? 今晚开什么特马
?
|
|
 
第16版:上一版
下一版
位置:第99期>>第16版:三维移动测量的现状、挑战与发展趋势
 
三维移动测量的现状、挑战与发展趋势
 
 
2017-03-30 20:04 编辑:文 / 杨必胜(武汉大学测绘遥感信息工程国家重点实验室) 浏览量:3519人
 
 

 
 

随着传感器技术、通信技术、定位技术等飞速发展,移动测量正由过去以立体像对获取为主的三维地理空间信息间接获取,走向以影像、激光扫描点云为主的三维地理空间信息直接获取。

 

 

三维移动测量发展呈现井喷

 

经过近20年的发展,北美和亚洲国家研制的第一代移动测量系统(道路级移动测量)在基础测绘、道路交通、市政管理、军事等多个行业发挥了出色的作用。

 

随着主/被动测量传感器以及定位与测姿技术的飞速发展,传感器的重量、尺寸、价格不断下降,性能快速提高,集成GPS/惯性导航(IMU)/激光扫描/光学相机/移动平台为一体的第二代移动测量系统蓬勃发展。第二代移动测量系统与第一代移动测量系统相比,在以下三个方面存在显著不同:可直接获取三维密集点云进行地理空间的数字现实(Digital Reality)表达;搭载平台由过去的车辆为主转换到车辆、无人机、乃至便携式平台为主;地理空间数据的获取方面由过去的单一影像来源转变为影像和激光扫描点云的多源化。目前,以陆基三维移动测量为主的第二代三维移动测量系统在全球范围内呈现井喷式发展,如Riegl的VMX系列、Optech的LYNX、Trimble的MX系列、Topcon的IPS-2、今晚开什么特马的SZT-R1400以及秀山移动测量系统等,并在智慧城市、地理国情监测、导航与位置服务、规划与勘察设计等行业中广泛使用。

 

近年来,以无人机为运载平台的低空无人机三维移动测量系统也开始涌现,如Riegl企业研制了集成VUX扫描仪的低空无人旋翼机移动测量系统,武汉大学测绘遥感信息工程国家重点实验室研制的低空无人机直升机移动三维测量系统Heli-Mapping,北京拓维思科技研制的基于大疆无人机平台的“巡线鹰”,今晚开什么特马的SZT-V100等,并在电力巡检、林业资源调查等专业细分领域逐步应用。和航空/航天运载平台的摄影测量和遥感系统相比,低空无人机三维移动测量系统具有机动、灵活、高分辨率获取等特点,与陆基三维移动测量系统相结合可实现复杂三维场景的全方位数字现实表达。

 

学术界也一直在关注移动测量关键技术的攻关与研发。国际摄影测量与遥感学会(ISPRS)的委员会成立了移动测量专题的研究组,两年一届的移动测量国际学术研讨会(MMT)已成功举办了九届。移动测量关键技术相关的国际学术组织吸引了全球范围内学术界和工业界的相关大学、研究机构和人员参加,对移动测量技术“产学研用”紧密结合起到积极的推动作用,把第一代移动测量系统推进到以三维测量为核心的第二代移动测量系统。总体而言,第二代移动测量系统的硬件装备比较成熟,但是价格相对较高,尤其在数据App处理方面距离工程化的实践生产尚有很大差距。


海量三维点云处理面临巨大挑战

 

与传统以控制点为主的测量方式不同,三维移动测量系统的数据采集速度快、三维点云采样密集、可全天候作业,但也存在数据大量冗余、误差分布差异性大等独有的特点,这为海量三维密集点云的智能化处理带来了巨大挑战。

 

和相对发展较快的传感器硬件设备相比,三维移动测量系统的数据处理App发展显得较为缓慢。当前比较成熟的商业化三维移动测量系统数据处理App主要有Trimble企业的RealWorks,Leica企业的CYCLONE,Bentley企业的Pointools以及Orbit GT企业的Orbit Mobile Mapping等,其次国内外的研究团体以Point Cloud Library (PCL)为基础亦开发了系列的三维点云App,如:Cloud Compare等。上述App的主要功能包括点云的去噪、配准、目标提取以及构网等基本操作,但是距离海量三维点云处理的实用和好用尚有很大差距,面临的主要挑战如下。

