测绘与空间地理信息
GEOM477CS & SE4TL4L INFORMATION TECHNOLOGY
第44卷第6期2021年6月
Vol.44， No.6Jun. ， 2021
吕志慧'，赫春晓'，陈 超2，程圆娥'
（1.江苏省测绘研究所，江苏南京210013； 2.江苏省基础地理信息中心，江苏南京210013）
摘要：针对“全景江苏”三维地理场景建设中的可量测街景数据采集时，由于点云数据稀疏或缺失造成量测可
靠性及精度低的问题，探索出以地面激光点云为数据补充，通过坐标转换、点云融合等技术方法加密补偿稀疏点 云，提高数据精度的技术路线。最后，以具体道路为例，验证了方法的可行性，为提高车载三维激光点云的应用
精度和能力提供了可借鉴的依据。
关键词：车载移动测量系统；三维激光点云；坐标转换；点云融合中图分类号:P225.2
文献标识码：A 文章编号：1672-5867（ 2021） 06-0203-03
A Method of Data Encryption and Compensation for
Vehicle-borne 3D Laser Point Cloud
LYU Zhihui 1 , HE Chunxiao 1 , CHEN Chao 2, CHENG Yuan'e 1
(1・Jiangsu Provincial Research Institute of Surveying & Mapping , Nanjing 210013, China ；
2・Jiangsu Geomatics Center , Nanjing 210013, China )
Abstract :In the acquisition of measurable street view of three-dimensional geographic scene construction of panoramic Jiangsu, it has
the problem of low reliability and low precision caused by sparse point cloud or losing point cloud. This paper explores the technical route
木卡姆往事of encrypting and compensating sparse point cloud by coordinate transformation and point cloud fusion and so on using terrestrial 3D laser scanning point cloud , and it improved data precision. Finally , the feasibility of the method is verified by an example of a specific road ,
and the method provides a reference for improving the application precision and capability of vehicle-borne 3D laser point cloud.
Key words :vehicle-borne mobile mapping system ； 3D laser point cloud ； coordinate transformation ； point cloud fusion
0 引 言
随着我国“十四五”基础测绘规划编制工作的启动， “实景三维中国建设”相关任务已作为大项目、大工程的 布局方向之一步入高层视野。就江苏省而言，早在2016
年发布的《江苏省“十三五”省级基础测绘规划》中，就针 对新型基础测绘建设的总体目标，面对江苏省测绘地理
信息事业和科技发展趋势，结合江苏省经济社会发展的
实际需求，布局了“全景江苏”三维地理场景建设的主要 任务。根据规划，“全景江苏”建设的主要任务包括多尺 度混合三维场景构建、核心区域三维模型建设、可量测街
景数据采集与处理、三维地理信息服务平台构建和开展 基于三维空间位置的服务等五项建设内容。其中，可量 测街景数据由车载激光点云数据和360°全景影像数据构
成，其中点云数据作为量测的重要依赖，其精细程度直接
影响到量测的可靠性及精度。受移动测量系统设备及环 境等因素影响，在实际应用过程中，一方面，经常遇到点 云密度不够密、物体遮挡造成的点云缺失等问题，对测量
