大規模中心城區精細化建模及可視化研究

華安中,孫 灝

(南京市測繪勘察研究院股份有限公司,江蘇 南京 210000)

實景三維是新型基礎測繪建設的重要方向,也是智慧城市建設的必然要求[1]。隨著城市規劃建設的不斷發展,城市管理工作的復雜性也在不斷提升,傳統的二維地理信息數據存在可視化程度低、交互性差、空間分析不足等短板,難以滿足城市精細化、信息化管理的需求[2-3]。三維城市模型是城市各類管理對象的三維表達,可直觀、準確地展現出城市基本情況,尤其在復雜地理空間信息的表達上有其獨特的優勢,因此越來越多的三維模型用于城市規劃、建設、管理等領域[4-5]。

傳統的三維城市場景構建大都依賴于三維建模軟件,對于大場景的三維模型構建存在著周期長、真實性不足的問題[6-7]。近年來信息技術的發展帶動了無人機傾斜攝影測量等高新技術的興起,打破了傳統的三維建模方式,憑借其高效率、真實性等優勢,逐漸成為三維城市建設的主要技術手段。然而受光照變化、地面遮擋、建模機制等因素影響,其構建的三維模型在智慧城市的管理及可視化應用上都存在一定的限制[8-10]; 同時隨著城市規劃、管理等工作的不斷深入,管理對象的尺度也逐步縮小。因此,構建大規模城市單體精細化模型及可視化應用成為了智慧城市建設重要課題[11-12]。

本文以南京市江寧區三維城市模型建設項目為研究對象,融合應用無人機傾斜攝影測量、車載移動測量、地面近景影像、大比例尺地形圖等多源異構數據,以實現大規模中心城區三維精細化場景的構建,同時借助數字孿生平臺搭建三維可視化系統,以滿足智慧城市管理對三維模型數據的需求。

1 研究概況

1.1 研究區域概況

研究區域位于南京市江寧區中心城區,總面積約100 km2,區域內地勢復雜、要素眾多、交通便捷、水網發達,密集多元的居民住宅群、特征鮮明的城市地標、產業集聚的城市新城互相交織;多條高速公路與城市道路相互貫通,高速鐵路跨境而過;秦淮河主流縱貫南北,支流密布?？傮w而言,研究區域內地形地貌特點鮮明,城市建設成熟度高,研究區域概況如圖1所示。

圖1 研究區域概況

1.2 技術路線

基于研究區域內地形、地貌、交通、建筑等要素分布情況,在充分進行實地踏勘,并考慮項目建設需求的前提下,設計了技術流程,如圖2所示。

圖2 技術流程

2 多源數據采集及利用

2.1 無人機影像數據采集

傾斜攝影測量是以無人機為載體,搭載多臺傳感器對地面進行多視角影像采集,憑借其機動靈活、高效精細等技術優勢,成為實景三維數據的主要采集手段。本文采用了飛馬V100固定翼無人機搭載D-OP3000五鏡頭相機傳感器進行航空影像數據采集,在無人機航飛前,根據區域內地形高差、高層建筑物分布、飛行安全等因素,將研究區合理細分為多個航攝分區。在航線設計時,根據區域內高層建筑物的分布情況,按照“高度<120 m”“120 m≤高度<150 m”“高度≥150 m”作為三級分布式統計,合理設計飛行參數,具體參數設置見表1。

表1 固定翼無人機航線參數設計

對于區域內的高層建筑物,固定翼無人機航飛時為顧及地面分辨率要求,造成了部分高層建筑物頂部重疊度偏低,制作出的模型出現破洞、不完整現象。針對此類問題,本文采用了大疆M300 RTK、精靈4 RTK旋翼機對此類區域設計插補航線進行補飛。而在三維重建時,由于兩類影像數據源不同導致像片參數不一致等,往往會造成空三失敗的情況,因此,首先將兩類影像單獨進行空三加密,再將兩種加密成果合并為新的空三加密成果,大大提高了空三成功率及三維模型重建質量。

