點云數據獲取及預處理的研究

劉 煜 焦明連

（江蘇海洋大學，江蘇 連云港 222000）

0 引言

三維激光掃描技術的研究始于20 世紀80 年代，國內在20 世紀90 年代也開始了對此項技術的研究。我國在863計劃當中重點支持三維激光掃描技術的研究，至此掀起了三維激光研究的熱潮，研究成果豐碩，極大地推動了國內各領域的蓬勃發展。

地面三維激光掃描技術以激光測距原理為基礎，將發射的激光光束投射到待測目標物體表面，再根據激光反射到機器站點的時間，就可以快捷、精確地獲取測站與物體表面之間的距離。該種方法獲取的數據以海量點云數據的形式保留，測距范圍在1 000 m 以內，采樣精度可達毫米級，可以滿足絕大部分的變形監測、斷面與體積獲取、地形圖繪制、古建筑與文物保護、各類工民建工程的精度需要。這種測量技術有著傳統接觸式測量無可比擬的優勢，尤其是體現在古建筑和古文物的保護上，不僅有效地減少了工作人員對待測物體的接觸和非人為的破壞，還可以通過三維建模的方式，將待測物體表面的外部輪廓的重要信息以點云數據的形式永久保存，便于后期查閱科研的需要。

1 點云數據

采集到的點云數據大致有以下4 個特點。1）數據的龐雜性。這是由三維激光掃描的技術特點決定的，它可以以每秒百萬個數據點的速度獲取物體表面的輪廓信息，為后續工作提供數據基礎。2）數據的衍生性。點云數據不僅包含了距離信息，同時也記錄了對象表面的三維坐標信息，對象的反射率、反射強度、點到掃描儀中心的距離、水平角、垂直角以及偏差值等信息，這些信息被稱為地面激光點云的衍生信息，在點云數據處理過程中常常被忽略。3）數據的噪聲性。點云數據同傳統的水準測量、全站儀測量一樣，都是具有誤差的，這主要取決于儀器、環境、人等多方面因素，噪聲的多少對內業數據處理工作都有著基礎性作用。4）數據的一次性。點云數據的獲取基本單位都是由測站點的個數決定的，假如一個測站掃描出現偏差，那么就需要重新掃描，每一個獨立的掃描點都是單一時刻的信息。

該文所要探討的核心是如何提高點云數據的數據精度，并對其數據預處理進行介紹。

2 多站點云數據的獲取

2.1 多站點云數據的采集流程

只有科學合理地安排點云數據的采集工作，才能高效地完成各項具體任務。點云數據的采集流程具體可分為8個步驟，流程圖如圖1 所示。

圖1 點云數據采集流程

2.2 外業點云數據采集

在三維掃描儀的掃描過程中，影響點云數據精度的因素來自多個方面，主要有掃描距離、物體表面材質、控制網、標靶測量精度、光斑大小、掃描點間距、全反射物質、外界環境等。上述所有因素都對點云數據的精度產生巨大影響，因此，我們必須采取切實有效地措施來降低外界干擾。具體有以下5 個措施[4]。1）適當縮短掃描儀測站與低反射率的待測目標物體之間的距離。2）儀器站點面對物體時，盡量減小發射和接受光束的張角。3）合理安排外業工作時間，避開惡劣天氣和高溫/低溫時段。4）選擇2"或2"以上的全站儀進行控制網布設，標靶測量采用免棱鏡方式測量。5）平面與高程控制網的平差優先選擇整網平差的計算方法。

3 點云數據的預處理

點云數據的預處理是整個地面三維激光掃描技術是否可以將掃描得到的點云數據用于生產應用的關鍵，也是后期三維建模、三維可視化的重要工作。國內外多位學術專家學者在數據預處理方面投入了大量的時間、心血，可以說研究成果也是相當豐碩的。點云數據的預處理大致包含了數據初步規整、數據拼接、數據精簡壓縮和數據的光順去噪等步驟。

3.1 數據初步規整

面對海量的點云數據，如果我們只去求得單個點的三維坐標的具體數值，幾乎是沒有意義的，因為它不能代表或不能體現出物體表面的任何信息。假如我們全部分析每個點，工作量非常大，并且必然存在大量的噪聲，費時費力。所以在面對海量的點云數據時，我們更應該研究它的整體性，比如曲率、法線向量等信息，這樣更有助于我們分析真實的物體信息。

一般來說，獲取的點云數據所占的空間相當巨大。這對計算機的讀取和存儲的要求就很高。從讀取的角度上看，目前較為常見的存儲格式有ASCII 格式和二進制格式2 種。ASCII 格式的優點是通俗易懂，缺點是占用空間較大。二進制的優點是數據量小，保密性強，缺點是不易于數據傳輸以及與各平臺之間進行數據交換。目前點云數據的結構形式劃分較為固定，主要有均勻網格結構、k-d 樹結構和八叉樹結構等。均勻網格結構較為機械，脫離了數據的自身特點，且占用空間較大。k-d 樹結構根據數據結構是的特點建立，但隨著數據量的增加，其結構節點數也隨之增加。八叉樹結構結合了上述2 種方法的優勢，并且可以自主添加和去除數據[5]。

