论文部分内容阅读
在物联网、云计算、人工智能等前沿技术迅猛发展的大数据时代背景下，时空大数据的获取与感知能力得到了质的飞跃，我国智慧城市的建设已经上升到国家经济与科技的战略层面，国家自然资源部于2019年正式启动了“实景三维中国”的建设项目，旨在完成国家960万平方公里的三维模型重建。城市建设的空间递进，需要从地物级微观小场景到城市级宏观大场景不同层级的地理数据覆盖。智慧城市系统应能针对各级需求提供相应的可视化、模型表达、规划与设计等技术服务。以建筑物为核心的城市三维模型是新型智慧城市建设强有力的数据支撑。建筑物模型重建需要达到的主要目标是用尽可能少的数据表达尽可能完整的模型语义信息，其难点在于如何从纷繁复杂的数据源中抽象出能精准表达建筑物表面和轮廓的参数化模型。尽管目前数据获取方式日益多元化，数据量呈指数级增长，但建筑物的结构无固定标准，所处城市场景干扰颇多，中低成本的自动化生产流程仍难获得质量足够的数据源。当前能够大规模自动化生产的实景三维模型数据量庞大，往往仅可提供可视化浏览、环境模拟等基础功能，而具备语义信息的高精度地物模型依然高度依赖于大量的人工编辑，效率低下且覆盖面明显不足，城市规划、应急响应级别的智能服务局限于小范围特定试点环境，难以大面积推广应用。一个切实可用的建筑物矢量模型应具备精确的几何位置、正确的拓扑关系以及清晰的纹理贴图，能够多细节层次按需表达以应对不同层级的应用场景。新型智慧城市的建设需要覆盖面足够全、质量足够高的城市三维模型，向智慧城市脑、数字孪生城市等更高级的形态发展，成为推动社会进步的智慧引擎。
本文充分利用点云与影像之间的互补优势以弥补单一数据源表达能力不足的缺陷，重建带有纹理贴图的建筑物结构化模型，研究工作与创新性成果主要包括以下四个方面：
(1)提出了一种线面特征引导的建筑物多面体模型重建方法，TopoLAP算法。基于空间划分的多面体模型重建方法将三维空间划分为属于模型内与模型外的凸多面体集合，内外空间交界即为模型表面。但在基于点云的建筑物模型重建场景中，点云分布不均、局部缺失造成平面特征提取不完全，以平面对空间的划分无法得到建筑物表面模型的完整表达。本文引入影像直线特征作为补充，利用影像直线特征不受墙面弱纹理影响的特点，结合影像直线、平面点云边界、平面相交线构造结构化平面边界，在直线特征集与平面特征集的约束下补全缺失的平面特征，从而得到完整的平面特征集，进行多面体模型重建。在多面体模型解算中，以结构化平面边界为约束剔除明显错误的分段平面，显著减少待解模型个数。
(2)提出了一种基于结构约束三角网的建筑物多细节层次模型重建方法，StPPP算法。一组连通的二维流形三角网最外层边界线段可构成任意形状的闭合多边形，基于这一思想，StPPP算法将多边形边界的确定转换为对约束三角网进行标号的过程，并将此应用在模型重建的两个方面，其一是建筑物足迹多边形的提取，从二维点云构建的三角网中确定属于建筑物的三角面片；其二是建筑物屋顶模型重建，将足迹多边形划分为子多边形集，每一个子多边形对应一个屋顶平面多边形，得到二维流形的屋顶二维多边形网络后，投影至三维平面即为三维的屋顶平面边界。在三角网的构建中，充分利用平面之间的相交线及立面的投影线作为结构特征约束，使得多边形边界尽可能包含结构线，从而恢复屋顶面拓扑关系。通过都柏林测区高密度低空LiDAR点云数据实验，验证了StPPP算法对超复杂建筑物的多细节层次模型重建的有效性。
(3)研究了建筑物结构化模型的纹理映射算法。为解决建筑物结构化模型面片面积较大而无法在一张影像上完整成像的情况，以及模型之间相交、遮挡现象严重等问题，本文提出一种边缘感知的建筑物结构化模型重建方法——EATex算法。该方法对结构化模型构造线框与三角网混合模型，通过可视性分析将无法在一张影像完整投影的面片拆分为完全可见和完全不可见的子多边形分区，使得三角网模型可视性最大化，并从影像中提取直线加入三角网。然后对直线增强的三角网进行最优纹理影像选择，此过程中，边缘的引导作用体现在两方面：第一是通过判断线特征是否为影像阴影边界，引导面片选择非阴影区纹理清晰的影像；第二是引导纹理块在墙面边界断开，而在墙面内部尽可能连续。实验表明本方法可对手动重建的建筑物规则化模型及全自动重建的结构化模型进行纹理映射，以较小数据量的模型表达实现接近密集表面三角网的纹理映射效果。
