【关键词】激光扫描仪；组合对地观测；新4D产品；实景模型；三维DLG

从20世纪90年代开始，机载激光扫描仪开始在国际上崭露头角，出现在林业、地形测绘、工程测量等领域。机载激光雷达(Light Detection And Ranging，简称LiDAR)是一种精度高、耗时少、成本低的新型航空遥感传感器，由激光扫描仪、全球定位系统(GPS)和惯性导航设备(IMU)3部分组成，可以直接快速地获取地球表面的三维空间信息。

确切来讲，最初机载LiDAR系统在测绘中的应用仅限于制作高精度数字高程模型，因此，如何针对激光点云进行地面点与非地面点精确二义分类，就在相当长一段时间内成为该领域的研究热点。但随着激光扫描仪硬件系统技术指标的升级，以及载荷平台的多样化发展，人们开始着手考虑将激光扫描仪与其他类传感器进行集成，实现组合对地观测应用。如：①电力线路安全巡检不仅需要获取电力线路走廊几何位置信息，而且需要对电力线的异常发热区域进行探测，还需对绝缘子放电异常进行有效诊断，因此，电力线路巡检传感器平台可能需要同时集成可见光数码相机、激光扫描仪、热红外相机、紫外相机等多种传感器；②森林火灾应急测绘为了能对灾情进行定量、合理的评估，则同时需要集成热红外相机以及高分辨率可见光数码相机；③在林业遥感应用中，多采用LiDAR波形特征提取生物量信息，而同时需借助可见光或近红外光谱数据提取树木分类信息等；④在日益增长的精细三维建模应用中，依靠高密度激光雷达点云获取实体几何结构信息，而光学数码相机则能较好地获取实体表面纹理信息，因此，满足该项应用需求至少需集成激光雷达扫描仪与多视角可见光数码相机等。

鉴于激光雷达点云与影像所获取的空间地理信息数据能广泛地作为其他行业应用的基础性、框架性数据支撑。因此，通过从各式各样的行业应用中凝练出激光雷达点云与影像联合测图所涉及的通用技术方法是非常必要的。论文重点从通用数据后处理技术与新4D产品体系建设等两个共性方面进行阐述，以期对激光扫描软硬件系统在相关行业应用推广中具有一定参考意义。

1　点云与影像联合测图进展

从数据处理流程角度来讲，点云与影像联合制图技术，主要包含3个核心部分，即：点云数据获取系统的集成检校与数据配准技术、点云分类与滤波技术，以及精细建模与矢量制图技术，具体阐述如下：

1.1 集成检校与数据配准技术

机载LiDAR系统工作时，由POS系统提供激光扫描仪的实时位置和姿态数据，结合激光扫描仪激光束的角度和测距信息计算地面点的物方三维坐标。其中，由激光扫描仪坐标系到POS系统坐标系之间的转换需要获得激光扫描仪与POS系统之间的安置参数，包括偏心分量和安置角。随着设备的长期使用，安置参数会发生变化，因此需要对其进行检校。传统的检校方式是，在多条带的LiDAR点云覆盖范围内人工测量若干地面控制点，然后经过条带平差计算检校参数。在缺乏控制点时，可根据多条带点云数据之间提取并匹配的平面特征建立平差检校模型，计算检校参数。在系统搭载数码相机时，数码相机与POS系统之间的安置参数检校可采用航空影像自检校区域网平差的方式计算。

机载LiDAR点云数据与航空影像的集成应用中，需要解决多条带机载LiDAR点云之间的配准问题，以及机载LiDAR点云与航空影像之间的配准问题。若系统原始观测值（POS航迹、激光扫描仪测距和测角数据、激光点和影像获取时刻等）已知，通过系统检校可解决配准问题；反之，需要采用数据驱动的方法解决配准问题。

机载LiDAR点云条带之间配准（成为LiDAR条带平差），通常采用旋转和平移6参数刚体变换模型表达点云条带之间的坐标变换，有时也加上尺度参数。LiDAR条带平差的核心是点云条带间连接基元的获取。如采用三维最邻近点的迭代最邻近点(Iterative ClosestPoint, ICP)配准算法，最小法向距离的配准算法，最小高程差的配准算法，基于平面特征的配准方法以及基于表面匹配的配准方法。其中最小高程法无法处理平面坐标误差，基于平面特征的方法只适合于城市地区，其他方法的适应性较强。当前的大多数条带平差方法都需要较好的初值，不过由于机载LiDAR点云条带本身的坐标误差不大，良好的初值常常很容易获得。