2.2 車載移動測量數據采集

無人機傾斜攝影測量技術在獲取地面影像時,往往由于道路兩側的植被遮擋等原因,制作出的實景三維模型存在交通部件要素丟失或不完整情況,而交通要素是城市建設的重要基礎設施,其部件多、功能性強。因此,本文利用了車載移動測量的方式獲取道路及其兩側的三維激光點云數據,并同步獲取全景影像數據,彌補此類情況資料缺失的問題。

本文使用的車載移動測量系統搭載的三維激光掃描儀可獲取發射中心100 m范圍內可觸及的點位信息,5臺尼康D820相機的分辨率為1億像素,可分別獲取車行方向前、后、左、右、上的影像信息,并且車載移動測量系統借助車載平臺向前移動獲取空間三維點信息。經過后處理差分定位得到每個點的絕對坐標,平面和高程的標稱精度均可達到5 cm,同時搭載的全景相機和面陣相機系統可獲取車行路徑的全景影像,這可作為道路精細化建模所需的紋理數據。車載移動測量系統技術指標見表2。

表2 車載移動測量系統技術指標

2.3 地面近景影像采集

無人機傾斜攝影技術在遮擋區域存在攝影盲區,會造成數據缺失的情況,車載移動測量技術也只對道路兩側的無遮擋區域采集較為完整,而中心城區復雜性強,兩種數據采集方法進行精細化建模無法顧及全部場景,均存在一定的局限性。因此,本文對于地面或近地面遮擋嚴重的區域,且車載移動測量系統采集的全景影像無法補充,如店鋪招牌等要素,采用了人工實地近景影像進行補充采集。

由于地面凈空對無人機采集存在一定的安全隱患,地面近景影像采集主要使用了人工手持數碼相機的方式拍攝。補拍的近景影像既可用于無人機影像的聯合建模,提高模型精細度,又可用于紋理數據庫的建設,補充缺失的紋理。地面近景影像采集主要遵循以下原則:拍攝時選擇光線較為柔和的環境,避免環境對所拍對象的顏色影響,保證精細化建模紋理色彩的統一;建筑物立面補拍要拍攝局部特征寫照,能反映建筑結構、紋理不同部位特征,同時拍攝范圍應大于特征范圍。

2.4 1∶500地形圖

1∶500比例尺地形圖在服務城市建設管理領域得到了廣泛應用,這也推動著地形圖生產技術的快速發展。目前,1∶500地形圖生產方式主要是全野外數據采集、無人機傾斜攝影測量和三維激光點云等,數據精度高、邏輯性強,同時依托城市地形圖動態維護更新項目,數據的現勢性也較好。

在地形圖中,點、線、面都包含屬性值,如房屋的擴展屬性包含名稱、材質、層數、建筑高度等信息?；诘匦蔚匚锏氖噶枯喞婕皩傩灾?也可實現三維模型的建立,這為三維城市建模提供了另一種途徑。因此,本文將1∶500地形圖用于實景三維模型遮擋、蠟熔區域的模型構建,提取其屬性信息賦值到三維模型屬性,進行白模的構建,同時地形圖也可以用于實景三維模型的精度檢核。

3 精細化建模及結果分析

3.1 模型層級分類

對于大規模、多細節層次的三維城市模型,不僅需要大容量的數據存儲空間承載海量數據,更需要高性能的計算能力支撐模型運行及數據處理需求。因此,為降低數據的存儲要求,通常以LOD表達不同的模型的細節層次,實現高效、流暢的三維可視化,同時按照不同的數據應用需求,調整模型復雜度和冗余度[13]。

根據細節表示的不同,模型層次可分為LOD0、LOD1、LOD2、LOD3、LOD4 5類。其中,LOD0表示2.5維的數字地形圖;LOD1表示無屋頂結構的體塊模型;LOD2指包含屋頂結構和貼圖的城市場地模型;LOD3為細節層次更豐富、貼圖分辨率更高的城市場地模型;LOD4細節層次最為豐富,包含了建筑的內部結構[14-15]。模型多層級分類見表3。

表3 三維城市模型多層級分類

本文主要涉及LOD2和LOD3層級模型。其中,LOD2級覆蓋面積約68 km2,主要為小區、單位內部等非重點表達區域;LOD3級覆蓋面積約30.1 km2,主要為城市中心、副中心、歷史文化街區等需重點、精細表達的區域;此外,在LOD3級模型基礎上,根據應用需求,對部分城市主次干道,增加了表示道路地面標識線、交通信號燈、路燈等交通附屬設施,達到了道路部件級精細建模標準,此區域面積約1.9 km2。

