实景三维模型的建筑物单体模型框架搭建_史与正.pdf

2023 年第 6 期史与正，等:实景三维模型的建筑物单体模型框架搭建引文格式:史与正，陈梦华，黄煜，等 实景三维模型的建筑物单体模型框架搭建J 测绘通报，2023(6):161-166 DOI:10 13474/j cnki 11-2246 2023 0187实景三维模型的建筑物单体模型框架搭建史与正1，陈梦华1，黄煜2，张彤蕴1，周宪1(1 湖南省地质地理信息所，湖南 长沙 410000;2 湖南省地质测绘院有限公司，湖南 长沙 410000)摘要:实景三维模型存在数据结构不合理、识别利用困难等问题。本文基于卡方分布、增强特征金字塔网络、多尺度渐进式生长优化算法和父子编码等技术，提出了建筑物边界自动选取和模型精细化修正等方法。结果表明，该三维模型满足0.05 m 功能级模型要求，较 MESH 模型面片数降幅达 99.54%，实现了实景三维模型的建筑物快速单体化和结构化，研究成果可为实景三维中国建设提供技术支撑。关键词:实景三维模型;精细化处理;单体模型;数据轻量化;语义信息中图分类号:P208文献标识码:A文章编号:0494-0911(2023)06-0161-06The construction of building monomer model framework based on realscene 3D modelSHI Yuzheng1，CHEN Menghua1，HUANG Yu2，ZHANG Tongyun1，ZHOU Xian1(1 Institute of Geological and Geographic Information of Hunan Province，Changsha 410000，China;2 The Geological Surveying and Mapping Institute Limited Company of Hunan Province，Changsha 410000，China)Abstract:Due to a series of problems in the real scene 3D model，such as unreasonable data structure and difficulty to recognize andutilize，methods including automatic selection of building boundaries and refined model correction in the monomer model framework areproposed in this paper，which utilize the key technologies of chi-squared distribution，enhanced feature pyramid network，multi-scaleprogressive growth optimization algorithm，parent-child coding and so on Experimental results show that the established monomer 3Dmodel satisfies the requirement of a 0.05 m functional level model，and the number of patches decreased by 99.54%in comparison tothe MESH model，which achieves the rapid monomerization and structurization of the real scene 3D model of buildings and providestechnical support for the construction of real scene 3D ChinaKey words:real scene 3D model;meticulous treatment;monomer model;data lightweight processing;semantic information新型基础测绘体系建设试点技术大纲 明确指出，新型基础测绘是以地理实体为视角和对象、按实体粒度和空间精度开展测绘、构建基础地理实体数据库的工作。