杨明珠++董燕

摘要： 三维激光扫描仪以非接触方式获取物体对象的点云数据，对其建模可真实还原物体对象原始面貌，因而在城市建设、文物保护、农业以及制造业等方面都有很大影响。本文就点云数据空间索引的建立、配准、去噪、精简、分割等原理及处理过程进行详细介绍，并分析不同处理方法有缺点及适用性，最后利用Imageware软件对点云数据进行处理，用3dmax2017对建筑物三维点云数据模型构建。

Abstract： 3D laser scanner to obtain the point cloud data by the non-contact method. The model can restore the original features of objects. Therefore， it has a great influence on urban construction， cultural relics protection， agriculture and manufacturing. This paper analyzes the registration， streamline， denoising and segmentation process of the point cloud data in detail， explores the common processing method and theory and analyzes the advantage and defect of every kinds of the methods. Finally， Imageware software is used to process the point cloud data and 3dmax2017 is used to construct the 3D point cloud data model.

關键词： 点云数据；数据处理；模型构建

Key words： point cloud data；data processing；model building

中图分类号：TP391.4 文献标识码：A 文章编号：1006-4311（2017）12-0117-03

0 引言

在全球数字化的时代，三维建模已经成为数字化建设必不可少的一部分。三维激光扫描仪以精度高、速度快、抗干扰性强的方式作业，对物体发射激光束，获取大量点云数据，对点云数据进行处理、建模可快速还原物体真实面貌，相对于以往的建模方式，这种逆向工程模式大大降低的了建模成本与作业时间。从我国于二十世纪90年代激光扫描技术开始受到重视[1]。如今，小到模具制造、林木形态研究，大到防洪救灾、城市规划、工程建设，三维激光扫描技术在各个领域得到了快速发展。

1 工作原理及数据处理流程

1.1 工作原理

三维激光扫描仪向被测对象物体发射大量激光束，接受反射信号，计算被测对象表面点的三维坐标，记录反射率以及纹理等信息，从而得到点云数据。而不同的仪器制造商生产的仪器对于被测物体表面三维坐标的计算方式又各不相同，主要分为以下两种：①脉冲测距的方法。根据激光束发射与接收的时间差，计算出仪器与被测点间的距离，精密时钟控制编码器同时记录横向角度值与纵向角度值，从而解算出每个点的X，Y，Z坐标值。②相位差测距的方法。距离值是通过获取检测调幅光波发射与接收之间的相位差得到，仪器再记录横向角度值与纵向角度值，解算出X，Y，Z坐标值[2]。

1.2 数据处理流程

数据处理主要步骤为点云数据的获取、点云数据的预处理、模型构建与纹理映射等。其中预处理包括数据的配准、去噪、精简、分割等。流程图如图1所示。

2 数据预处理

2.1 数据配准

点云数据配准，也称点云数据拼接。由于激光扫描仪在单一视角下只能扫描到物体的一部分点云数据，不能覆盖整个空间对象。所以在为较大对象（如一个大型建筑物或者一颗大树）激光扫描时，需要从多方位不同视角扫描，也就是需要架设多个测站点，才能把物体扫描完整。每个测站点都会有其独立的坐标系，要获得完整的数据必须将所有测站点数据转换到同一坐标系下，这就需要点云拼接。张庆圆[3]认为点云拼接方法主要为标靶拼接、点云直接拼接以及控制点拼接三种方法。

①标靶拼接是最简便的拼接方法，在数据扫描时，两站点之间的公共区域内放置至少三个标靶，在扫描物体对象同时扫描标靶点云数据，依次扫描完所有站点，最后利用不同站点相同的标靶数据进行点云配准，值得注意的是，每个标靶必须对应唯一的标靶号，同一标靶在不同测站中的标靶号也必须一致，才能正确完成各站点云数据配准。

②利用点云直接拼接，在扫描物体对象的两个站之间要有一定的重叠度，一般要大于30%，且要有较为明显的特征点，扫描完成后，寻找重叠区域的同名点进行点云拼接。此方法中重叠区域特征点的确定直接关系到配准结果的好坏，所以要求重叠部分要清晰且要有较多的特征点与特征线。

③控制点拼接是将三维激光扫描仪与定位系统相结合使用。首先确定公共区域的控制点，在对对象物体扫描的同时扫描控制点，用定位技术确定控制点的坐标，再以控制点为基准对点云数据配准。此方法优点为配准结果精度高，缺点为过程相对复杂。

2.2 数据去噪

在利用三维激光扫描仪获取点云数据的过程中，会受到扫描设备、周围环境、人为扰动甚至扫描对象表面材质的影响，得到的数据或多或少存在噪声点，得到的数据不能正确的表达扫描对象的空间位置。噪声点分主要分为三类：①第一类噪声点是由于物体表面材质或者光照环境导致反射信号较弱等情况下产生的噪声点；②第二类是由于在扫描的过程中，难免有人、车辆或者其他物体从仪器与扫描物体之间经过而产生的噪声点，这属于偶然噪声；③由于测量设备自身原因，如扫描仪精度，相机分辨率等由测量系统引起的系统误差和随机误差。