2009nba全明星赛的准确性造成了较严重的影响；另一方面，也对车载点云 在城市部件调查、大比例尺测图、三维重建等方面［1-3］的
应用无法满足一定的精度要求。 本文采用地面三维激光 扫描仪扫描数据作为补充手段，研究与车载三维激光点
云的融合方式，达到对车载三维激光点云加密及补偿缺 失部分的目的，以解决上述问题，提升点云的量测可靠性
及精度，更好地服务于“全景江苏”三维地理场景建设。
1方法的设计与实现
1.1总体思路
本文采用的方法总体思路是以车载点云坐标系 WGS84为基础坐标系，通过控制点将地面三维激光扫描
收稿日期：2019-12-09
作者简介：吕志慧（1977-），男，江苏盐城人，研究员级高级工程师，硕士 ,2002毕业于郑州大学岩土工程专业，主要从事测绘科研与
应用工作。
204测绘与空间地理信息2021年
仪的点云数据经坐标转换使其与车载点云坐标系一致，再将统一坐标系统下两种点云进行合并融合处理，从而实现车载点云数据的加密及补偿。
1.2车载激光点云数据处理
车载移动测量系统采集得到的数据包含POS数据、激光点云数据及数码照片。POS数据为精确定位车辆行驶过程中的位置信息，通常为提高POS解算位置的精度，同时会架设获取静态GNSS观测数据，用于联合解算。本文采用中海达iScan一体化移动三维测量系统获取车载点云数据，并结合系统配套软件对车载点云数据进行处理。主要分为两步对车载点云进行处理，首先通过POS解算［4］得到精确的位置坐标，再根据解算的POS 成果对点云进行融合解算得到带有绝对坐标的点云数据。
1)POS解算
POS解算采用Inertial Explorer软件进行处理。将车载GPS数据、的静态GNSS数据、经纬度及高程坐标、车载系统的杆臂偏移值、1MU的旋转值作为输入数据，通过Inertial Explorer的紧耦合处理方法进行处理得到最终的高精度轨迹数据。
2)点云融合解算
点云融合解算利用iScan车载移动测量系统的HD-DataCombine点云融合软件进行处理。以解算得到的POS 高精度轨迹数据为基准，导入iScan移动测量系统采集的3个扫描头点云数据，并设置3个扫描头的位置及角度偏移量即可自动对激光点云进行融合解算处理得到带有绝对坐标(WGS84坐标)的点云数
据。若处理后的点云数据精度不能满足具体应用时，需引入控制点进一步提升点云的精度，本文在此不再赘述。
1.3地面激光点云数据处理
本文地面激光点云采用focus3D120三维激光扫描仪获取。激光扫描仪采集来的原始点云数据以fls格式的文档进行存储。为将这些数据生成可视化的点云数据，还需经过扫描仪配套软FARO SCENE的处理［5］。主要分为点云拼接、坐标转换两个步骤。
1)点云拼接
点云数据的拼接配准是扫描点云数据研究中的一个重点问题，其中最为重要的就是如何提高扫描各站点云数据的拼接精度［6］o本文针对采集的点云数据使用Scene软件基于目标注册的点云拼接功能，通过自动识别点云中的标靶球来实现多站点两两拼接，从而最终得到多站点的完整点云数据。由于采用软件拼接，因此，本文未对点云数据拼接精度做过多的探究。
2)坐标转换
focus3D120三维激光扫描仪获取的点云坐标是以扫描仪为中心,XY轴在横向扫描面内,Z轴与横向扫描面垂直的相对坐标系，需对该坐标系进行转换，使其与处理后的车载点云坐标系一致。坐标转换也通始祖鸟化石
过Scene软件实现，进行坐标转换需至少3对同名点。本文通过外业获取WGS84坐标的测量控制点，将其导入拼接后的点云，并在
点云场景中到对应位置，再利用软件基于目标注册的功能对点云进行处理，得到WGS84坐标的地面激光点云。
1.4车载与地面激光点云的融合处理
车载点云融合处理后可导出为3个扫描头的XYZ格式点云数据，地面激光点云处理后可导出XYZ、LAS等格式点云数据，两者的融合处理需将点云格式统一，再将两者合并即可。本文以LAS格式为最终数据格式，采用FME⑺的PointCloudCombiner(以下简称PCC)点云合并功能，首先将车载3个扫描头点云数据作为数据源，利用FME的PCC方法对数据源进行处理，将其合并后导出为LAS格式点云，再与相同格式的地面激光点云通过PCC 方法进行融合处理，并输出为一个融合后的LAS点云。具体流程如图1所示。
图1车载与地面激光点云融合处理流程图
Fig・1Flow chart of fusion processing for vehicle-borne and
terrestrial laser point cloud
2方法验证