 

点云数据质量改善

 

点云数据质量改善主要包括几何改正和强度改正。由于运动平台的不确性以及GPS定位误差的非线性分布等特点,导致点云的几何位置误差分布几何存在很大的不确定性。

 

几何改正包括噪声与粗差剔除、冗余去除等关键技术,从而提高扫描点云的位置精度和可用性,为数据的配准、融合等关键环节奠定基础,从而减少数据冗余,提高计算效率,降低数据存储成本。激光点云的反射强度一定程度上反映了地物的物理特性,对于地物的精细分类起到关键支撑作用。点云的反射强度不仅与地物表面的物理特性有关,而且与扫描距离、入射角度等因素紧密相关。

 

点云的强度改正需要建立点云强度校正模型,消除激光入射角度、地物距离激光扫描仪的距离等因素对点云反射强度的影响,实现扫描点云反射强度的校正。

 

 

多视角、多平台扫描点云的自动配准

 

三维移动测量获取平台的多样性(机载、车载等)和扫描方式的不同,导致点云数据的误差分布、覆盖度、重叠度等差异较大。不同扫描条带或扫描站点数据的自动配准是大范围场景完整、精细数字现实描述的先决条件。过去的人工靶标法效率低、成本高,而基于几何特征相关性统计分析的方法普适性和稳健性存在不足,无法满足上述需求,因此还需要突破鲁棒性、区分性强的同名特征自动化提取与配对,全局优化配准模型建立和配准模型的可靠性优化求解方面的瓶颈。

 

多源、结构化/非结构化数据的高效管理

 

三维移动测量获取数据具有典型的结构化/非结构化混合(如点云、影像、轨迹等)、多源、多维、数据海量、空间分布不规则等特征。多源、结构化/非结构化数据的高效管理是数据调度、查询分析、可视化分析的前提。

 

因此,发展高效查询分析与三维快速显示一体化的可伸缩动态索引方法是一个重要方向。同时结合当前的云存储、GPU运算、VR/AR等先进的计算、存储与显示技术,建立三维点云、影像、三维模型等一体的高效管理机制与显示方法,为复杂三维环境的全息多维显示提供关键技术支撑。

 

三维密集点云的自动精细分类

 

三维密集点云的精细分类是三维目标提取的前提,对于数字地面模型、复杂场景三维重建等具有十分重要的作用,也是实现从数据到三维制图的关键之一。由于复杂场景中地物目标的多样性、形态结构的复杂性以及相互遮挡,导致三维密集点云的空间密度差别迥异,对三维点云的自动精细分类带来了巨大挑战。

 

传统的基于逐点分类的方法和先分割再聚类的分类方法无法满足需求,极大地降低了三维密集点云的使用价值。基于深度学习的方法对二维场景的分类和理解比较有效,但是三维点云场景的精细分类面临复杂地物目标的三维结构特征描述、地物三维结构特征样本建立、具有迁移学习功能的分类器选择等难题。三维密集点云的精细分类需要融合地物的先验常识和第三方数据(如影像数据等),建立多尺度的三维分类模型,消除点云粒度差异对分类结果和目标提取的影响,提高分类的稳健性。

 

三维目标精准提取与多尺度重建

 

由于三维密集点云的高冗余、复杂三维场景不完备描述,以及三维目标尺度差异性等,导致三维目标提取的鲁棒性和精准性方面较差,缺少高效率、稳健性强的三维目标提取方法。基于几何特征、模板匹配等三维目标提取方法难以适应复杂三维场景重建的需求。

 

集成语义理解,建立三维目标的全局特征与局部特征的样本库,实现先验常识或第三方辅助数据引导下的全要素提取方法是未来的一个重要研究方向。

 

三维场景重建方面需要加强复杂三维目标自适应的多尺度三维重建方法,建立语义与结构正确映射的场景-目标-要素多级表达模型,解决从可视化为主的三维重建到可计算分析为核心的三维重建的瓶颈问题,从而提高三维重建结果的可用性和好用性。其次,需要建立三维模型的自动修复方法,克服局部数据缺失对模型不完整的影响,从而为复杂环境的多维动态制图奠定关键技术基础。

