【關鍵詞】激光掃描儀；組合對地觀測；新4D產品；實景模型；三維DLG

從20世紀90年代開始，機載激光掃描儀開始在國際上嶄露頭角，出現在林業、地形測繪、工程測量等領域。機載激光雷達(Light Detection And Ranging，簡稱LiDAR)是一種精度高、耗時少、成本低的新型航空遙感傳感器，由激光掃描儀、全球定位系統(GPS)和慣性導航設備(IMU)3部分組成，可以直接快速地獲取地球表面的三維空間信息。

確切來講，最初機載LiDAR系統在測繪中的應用僅限于制作高精度數字高程模型，因此，如何針對激光點云進行地面點與非地面點精確二義分類，就在相當長一段時間內成為該領域的研究熱點。但隨著激光掃描儀硬件系統技術指標的升級，以及載荷平臺的多樣化發展，人們開始著手考慮將激光掃描儀與其他類傳感器進行集成，實現組合對地觀測應用。如：①電力線路安全巡檢不僅需要獲取電力線路走廊幾何位置信息，而且需要對電力線的異常發熱區域進行探測，還需對絕緣子放電異常進行有效診斷，因此，電力線路巡檢傳感器平臺可能需要同時集成可見光數碼相機、激光掃描儀、熱紅外相機、紫外相機等多種傳感器；②森林火災應急測繪為了能對災情進行定量、合理的評估，則同時需要集成熱紅外相機以及高分辨率可見光數碼相機；③在林業遙感應用中，多采用LiDAR波形特征提取生物量信息，而同時需借助可見光或近紅外光譜數據提取樹木分類信息等；④在日益增長的精細三維建模應用中，依靠高密度激光雷達點云獲取實體幾何結構信息，而光學數碼相機則能較好地獲取實體表面紋理信息，因此，滿足該項應用需求至少需集成激光雷達掃描儀與多視角可見光數碼相機等。

鑒于激光雷達點云與影像所獲取的空間地理信息數據能廣泛地作為其他行業應用的基礎性、框架性數據支撐。因此，通過從各式各樣的行業應用中凝練出激光雷達點云與影像聯合測圖所涉及的通用技術方法是非常必要的。論文重點從通用數據后處理技術與新4D產品體系建設等兩個共性方面進行闡述，以期對激光掃描軟硬件系統在相關行業應用推廣中具有一定參考意義。

1　點云與影像聯合測圖進展

從數據處理流程角度來講，點云與影像聯合制圖技術，主要包含3個核心部分，即：點云數據獲取系統的集成檢校與數據配準技術、點云分類與濾波技術，以及精細建模與矢量制圖技術，具體闡述如下：

1.1 集成檢校與數據配準技術

機載LiDAR系統工作時，由POS系統提供激光掃描儀的實時位置和姿態數據，結合激光掃描儀激光束的角度和測距信息計算地面點的物方三維坐標。其中，由激光掃描儀坐標系到POS系統坐標系之間的轉換需要獲得激光掃描儀與POS系統之間的安置參數，包括偏心分量和安置角。隨著設備的長期使用，安置參數會發生變化，因此需要對其進行檢校。傳統的檢校方式是，在多條帶的LiDAR點云覆蓋范圍內人工測量若干地面控制點，然后經過條帶平差計算檢校參數。在缺乏控制點時，可根據多條帶點云數據之間提取并匹配的平面特征建立平差檢校模型，計算檢校參數。在系統搭載數碼相機時，數碼相機與POS系統之間的安置參數檢校可采用航空影像自檢校區域網平差的方式計算。

機載LiDAR點云數據與航空影像的集成應用中，需要解決多條帶機載LiDAR點云之間的配準問題，以及機載LiDAR點云與航空影像之間的配準問題。若系統原始觀測值（POS航跡、激光掃描儀測距和測角數據、激光點和影像獲取時刻等）已知，通過系統檢?？山鉀Q配準問題；反之，需要采用數據驅動的方法解決配準問題。

機載LiDAR點云條帶之間配準（成為LiDAR條帶平差），通常采用旋轉和平移6參數剛體變換模型表達點云條帶之間的坐標變換，有時也加上尺度參數。LiDAR條帶平差的核心是點云條帶間連接基元的獲取。如采用三維最鄰近點的迭代最鄰近點(Iterative ClosestPoint, ICP)配準算法，最小法向距離的配準算法，最小高程差的配準算法，基于平面特征的配準方法以及基于表面匹配的配準方法。其中最小高程法無法處理平面坐標誤差，基于平面特征的方法只適合于城市地區，其他方法的適應性較強。當前的大多數條帶平差方法都需要較好的初值，不過由于機載LiDAR點云條帶本身的坐標誤差不大，良好的初值常常很容易獲得。

