征点在部分坐标方向上仍存在稍大误差，可能是数据采集过程中受到环境因素的影响或设备精度不足导致的。实验结果表明，研究方法可在城市实景三维重建中取得较好的效果。
为进一步验证本文提出方法的优势，评估了仅使用倾斜摄影或激光点云单一数据源进行古建筑群三维重建的效果。结果显示，仅使用倾斜摄影虽能较好地重建古建筑群的外观轮廓，但细节不足，特别是内部结构和阴影区域，且缺乏深度信息，导致部分区域不够真实。而仅使用激光点云虽能精确捕捉空间位置和形状，但模型单调无纹理，且因遮挡导致数据不完整。
融合技术在细节还原、形态保真、纹理映射及数据完整性上均展现出显著优势。它融合了倾斜摄影的丰富纹理与激光点云的精确空间信息，确保模型形态高度保真，避免扭曲变形，并提供了真实的纹理贴图，同时解决了单一数据源因遮挡等问题导致的数据不完整难题。
3 结束语
本文将无人机倾斜摄影技术与三维激光扫描技术相结合，开展了城市实景三维重建研究，充分利用技术互补优势，生成既具有丰富纹理信息又具备高度几何精度的城市实景三维模型，解决了单一数据源下三维模型重建效果不理想的问题。实验结果表明：研究方法在城市实景三维重建上可取得突出效果；与原始点云数据相比，重建模型存在极小的点位误差，从而进一步验证了该方法的准确性和可靠性。
来源：测绘学术资讯
