０引言
目前，针对地面激光点云数据处理的研究，主要集中在点云去噪、配准和表面重建等方面［４７］。近年来，国内在应用激光扫描仪进行文物保护方面取得了不少成果，如蔡广杰等提出基于点云数据的复杂结构混合建模方法，实现大型复杂场景的精细纹理映射，完成了对西藏大昭寺的三维建模［８］。王莫等先后对太和殿、太和门等古建筑进行了三维数据采集，研究点云数据处理的理论和方法［９］。刘钰等基于重庆大足千手观音点云数据，研究点云的去噪、简化及网格化等预处理技术［１０］。本文重点对大型复杂仿古建筑物的精细三维建模方法进行探索，在点云获取、配准、去噪、精简的基础上，分别采用ＴＩＮ三角网和ＡｕｔｏＣＡＤ以及３ＤＭＡＸ方法构建完整的建筑物模型，实现模型的纹理映射和渲染，最后通过对比几种建模方法精度，验证了其用于建模可行性，同时分析各种建模方法的优劣，为古建筑物精细三维建模、文物保存和修复提供有效方法。
１点云数据获取
试验以河南理工大学西门大型仿古建筑为研究对象，采用ＬｅｉｃａＳｃａｎＳｔａｔｉｏｎ２三维激光扫描仪进行数据采集。由于仿古建筑结构的复杂性，故架设了多站进行扫描，以获取较完整的扫描数据。数据采集时先根据其位置和形状，确定合理试验方案，包括测站和标靶的数目、摆放位置以及控制网布设等。每站扫描以能最大范围扫描到目标场景为准，且尽量避免了树木、车辆等杂物的遮挡。为确保点云配准精度，标靶数目不少于三个，且扫描时均匀布置在重叠区域内。按照预定的试验方案共架设扫描２４站，获取了建筑物的影像和三维点云数据。采集时先用较低的分辨率对每站进行整体扫描，然后对古建筑物的牌匾、斗拱、雕塑、图样文字等细部构件进行分区高分辨率扫描。
２点云数据预处理
点云数据预处理是点云后期处理和建模的基础，包括点云配准、去噪和简化。其中点云配准质量直接决定着建模精度，而点云去噪和精简可以减少点云的数据量，提高建模效率，因此，点云预处理在三维建模中有非常重要的作用。
２．１点云配准
受仪器视角和环境的限制，点云扫描过程往往分多站进行，为了将不同测站的数据统一到相同的坐标系下，需要对点云数据进行空间配准，从而得到完整的点云模型。点云配准一般分为逐站配准、整体配准和精确配准。逐站配准以某一站点云数据为基准，其坐标系参考第一站点云，然后将各片点云采用同名点匹配的方法逐站进行拼接，其优点是拼接简单，无需考虑点云的坐标系问题，缺陷是容易造成误差的不断传递，尤其是模型端点处的点云误差最大［１１］。整体配准的思想是采用控制点进行坐标系统一，通过间接平差计算转换参数，其方法简单，精度较高［９］。精确配准又称点集与点集配准，可使不同点云间的配准误差达到最小，如Ｂｅｓｌ和ＭｃＫａｙ［１２］的最邻近点迭代算法，主要用于解决基于自由形态曲面的复杂配准问题，其精度很高，但对海量点云迭代的计算量大。综合考虑，本文采用了控制点拼接方法，如图１所示为点云拼接前后的对比图。
２．２点云去噪
点云配准实现了点云坐标系的统一，得到较完整的建筑物点云，但其包含了大量噪声点和冗余数据。由于仪器轻微抖动，测量物体表面反射特性差异，传感器质量、人为扰动、测量环境以及点云配准误差等因素的影响，获得点云难免存在杂乱点和噪声点，这不仅增加建模难度，而且还会严重影响建模精度和质量，所以要对点云进行去噪处理。由于该仿古建筑物结构复杂，包含的噪声点云数据量大，故先手动删除部分明显的噪声点，然后导入Ｇｅｏｍａｇｉｃ做进一步的去噪处理。经去噪后的点云更加平滑，同时有效地减小了后期建模偏差。
２．３点云简化