LiDAR點云與光學影像之間的配準，主要有兩類方法：基于特征的配準和基于點云的配準?；谔卣鞯呐錅史椒ㄓ卸喾N，主要是通過在LiDAR點云與光學影像間人工或自動匹配同名點、同名線特征進行配準，采用的配準模型主要是共線、共面方程等。在LiDAR點云中提取點、線特征可以基于LiDAR強度圖、LiDAR距離圖或離散LiDAR點云，同名特征的匹配測度主要有互信息、相關系數及直線間距離等?；邳c云的配準首先由光學影像密集匹配生成離散點云，然后采用點云與點云匹配的方法實現激光點云與影像匹配點云的，從而通過約束修改光學影像的方位元素實現兩者的配準，或者直接采用影像空三加密點結合法向量約束實現光學影像與點云的配準等。總體來說，由于LiDAR點云與光學影像為異源數據，目前對于兩者配準方面的研究仍將集中在對同名特征匹配困難、需要較好的初值等問題的解決方面。

1.2 高質量濾波與分類技術

基于點云的地物自動提取方面(或分類)具有代表性的方法有：Peter Axelsson采用最小描述長度(Minimum Description Length，MDL)準則對地物進行分類，分類結果僅以離散面片形式進行表達并交由后續建模軟件進行處理；也有學者分別在原始點云上提取建筑物，或結合點云與光譜影像提取建筑物或樹木；也有學者嘗試基于高程紋理圖像將地面、建筑物及樹木進行分類，或是將點云與高光譜影像結合提取建筑、樹木與草坪區域。

盡管國內外學者針對點云信息提取這一問題不斷提出各種各樣的新方法，但是全自動地物提取仍是該領域的一個公共難題，需后續研究更可靠、更智能、更高效的處理方法。基于點云數據的智能信息提取方法正逐漸朝著多源數據融合的方向發展，如以高光譜影像數據輔助建筑物提取、獨立樹建模等，以及利用現有的基礎地理信息數據，如DLG (Digital Line Graph)輔助進行城市道路、綠地等專題信息提取等。

點云濾波方面具有代表性的算法大概分3類：①以形態學為基礎的濾波算法，該類算法通過定義一系列形態學算子進行地面點和非地面點分離；②以點云平差為基礎的線性預測濾波算法，并在Inpho公司進行產品化。其基本思想是：通過計算每個高程點與預測趨勢面的殘差，估計每個點的內插權重，通過權重的改變自動分離地面點與非地面點；③以不規則三角網為基礎的漸進加密算法，該算法以內插三角網為濾波基礎，根據一定閾值條件自動剔除非地面點，某個版本已在TerraScan中產品化。另外，還有一些其他針對具體地形的濾波算法就不再逐一列舉。

從總體來看，形態學濾波算法比較適合場景較為簡單的城市區域，較少應用在地貌信息復雜的山區，線性預測方法計算量較大，并且沒有針對地形特征變化進行內插權重的自適應調整，而三角網算法也存在較為明顯的缺陷，即：當初始地面三角網與地形特征相差較大時，濾波質量顯著降低，相應地，其他算法也只適應有限的地形條件。同時，ISPRS (International Society for Photogrammetry and Remote Sensing)組織學者對各類濾波算法進行比較研究，認為：大多數濾波算法針對特定地形可以取得良好結果，沒有哪一種算法適合各種地形條件，并指出未來的濾波算法需要融合多元數據分析，分類識別等輔助手段。因此，針對不同的地形條件，相應地調整濾波策略，并輔助有效的分類知識，將會成為未來點云濾波研究的重要發展方向。

1.3 精細建模與矢量測圖技術

采用單一三維離散點云數據生成精細化網格模型起源于逆向工程領域，算法后續的繁榮體現在機器視覺與計算機視覺這兩個學科分支中的三維場景曲面重構理論。在逆向工程領域，由著名的Crust理論證明可知，離散點云能否恢復表面幾何拓撲重構：最關鍵影響因子在于點云的局部采樣間隔，并總結推導出能滿足拓撲重構的最大采樣間隔公式。該項定理也從理論上總結或指導了許多三維表面重構方法的探索思路，最常見的方法包括：帶約束條件的Delaunay表面重構、基于局部法向投影的增量三角重構以及Marching Cube等重建算法等。