3.2 數據拼接

所謂數據拼接，其含義就是將不同視點和坐標系中的點云數據統一到固定的坐標系中的過程。數據要拼接的根本原因是由于被測物體不能由一個測站一次性全部掃描完成，要設立多個站點才能全方位的采集物體表面的全部信息。針對多站激光點云拼接技術的研究一直是地面三維激光掃描測量數據預處理的研究熱點，其中高精度與自動化是研究的重點。

在實際的工程中，常用的坐標系統有掃描儀自身坐標系、相機坐標系、大地坐標系以及項目坐標系。常用的拼接方法可以簡單地分為粗拼接和精拼接2 種，其精拼接過程是數據拼接的重點與難點所在。粗拼接過程所解決的問題是將點云數據所在的不同坐標系轉化到統一的坐標系統中去，為精拼接提供一個良好的初始值[2]，趙夫群[3]提出的配準算法是先估算點云數據的曲面法矢，計算出各點的曲率，根據曲率匹配點對集合，采用幾何哈希方法計算三維空間變換，實現粗配準。李鵬等人[6]提出了三維激光點云數據虛擬特征點擬合算法，根據實際特征點擬合生成虛擬特征點，此算法可以擬合出因設備及操作方法等原因而未采集到的角點數據，減少了處理數據量，可以獲取更精確的初始配準變換參數。精拼接最經典也是最常用的方法就是ICP（迭代最近點）算法，該方法源于圖像配準中，目前廣泛應用于點云數據拼接中。劉舜等人[8]簡化了ICP算法，將特征點集設定為3 個及以上的參考標志點，并匹配參考標志點，用最小二乘法求解。但ICP 算法也存在一些不足，首先，計算的同名點對鄰域最小值必是全局最小值。其次，從計算代價方面來看耗時較多，因為ICP 算法不僅需要通過迭代運算求最小值，而且需用搜索算法找到一個點集里每個點在另一個點集里對應的點[9]。所以未來對于ICP 算法的改進還是研究的熱點。值得一提的是在李建，王宗敏等人[1]在數據拼接方面提出了具有創新意義的基于強度信息的2D-3D 點云數據高精度全自動拼接方法。該方法基于點云數據信息的衍生信息這一概念，通過三次樣條插值算法，先生成二維影像，采用基于GPU 的加速尺度不變特征變換（SIFT）算子匹配得到二維同名特征點，然后剔除粗差，反算得到特征點在三維點云中的坐標，最后通過三維空間法向量對三維同名特征點進行精煉[10]。

3.3 數據精簡壓縮

由于激光掃描儀器掃描頻率高、時間間隔短、掃描范圍大，導致其得到的點云數據量非常龐大，面對如此海量的數據，存儲與讀取都成為很難突破的技術難點。在此基礎上，如果要對數據信息進行必要地分析與提取就更難了。因此，要想解決此類問題，就必須要保證物體幾何特征和數據量。數據精簡壓縮的點云類型包括散亂的點云、掃描線式點云、網格化點云、多邊形點云[7]。目前能夠較好權衡矛盾雙方的方法是曲率采樣法。

曲率采樣法適用于散亂的點云，其原則是小曲率區域保留少量的點，而大曲率區域則保留足夠多的點，以此來精確完整地表示曲面特征。這是一種根據物體的幾何特征對測量數據的點云進行精簡的方法。此類方法能比較準確地保持曲面特征并有效減少數據點，提高數據處理效率。

3.4 數據光順去噪

激光掃描設備采集數據時，不可避免地會存在遮擋、光線不充足，角度偏大或偏小，儀器誤差的問題，進而導致誤差點甚至是錯誤點的出現。這些誤差點和錯誤點如果出現明顯偏差，比如偏離物體表面輪廓，一般可以通過人工手動刪減的方式輕松去除，但如果這些點隨機出現在物體輪廓內部，處理起來就比較復雜了，必須通過特定算法去除。發生此類情況的原因主要與物體表面材質、光滑程度，激光光束入射角有關。如果機械地去除此類存在細小誤差的點，很容易導致物體表面出現大面積空洞的情況。目前點云數據光順去噪的方法一般都來自圖像處理領域，根據算法應用的最初對象可以分為點云三角網化數據[5]和直接針對散亂點數據2 種類型。光順去噪所起到的作用更多的是在同一層面上，但去噪后的點云數據量還是很大，還需要進行濾波運算。

4 結語

隨著多站高精度點云數據的獲取及其數據預處理研究的不斷深入，地面三維激光掃描技術的應用領域越來越廣泛。該文以較為完整地點云數據獲取及預處理的相關流程為基線，論述了當前點云數據領域的發展現狀，對各個關鍵流程中的技術要點與難點進行了闡述，希望通過點云數據領域眾多專家學者的不斷努力，可以取得更多的研究成果。

目前，研究的熱點還是集中在如何能夠高精度、自動化的拼接數據，但也存在需要解決的問題，主要包括以下4 點。1）對于ICP 算法的改進依舊是當前的主要任務。2） 是否能夠將點云數據的衍生信息運用到數據拼接當中也是值得探討研究的。3） 數據在精簡壓縮的過程中，需要更優良的精簡算法。4）數據光順去噪中至今還沒有質量評價標準。