3.2 精細化建模

無人機傾斜攝影測量在照片重疊度不足、遮擋嚴重區域,制作出的實景三維模型會出現扭曲、變形等現象,尤其在玻璃幕墻的建模中,還會受到光照、入射角等多種因素影響,制作出的三維模型變形狀況尤為明顯,這對三維模型的使用造成了一定影響。此外,傾斜攝影建模是基于建模軟件實現空三加密、三維重建等步驟,自動化程度高。然而由于其建模機制,構建的三維模型是一塊完整連續的TIN三角網格,無法進行各單體設施的應用管理。因此實景三維模型要應用于智慧城市的管理,還需要進行單體精細化建模。

本文根據模型等級劃分范圍,基于實景三維模型進行了各要素的精細化模型制作;制作過程主要包含了白模制作和紋理模型制作兩大步驟。白模制作主要是通過位置、范圍和高度制作模型的主體結構;紋理模型制作是在白模的基礎上通過照片、影像對模型結構進行細化和貼圖,最終完成精細化建模。

基于傾斜實景三維模型,結合車載移動測量數據和1∶500地形圖,利用3ds Max軟件分別對建筑、交通、水系、植被和場地等要素進行了白模制作;同時利用實景三維模型、全景影像和地面近景影像進行材質紋理的制作。賦予白模后,構建紋理模型數據,再將建筑、交通、地形、其他要素紋理模型成果進行場景融合、要素接邊,保證場景的完整性、準確性和色彩一致性。項目部分區域精細化建模場景如圖3所示。

圖3 部分區域精細化模型成果

3.3 結果分析

3.3.1 模型完整度分析

三維模型完整度是評價模型質量的關鍵因素之一,主要包含了模型的幾何完整度和表面紋理的完整度,這直接決定了三維模型的視覺展示效果和適用場景。與無人機實景三維模型相比,精細化建模是多源數據融合應用的結果,尤其在部分困難區域更是應用了二維和異源數據建模。而無人機實景三維模型受數據采集時的環境影響較大,制作的實景三維模型不可避免會出現變形現象,因此精細化建模的幾何完整度要遠好于無人機實景三維模型。在表面紋理的完整度上,無人機實景三維模型是相機拍攝照片的直接映射,在一些變形區域會出數據缺失、缺乏紋理信息的現象;同時由于拍攝時天氣、光照的不同,可能會出現區域紋理反差過大現象。而精細化建模統籌考慮整個區域,建立了材質紋理庫,對每張紋理貼圖的亮度、對比度、色相飽和度、色階等參數進行了調整,使紋理貼圖整體色調與現狀保持了一致,保證了場景色彩的一致性,其視覺沖擊感更強。本文部分區域無人機攝影測量建模及精細化建模效果對比如圖4所示。

圖4 模型效果對比

由圖4可以看出,精細化建模的模型完整度更高,模型表達更加細膩,細節比例程度更高,更適應智慧城市的管理應用需求。

3.3.2 數學精度評價

為評價構建三維模型的整體精度,首先利用全站儀和GPS對區域內主要地物的部分平面和高程進行了坐標采集;然后以實地測量檢查點坐標為真值,在三維模型上拾取相同位置的點位坐標;最后利用模型采集坐標和實地采集坐標進行對比,計算中誤差以衡量模型的數學精度。平面和高程中誤差計算公式分別為

(1)

式中,σs、σh分別表示三維模型的平面中誤差和高程中誤差;Δx、Δy、Δh分別表示模型采集坐標和實地采集坐標的差值。

分析檢測坐標可以得出,共檢測平面坐標點位1344個,高程坐標點位1322個,其中建筑要素占比66.3%,交通要素22.8%,水系、植被、場地等其他要素占比約10.9%,檢測點在區域內基本分布均勻。根據式(1)計算出三維模型平面和高程的中誤差、平均誤差、最大誤差和最小誤差,并對誤差大小和數量分布進行函數擬合,結果分別如表4和圖5所示。