從商業軟件精細建模結果來推斷，目前國際上大致分為三類：第一類是以擬合重建為主導的泊松重建理論（Poisson Reconstruction Method, PRM）：如著名逆向工程領域的Polyworks、Geomagic studio，計算機視覺領域的pix4d等這類軟件的模型構建都是采用PRM方式；第二類是以馬克科夫隨機場框架(Markov RandomField ,MRF)為基礎的三維Delaunay重建理論，如法國的Acute3d，PixelFactory等，這類軟件所構建的模型比較精致，沒有節點內插擬合誤差的引入；最后第三類則是還停留在針對地形地表建模的地圖生產類軟件，如國際上大部分的機載LiDAR軟件，以及國產攝影測量軟件系統等。其共同特點是構建簡單的平面三角網格，然后為每一個節點附上高程屬性值即可滿足大部分生產制圖需求。

矢量化測圖是一類典型結構化信息提取技術，攝影測量軟件多采用立體模式下交互式量測方法，即：左右立體影像對量測同名像點，再通過空間前方交會或是三角化算法實時計算三維點坐標，最后輔助簡單的矢量編輯與符號化工具獲取地形圖，如德國Inpho，美國SSK、國產VirtuoZo、JX4/5等；另外還有一類機載LiDAR測圖軟件系統則直接在三維點云環境中，以高程、強度以及紋理色彩等輔助信息判讀地物輪廓，再進行矢量線劃圖采集與編輯。值得指出的是，該類軟件一般要在AutoCAD或MicroStation等矢量編輯平臺環境下進行二次開發而成。

總體來講，用于生產不同用途模型產品的精細建模技術與矢量測圖技術，不能簡單用技術先進性指標來衡量比較：精細建模技術主要考慮的是模型完整性保持、建模效率、模型有效簡化等工作內容；而矢量建模技術則主要考慮利用自動化方法識別大部分強特征地物，開發更為友好的半自動建模軟件實現等。

2　點云與影像聯合測圖趨勢

2.1 數據質量方面

隨著硬件平臺與傳感器的高速發展，獲取高質量的離散三維點云或是高分辨率光學數碼影像已屬于普遍現象。近年來，由于無人機平臺在專業或消費領域的普及性應用，催生該項技術的快速成熟。一方面單一掃描儀獲取的數據質量在逐步提高：據最新報道無人機搭載機載LiDAR掃描儀，能獲取的最大點陣密度能達到近千點/m²，其獲取地表物體的結構完整性也非常良好；另一方面是通過不同傳感器的數據融合提升數據質量：①由于機載LiDAR系統所獲取數據主要集中在物體頂部區域，車載LiDAR系統獲取建筑物側面點云，兩者幾何配準后能獲得相對全面的表面點云數據；②在機載LiDAR點云的引導下，先通過對同步或異步獲取的光譜影像進行精確配準，進而采用局部稠密匹配來獲得更高質量的表面點云。

總體來看，點云數據的密度方面還能進一步獲得突破，甚至達到或超過光學影像分辨率，達到亞厘米級；而完整性方面，鑒于主動傳感器的波譜反射特性，地物表面的點云難免出現數據丟失現象，本文認為通過光學影像稠密匹配結果進行有效修補方式將會更為有效，成本也相對低廉，是值得學者進一步鉆研的課題方向之一。

2.2 自動目標識別分類方面

多年來，在測繪領域自動目標識別研究一直是局限在衛星遙感光譜影像像素分類方面，因此也出現了一批優秀的軟件系統，如美國Erdas、ENVI、加拿大PCI、德國eCognition等系統。但由于同物異譜，異物同譜現象的普遍性導致僅僅依賴單一來源的像素灰度信息獲取滿意的目標識別效果非常困難。另外，光譜信息不能直接反映地物的空間屬性，單一灰度一致性也難以直接恢復物體的輪廓信息。因此，本文從以下幾個方面來建議點云與影像目標識別分類方法的趨勢：

1）確立稠密點云在目標識別中的重要位置，光譜數據主要作為色彩、紋理等輔助信息占據較小的比重；

2）結合已有的基礎地理信息數據庫，對現有林區、城市等復雜地形區域的點云分類結果進行控制約束或定向優化；

3）加大基礎學科開源算法庫的引入，采用機器學習的方式對地形環境或目標特征進行訓練，在分類過程中不斷調整針對待識別目標的抽象條件以達到最優識別效果。若希望采用非監督分類模式，應著力加大知識樣本庫的建立工作，該數據庫健全程度應是影響全自動識別算法執行的首要因素。

