内页底部

© 2017 睿宇时空科技(重庆)有限公司页面版权所有     渝ICP备17016699号  网站建设:中企动力重庆 后台管理  渝公网安备 50011902000279号

本部联系电话(南川):023-71457766;总部联系电话(渝北):023-62462817;商务联系电话:023-71421589;023-71411810;

三维GIS数据融合的基本方法与进展

三维GIS是在二维GIS的基础上发展起来的新兴科技,它突破了空间信息在二维地图平面中单调表现的束缚,实现了GIS系统的三维数字化,有着更加精准的量测分析、更加直观的展示效果和更加高效的综合管理,在智慧城市、建筑工程、考古文保等领域有着更加广泛的应用。综合考虑三维模型的生产难易、效率和成本,在三维GIS中,地形、地物模型往往采用不同的方法独立构建,因此有着不同的数据结构和特点。以三维地形模型为例,根据构成模型网格类型的不同,三维GIS地形有着规则格网模型和不规则三角网模型之分。而三维地物模型建立的方法更加多样,可以通过三维激光扫描、倾斜摄影测量、专业的三维建模软件或三维GIS系统等得到。在三维GIS中为满足地形、地物模型建模在精度、视觉、查询等各方面的要求,需要进行地物与地形三维模型间的融合,即通过对三维模型的粘贴和修补,达到边界平滑且纹理拼接自然的效果,最终融合成新的三维数字模型。

地形模型与地物模型融合较早的研究始于1995年,Michael F. Polls等人就通过几何嵌入的方式,将矢量道路数据融入地形格网中,但是该道路模型本身并不具有起伏形态,只是作为矢量数据存在,而且没有解决动态LOD(Level of Detail, LOD)地形模型变化问题。近些年,对于三维模型融合方面的主要问题在于三维GIS系统中,地物模型往往根据水平基准面建立,而规则格网地形基于有起伏特征的DEM(Digital Elevaion model, DEM)建立,从而导致融合后的两种模型之间出现不匹配的现象,典型的就是地物模型悬浮于地形模型之上或者地物模型部分隐藏在地形模型之下,如图1所示。为了解决这一问题,胡璐锦、刘小标、李强等学者根据地形网格类型的不同,将三维GIS地形分为规则格网地形和不规则三角网地形来分别研究相应的模型融合;还有一部分学者则将地物模型分类,分成独立于地形网格和依赖于地形网格的两类地物模型,并进一步细分为点状地物、条带状地物以及面状地物,提出了基于地形改造和基于地物改造的不同融合方法,具有代表性的有王光霞、刘宁、万刚等人。为了便于浏览,Anupam Agrawal, Angelika Weber、Michael F. Polls 、陈国军等人在原有三维模型融合的基础上又加入了对多尺度地形模型的融合研究,完善了三维数据融合后的LOD展示研究。

 

图1 地物模型与地形模型不匹配

Fig.1 Unmatched terrain model with ground object model

本文对地形模型与地物模型的融合方法进行了系统分类如图2所示,对近年来提出的各种三维数据融合方法做了总结和评述,并讨论了基于倾斜摄影测量模型融合领域遇到的问题和未来的发展前景。

图2 地物与地形模型融合技术路线图

Fig.2 Roadmap of terrain model fusion with ground object model technology roadmap

1 三维模型的构建与表达

常见的三维模型构建方式有4种,见表1:其一是基于主动式采集的三维点云数据,经过去噪、修补、曲面拟合等过程建立三维模型,如图3所示;其二是基于倾斜摄影照片的被动式的深度重构,建立三维模型;其三是使用三维建模软件,如3D MAX、Maya等软件,通过给定的几何信息及拓扑信息制作三维模型,如图4所示;最后一种是利用三维GIS系统设计在CityEngine或ArcGIS软件内建立含有空间拓扑关系的三维模型,如图5所示。

表1 常见三维模型对比

Tab.1 Comparison of common 3D models

图3 三维激光扫描仪与点云模型

Fig.3 3D laser scanner and point cloud model

图4 无人机与基于倾斜摄影建立的三维模型

Fig.4 UAV and 3D model based on oblique photography

 

在三维GIS系统中,地形模型一般用两种方式表达,其一是规则格网模型,其二是不规则三角网模型。

图5 地形模型的表示方式

Fig.5 Representation of terrain model

规则格网模型与不规则三角网模型是地形模型的两种主要表示方式。规则格网模型是由大小固定且带有坐标(表达空间位置)的正方形网格构成,每个网格中的数字代表高程。其优点是数据结构简单,便于使用和管理;缺点是数据体量大,在地势平缓地区易出现冗余数据,而在地形复杂地区则无法较好地体现地势起伏,分辨率较低。