LiDAR点云与光学影像之间的配准，主要有两类方法：基于特征的配准和基于点云的配准。基于特征的配准方法有多种，主要是通过在LiDAR点云与光学影像间人工或自动匹配同名点、同名线特征进行配准，采用的配准模型主要是共线、共面方程等。在LiDAR点云中提取点、线特征可以基于LiDAR强度图、LiDAR距离图或离散LiDAR点云，同名特征的匹配测度主要有互信息、相关系数及直线间距离等。基于点云的配准首先由光学影像密集匹配生成离散点云，然后采用点云与点云匹配的方法实现激光点云与影像匹配点云的，从而通过约束修改光学影像的方位元素实现两者的配准，或者直接采用影像空三加密点结合法向量约束实现光学影像与点云的配准等。总体来说，由于LiDAR点云与光学影像为异源数据，目前对于两者配准方面的研究仍将集中在对同名特征匹配困难、需要较好的初值等问题的解决方面。

1.2 高质量滤波与分类技术

基于点云的地物自动提取方面(或分类)具有代表性的方法有：Peter Axelsson采用最小描述长度(Minimum Description Length，MDL)准则对地物进行分类，分类结果仅以离散面片形式进行表达并交由后续建模软件进行处理；也有学者分别在原始点云上提取建筑物，或结合点云与光谱影像提取建筑物或树木；也有学者尝试基于高程纹理图像将地面、建筑物及树木进行分类，或是将点云与高光谱影像结合提取建筑、树木与草坪区域。

尽管国内外学者针对点云信息提取这一问题不断提出各种各样的新方法，但是全自动地物提取仍是该领域的一个公共难题，需后续研究更可靠、更智能、更高效的处理方法。基于点云数据的智能信息提取方法正逐渐朝着多源数据融合的方向发展，如以高光谱影像数据辅助建筑物提取、独立树建模等，以及利用现有的基础地理信息数据，如DLG (Digital Line Graph)辅助进行城市道路、绿地等专题信息提取等。

点云滤波方面具有代表性的算法大概分3类：①以形态学为基础的滤波算法，该类算法通过定义一系列形态学算子进行地面点和非地面点分离；②以点云平差为基础的线性预测滤波算法，并在Inpho公司进行产品化。其基本思想是：通过计算每个高程点与预测趋势面的残差，估计每个点的内插权重，通过权重的改变自动分离地面点与非地面点；③以不规则三角网为基础的渐进加密算法，该算法以内插三角网为滤波基础，根据一定阈值条件自动剔除非地面点，某个版本已在TerraScan中产品化。另外，还有一些其他针对具体地形的滤波算法就不再逐一列举。

从总体来看，形态学滤波算法比较适合场景较为简单的城市区域，较少应用在地貌信息复杂的山区，线性预测方法计算量较大，并且没有针对地形特征变化进行内插权重的自适应调整，而三角网算法也存在较为明显的缺陷，即：当初始地面三角网与地形特征相差较大时，滤波质量显著降低，相应地，其他算法也只适应有限的地形条件。同时，ISPRS (International Society for Photogrammetry and Remote Sensing)组织学者对各类滤波算法进行比较研究，认为：大多数滤波算法针对特定地形可以取得良好结果，没有哪一种算法适合各种地形条件，并指出未来的滤波算法需要融合多元数据分析，分类识别等辅助手段。因此，针对不同的地形条件，相应地调整滤波策略，并辅助有效的分类知识，将会成为未来点云滤波研究的重要发展方向。

1.3 精细建模与矢量测图技术

采用单一三维离散点云数据生成精细化网格模型起源于逆向工程领域，算法后续的繁荣体现在机器视觉与计算机视觉这两个学科分支中的三维场景曲面重构理论。在逆向工程领域，由著名的Crust理论证明可知，离散点云能否恢复表面几何拓扑重构：最关键影响因子在于点云的局部采样间隔，并总结推导出能满足拓扑重构的最大采样间隔公式。该项定理也从理论上总结或指导了许多三维表面重构方法的探索思路，最常见的方法包括：带约束条件的Delaunay表面重构、基于局部法向投影的增量三角重构以及Marching Cube等重建算法等。