表4 三維模型精度統計 m

圖5 三維模型數學精度檢測誤差分布

綜合以上誤差統計結果可知,精度檢測結果分布相對穩定,呈正態分布,同時各類檢測要素覆蓋齊全,檢測數量充足,檢測點位分布均勻。因此,本文數學精度檢測結果可靠,滿足三維城市建模的精度要求。

4 三維可視化系統搭建

三維城市模型是智慧城市的基礎數據底座,城市的精細化管理需要一套真實、穩定、輕量化的可視化平臺支撐,而基于多源異構數據制作的三維城市模型存在著數據量大、數據復雜度高、可視化困難等特點。因此,建立三維可視化平臺承載大場景的三維城市模型,直觀展現城市基礎設施且進行數據的管理應用對于智慧城市建設是十分必要的。

本文作業范圍大,100 km2中心城區無人機傾斜航飛的影像數據量高達80多萬張,制作的三維精細化城市模型更是占用海量存儲,對如此海量數據的管理應用十分困難,因此選擇合適的承載系統進行三維城市模型的可視化尤為重要。本文基于某數字孿生平臺構建了三維可視化系統,利用SOA技術進行系統架構設計,基于Web Service的方式實現了數據的共享,達到了跨平臺異構多源數據的訪問和互操作。在數據展示上,首先基于矢量瓦片切片技術將矢量數據切割成矢量瓦片緩存數據,然后結合矢量要素按級別展示到顯示屏幕時最小展示單元為像素的特點,按照級別將要素坐標轉化為整數瓦片坐標,并采用算法進行要素化簡,按級別縮減小比例尺下要素的顯示點陣數,將化簡后的圖形和原要素的屬性信息同時按級別存儲至索引中。此方式保存了各瓦片中所有的要素的圖形和屬性。一方面通過本級無損的抽稀與切割,達到屏幕顯示圖形無損;另一方面也可為矢量數據在瀏覽過程中的查詢、過濾提供屬性信息。在數據渲染上,通過矢量瓦片渲染引擎,將矢量瓦片數據按照配圖樣式進行系統出圖。瀏覽器前端加載矢量切片和切片樣式,通過前端canvas繪制出圖,一套矢量切片數據可以配置多種樣式,從而達到一圖多用的效果,減少了切片數據的重復生產,最終實現了大規模三維城市模型的快速加載和渲染。本文構建的三維可視化系統某視角展示如圖6所示。

圖6 三維可視化展示

基于數字孿生平臺構建的三維可視化系統,不僅能加載大規模精細三維數據,還可接入地下管線、地下空間等數據,支持二三維一體化、地上地下一體化、室內室外一體化等數據融合及服務功能,并且可進行功能需求的定制開發,基于此系統可進行城市管理的各項應用,如空間規劃、應急管理、數字化治理等,從而助力城市的精細化、智慧化管理。

5 結 論

從信息化到智能化再到智慧化,智慧城市的建設進程在不斷邁進,以三維城市模型為載體的數據應用也將會越來越多,其需求從主功能性也逐漸擴充到應用體驗性。本文以南京市江寧區為研究對象,融合利用多源異構數據開展了大規模中心城區三維精細化模型的構建及可視化研究,得出以下結論:

(1)以固定翼無人機傾斜攝影測量為主要數據采集方式,輔以多旋翼無人機傾斜攝影測量、車載移動測量、地面近景影像采集等多種方式融合建模的技術路線可行,不僅可提高實景三維模型的生產效率,而且提高了實景三維模型的精細度。

(2)單體化建模方案解決了實景三維模型無法直接管理應用的技術缺陷,并可構建出精細化的三維城市模型,模型數學精度高,完整性更優,細節表達更加細膩,可滿足智慧城市建設與管理的應用需求。

(3)利用數字孿生平臺構建三維可視化系統,具備著大規模三維場景的海量數據承載和運行能力,并可接入各類城市管理數據,按需定制服務,可真正為城市的精細化、智慧化管理賦能。

實景三維技術的不斷成熟,推動著數字孿生在城市各領域更廣泛深入的應用,如何快速構建輕量化、可視性強的大數據平臺,并將其貫穿于城市全生命周期管理之中,將是未來智慧城市重要的研究方向。