经去噪处理后，点云数据量有了一定的减小，但整体数据量仍然很大，且包含大量冗余数据。由于三维激光扫描仪数据采集方式限制，如拼接造成的点云重叠，墙面采集时密度过高等。使获得的建筑物点云存在大量冗余数据，为进一步减少整体点云数据量，保证后期建模效率，必须对点云进行精简。点云统一化采样是对点云进行等间距采样，可有效减少点云的冗余数据。经点云拼接、去噪、简化后，提高了点云数据的整体质量，为构建精细模型提供保证。
３不同方法的精细建模
精细建模是数据处理的重点，通过精细建模、纹理映射和模型渲染，可以真实再现古建筑的形态和外观，为古建筑变形和损毁分析提供数据支持，因此，基于点云的建筑物建模方法进行研究很有必要。本文分别探讨了Ｇｅｏｍａｇｉｃ、ＡｕｔｏＣＡＤ和３ＤＭＡＸ三种精细建模方法，通过精度对比，分析几种建模方法的可行性和优缺点。３．１Ｇｅｏｍａｇｉｃ建模该方法是以点云为基础构建三角网模型和多边形网模型。由于其对点云的完整性要求较高，故建模时首先要对点云进行修复，之后构建三角网和多边形模型，然后基于处理后的多边形采用分块建模，最终再将各部分合并成为一个完整模型。（１）点云修复。由于树木遮挡，所采集的偏房点云数据有一侧出现空洞，处理时采用镜像方法对缺失点云进行修复。由于原始点云数据缺失较多，故采用局部点云镜像，并结合另一台三维激光扫描仪采集数据，实现了不同仪器和不同测站点云数据的拼接合并，有效弥补了数据缺失情况下点云建模不足。（２）分块建模。分块建模是将整体模型划分成各小块，在保证各块完整性和相邻块重叠度的基础上，降低整体建模难度。由于屋顶具有极其不规则的轮廓，因此，决定对屋顶、房屋进行分块建模。首先对拼接后的点云进行分割，分别获得屋顶、屋体点云，注意分割时保留一定重叠部分，然后分别构建屋顶、屋体点云模型，之后将两部分合并为一个完整的多边形模型。建模在保证屋顶轮廓完整性的基础上，有效减小了屋顶轮廓线的变形，同时简化了点云建模数据量。分块建模既保证了模型精度，又提高了数据处理速度。图２为屋顶分块建模后的效果图，图３为模型组合后的整体效果图。（３）纹理映射。纹理映射可提高光栅扫描图像的视觉丰富感，对真实感图像生成有重要意义。实验中，为防止纹理映射造成模型变形，采用Ｐｈｏｔｏｓｈｏｐ进行高清正射影像处理。在整体纹理映射的基础上，针对纹理残缺部位进行影像重新采集，并进行局部纹理映射，直到效果满意为止。３．２ＡｕｔｏＣＡＤ建模ＡｕｔｏＣＡＤ建模则是以点云数据为基础直接建模，使得古建筑细部构件的测量更加方便。该方法主要利用ＣｌｏｕｄＷｏｒｘ将点云导入ＡｕｔｏＣＡＤ，通过点云切片绘制出建筑物的三维线框图。ＡｕｔｏＣＡＤ建模时，首先构建主阁楼的台基、墙体和屋顶，之后构建出左侧的副阁楼，然后借助两侧建筑物的对称性，镜像构建出右侧阁楼，以提高建模效率。古建筑精细建模中还采用了复合物体法，即布尔运算、多段线拉伸、扫略、可编辑多边形的连续修改等方法。门窗制作运用了ＣＡＤ的布尔运算；屋顶筒瓦的绘制采用了扫略功能，先绘制单个瓦片的断面图，沿屋顶曲面绘出路径，然后扫略得到一组筒瓦，再复制组合得到整个屋顶所有瓦面。建模时遵循先整体后局部、先控制后细节，以防止控制性尺寸出错引起的返工。首先绘制建筑物的中轴线，其次绘制台基、柱、檩、梁枋，然后绘制斗拱、椽望、墙体、门窗，接着绘制屋顶及脊兽等装饰构件，最后进行纹理贴图并渲染输出。图４为绘制的ＣＡＤ三维线框图，图５为模型正面的纹理映射效果图。３．３３ＤＭＡＸ建模方法３ＤＭＡＸ具有功能齐全、扩展性好、操作简便、建模逼真、功能强大等特点，在三维激光扫描技术大力发展的背景下，已成为虚拟古建筑重建的重要手段之一。３ＤＭＡＸ建模主要是通过量测建筑物各部件的点云尺寸，然后通过一系列的拉伸、挤出和自由变形等编辑操作构建各构件模型，然后将各部分组合成一个整体。建模时首先要根据建筑物特点确定建模顺序。按照从下至上的顺序依次构建台基、墙柱、屋顶，完成主阁楼的建模，按同样的方法构建单侧副阁楼，之后采用镜像复制得到另一侧阁楼，最后进行纹理贴图和渲染。如图６为屋顶结构构建过程，图７为建模的最终效果图。
