基于影像点云的可量测全景服务模式

武汉海达数云技术有限公司 杨 峰

一、引 言

近年来，搭载着三维激光技术的产品如雨后春笋般涌现，如国外的Faro地面三维激光扫描仪、国内的LS300地面三维激光扫描仪和iScan移动三维激光测量系统等，其在推动着地理信息领域变革的同时，在其他许多领域也得到了广泛应用，如街景地图、数字博物馆、基于LBS的2.0服务等，无不是时下最热门的讨论话题。

三维激光扫描仪能同时获取两种数据产品——激光点云和全景影像数据，这两种数据各有优势和特长。如何有效地结合三维激光点云数据和全景影像数据，更好地为行业应用特别是互联网应用服务，是本文研究的目的和意义所在。

二、影像点云

三维激光扫描仪利用发生激光器对物体进行测量，能够快速获取物体表面的三维空间坐标数据，并返回地物反射信号的强度，这就是三维激光点云数据。点云数据一般都是目标的三维坐标，其空间分布较为离散，而且利用强度生成的灰度影像在视觉上并不直观；另外，点云数据的海量特性给数据的存储和处理带来了巨大的挑战。单纯利用点云数据，难以对地物进行分类和测量，制约着点云的应用。

如果有目标地物的影像数据，利用影像丰富的光谱信息来弥补三维激光点云的不足，将点云数据与影像数据进行数据融合，可提供具有真实彩色的点云，大大提高点云可视化的效果。三维激光点云和全景影像数据结合使用，对目标的描述具有互补性，这就是影像点云数据。

互联网街景地图及数字博物馆应用，需要高分辨率、高质量的全景影像作为前端展现，直观地将场景呈现给用户；也需要三维激光点云数据提供与前端交互的数据运算服务，影像点云在这样的场景下将发挥其用武之地。由于激光点云的海量性，以及互联网环境下数据传输的数据量要求，通过一定的技术手段，将三维激光点云数据中包含的精确三维坐标信息转换成小数据量的形式，同时配合影像数据提供的直观信息，在街景地图服务和数字博物馆应用场景下，实现基于影像点云的全景量测服务，是本文下节重点阐述的内容。

三、全景量测

市面上主流的三维激光扫描仪大部分通过内置的相机同步获取影像数据，直接提供彩色点云数据，但影像的分辨率、对焦和曝光质量等并不能满足行业应用的需要，在实际应用中，主要运用外置相机采集高分辨影像数据。

三维激光点云和高分辨率全景影像数据要形成影像点云，必须解决两者的配准映射问题:即通过三维激光点云找到对应影像像素，进行点云着色；反之以全景影像作为展现载体，通过影像像素坐标找到对应的三维激光点云，从而进行地物量测运算。

1.全景影像与激光点云配准方法

1）将球面全景影像看做是单位球体，则配准工作就变成单位球体三维空间与物方点云三维空间的配准。选定3对以上不在同一平面的控制点，计算影像单位球体的光心位置（Xc、Yc、Zc）和姿态参数（φ，ω，κ）。

2）根据选定的全景影像像素坐标（u，v），计算单位球体球面坐标（x，y，z）。

3）根据控制点对坐标计算球体全景影像光心位置（Xc，Yc，Zc）和姿态（φ，ω，κ）。目标点、像点、光心三点共线，可得出共线方程，将共线方程按泰勒级数展开，转换为线性方程，再用最小二乘迭代方法计算。

此外，如何通过全景影像上任意像素快速获取点云坐标也是亟待解决的问题。海量的点云数据并不适合于互联网的应用，需要将点云以某种方式存储，以解决球面全景影像快速测量问题。

2.基于深度图的全景影像快速量测方法

配准后的球面全景影像将得到光心位置（Xc，Yc，Zc）和姿态（φ，ω，κ）6 个参数，以光心位置为原点，搜索一定距离范围的点云，将搜索到的点生成球面深度图，以无压缩的PNG格式存储。深度图的球心是全景影像的光心位置，点云到光心位置的距离可以以一定计算模型转换为RGB；反之像素RGB可以转换为点云到光心位置的距离（如图1所示）。

图1 点云深度图生成方法

在球面全景影像上测量时，首先获取到鼠标位置影像的像素坐标（u，v）和球面角度（θ，φ），根据全景姿态参数（φ，ω，κ）可以将影像像素坐标转换为深度图像素坐标（u'，v'），获取深度图像像素RGB并转换为距离值d。根据距离值d和球面角度（θ，φ）即可计算影像像素位置的三维坐标（x，y，z）。

四、实际应用

本文采用武汉海达数云技术有限公司的iScan移动测量系统，采集杭州理工大学附近的一段街景数据。iScan系统将三维激光扫描设备、卫星定位模块、惯性导航装置、360°全景相机、总成控制模块和高性能板卡计算机高度集成，封装在刚性平台中，便于安装到移动载体上。在载体高速移动过程中，能快速获取高精度定位定姿数据、高密度三维点云和高清连续全景影像数据，使用非常简单，结果如图2～图4所示。

图2 点云与全景配准后的影像点云

图3 利用点云南生成的深度图

图4 街景地图以及全景量测

五、结束语

可以看出，本文提出的基于影像点云的可量测服务模式，是以全景影像为前台表现，以点云为后台支撑的全新地理空间信息应用模式。其优势在于可以将海量的点云数据转换为深度图像，大大减少数据量，方便在B/S结构的程序中进行快速部署与测量。在街景服务、数字城市、数字博物馆中均有着广泛的应用价值。