本文选取洪泽区洪泽湖大道车载点云数据及洪泽湖大酒店采集的地面点云数据为实验对象验证方法的可行性。车载点云为洪泽湖大道单向采集的3个扫描头点云，经POS解算、点云融合及FME点云合并处理后得到WGS84坐标系下的LAS格式道路全部点云，如图2(a)所示。将位置定位到洪泽湖大酒店处并将场景进行放大，如图2(b)所示，图中圆圈处为车载点云与地面点云数据融合处理位置。
(a)道路车载点云(b)对应场景车载点云
图2道路车载激光点云
Fig・2Vehicle-borne laser point cloud of road
地面激光点云为图2(b)中箭头所示方向依次采集3站得到的点云，将3站点云加载入Scene软件中，得到图3 (a)所示点云。对3站散乱点云进行站点间的点云拼接及坐标转换处理后得到WGS84坐标系下的地面站点云，如图3(b)所示
。
第6期吕志慧等：一种车载三维激光点云数据加密及补偿方法205
(a)地面站未拼接点云(b)拼接并转换坐标后点云
图3地面站点云处理
Fig.3Processing of terrestrial laser point cloud
将车载激光点云与地面激光点云两处细节对应位置放大后进行对比，如图4所示，其中图4(a)、图4(c)为地面站点云，图4(b)、图4(d)为对应位置处的车载点云。图4(a)中，地面激光点云可以明显显示出牌坊文字，而车载点云只有大致轮廓，尤其顶部轮廓甚至有缺失。图4 (c)中，地面激光点云更加清晰地还原了大石头及石头后的场景，而车载点云由于距离、扫描精度等原因，相应场景的还原程度远不及地面激光点云。
■和I；!
(C)地面站点云细节二(d)车载点云细节二
水性润滑剂
(a)地面站点云细节一(b)车载点云细节一
图4车载与地面站点云相应位置对比
Fig・4Comparison of related positions between vehicle-
borne and terrestrial point cloud
利用文中点云融合方法将两者点云融合可得到如图5所示点云，其中图5(a)、图5(b)为图4细节一融合后效果，图5(c)、图5(d)为图4细节二融合后效果，图5(e)为融合后的整体效果。从图5中可以看出地面点云实现了与车载点云的融合，车载点云稀疏及缺失的区域通过地面点云得到了较好的补充，依靠融合后的点云，做后续测量、部件调查、制图、三维建模等应用可提升整体质量和精度。
3结束语
本文以车载三维激光点云为对象，通过POS数据处理及点云融合解算，得到WGS84坐标系下的车载激光点云，经过点云拼接、坐标转换等处理将地面激光点云转至WGS84坐标系下，然后通过FME点云融合方法将车载与
(a)融合后细节一(b)融合后细节一
(c)融合后细节二(cl)融合后细节二
(e)融合后整体效果
图5融合后点云效果图
Fig.5Point cloud rendering after fusion
地面点云进行合并融合，最终以洪泽区洪泽湖大道单向道路点云及地面点云为对象，验证了车载三维激光点云数据加密及缺失补偿方法的可行性。本方法解决了车载移动测量系统在无法到达区域或重点区域的采集数据精度低的难题，为利用车载激光点云进行城市部件调查、大比例尺测图、三维建模等应用领域提升了数据的精度，完善了车载点云的应用能力，同时也提升了可量测街景量测的可靠性及精度，为“全景江苏”三维地理场景建设打下了坚实的数据基础。
参考文献：
[1]侯兴泽，王永红，李俊，等•车载激光建模测量系统在城
市部件普查中的应用[J].测绘与空间地理信息，2018,
41(3)：167-170.
甘肃政法学院图书馆[2]吴波，杨晓锋，陈宏强，等.应用车载移动测量技术进行
大比例尺测图的方法[J].测绘通报，2017(3)：80-82. [3]龚健雅，崔婷婷，单杰，等.利用车载移动测量数据的建
筑物立面建模方法[J]・武汉大学学报(信息科学版),
2015,40(9)：1137-1140.
[4]邹晓亮.车载测量系统数据处理若干关键技术研究[D].
郑州：解放军信息工程大学，2011.
[5]陈艳雷.基于逆向工程的扫描点云数据预处理技术研究
[D].郑州：河南工业大学,2018.
[6]吴果强•三维人脸重构与反求技术研究[D].南昌：南昌
大学,2010.
大稿国际艺术区[7]BAGH D.Think like a point cloud:Tips for effective data
processing[DB/OL].[2016-05-19].https：//blog.safe.
com/2016/05/point-cloud-power.
[编辑：任亚茹
]
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议