４建模分析比较
建模精度是衡量建模质量的重要指标，因此本文首先就三种建模的精度进行分析，然后分别就三种方法的建模工作量、效率、效果以及适用环境进行探讨。由于三维模型的构建是通过点云拟合建立的，故点云精度直接影响了建模精度。然而分析点云的单点精度较难操作，因此，本文处理时采用了距离比较法。在建筑物上选取２０组具有代表性的点对，以全站仪测量和计算的边长作为理论参考，然后分别在ＴＩＮ模型、三维线框模型和３ＤＭＡＸ模型上的相同点位上量取边长，通过边长较差对Ｇｅｏｍａｇｉｃ建模、ＡｕｔｏＣＡＤ建模和３ＤＭＡＸ建模的精度进行对比分析。具体结果见表１（限于篇幅，这里仅列出１２组）。（１）Ｇｅｏｍａｇｉｃ建模精度分析。对表１中的测量数据进行误差分析可知，点云数据与全站仪的边长较差中误差为３．８６ｍｍ，平均在６ｍｍ以内，故点云数据能够满足建模的精度要求；ＴＩＮ模型相较于全站仪和点云数据的边长较差中误差分别为２２．３ｍｍ和２１．８ｍｍ。由于ＴＩＮ模型的精度受点位偏移、点云拟合算法及模型修补等因素的影响，因此，其量边误差较大，最大可达３０ｍｍ。此外在采用镜像功能进行屋顶建模时，镜像轴与屋顶实际中心轴难免存在偏差，这也是导致模型与全站仪数据偏差较大的原因。（２）ＡｕｔｏＣＡＤ建模精度分析。三维线框模型与全站仪和点云数据测边的较长中误差分别为１０．９ｍｍ，两者差值具有一致性，进一步验证了点云数据用于精细建模的可靠性。相对于全站仪数据，三维线框模型的边长较差基本控制在２０ｍｍ以内。因此，基于三维点云数据，采用ＡｕｔｏＣＡＤ进行三维建模能够满足工程精度要求。（３）３ＤＭＡＸ建模精度分析。点云数据上量测的边长与３ＤＭＡＸ建立模型所得数据之间存在着一定偏差，边长变形大都在２０ｍｍ左右，其中误差为２５ｍｍ。结果表示，采用３ＤＭＡＸ技术进行大型古建筑精确三维重建的精度稍差，但基本满足工程需求。通过对比发现，采用ＡｕｔｏＣＡＤ配合点云切片进行建模的精度要高于Ｇｅｏｍａｇｉｃ多边形建模的精度，但相较于后者，ＣＡＤ建模的自动化程度和效率较低，工作量大；而采用３ＤＭＡＸ建模的精度较差，但其效率和工作量相对适中，但建模的整体效果和美观度较高。当点云数据采集的质量较高且比较完整时，三角网建模精度会大大提高，能准确表达不规则物体和建筑物细部构建特征，但缺点是点云数据量庞大，处理速度较慢，对计算机存储和性能要求较高。所以建模时应根据具体的工程要求和用途，选择合适的建模方法和方案。例如，对于精度要求不高的虚拟三维场景浏览，可选择Ｇｅｏｍａｇｉｃ和３ＤＭＡＸ建模，同时适当减少点云数据量；而对于文物保存和修缮，则可以采用ＡｕｔｏＣＡＤ进行工程图纸绘制和方案设计。
５结语
本文所采用的三种方法基本都能够实现高精度、高仿真模型构建，建立模型精度可满足工程需要。其中ＴＩＮ模型的边长较差中误差在２０ｍｍ左右，ＣＡＤ三维模型精度为１０ｍｍ左右，３ＤＭＡＸ模型精度稍差为２５ｍｍ左右。实验虽然构建了精细的建筑物三维模型，然而如何有效去除点云噪声点，减少点煤矿机电论文云拼接误差，提高特征提取的自动化和构网建模效率，以及防止纹理映射造成的模型变形等仍是今后研究重点。
作者：李永强 牛路标 杨莎莎 吴珍珍 李立雪 单位：河南理工大学测绘与国土信息工程学院