(4)介绍了自主研发的机载LiDAR点云与多视航空影像联合建模系统及本文方法在系统中的应用，介绍了先语义后模型的建模策略完整流程，分析了基于不同数据进行模型重建可达到的自动化程度与精度。通过三种不同点云精度、点云密度、模型特点的机载LiDAR与航空影像数据集进行结构化模型重建及纹理映射实验，证明本文方法可以实现较大规模的自动化模型重建，且本文模型表达方法可在交互系统中进行高效率编辑。
综上所述，从建筑物单体点云出发，在多视角航空影像尖锐的线特征约束下，本文提出了线面特征引导的建筑物多边形模型重建算法、基于结构约束三角网的建筑物多细节层次模型重建算法、边缘感知的建筑物结构化模型纹理映射算法。经过实验论证，本文所建立的影像线特征约束的建筑物点云结构化模型重建理论与方法有效可行，具有一定的实用价值。
本文充分利用点云与影像之间的互补优势以弥补单一数据源表达能力不足的缺陷，重建带有纹理贴图的建筑物结构化模型，研究工作与创新性成果主要包括以下四个方面：
(1)提出了一种线面特征引导的建筑物多面体模型重建方法，TopoLAP算法。基于空间划分的多面体模型重建方法将三维空间划分为属于模型内与模型外的凸多面体集合，内外空间交界即为模型表面。但在基于点云的建筑物模型重建场景中，点云分布不均、局部缺失造成平面特征提取不完全，以平面对空间的划分无法得到建筑物表面模型的完整表达。本文引入影像直线特征作为补充，利用影像直线特征不受墙面弱纹理影响的特点，结合影像直线、平面点云边界、平面相交线构造结构化平面边界，在直线特征集与平面特征集的约束下补全缺失的平面特征，从而得到完整的平面特征集，进行多面体模型重建。在多面体模型解算中，以结构化平面边界为约束剔除明显错误的分段平面，显著减少待解模型个数。
(2)提出了一种基于结构约束三角网的建筑物多细节层次模型重建方法，StPPP算法。一组连通的二维流形三角网最外层边界线段可构成任意形状的闭合多边形，基于这一思想，StPPP算法将多边形边界的确定转换为对约束三角网进行标号的过程，并将此应用在模型重建的两个方面，其一是建筑物足迹多边形的提取，从二维点云构建的三角网中确定属于建筑物的三角面片；其二是建筑物屋顶模型重建，将足迹多边形划分为子多边形集，每一个子多边形对应一个屋顶平面多边形，得到二维流形的屋顶二维多边形网络后，投影至三维平面即为三维的屋顶平面边界。在三角网的构建中，充分利用平面之间的相交线及立面的投影线作为结构特征约束，使得多边形边界尽可能包含结构线，从而恢复屋顶面拓扑关系。通过都柏林测区高密度低空LiDAR点云数据实验，验证了StPPP算法对超复杂建筑物的多细节层次模型重建的有效性。
(3)研究了建筑物结构化模型的纹理映射算法。为解决建筑物结构化模型面片面积较大而无法在一张影像上完整成像的情况，以及模型之间相交、遮挡现象严重等问题，本文提出一种边缘感知的建筑物结构化模型重建方法——EATex算法。该方法对结构化模型构造线框与三角网混合模型，通过可视性分析将无法在一张影像完整投影的面片拆分为完全可见和完全不可见的子多边形分区，使得三角网模型可视性最大化，并从影像中提取直线加入三角网。然后对直线增强的三角网进行最优纹理影像选择，此过程中，边缘的引导作用体现在两方面：第一是通过判断线特征是否为影像阴影边界，引导面片选择非阴影区纹理清晰的影像；第二是引导纹理块在墙面边界断开，而在墙面内部尽可能连续。实验表明本方法可对手动重建的建筑物规则化模型及全自动重建的结构化模型进行纹理映射，以较小数据量的模型表达实现接近密集表面三角网的纹理映射效果。
(4)介绍了自主研发的机载LiDAR点云与多视航空影像联合建模系统及本文方法在系统中的应用，介绍了先语义后模型的建模策略完整流程，分析了基于不同数据进行模型重建可达到的自动化程度与精度。通过三种不同点云精度、点云密度、模型特点的机载LiDAR与航空影像数据集进行结构化模型重建及纹理映射实验，证明本文方法可以实现较大规模的自动化模型重建，且本文模型表达方法可在交互系统中进行高效率编辑。
综上所述，从建筑物单体点云出发，在多视角航空影像尖锐的线特征约束下，本文提出了线面特征引导的建筑物多边形模型重建算法、基于结构约束三角网的建筑物多细节层次模型重建算法、边缘感知的建筑物结构化模型纹理映射算法。经过实验论证，本文所建立的影像线特征约束的建筑物点云结构化模型重建理论与方法有效可行，具有一定的实用价值。