数据去噪的方法可根据不同的情况分为不同的方式，分别为基于有序点云数据的去噪和基于散乱点云的去噪。

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。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。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。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。

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。对于拉普拉斯算法，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。而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。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。

2.3 数据精简

数据精简就是在精度允许下减少点云数据的数据量，提取有效信息。一般分为两种：去除冗余与抽稀简化[4]。

冗余数据是指在数据配准之后，其重复区域的数据，这部分数据的数据量大，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[5]。以提高数据的操作运算速度、建模效率以及模型精度。

抽稀简化最常用的方法为采样法，即按照一定规则对点云数据采样，保留采样点，忽略其他点[6]。此方法的优点为方法简单易行，简化速度快，其缺点为其简化后的点云数据分布比较均匀，无法针对边缘特征的数据点充分保留。图4为去除冗余后的数据，图5为保留其点云特征的前提下抽稀简化后的点云数据。

2.4 数据分割

对于比较复杂的扫描对象，如果直接利用所有点云数据建模，其过程是十分困难的，会使拟合算法难度增大，三维模型的数学表达式也会变得很复杂。所以对于复杂对象建模之前需要将点云数据分割，分别建模完成后再组合，就是建模过程中“先分割后拼接”的思想，把复杂数据简单化，把庞大数据细分化。

匡小兰[7]等认为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。

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。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。提取出特征線之后，再对特征线围成的区域进行分割。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。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。

3 三维建模

目前，点云数据处理及建模软件有很多，如Geomagic、Polyworks、Imageware、Autocad、3dmax等，不同的软件都有其适用性。如Imageware、Polyworks有用强大的点云数据预处理功能，适用于曲面建模以及较复杂实体建模。而Autocad、3dmax等软件则更适用于较规则物体建模，3dmax2017中所带插件Autodesk Recap能识别大部分点云格式，这也为3dmax建模提供了良好条件。本文首先采用Imageware对点云数据预处理，然后再利用3dmax对处理后的数据模型重建。

如图2所示，是经过数据配准后带有RGB值的房屋点云数据，利用中海达三维激光扫描仪扫描所得，数据格式为*.rcp格式，数据点个数为396137，数据密度大，数据质量较高。本文首先将rcp格式转换为Imageware所识别的数据格式，由于数据密度过高，为了更直观的识别以及减少后期数据处理时间，进行数据精简，本文采用的是均匀采用法对精简，采样间隔为30，如图3为精简前数据，图4为精简后数据。数据精简后对数据去噪，本文数据噪声较少，但减少噪声依然是必不可少的，可提高建模的速度以及精度。如图5所示为去噪前后局部点云数据对比。

数据预处理完毕后利用3dmax2017对点云数据建模，首先将点云数据导入3dmax软件中，然后将点云捕捉器打开，以点云数据为模板来创建几何体，利用传统3dmax建模技术即可。其建模速度快，精度高。如图6所示，为3dmax建模后线画图，图7为模型效果图。

4 结论

逆向工程已在众多行业中得到很好的发展，基于三维激光扫描数据的建模在工程建筑、数字城市建设、地下管道建设、古建筑保护与重修、林木保护等方面都能起到关键性作用，本文基于三维激光扫点云数据的建模过程中数据处理原理、过程以及方法做了详细的探讨，利用imageware对点云数据预处理，再用3dmax2017对点云数据建模，还原房屋真实模型，结果表明，对于较为规则的建筑物，3dmax的工作建模速度快，效率高。目前来说，三维建模软件众多，而且软件发展也很迅速，更好更快建模依然追求的目标，对于大部分建模来说，都需要人工手动去选着一些有特征点来建模，高精度的特征点自动提取，建模将是一个很好的研究方向。

参考文献：

[1]党晓斌.三维激光扫描技术在建筑物形变监测中的应用研究[D].西安：长安大学，2011.

[2]周华伟.地面三维激光扫描点云数据处理与模型构建[D].昆明：昆明理工大学，2011.

[3]张庆圆.三维激光扫描技术在工业三维GIS中的应用研究[D].河南理工大学，2011.

[4]谢宏全，谷风云，地面三维激光扫描技术与应用[M].武汉大学出版社，2016，02：94.

[5]宋碧波，卢小平，卢遥.基于点云数据的建筑物三维重建[A].测绘出版社，2010：3.

[6]王丽辉.三维点云数据处理的技术研究[D].北京交通大学，2011.

[7]匡小兰，欧新良，倪问尹.散乱点云数据区域分割综述[J].长沙大学学报，2010（0）5：68-72.