 

围绕三维移动测量面临的关键技术挑战,武汉大学测绘遥感信息工程国家重点实验室在973计划项目——学问遗产数字化保护的理论与方法,国家重点研发计划项目——国产空地全息三维遥感系统研制及产业化,国家自然科学基金重点项目——广义影像点云构建与多细节层次建模等多个国家重大/点项目的支撑下开展研究,取得了如下突破:

 

①建立了海量点云的可变三维体元空间索引与实时可视化方法,有效克服了固定三维体元大小导致空白节点和查询效率低的缺陷,奠定了TB级点云高效统一管理的技术基础;

 

②提出了多源、多视角点云时空基准一致性自动整合方法,有效减少了数据间配准误差的传递,解决了配准参数非线性优化求解问题,具有鲁棒性强、速度快、精度高的优点;

 

③发展了融合地物语义常识的多尺度三维分割与三维目标层次化提取方法,解决了单一分割尺度难以兼顾整体和局部的缺陷,提高了小尺度目标、不完整目标、重叠目标提取的完整性和精度;

 

④建立了基于形态学尺度空间的建筑物多LOD模型自动重建方法,直接从点云中自动构建拓扑正确的多尺度模型,克服了过去基于精细模型简化方法的缺陷,提高了三维模型的可用性和好用性;

 

⑤研制了具有自主常识产权的三维密集点云智能化处理App——Point2Model,在导航与位置服务、智慧城市、电力巡检、变形监测等工程中得以实际应用。


先进技术的突破推动三维移动测量快速发展

 

在传感器技术、通信技术和移动测量关键技术的快速进展与应用需求的多重驱动下,三维移动测量在现实获取(Reality Capture)方面取得了巨大进步,正在走进复杂环境全方位、多维度的数字现实时代。同时,人工智能、深度学习、虚拟/增强现实等领域先进技术的突破将更快地促进三维移动测量的发展和应用领域的拓宽,并推动三维移动测量朝以下几个方面发展。

 

第一,三维移动测量的平台将由以单一平台(移动车辆)为主转变为以多源化、众包式为主的空地柔性平台,如便携式背包/推车、机器人等,数据获取将由现在以几何数据获取为主走向几何数据与物化参数的多维获取。

 

第二,三维移动测量数据的定位定姿态将由以GPS/IMU/里程计为主转变为多传感器组合为主,如视觉/激光SLAM(Simultaneous Location and Mapping),传感器的尺寸、重量和价格进一步微型化、轻量化和低价化。

 

第三,三维移动测量的现实获取由街景采集走向室内、地下采集,室内外、地上下全空间的Reality Capture已经来临。数字现实的实时更新、语义理解等关键技术亟待突破。

 

第四,虚拟/增强现实、互/物联网+的发展将促使三维移动测量服务由产品级转变为网络化多维动态地理信息服务,应用方面由专业化应用扩展到大众化、消费级应用。


编辑概况:


杨必胜,博士,二级教授,博士生导师,武汉大学测绘遥感信息工程国家重点实验室主任助理,教育部新世纪优秀人才,湖北省杰出青年基金获得者。主要从事三维地理信息获取与分析方面的理论与方法研究,创新性建立了广义点云建模与分析的理论方法。近十年来,主持了国家重点研发计划重点专项、973计划课题、863计划课题、国家自然科学基金重点、面上项目及湖北省杰出青年科学基金等10余项;共发表SCI论文40余篇;担任ISPRS Journal of Photogrammetry and Remote Sensing期刊编委、国际摄影测量与遥感学会(ISPRS)点云处理工作组联合主席、国际大地测量学会(IAG)激光扫描工作组主席、Computers & Geosciences学术期刊Guest Editor;获美国摄影测量与遥感学会(ASPRS)ESRI优秀论文一等奖,湖北省科技进步一等奖、教育部自然科学一等奖各1项(均为第一完成人),获其他省部级科技一等奖4项、湖北省青年科技奖以及2016年“高校GIS创新人物”奖。

 

 
XML 地图 | Sitemap 地图