三維激光掃描技術應用于城市建筑物外立面測繪
——以云南省澄江縣提質擴容建筑外立面改造項目為例

金新平

(華東勘測設計院(福建)有限公司 福建福州 350003)

0 引言

為了進一步提升云南省澄江縣城市發展空間和完善城市功能，塑造全域旅游城市形象，把澄江縣建成云南最美縣城和云南的“會客廳”，玉溪市住房和城鄉建設局擬通過“城市修復、生態修復”的方式，實施老城區更新改造、城市修復、重點村改造提升、增綠填色等項目改善城鄉人居環境。澄江縣提質擴容建筑外立面改造項目為上述工程的一部分，涉及矣舊村外立面112 780m2，小灣村外立面64 300m2，小凹村外立面25 600m2，馬房村、吉里村外立面78 792m2以及振興路外立面改造工程14 525m2?，F階段立面圖一般采用傳統測量方式。常用外立面測量技術有以下3種：①人工測量。利用腳手架和測量工具由人工測量；②攝影測量。運用正直攝影獲取建筑物外立面影像，經內業處理，獲取建筑立面特征點坐標；③全站儀測量。使用全站儀測量建筑物外立面上特征點的三維坐標，通過計算機軟件處理得到建筑外立面上點的坐標，通過特征點進行外立面繪制工作[1]。但這些測量方式都有各自缺點，比如效率較低、不能較好地表達復雜外立面，操作復雜，后期處理很難處理復雜建筑等；而三維激光掃描技術可以較好地滿足這些要求。

1 激光掃描儀介紹

三維激光掃描儀技術，利用激光測距原理，通過記錄被測物體表面大量密集點的三維坐標、反射率和紋理等信息，快速復建出被測目標的三維模型及線、面、體等各種圖件數據。在城市建筑物外立面測繪領域實現對建筑物無接觸快速掃描，并同時將獲得的點云信息快速轉換成計算機可以處理的立面圖繪制數據。因此，具有以下優勢：①掃描速度快，一般分辨率單站測量時間僅需幾分鐘；②掃描精度高，在合適范圍內可達到±2mm；③采樣率高，對復雜建筑外立面有較好的表現能力?？傊?，三維激光掃描技術憑借每秒將近100萬點的掃描速度，可以輕松完成對復雜建筑的精確測量。同時，三維激光掃描儀是自身發射激光，而不依賴外部光源，所以在夜晚、地下溶洞等極端條件下依然可以工作。三維激光掃描儀的測量數據可以一次測量多次使用，通過對原始數據進行不同方式的后期處理，能夠根據客戶需求生成各種模式的數據，滿足用戶對同一區域的不同需求[2]。

2 技術路線

采用激光三維掃描儀進行立面繪制的整體思路，利用三維激光掃描儀進行數據采集工作，通過后期內業數據處理，選取立面繪制所需的數據資料進行立面繪制工作。具體作業流程如圖1所示。

圖1 立面成圖流程圖

3 原始數據采集

數據采集工作階段，主要利用激光掃描儀對建筑物外立面進行系統、完整的數據收集。步驟包括：

(1)查看作業區域平面圖初步制定作業流程；現場勘驗，對作業流程進行合理修改，根據目標建筑物被遮擋情況，選擇掃描路線和掃描方案。

(2)布置掃描點，將儀器正確架設至三腳架上，調整掃描儀至水平；掃描前后檢查儀器與三腳架連接處是否松動，然后開始掃描作業。

(3)每次掃描完成后，利用掃描儀屏幕檢查掃描結果，以確保數據完整性；若有物體經過造成大范圍遮擋，可重新對此站掃描。掃描儀距離與被測物體應大于1m，同時注意盡量避開遮擋物對掃描影響，必要時可對被遮擋嚴重的建筑物單獨掃描。

(4)測站之間，可以合理布置靶標球(至少3個且不在同一直線上)，用于后期處理的站間精確拼接。

(5)及時記錄各掃描站點之間的相對位置關系，以便后期數據整理和處理有序進行。

4 數據處理

4.1 原始數據預處理

原始數據處理，主要對各站的掃描數據進行檢視，檢查數據有效性，保證后期數據處理不出現錯誤。將原始掃描數據載入對應軟件，分別查看各站點云數據以及圖像數據，然后根據作業記錄的資料選取所需站點，剔除錯誤的和不需要的數據，同時檢查是否有大量遮擋情況，若有則進行現場補測。

如果掃描時使用了靶標球，則在每一站數據中利用相關算法識別出靶標球，并進行標記，以便下一步的多站拼接工作開展。圖2是拼接前的點云數據，由圖2可以清晰看到站與站之間是分離的。

圖2 拼接前點云數據(吉里村部分)

4.2 掃描數據的多站拼接

點云的多站拼接是點云配準工作，是從掃描坐標系到控制坐標系的轉換工作，其拼接方法常用的有3種：①基于目標的多站拼接；②基于俯視圖的多站拼接；③基于云跡的多站拼接。

(1)如果掃描時使用了專用靶標球，則可以利用基于目標的多站拼接模式進行拼接工作?；诎袠饲虻亩嗾酒唇邮峭ㄟ^算法識別出來的已知形狀(靶標球)，通過最佳擬合人工標志，獲得人工標志中心的高精度坐標，計算兩站之間的坐標轉換矩陣并統一兩站坐標，對所有測站進行坐標轉換工作，最終將所有測站統一到一個坐標系下。