从商业软件精细建模结果来推断，目前国际上大致分为三类：第一类是以拟合重建为主导的泊松重建理论（Poisson Reconstruction Method, PRM）：如著名逆向工程领域的Polyworks、Geomagic studio，计算机视觉领域的pix4d等这类软件的模型构建都是采用PRM方式；第二类是以马克科夫随机场框架(Markov RandomField ,MRF)为基础的三维Delaunay重建理论，如法国的Acute3d，PixelFactory等，这类软件所构建的模型比较精致，没有节点内插拟合误差的引入；最后第三类则是还停留在针对地形地表建模的地图生产类软件，如国际上大部分的机载LiDAR软件，以及国产摄影测量软件系统等。其共同特点是构建简单的平面三角网格，然后为每一个节点附上高程属性值即可满足大部分生产制图需求。

矢量化测图是一类典型结构化信息提取技术，摄影测量软件多采用立体模式下交互式量测方法，即：左右立体影像对量测同名像点，再通过空间前方交会或是三角化算法实时计算三维点坐标，最后辅助简单的矢量编辑与符号化工具获取地形图，如德国Inpho，美国SSK、国产VirtuoZo、JX4/5等；另外还有一类机载LiDAR测图软件系统则直接在三维点云环境中，以高程、强度以及纹理色彩等辅助信息判读地物轮廓，再进行矢量线划图采集与编辑。值得指出的是，该类软件一般要在AutoCAD或MicroStation等矢量编辑平台环境下进行二次开发而成。

总体来讲，用于生产不同用途模型产品的精细建模技术与矢量测图技术，不能简单用技术先进性指标来衡量比较：精细建模技术主要考虑的是模型完整性保持、建模效率、模型有效简化等工作内容；而矢量建模技术则主要考虑利用自动化方法识别大部分强特征地物，开发更为友好的半自动建模软件实现等。

2　点云与影像联合测图趋势

2.1 数据质量方面

随着硬件平台与传感器的高速发展，获取高质量的离散三维点云或是高分辨率光学数码影像已属于普遍现象。近年来，由于无人机平台在专业或消费领域的普及性应用，催生该项技术的快速成熟。一方面单一扫描仪获取的数据质量在逐步提高：据最新报道无人机搭载机载LiDAR扫描仪，能获取的最大点阵密度能达到近千点/m²，其获取地表物体的结构完整性也非常良好；另一方面是通过不同传感器的数据融合提升数据质量：①由于机载LiDAR系统所获取数据主要集中在物体顶部区域，车载LiDAR系统获取建筑物侧面点云，两者几何配准后能获得相对全面的表面点云数据；②在机载LiDAR点云的引导下，先通过对同步或异步获取的光谱影像进行精确配准，进而采用局部稠密匹配来获得更高质量的表面点云。

总体来看，点云数据的密度方面还能进一步获得突破，甚至达到或超过光学影像分辨率，达到亚厘米级；而完整性方面，鉴于主动传感器的波谱反射特性，地物表面的点云难免出现数据丢失现象，本文认为通过光学影像稠密匹配结果进行有效修补方式将会更为有效，成本也相对低廉，是值得学者进一步钻研的课题方向之一。

2.2 自动目标识别分类方面

多年来，在测绘领域自动目标识别研究一直是局限在卫星遥感光谱影像像素分类方面，因此也出现了一批优秀的软件系统，如美国Erdas、ENVI、加拿大PCI、德国eCognition等系统。但由于同物异谱，异物同谱现象的普遍性导致仅仅依赖单一来源的像素灰度信息获取满意的目标识别效果非常困难。另外，光谱信息不能直接反映地物的空间属性，单一灰度一致性也难以直接恢复物体的轮廓信息。因此，本文从以下几个方面来建议点云与影像目标识别分类方法的趋势：

1）确立稠密点云在目标识别中的重要位置，光谱数据主要作为色彩、纹理等辅助信息占据较小的比重；

2）结合已有的基础地理信息数据库，对现有林区、城市等复杂地形区域的点云分类结果进行控制约束或定向优化；

3）加大基础学科开源算法库的引入，采用机器学习的方式对地形环境或目标特征进行训练，在分类过程中不断调整针对待识别目标的抽象条件以达到最优识别效果。若希望采用非监督分类模式，应着力加大知识样本库的建立工作，该数据库健全程度应是影响全自动识别算法执行的首要因素。