实景三维是对一定范围内人类生产、生活和生态空间构建真实、立体、时序化反映和表达的数字空间，是国家新型基础设施建设的重要组成部分，也是新型基础测绘的主要任务和成果形式，为经济社会发展和各部门信息化提供统一的空间基底。开展实景三维中国建设是“十四五”时期基础测绘转型升级发展的主要任务，对推进自然资源精细化、智能化管理具有重要意义。近年来倾斜摄影测量得到快速发展，国内较多县市相继开展了实景三维模型建设，在公安、交通运输等诸多行业推广应用，在智慧城市、城乡规划、城市管理、自然资源确权登记等方面成效显著。建(构)筑物是基础地理实体的重要组成部分，其结构化和语义化是实景三维的主要特征，当建(构)筑物以三维形式表达时，通常采用面向分层或单体的方法进行数据存储。目前，基于实景三维模型的建筑物单体化建模方式主要有两种:一是利用3ds Max1、SketchUp2 等第三方软件进行单体化。其中 3ds Max 具有丰富的模型库和贴图模板，可制作直观、逼真的模型。但是从三维倾斜模型到单体模型的构建，需要制作者具有较强的空间感，制作时间较长，自动化程度不高，且积木式的搭建导致内部结构关系紊乱，难以实现结构化。二是基于实景三维模型的自动化单体处理方法，主要包括 ID 标记法3-4、动态渲染法4 和物理分割法3-4。其中，161收稿日期:2022-08-26;修回日期:2023-04-23基金项目:湖南省自然资源科技计划(2021-01)作者简介:史与正(1967)，男，硕士，研究员级高级工程师，主要研究方向为摄影测量与遥感、测绘与地理信息。E-mail:1124567787qq com通信作者:张彤蕴。E-mail:46042345 qq com测绘通报2023 年第 6 期ID 标记法和动态渲染法没有实现真正意义上的单体化;物理分割法是将三维模型强行分割成若干个子模型，缺少轻量化处理，面片过多且不易组合，其数据结构与 MESH 模型无实质性差异，不便承载语义信息。2021 年，湖南省以倾斜摄影方式开展了市县城镇开发边界内 1 500 地形图测绘工作，生产出了相对完整的实景三维模型和数字线划图。本文在2022 年智慧衡阳三维地理实体建设中进行实践，在现有的 DLG 数据和实景三维模型基础上，搭建部件级单体模型，实现实景三维模型数据的计算机可识别化，以期为智慧衡阳 CIM 展示、三维模型数据分析及应用提供支撑。1研究方法为了解决建构筑物三维模型单体化的边界自动匹配、自动提取及纹理提取等问题，本文提出 6 种关键方法，为单体模型框架的搭建奠定理论基础。1.1基于卡方分布的边界自动匹配对于有二维矢量数据的建筑物，利用卡方分布原理，达到自动选取建筑物边线的目的。卡方分布5 是一种连续概率分布，当矢量数据与墙面上的点云正射投影到同一平面时，定义Z值为点云到矢量数据的距离，如果 Z 服从标准正态分布，即 Z N(0，1)，则Z2服从自由度为 1 的卡方分布，即Z2 X21或 Z2X2(1)。若 Z1，Z2，Zk服从标准正态分布，则它们的平方和服从自由度为 k 的卡方分布，即(Z21+Z22+Z2k)X2k或(Z21+Z22+Z2k)X2(k)，其概率密度函数为f(x)=xk/21ex/22k/2(k/2)(1)基于二维矢量数据对建筑物边界进行自动选取，检验墙面点云样本的分布与墙面矢量数据的拟合优度，当距离值的平方(Z2)小于设定阈值的概率最大时，可以认定对应的矢量数据边界为该模型面的边界。1.2基于增强特征金字塔网络和多尺度渐进式生长优化算法的边界自动提取对于没有矢量数据的模型，一般通过人工采集建筑物边界实现模型单体化，工作量大且效率不高。利用 MESH 模型实现建筑物边界自动提取可充分提高工作效率，方法为:基于增强特征金字塔网络技术6 识别模型纹理信息提取房屋模糊边界;选取边界范围内模型三角网，采用内插技术7 形成模型点云;基于多尺度渐进式生长优化算法8 调整点云数据;检测边缘点并过滤伪角点;边缘点分组，采用轮廓线拟合算法9 拟合边界并对其规则化。增强特征金字塔6 是具有 66 层的卷积神经网络，主要由 ResNet 结构、注意力模块、FPN 结构、连续上采样 4 部分组成。