(2)基于俯視圖的拼接模式，則根據測站數據二維俯視圖之間的相關性進行多站拼接工作。因為基于俯視圖的精度相比基于目標或基于云跡精度相對較低，所以，一般將基于俯視圖拼接作為初步拼接結果，即粗拼結果。圖3為基于云跡拼接的結果，由圖2可清楚看到各站點云已經拼接到一起，表1是基于多站拼接數據的分析。

圖3 粗拼后的點云數據

表1 基于俯視圖的多站拼接數據分析

由表1可知，拼接點之間的平均值為10.2904mm，誤差<4mm的點占22.3%。

(3)基于云跡的多站拼接法，則運用點云的ICP(Iterative CIosest Point，ICP)配準法，以點集對點集(PSTPS)配準方法為基礎的一種曲面擬合算法?；谒脑獢档呐錅史椒ê?，運用Faugera 和Hebert 提出的方法計算新的最近點點集，并進行迭代運算，直到殘差平方和所構成的目標函數值不變[3]。這種拼接方式通過多次迭代運算，可以將精度在基于俯視圖拼接精度的基礎上進一步提高。表2是基于云積多站拼接的數據分析。

表2 基于云跡的多站拼接數據分析

由表2可知，拼接點之間的平均值為5.664mm，誤差<4mm的點占41.6%。在此基礎上，再進行一次基于云跡的拼接，得到的結果為拼接點之間的平均值是5.591mm，誤差<4mm的點占41.7%，變化不大。

對比表1(基于俯視圖的多站拼接數據分析)與表2(基于云跡的多站拼接數據分析)可知，基于云跡的多站拼接在精度上比基于俯視圖的多站拼接提高了一倍左右，滿足立面繪制要求。拼接完成之后，對整體點云進行最后的檢查、命名和保存。

4.3 點云數據抽稀、切割

在選用一般分辨率情況時，掃描結果中每一站的點云數都超過600萬，多站拼接之后的數據量很大，可以達到幾GB甚至數十GB，這些都會導致軟件處理速度過慢而影響工作效率，需要對拼接后數據進行一些處理。第一步處理，就是對數據進行抽稀。

常用的抽稀算法有兩種：一種是根據曲率抽稀。這種方法可以根據點云的曲率選取合適的抽稀參數進行點云抽稀。該抽稀法可以更加高效地表現出高曲率處的點云，有效減少點云高曲率部分被過度抽稀導致邊緣不清晰情況出現。另一種是基于八叉樹的抽稀算法。這種算法可以人工調整參數，實現抽稀選擇合適的距離間隔取點，適合平面較多的情況。結合點云情況選擇合適的抽稀算法進行抽稀操作，使點云數據在不改變數據精度情況下壓縮規模。

與此同時，由于點云數據中仍存在許多冗余數據，比如對后期數據處理會留下遮擋的高大植物、車輛、行人以及數據不完整的建筑物，而這些數據在立面繪制過程不會用到，且對下一步的立面繪制工作有障礙，所以需要將拼接后的點云數據中與立面繪制無關的數據切割并刪除，然后整理、編號、妥善保存。

5 建筑外立面繪制

經過上述處理，點云數據現在只包括繪制所需要的外立面以及為了防止缺失保留的一部分建筑邊緣，繪制建筑外立面工作即可依下面若干步驟開展。

(1)在俯視圖視角觀察建筑外立面點云，確定外立面正確方向，然后在立面中選擇一個合適的高度作為標高(為了準確選擇外立面參照平面，標高一般選取外立面水平長度最大處)。

(2)選中標高，調整標高的水平長度以覆蓋外立面，并在俯視圖中為立面畫出與外立面平行的參照平面。然后，畫出與參照平面平行的剖面線，拖動剖面框，直到包括整個建筑。

(3)拾取參照平面，選取上一步繪制的剖平面，選擇正確的立面方向，從剖面視圖(圖4)觀察點云，可以看到整體建筑外立面；但是，由于點云顏色單一，門窗、屋檐、陽臺等主要構造邊界模糊，難以區分。

圖4 剖面視圖(振興路鎮新華園部分)

(4)由于建筑外立面構造大多為門窗陽臺，與墻面相互之間有垂直關系，所以可以利用法線對點云進行分類：點云中某一個點及周邊點都可以形成一個平面，而且這個平面的法線可以利用算法得到。根據法線方向對這一點點及周邊點進行賦色處理，最終可得到結果如圖5所示，由圖5中可以清晰地分辨不同結構之間的分界線。

圖5 賦色后點云圖(振興路鎮新花園部分)

(5)利用相關軟件(如AutoCAD)對建筑的外立面，以及外立面的各種構造進行繪制。

(6)使用標注工具，對重要尺寸如門窗、臺階、陽臺等進行標注。繪制完成之后，將外立面圖與點云圖對比，進行完整性及正確性檢查[4]。最后整理、命名、妥善保存。圖6為數據處理得到的最終成果圖。

圖6 外立面成果圖(振興路鎮新花園環城北路側)

6 結語

云南澄江縣提質擴容建筑外立面改造項目，利用Faro focus 3d x120三維激光掃描儀，在30d內累計完成立面圖3500幅，建筑面積約295 997m2，充分展示了激光掃描測繪作業的便捷性，數據種類獲取的豐富性以及較高的工作效率，尤其對于作業情況復雜的區域具有人工測繪不可比擬的優勢，在規劃、考古、測繪等很多行業都表現出廣闊的應用前景[5]。但是，目前仍存在不足之處，比如數據采集方式有待進一步簡化(比如背包式、車載式)，作業效率有待進一步提高，尤其是數據的后處理自動化程度偏低，雖然相比人工測量已經有了很大的效率提升，但時間以及人力成本仍然是一個較大的問題，亟待解決。所以，數據后處理軟件的開發需求十分迫切，是以后的研究方向。