不规则三角网模型是从不规则分布的数据点生成连续的三角形面来逼近地形表面,可以最大程度地还原地表细微的起伏,较好顾及地形特征,因此又被称为“曲面数据结构”。相比于规则格网模型,不规则三角网模型中顶点分布具有任意性,因此不规则三角网地形模型能够高精度模拟复杂的地形表面,并有数据冗余小,存储效率高,适合多层次表达等特点。但是数据结构和使用管理都很复杂,数据存储量较大,且对于扭曲或翻转的曲面不能很好地表达。

2 独立于地形的地物模型与地形模型的融合

独立于地形的地物模型(如植被、建筑模型),融合可简化为空间位置配准。其融合的方式主要有两种:一是对地形模型本身不作修改,直接配准地物模型并叠加,这种方法简单,但融合后极易出现模型之间空洞;另一种方法是对地形网格模型进行裁剪,通过改变地形边界来适应地物模型,使得两者可以紧密融合,这种融合方法精确度较高。因此,目前对独立的地物模型,多采用适当修改地形模型的方法实现三维模型融合。

2.1 精确匹配融合法

在独立地物模型与规则格网地形模型的融合中,典型的有建筑模型与地形模型的融合。通过改造地物模型或改造地形模型,相互适应来达到模型融合。该方法采取将建筑模型向下延伸,直到模型所覆盖地形的最低处;或将原始地形进行相对建筑物底面拉高填低的思想来达到融合效果。其实质是地物模型与地形模型在空间位置上的精确匹配,并通过适当修改地形模型来适应地物模型的融入。王爱爱、张锦采取了两种融合方案:一是对地物模型进行修改:以地物模型基准面为标准,构造模型基准面以下部分,补齐与地形模型之间的空洞,达到融合效果;二是对地形模型进行修改:将建筑物模型所属区域内地形高程设置为同一数值,然后将建筑物底面边界格网进行剖分,并融入地形格网实现模型融合。2003年,宋汉辰等人提出了四点匹配的方法,将选取的关键点投影到地形表面,根据不同的视点、调整矩阵等相关信息, 在场景中显示模型的实时姿态,保证了视觉上的模型融合,如图6所示。但这种方法实际上是一种视觉上的模型匹配,三维模型并没有实际融合。在此融合基础上,Arne Schilling等研究并完成了在虚拟现实的服务器下,用不同LOD细节层次来表示复杂的三维要素,进一步实现了三维模型的LOD显示。陈国军、陈庆刚通过扩展变化单元格分辨率,对于特征物轮廓,采用更为精细的规则三角形来描述,并与视点相关的LOD简化技术相结合,来达到三维模型融合的目的。

 

图6 四点精确匹配方法

Fig.6 Four point exact matching method

此类融合方法对原始三维模型做了改动,融合后的模型在测量精度上会受到一定影响。而且对于不同分辨率三维模型之间的数据融合,此类方法是否依然有效,期待相关学者的进一步研究。

2.2 网格顶点预融合法

网格顶点预融合法是预先将地物模型和地形模型均以网格顶点或点云的方式表达出来,利用点云采样或者约束区域删除网格顶点的方法在点云层面融合地物模型与地形模型,最后将融合好的网格顶点统一构建不规则三角网(Triangulated Irregular Netuwork, TIN)达到融合效果。

学者李林在统一坐标框架下,将预融合地物模型底平面与其所在的地形看做一体,两者的高程数据都可视为地形高程。这样,只需删除地物模型底平面内影响模型融合的高程数据,再利用Delauney三角网算法生成TIN模型模拟地形,就可以实现地形模型与地物模型的融合。耿中元等人则采取了建立融合缓冲区,并利用倾斜摄影地形模型替代缓冲区内原始地形模型的方法来达到模型的融合,如图7、图8所示。首先分离出倾斜摄影建立的带有少量地形数据的地物模型,其中少量的地形数据使用点云表示,地物模型则使用不规则三角网(TIN) 表示。在融合缓冲区内,使用倾斜摄影建立的少量地形点云模型替代原始地形点云模型,并按照两种地形模型不同的点云密度,依据等差数列获取采样间隔,实现了采样密度的逐渐过渡。最后将融合好的地形点云模型利用Delauney三角网算法统一构造,实现倾斜摄影地物模型与地形模型的融合。

图7 融合缓冲区内采样

 

Fig.7 Fusion buffer sampling

图8 融合缓冲区内点云生成效果

Fig.8 Integration of the point cloud generation effect in buffer area

利用融合后的点云数据再次生成不规则三角网,达到模型的融合是网格顶点融合的主要特点。但由于原先的点云数据在数据融合过程中做了删改,重新生成的不规则三角网也会受到相应的影响。特别是基于倾斜摄影测量建立的带有真实纹理的三维模型,由于模型融合后重新生成的不规则三角网较之前的独立模型不规则三角网发生了变化,原先的纹理映射规则已经不再适用于融合后的三维模型,因此,会出现纹理空白、失真等问题。这也是在无人机航测技术发展迅猛的今天,基于无人机航空摄影测量建立的带有真实纹理的三维模型融合过程中,需要进一步研究的问题。

