面向全息测绘的多平台点云智能处理与分析

   2018年10月，武汉大学测绘遥感信息工程学院杨必胜教授带领的全息测绘课题组与上海测绘院建立合作，开展新型基础测绘体系项目——智能化全息测绘，即以地理信息服务精细化、精确化、真实化、智能化为目标，利用倾斜摄影、激光扫描等传感技术获取全息地理实体要素，通过深度学习等AI技术自动半自动化提取建立地理实体的矢量、三维模型数据，结合调绘充实各地理实体的社会经济属性，形成涵盖地上地下、室内室外的一体化的全息高清、高精的结构化实体三维地理数据，为智慧社会提供全空间的地理信息服务。

城市精细化管理本质是对城市建筑、交通、水系、植被、部件、人口、汽车等各种软、硬，动态、静态要素及其关系的管理和服务。要实现智慧城市、像绣花一样精雕细琢的管理城市必须依托智能化全息数据的支撑。全息数据指包括地理实体(点、线、面、体)及其与之相关联的时间时序(静态、动态)、空间位置、地名、地址、属性特征(归属、归类、表象、色彩、材质)、社会价值与用途及其人文活动的时空数据集合，包括地上、地下、可见、不可见所有实体，以及实体的自然属性、社会属性。

激光扫描系统能够在高速移动状态下获取道路以及道路两侧建筑物、树木、交通标牌等地物表面的精确三维信息，具有数据采集速度快、自动化程度高、受天气影响小、数据内容丰富等传统测绘手段无可比拟的优势，让全息数据智能采集成为可能。大数据、云计算、移动互联、物联网、人工智能、计算机视觉等技术快速发展为测绘技术变革提供了强有力的技术支撑，让全息数据智能化处理提供了有力支撑。

因此，本项目针对全息测绘产品生产以及激光扫描数据的自动化处理的关键技术难点和瓶颈，以机载、车载、地面式和便携式（背包）等多平台点云和附属影像为数据源，以实现城市场景全要素提取和三维表达为目标，重点攻克海量点云和影像数据的组织及调度、点云数据的质量控制及改善、多平台激光点云数据高精度融合、地物目标（半）自动化提取、地物目标（半）自动矢量化、地物目标模型重建等方法，实现基于多平台点云和附属影像数据的智能化全息测绘体系，助力张江科学城建设全面发力，为实现‘像绣花一样精细’的城市管理提供翔实全面的全空间信息保障。

以地图和影像为代表的二维空间数据表达走过了漫长历程，点云成为继地图和影像后的第三类空间数据，为刻画三维现实世界提供了最直接和有效的表达方式，可以为“一带一路”、智慧城市，自动驾驶等现代科技发展提供基础的数据支撑。

针对目前点云数据存在的数据采集、处理及应用过程中存在的问题：

Ÿ   重复测量、利用率低

不同部门和单位对同一场景重复测量

点云数据只用于单一化的应用

Ÿ   数据精度（特别是城区）难以满足应用要求

高精地图生产

大比例尺DLG制作

高速公路改扩建等

Ÿ   数据完备性差

单一视角

数据遮挡

Ÿ   数据处理自动化水平不高

多类型地物目标提取

多细节层次三维模型重建（缺乏层次性和语义结构）

利用多平台点云采集系统实现现实世界的完备数据采集、质量控制、准确理解和精细表达成为测绘地理信息领域的科学前沿和各类工程应用的迫切需求。

搭建多平台点云数据与各类应用研究之间的桥梁面临五大挑战：

Ÿ   海量数据（点云、影像、矢量）组织管理

Ÿ   点云数据质量控制

Ÿ   多平台点云空间基准一致性整合

Ÿ   三维目标精准检测

Ÿ   包含语义结构的多细节层次模型重建

  

图1 顾忌目标完整性的数据自动化分块

城市环境GPS差，易失锁，测量车位置误差随时间累积以及IMU测量姿态的误差随时间累积会成非刚性形变。经过机载点云的车载点云绝对精度改善得到图2结果。

图2 原始上海车载数据（蓝）改善后结果，机载点云（绿），改善后（红）

多视角地面站点云自动化配准

图3 某城区11站点云自动配准

机载点云和地面点云融合

图4 机载点云与地面点云融合结果

目标提取

图5 路坎提取

图6 行道树提取

图7 点云数据漏洞检测

 

图8 点云标注软件

图9 模型重建

本项目针对类似上海的大型城市特点，助力上海测绘院完成新型基础测绘项目——以新型地理数据库系统管理城市基础数据，将真实城市数字化到虚拟世界，进行智能化管理，同时用虚拟城市模型管理和维护真实城市。