关于前沿的无人驾驶汽车，值得指出的是：目前国外Google公司与国内百度公司已先后推出准实用化的无人驾驶汽车。无疑这项工作是人工智能成功应用的典型案例，增强了人工智能领域科研人员的信心。但从技术角度讨论，无人驾驶汽车主体识别工作在于障碍物的实时检测、各类特征明确的已知交通标志的动态识别，以及已知道路中心线准确坐标后的路面识别等方面。这与实现目标区域的全要素地物识别之间差距还是非常大。总体来看，全要素全自动目标识别系统建设是一项非常具有挑战性的工作，研究人员务必立足行业需求，全面整合全球最先进的知识系统、最宝贵智力资源进行联合攻关，方能再有所突破。

2.3 新产品体系建设方面

在数字摄影测量制图历史上，以数字高程模型、数字正射影像、数字线划图、数字栅格地图等为主导的4D产品，长期作为定型的基础测绘地理信息产品为行业大众所认同。但随着测绘遥感技术的发展，如激光雷达技术、倾斜摄影测量技术(一种近景摄影测量模式在航空中的复制，由于数据采集相对规则，其处理难度远小于近景摄影数据)等新型遥感技术的进步，催生出新的产品类型需求，需要布局新的产品体系建设。本文立足于机载激光雷达与光学影像联合测图技术研究经验，对新产品体系进行理论上的梳理，以期对新产品体系建设具备一定借鉴意义：

1）数字表面模型(Digital Surface Model，DSM)产品制作工艺规范与产品定型工作迫在眉睫。从制作工艺来讲，激光扫描仪是一种能直接获取三维表面信息的新型传感器，而倾斜摄影测量则是一种多角度航空摄影作业方式，后续再通过立体视觉手段进行场景重构。前者场景重构速度块，但目前成本较高，非专业领域推广普及还比较困难；后者成本较低、宜于推广，但需要较为复杂的算法计算来保证场景重构的可用性，时效性稍有不足。两者的共同特点是都能构建复杂场景的精细三维模型，即目前行业大众所熟知的三维实景建模。另外，从产品定型来讲，数字表面模型记录的是空间物体表面真实三维信息的数据集，其本身具备满足航路规划、三维导航、资源普查等功能需求，同时也是一切后续4D产品生产的基本源数据。

综上，从产品技术角度讨论，今后相当长一段时间与数字表面模型相关主要研究工作将会聚焦在海量网格模型高效率高保真简化、多时相海量模型的数据分布式存储管理与网络传输、海量模型数据的高逼真可视化等方面；从产品属性讨论，针对数字表面模型的生产工艺进行规范化，并逐步提升该类产品在国家基础数据层面的重要性已十分必要，至少应重新定义新的4D产品体系，以满足行业技术进步要求。

2）结构化信息提取与三维DLG产品。与结构化后的矢量模型数据比较，无论采用何种算法进行模型简化，以网格方式进行表达的DSM产品数据量都非常庞大。因此，对模型数据进行结构化信息提取，是今后重要的研发工作，其研究内容至少包括模式识别、计算机图形学、数据库管理等交叉学科知识。

另外，关于三维DLG，尽管目前业内还没有明确定义，但论文认为应遵从以下两个原则：①三维DLG完全涵盖二维DLG的表现内容，通过简单的视图转换与打印便能生产传统二维DLG；②三维DLG应涵盖三维实体模型的骨架内容，因此需要存储更多的地物侧面坐标信息，能通过简单的拓扑重构(有限元剖分)与视图转换便能生成普通的3D模型，但较传统3D模型占有更小的存储空间与复杂度，更利于国家或地区进行基础测绘产品入库存档等。

概括来讲，本文认为目前数字表面模型应被逐步提升到国家基础测绘产品这一战略高度上来，与数字高程模型、数字正射影像、数字线划图共同组成新的4D产品体系；建议重新拓展数字线划图的概念，使得传统线划图与三维实体模型能有效统一，能直接满足地表实体的数字化构建、表达、传输等应用需求。

3　结束语

本文针对机载激光雷达点云与影像联合测图几类通用技术进展展开讨论，并对未来的技术发展趋势和新的产品体系建设需求进行简要分析，具体总结如下：

1）从传感器集成检校与数据配准技术、高质量滤波与分类技术，以及精细建模与矢量测图技术等3个方面对机载激光雷达点云与影像联合测图通用技术现状进行描述，并简要指出现有方法所存在的不足；

2）在激光点云数据处理方面，从点云数据质量、自动点云目标分类等方面讨论了未来点云数据后处理的优势与趋势；

3）在产品体系构建方面，论文围绕DSM为核心提出建设新4D产品体系的构想，随后初步给出三维DLG的概念，以期统一现有的数字线划图与三维单体模型数据类型，成为未来主流的结构化数据表述形式。