绝不能错过的点云数据处理与建模过程

点云是目标表面特性的海量点集合，点云越密集，反映的图像细节和信息就越多。

目前，点云的获取方式一般是通过三维激光扫描仪，三维激光扫描仪通过扫描选定的目标物体或环境后，能大面积高分辨率地快速获取被测对象表面的三维坐标数据。

下面，我们以Trimble三维激光扫描仪为例，一起来看下点云数据的具体创建过程。 Trimble三维激光扫描仪主要扫描过程和技术流程如下：

Trimble三维激光扫描仪最终采集的数据以点云和图像的形式储存在扫描仪设备里，运用Trimble RealWorks进行一定处理后，能获取建筑物的相对位置信息、尺寸、纹理和形状，进而建立真实的物体数据模型。 

 

在三维激光扫描的过程中，点云数据的获取常常会受到物体遮挡、光照不均匀等因素的影响，容易造成复杂形状物体的区域扫描盲点，形成孔洞。同时由于扫描测量范围有限，对于大尺寸物体或者大范围场景，不能一次性进行完整测量，必须多次扫描测量，因此扫描结果往往是多块具有不同坐标系统且存在噪声的点云数据，不能够完全满足人们对数字化模型真实度和实时性的要求，所以需要对三维点云数据进行去噪、简化、配准以及补洞等预处理。

通过数据预处理，可以有效剔除点云中的噪声和外点，在保持几何特征的基础上实现点云数据简化，并将不同角度扫描的点云统一到同一坐标系下，为后续的曲面构建及三维实体模型生成提供稳健的数据基础。

1.数据配准

点云数据配准，也成点云数据拼接或坐标纠正。点云拼接是点云数据处理时最主要的数据处理之一，由于目标物的复杂性，通常需要从不同方位扫描多个测站，才能把目标物扫描完整，每一测站扫描数据都有自己的坐标系统，三维模型的重构要求把不同测站的扫描数据纠正到统一的坐标系下。

点云拼接方法分类如下：

1）标靶拼接。标靶拼接是点云拼接最常用的方法，首先在扫描两站的公共区域放置3个或3个以上的标靶，依次对各个测站的数据和标靶进行扫描，最后利用不同站点相同的标靶数据进行点云配准。每一个标靶对应一个ID号，同一标靶在不同测站的ID号必须一致，才能完成拼接。

2）点云拼接。基于点云的拼接方式要求在扫描目标对象时要有一定的区域重叠度，而且目标对象特征点要明显，否则无法完成数据的拼接。此方法需要依靠寻找重叠区域的同名点进行拼接，因此重叠区域特征点的确定直接关系到配准结果的好坏。

3）控制点拼接。为了提高拼接精度，三维激光扫描系统可以与全站仪或GPS技术联合使用。通过全站仪或者GPS确定公共控制点的大地坐标，然后用三维激光扫描仪对所有公共控制点进行精确扫描。再以控制点为基站直接将扫描的多测站的点云数据与其拼接，即可将扫描的所有点云数据转换成工程实际需要的坐标系。

2.数据去噪

在利用三维激光扫描仪扫描目标时，会受到扫描设备、周围环境、人为扰动、目标特性等影响，使得点云数据无法避免的存在一些噪点，导致数据无法正确表达扫描对象的空间位置。

噪声点主要分为三类：

1）由于物体表面材质或光照环境导致反射信号较弱等情况下产生的噪点；

2）由于扫描过程中，人、车辆或其他物体从扫描仪器与物体之间经过而产生的噪点；

3）由于测量设备自身原因，如扫描仪精度、相机分辨率等引起的系统误差和随机误差。

数据去噪的方法可以根据不同的情况分为不同的处理方法：

1）基于有序点云数据用平滑滤波去噪法，目前数据平滑滤波主要采取的是高斯滤波、均值滤波以及中值滤波。

①高斯滤波属于线性平滑滤波，是对指定区域内的数据加权平均，可以去除高频信息，其优点为能够在保证去噪质量的前提下保留住点云数据特征信息。

②均值滤波也叫平均滤波，也是一种较为典型的线性滤波，其原理为选择一定范围内的点求取其平均值来代替其原本的数据点，优点为算法简单易行，缺点为去噪的效果较为平均.且不能很好的保留住点云的特征细节。

③中值滤波属于非线性平滑滤波，其原理是对某点数据相邻的三个或以上的数据求中值，求取后的结果取代其原始值，其优点在于对毛刺噪声的去除有很好效果，而且也能很好的保护数据边缘特征信息。