3 依赖于地形的地物模型与地形模型的融合

依赖于地形的地物是指这类地物与地形的关系较为紧密,它们大部分镶嵌于地形模型中,可从地形模型中分化出来,与地形的起伏走向关系密切,融合时应充分考虑对地形模型的影响。这一类模型的地物包括道路、河流、湖泊、大面积植被等,此类地物模型与地形模型的融合构建过程实际上就是对多边形进行三角剖分的过程。

对于依赖于地形的地物模型,可根据其几何形态及自身边界范围内高程值的异同分为两种:

1)面状分布:自身边界范围内高程值相同,如湖泊、大面积植被等。

2)条带状分布:自身边界范围内高程值不同,如道路、河流等。

3.1 DEM格网裁剪融合法

针对第一种面状分布的地物模型,融合的思想是基于DEM的投影。首先,提取面状地物覆盖区域内所有地物的高程,并求均值,该均值即作为这一区域的高程值H,随后对该区域多边形进行三角剖分。然后,投影该多边形到二维平面上,并与地形模型DEM格网的平面投影求交点,交点的高程值仍赋为H。最后,以网格为单位,对投影重叠部分进行裁减运算,将裁剪后的多边形再次三角剖分,对剖分后三角形的顶点赋以相应的高程,这样就实现了面状地物模型与地形模型的融合。

 

针对第二种条带状分布的地物模型,由于对地形模型的影响更大,融合的思想是以地物模型与地形模型的网格交点进行插值三角剖分,如图9、图10所示。以道路模型为例,用道路模型的封闭多边形边界与DEM 网格求交点,并将所有交点插入DEM格网中,然后对有交点的DEM格网三角剖分形成多边形。最后,DEM网格中现有数据的剖分,加上道路的简单剖分,即可实现与地形模型的融合。2005年王光霞等人又在此基础上对融合前后的地形模型进行对比分析,提出了融合算法的有关精度评定,完善了该类型模型的融合方法,并被业内广泛采用。

图9 道路与地形数据融合

 

Fig.9 Road and terrain data fusion

图10 道路与地形数据整体融合效果

Fig.10 Overall effect of road and terrain data fusion

利用改造地形模型或者地物模型的方法可以达到两者在三维数据层面的融合,并在视觉上有着良好的体验。但是此类方法对三维模型进行了过多的人为干预,改变了模型原有的尺寸大小,在精细化测绘层面,融合后的模型精度稍显不足,有待通过接下来的研究进一步提高。

3.2 几何嵌入式融合法

 

几何嵌入式融合是让地物模型以网格的形式嵌入到地形模型中实现融合,其基本思想是将地物模型的轮廓多边形嵌入地形模型不规则三角网中,根据多边形的影响范围,以多边形边界为约束,构建带有约束条件的Delaunay三角网,来实现地物模型与地形模型的融合。朱娟在处理道路模型与地形融合的过程中,将道路模型视为一个或多个多边形,采用网格索引和方向线段等方法,改进了地形数据组织方式和道路边界的提取算法。然后以道路边界作为约束条件,构建带有约束条件的Delaunay三角网并嵌入地形模型中,最后删除道路边界多边形内的地形三角形,来实现道路与地形的融合,如图11、图12所示。尹小君等人则以建筑模型为研究对象,通过提取建筑物地面轮廓作为对地形模型的影响范围,制定TIN地形模型的限定约束条件,从而实现地形模型与地物模型的三维集成。

图11 原始地形三角网

 

Fig.11 Primitive terrain triangulation

图12 道路几何嵌入融合后效果

Fig.12 The effect of road geometry embedding after fusion

使用这种方法融合后的河流、道路、湖面等地物模型往往只是做了简单的三角剖分,模型的弯曲、起伏等特征属性受到了一定的影响。

4 结束语

 

文章归纳了近年来三维数据融合在地形地物模型中的应用与发展,按照独立于地形和依赖于地形的两大类地物模型,对每一类地形地物模型间的三维数据融合方法与研究进展做了总结,并归纳了典型地物模型与地形融合普遍采用的融合方法。近几年,随着航空倾斜摄影测量的发展,利用无人机航测建立的三维模型以其成本低、效率高、模型自带真实纹理贴图的特点被市场广泛认可。但受无人机种类、航高、以及其所搭载摄影平台的影响,基于航空倾斜摄影测量建立的三维模型具有分辨率不一致、模型贴图纹理光线不均匀等特点。如何精准融合此类多分辨率不规则三角网模型,并保持其原有的真实纹理光线均匀,模型边界过渡自然,有待相关学者进一步的研究。而伴随着三维模型精度的不断提升,三维模型融合后的精度也需进一步提升。因此,三维模型的融合需要依托精细化测绘技术,并与地理信息系统及计算机视觉研究相结合,在多源三维数据高精度无缝融合中进行更加深远的研究。