關于前沿的無人駕駛汽車，值得指出的是：目前國外Google公司與國內百度公司已先后推出準實用化的無人駕駛汽車。無疑這項工作是人工智能成功應用的典型案例，增強了人工智能領域科研人員的信心。但從技術角度討論，無人駕駛汽車主體識別工作在于障礙物的實時檢測、各類特征明確的已知交通標志的動態識別，以及已知道路中心線準確坐標后的路面識別等方面。這與實現目標區域的全要素地物識別之間差距還是非常大?？傮w來看，全要素全自動目標識別系統建設是一項非常具有挑戰性的工作，研究人員務必立足行業需求，全面整合全球最先進的知識系統、最寶貴智力資源進行聯合攻關，方能再有所突破。

2.3 新產品體系建設方面

在數字攝影測量制圖歷史上，以數字高程模型、數字正射影像、數字線劃圖、數字柵格地圖等為主導的4D產品，長期作為定型的基礎測繪地理信息產品為行業大眾所認同。但隨著測繪遙感技術的發展，如激光雷達技術、傾斜攝影測量技術(一種近景攝影測量模式在航空中的復制，由于數據采集相對規則，其處理難度遠小于近景攝影數據)等新型遙感技術的進步，催生出新的產品類型需求，需要布局新的產品體系建設。本文立足于機載激光雷達與光學影像聯合測圖技術研究經驗，對新產品體系進行理論上的梳理，以期對新產品體系建設具備一定借鑒意義：

1）數字表面模型(Digital Surface Model，DSM)產品制作工藝規范與產品定型工作迫在眉睫。從制作工藝來講，激光掃描儀是一種能直接獲取三維表面信息的新型傳感器，而傾斜攝影測量則是一種多角度航空攝影作業方式，后續再通過立體視覺手段進行場景重構。前者場景重構速度塊，但目前成本較高，非專業領域推廣普及還比較困難；后者成本較低、宜于推廣，但需要較為復雜的算法計算來保證場景重構的可用性，時效性稍有不足。兩者的共同特點是都能構建復雜場景的精細三維模型，即目前行業大眾所熟知的三維實景建模。另外，從產品定型來講，數字表面模型記錄的是空間物體表面真實三維信息的數據集，其本身具備滿足航路規劃、三維導航、資源普查等功能需求，同時也是一切后續4D產品生產的基本源數據。

綜上，從產品技術角度討論，今后相當長一段時間與數字表面模型相關主要研究工作將會聚焦在海量網格模型高效率高保真簡化、多時相海量模型的數據分布式存儲管理與網絡傳輸、海量模型數據的高逼真可視化等方面；從產品屬性討論，針對數字表面模型的生產工藝進行規范化，并逐步提升該類產品在國家基礎數據層面的重要性已十分必要，至少應重新定義新的4D產品體系，以滿足行業技術進步要求。

2）結構化信息提取與三維DLG產品。與結構化后的矢量模型數據比較，無論采用何種算法進行模型簡化，以網格方式進行表達的DSM產品數據量都非常龐大。因此，對模型數據進行結構化信息提取，是今后重要的研發工作，其研究內容至少包括模式識別、計算機圖形學、數據庫管理等交叉學科知識。

另外，關于三維DLG，盡管目前業內還沒有明確定義，但論文認為應遵從以下兩個原則：①三維DLG完全涵蓋二維DLG的表現內容，通過簡單的視圖轉換與打印便能生產傳統二維DLG；②三維DLG應涵蓋三維實體模型的骨架內容，因此需要存儲更多的地物側面坐標信息，能通過簡單的拓撲重構(有限元剖分)與視圖轉換便能生成普通的3D模型，但較傳統3D模型占有更小的存儲空間與復雜度，更利于國家或地區進行基礎測繪產品入庫存檔等。

概括來講，本文認為目前數字表面模型應被逐步提升到國家基礎測繪產品這一戰略高度上來，與數字高程模型、數字正射影像、數字線劃圖共同組成新的4D產品體系；建議重新拓展數字線劃圖的概念，使得傳統線劃圖與三維實體模型能有效統一，能直接滿足地表實體的數字化構建、表達、傳輸等應用需求。

3　結束語

本文針對機載激光雷達點云與影像聯合測圖幾類通用技術進展展開討論，并對未來的技術發展趨勢和新的產品體系建設需求進行簡要分析，具體總結如下：

1）從傳感器集成檢校與數據配準技術、高質量濾波與分類技術，以及精細建模與矢量測圖技術等3個方面對機載激光雷達點云與影像聯合測圖通用技術現狀進行描述，并簡要指出現有方法所存在的不足；

2）在激光點云數據處理方面，從點云數據質量、自動點云目標分類等方面討論了未來點云數據后處理的優勢與趨勢；

3）在產品體系構建方面，論文圍繞DSM為核心提出建設新4D產品體系的構想，隨后初步給出三維DLG的概念，以期統一現有的數字線劃圖與三維單體模型數據類型，成為未來主流的結構化數據表述形式。