2）基于散乱点云数据去噪常用的方法为拉普拉斯去噪、平均曲率流方法、双边滤波算法。

①拉普拉斯算法虽然能够很好的保证模型的细节特征，但是还会残存有噪声点。

②双边滤波算法虽然能够很好的去除噪声点，但是不能够很好的保留住模型的细节特征。

③平均曲率是依赖于曲率估计，对于模型简单噪声点较少的数据去噪效果较好，而对于复杂且噪声点多的数据，其计算速度慢且去噪效果较差。

数据精简就是在精度允许下减少点云数据的数据呈，提取有效信息。一般分为两种：去除冗余与抽稀简化。

冗余数据是指在数据配准之后，其重复区域的数据，这部分数据的数据呈大，多为无用数据，对建模的速度以及质量有很大影响，对于这部分数据要予以去除。

抽稀简化是指扫描的数据密度过大，数量过多，其中一部分数据对于后期建模用处不大，所以在满足一定精度以及保持被测物体几何特征的前提下，对数据进行精简。以提高数据的操作运算速度、建模效率以及模型精度。

4.数据分割

对于较为复杂的扫描对象，如果直接进行点云数据建模，会使得建模过程十分困难，三维模型的数学表达变得复杂。所以对于复杂的建模对象，我们一般会进行点云数据分割，然后再分别建模，最后再进行组合。

点云数据分割应该遵守以下准则：

1）分块区域的特征单一且同一区域内没有法矢量及曲率的突变；

2）分割的公共边尽量便于后续的拼接；

3）分块的个数尽量少，可减少后续的拼接复杂度；

4）分割后的每一块要易于重建几何模型。

点云数据分割的主要方法有三种，基于边的分割方法、基于面的分割方法和基于聚类的分割方法。

1）基于边的分割方法需先寻找出特征线。所谓特征线，也就是特征点所连成的线，目前最常用的提取特征点的方法为基于曲率和法矢量的提取方法，通常认为曲率或者法矢量突变的点为特征点，例如拐点或者角点。提取出特征线之后，再对特征线围成的区域进行分割。

2）基于面的方法是一个不断迭代过程，找到具有相同曲面性质的点，将属于同一基本几何特征的点集分割到同一区域，再确定这些点所属的曲面，最后由相邻的曲面决定曲面间的边界。

3）基于聚类的方法就是将相似的几何特征参数数据点分类，可用根据高斯曲率和平均曲率来求出其几何特征再聚类，最后根据所属类来分割。

目前，业内使用较多的点云数据建模软件为ContextCapture。

ContextCapture 是一款可由简单的照片和/或点云自动生成详细三维实景模型的软件。ContextCapture 的高兼容性，能对各种对象各种数据源进行精确无缝重建，从厘米级到公里级，从地面或从空中拍摄。只要输入照片的分辨率和精度足够，生成的三维模型是可以实现无限精细的细节。

 

1.集成地理参考数据ContextCapture 可为包括 GPS 标记和控制点在内的多种类型的定位数据提供本地支持。

它还可以通过定位/旋转导入或完整块导入来导入任何其他定位数据，能够精确测量坐标、距离、面积和体积。

通过QR Codes创建地面控制点

2.自动空中三角测量和三维重建

一旦自动识别每张相片的相对位置和方向，就可以通过添加控制点和编辑连接点来对空中三角测量结果进行微调，以最大限度提升几何和地理空间精度。优化的三维重建算法以无可匹敌的精度生成精准的三维模型以及每个格网面片的影像纹理。ContextCapture 可确保各个三维格网模型顶点放置在最佳位置，因此可以更少的瑕疵表现重现更精细的细节和更锐利的边缘，从而大幅提高几何精度。

3.生成二维和三维 GIS 模型

借助 ContextCapture，可以生成各种 GIS 格式的精确地理参考三维模型，包括真正射影像和新的 Cesium 3D Tiles，并将瓦片范围和空三成果导出为KML和XML。ContextCapture 提供的坐标系数据库接口可确保与GIS 解决方案的数据互用性。可以从 4,000 多个空间参考系统中进行选择，并可添加用户自定义的坐标系。而且，ContextCapture 会根据输入照片的分辨率和空间分布情况，自动调整模型的分辨率和精度。

这意味着，ContextCapture可以处理分辨率不均匀的场景，而不必为保留一些更高分辨率的场景区域而牺牲整体效率。

4.处理实景模型

ContextCapture可以快速轻松地处理任何比例的格网模型，以及横断面的生成、地形和断裂线的提取，及正射影像、三维 PDF 和 iModel 的生成。它可以将格网模型与 GIS 和工程数据集成，以在格网模型的视觉环境中实现该信息的直观搜索、导航、可视化和动画。

 

5.处理点云

6.生成和处理大型可缩放地形模型