多尺度渐进式生长优化算法8 是指循环调整当前点集的邻域判断距离，逐步筛选出点集的轮廓组成。轮廓线拟合算法9 采用最小二乘法直线拟合，其核心思想在于使每个拟合点到直线的方差最小。已知直线一般表达式为 y=ax+b，建立的误差方程为Ni=1 yi(a+bxi)2=0(2)对 a、b 分别求导，可得aNi=1 yi(a+bxi)2=2Ni=1(yi a bxi)=0bNi=1 yi(a+bxi)2=2Ni=1(yi a bxi)=0(3)整理后得到方程组为aN+bxi=yiaxi+bx2i=xiyi(4)求得直线参数 a 和 b 的最小估计值，分别为a=(x2i)(yi)(xi)(xiyi)N(x2i)(xi)2b=N(xiyi)(xi)(yi)N(x2i)(xi)2(5)1.3基于主基线技术的同层边线精准和精致描述建筑物的拐角通常为直角，整体造型具有对称性和一致性的特点。存量全野外矢量数据或模型采集的矢量数据一般是直接或间接采集生成拐角点，点点相连生成建筑物边线，均是片面地追求拐角点的精度，而忽略了建筑物拐角的直角性和二维边界线之间的相关性，可能导致三维建模及其应用过程中模型失真或拓扑关系错误。本文采用文献 10中的主基线技术，判别各层边界线并补充采集部分信息，将所有层的边线设定为辅助基线，由辅助基线恢复建立该栋建筑物主基线，设定一定的阈值以判别辅助基线与主基线的相关性。相关时对辅助基线修正利用，不相关时则直接采用辅助基线，实现数字线划图的建筑物拐角直角性、结构对称性和一致性的精准和精致搭建。2612023 年第 6 期史与正，等:实景三维模型的建筑物单体模型框架搭建1.4基于降维原则的空间分析二维矢量空间分析主要包括面的布尔运算11、缓冲区分析12，其算法已十分成熟。在三维领域中，空间分析算法相对不足，本文提出通过旋转矩阵将模型面片旋转至 XOY、XOZ 或 YOZ 中的任一平面，以此将三维降至二维进行空间分析。其中旋转矩阵主要通过绕 X、Y、Z 轴的旋转组合而成，绕 3 个坐标轴的基本旋转矩阵分别如下RX()=1000cos sin0sincos RY()=cos0sin010 sin0cos RZ()=cos sin0sincos0001 (6)1.5基于原始影像和倾斜模型的纹理提取单体模型建立后，采用传统人工贴图方式工作量较大。无人机倾斜三维模型纹理的自动提取技术能够有效解决该问题，主要有两种途径:在经空中三角测量后的影像中提取13;在建成的实景三维模型中提取2。两种方式各有优缺点:通过影像提取的纹理内容完整，不存在连通区域的无效像素，但其内部部分像素色彩失真、畸变轻度扭曲，且只能体现一个方向的视角;通过实景三维模型提取的纹理像素保真度高，无内部畸变扭曲，视图效果好，但图像内容不完整，存在连通区域的无效像素。针对以上情况，本文采取混合使用的方式完成纹理自动提取及优化。首先利用实景三维模型自动提取纹理;然后采用目视检测14 或计算机深度学习方法15 对提取的纹理进行轮廓检测，识别无效像素的轮廓范围，并利用该范围提取原始影像得到纹理。1.6基于父子编码的语义信息一致性和独立性传统数据结构中整体模型和部件模型各自建立语义结构，信息分别存储且互不关联，即整体模型只存储整体模型语义信息，部件模型既要存储部件信息又要存储整体信息。然而，现有数据结构面临由二维向三维的转变，对内存的需求过大。对此，采用父子编码原则可以很好地解决该问题。首先对每个单体化模型赋予唯一的实体编码，然后扩展当前单体化模型属性结构，增加新的属性字段，字段内容为当前单体化模型相关联的上一级模型的实体编码，从而实现模型既独立又关联，同时减少内存损耗。2单体化技术实现模型单体化13 是在实景三维模型基础上通过模型重构实现分离效果，将要素对象变成可单独编辑和处理的个体并赋予相关信息。智慧衡阳建筑物三维实体模型充分利用已有矢量数据和实景三维模型，提出了平面关系构建、垂直关系构建、单体模型精细化、纹理优化、语义信息构建 5 种模型单体化技术手段，实现了部件级单体模型的快速搭建。建筑物单体模型搭建流程如图 1 所示。图 1建筑物单体建模流程2.1 平面关系构建平面关系构建即确保模型基底面拓扑关系的正确性，是快速搭建单体化模型的基础。在无矢量数据时，利用 1.2 节中的方法对建筑物边界自动提取生成矢量。本文平面关系构建有两种情况，一是建筑物同层边界矢量数据自身的拓扑关系;二是不同建筑物在基底面投影边界的拓扑关系，处理如下。(1)矢量数据自身拓扑关系处理。对矢量数据自身存在的自相交、未闭合等错误进行拓扑处理。对未直角化和相关性不强的问题，采用 1.3 节中的方法达到建筑物精准和精致绘制的目的，如图 2 中红色圆圈标注。(2)不同建筑物投影边界拓扑关系处理。不同建筑物在基底面上，投影边界之间的相交、重叠、缝361测绘通报2023 年第 6 期隙拓扑问题利用 1.4 节中的空间分析算法进行处理，如图 2 中的红色三角标注。图 2平面关系构建2.2垂直关系构建垂直关系是指单体模型边界在垂直方向上的相互关系，即模型的吻合度，既包含同一层级模型自身上下基底面顶点之间的对应关系，又包括不同层级模型间的叠置关系。同一层级模型自身垂直关系构建可分为两种情况:一是上下底面几何形状完全相同，则上下底面顶点间为一一对应关系，垂直关系构建处理相对简单;二是上下底面几何形状不同(如图 3 所示)，特别是与屋顶模型连接时，此时上下底面顶点为一对多或多对一的关系，需根据实际情况调整顶点之间的对应关系，避免顶点间连线出现相交、穿叉等错误情况。上下层模型单独构建时易出现模型间渗透、分离问题(如图 4、图 5 所示)。垂直关系构建建立了连续不间断的模型立面，实现了模型的初始搭建。其中，每一层的初始边界采用平面关系构建后的线段集通过 1.1 节中的方法自动生成，垂直关系构建效果如图 6 所示。图 3上下底面几何形状不同图 4模型间相互“渗透”图 5模型间相互分离图 6垂直关系构建效果2.3单体模型精细化处理平面和垂直关系的构建建立了粗模框架，根据项目建设的要求，因建筑物复杂程度、单体模型表现的空间粒度和精度不同，需对模型作进一步精细化处理。精细化处理的目的是按需定制单体化的粒度，确保单体内部无冗余，组合单体无缝隙或重叠。精细化处理主要进行一系列挤出、分割、合并或交错操作，均基于 1.4 节中的方法予以实现。挤出是从房屋主体墙面上，绘制部分或完整墙面，并采用推拉的方式生成阳台、飘窗等房屋附属模型;分割是单体模型的进一步功能区划分，如建筑物的分层分户、开天井、底层开过道，以及楼梯间和电梯间等公摊部分的分割，以达到各功能区域独立划分的目的;合并是不同的功能区模型汇总生成单体模型，主要包括建筑物功能模型独立处理生成后合并到房屋主体，如檐廊、屋顶、阳台及飘窗等附属模型，或住宅单元、楼梯间等独立空间与房屋主体结构的组合;交错主要是屋檐的钩心斗角或艺术风格的空间叠加(如图 7 所示)，在模型单体化过程中，4612023 年第 6 期史与正，等:实景三维模型的建筑物单体模型框架搭建必须在二维空间重叠的基础上，实现三维空间的交错处理。图 7建筑物在三维空间上交错城市信息模型基础平台技术导则 将城市信息模型(CIM)按照精细度分为 7 级:第 1 级为粗模，第 5 级为满足空间占位、功能分区等需求的功能级模型，表面凹凸结构边长大于 0.05 m 时应细化建模。文献 10生产的数字线划图能满足地籍图的精度要求，即点位中误差和边长中误差不大于0.05 m，技术操作符合无人机倾斜摄影技术在大比例尺成图中应用的相关要求。由智慧衡阳项目实施经验可知，MESH 模型相对精度较高，一般可达0.03 m，完全满足第 5 级功能级模型精度的要求。此外，对应建筑信息模型(BIM)的几何精度为 G1G2 级，属性深度为 N1N2 级，可有效表达建筑物的分层分户。本文构建的单体化建筑模型面片简洁，各面仅由一个四边形或两个三角形组成，大大降低了面片和顶点数量，如图 8 所示。智慧衡阳项目某办公楼倾斜模型面片数为 661 580，单体化建筑模型面片数仅为 3047，降低幅度达 99.54%，实现了数据轻量化的目的。图 8建筑物模型面片数对比2.4纹理优化模型表面纹理是影响三维模型逼真程度的关键因素，直接关系到三维模型的显示效果。因此，纹理的选取应以模型最佳显示效果为原则，达到最大限度还原真实场景的目的。纹理选取采用 1.5 节中的方法，从原始影像或无人机倾斜三维模型中自动或半自动选取最优影像并进行人工精修，也可以采用建立纹理库的方式，最终完成模型贴图。纹理优化效果如图 9 所示。图 9纹理贴图效果2.5语义信息构建语义信息是单体化三维模型能自动识别、分类并标注的模型要素。建立语义信息之间的一致性和独立性，使三维模型之间呈现层次清晰的内部逻辑关联，是构建高效三维模型语义检索的基础，利用 1.6 节中的方法予以实现。如图 10 所示，基于父子编码的语义实现，建立了模型与模型之间的内在关联，在实际场景应用中可通过父子编码之间的关联，对模型实现按需组装。语义信息构建是建立三维模型主体与细节的视觉外形、结构、功能及相互关联的多尺度语义信息，解决了传统三维模型一张皮的语义问题，满足复杂要素对象分析的同时，还能被机器所感知、识别和使用。561测绘通报2023 年第 6 期图 10父子编码 UML 模型3结语本文基于实景三维模型进行研究，利用卡方分布、增强特征金字塔网络、多尺度渐进式生长优化算法、父子编码等关键技术，实现了建筑物单体模型的快速搭建，达到轻量化、准确、高效的目的;相比常规建模项目、常规技术方法，功效提高了 3 倍以上，有望在市县智慧城市和三维不动产项目中得到推广应用，产生较高的经济效益和社会效益。总结优势如下:实现了建筑物单体模型的精准表达，在已有三维模型精度达标的基础上确保平面几何位置和空间位置精度;实现了部件级的精致描述，与 BIM 模型既类似又有区别，重点关注测绘地理信息对空间位置和范围的精细表达和拓扑关系处理;语义信息丰富有利于计算机识别，可根据语义属性按需提取推送至各类应用场景;数据轻量化，较 MESH 模型面片数降幅达 99.54%，数据无冗余。参考文献:1鲍文月，朱学明，徐良 多源异构城市三维模型数据组织管理方法 J 现代测绘，2021，44(6):34-36 2许捍卫，房晓亮，任家勇，等 基于 SketchUp 的城市三维建模技术 J 测绘科学，2011，36(1):213-214 3倪晓东，梁君达，吴龙祥，等 一种基于 CityGML 的三维模型单体化方法J 测绘通报，2022(12):29-34 4陈思，冯学兵，刘阳 基于倾斜摄影实景三维模型单体化分类与应用J 北京测绘，2018，32(4):409-414 5陈希孺 概率论与数理统计M 北京:科学出版社，2000 6瑚敏君 基于增强特征金字塔网络的遥感影像城市建筑物顶部提取 D 成都:西南交通大学，2020 7朱红，宋伟东，杨冬，等 近景影像三角网内插点密集匹配方法 J 测绘科学，2016，41(4):19-23 8HUI Zhenyang，LI Zhuoxuan，CHENG Penggen，et alBuilding extraction from airborne LiDAR data based onmulti-constraintsgraphsegmentation J RemoteSensing，2021，13(18):3766 9蔡湛，李如仁，李新科，等 一种基于激光点云数据的房屋轮廓线提取方法J 地理与地理信息科学，2013，29(5):17-21 10 史与正，张淑玲，王英，等 利用无人机倾斜摄影三维模型进行大比例尺成图技术研究J 测绘通报，2019(11):137-140 11MARTNEZ F，OGAYAR C，JIMNEZ J R，et al Asimple algorithm for Boolean operations on polygons J Advances in Engineering Software，2013，64:11-19 12 吴华意，龚健雅，李德仁 缓冲曲线和边约束三角网辅助的缓冲区生成算法J 测绘学报，1999，28(4):355-359 13 郭如宝，郝利娟，刘旭东，等 基于倾斜摄影的实景三维单体化模型构建方法J 测绘通报，2021(1):103-107 14 孙慧贤 基于纹理分析的视觉检测方法与应用研究 D 长沙:国防科学技术大学，2010 15 JI Shunping，WEI Shiqing，LU Meng Fully convolutionalnetworks for multisource building extraction from an openaerial andsatelliteimagerydataset J IEEETransactions on Geoscience and Remote Sensing，2019，57(1):574-586(责任编辑:纪银晓)661