三维激光扫描在古建筑保护中的作用123

《三维激光扫描在古建筑保护中的作用123》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、三维激光扫描在古建筑保护中的应用研究1引言三维激光扫描，作为20世纪90年代中期开始出现的一项高新技术，具有速度快、效益高、实时性强等特点，很好的解决了目前空间信息技术发展实时性与准确性的颈瓶。因此，它很快成为空间数据获取的一种重要技术手段。国内21世纪初叶，三维激光开始被应用于古建筑测绘领域，如用于故宫修复测绘、和数码相机相结合对古建筑物进行快速三维重建等，实现古建的数字化存档，为研究中国古建筑史和建筑理论提供重要资料[1]，也对发扬古建筑文化具有重要的社会意义[2]。从研究成果中可以看出，与其它技术手段集成使用

2、，三维激光在古建筑保护中相对于传统测绘手段而言更显示出其独特的、无法取代的优越性。然而，由于建筑本身的特性以及技术本身的局限性，也使得三维激光用于古建筑测绘存在一定的缺陷，因此我们有必要在前人的基础上，进一步研究三维激光用于古建筑测绘的特点，及其存在的问题，并提出初步的改进方法。2三维激光扫描与数据处理2.1三维激光扫描数学原理地面三维激光扫描测量系统是由地面三维激光扫描测量仪、后处理软件、电源以及附属设备构成。测量时，按激光脉冲所测的空间距离；再根据水平向和垂直向的步进角距值，计算出扫描点的三维坐标。通过传动装置

3、的扫描运动，根据设定的扫描范围，完成对物体的全方位扫描；然后进行数据整理，再通过一系列处理获取目标表面的点云数据。图1三维激光扫描点云坐标测量原理示意图Fig.1thegraphofmappingpoint-clouds’coordinatesand3D-laserscanner同时，彩色CCD相机拍摄被测物体的彩色照片，记录物体的颜色信息，采用贴图技术将所摄取的物体的颜色信息匹配到各个被测点上，得到物体的彩色三维信息。三维激光扫描测量仪原理如图1所示。三维激光扫描技术通过对激光照射目标获取点云，使得传统的外业测量

4、更多的以数字化的方式转移到室内来进行，明显降低了测量工作的难度和工作量。所得数据的可挖掘性好，多用性好，大大减少了现场测量的时间和次数[3]，使得三维激光技术可方便、准确和迅速的用于建筑物信息的获取。2.2扫描数据处理地面三维激光扫描系统扫描得到的数据是点云数据(PointsCloud)，记录了有限体表面上离散点的空间坐标和某些物理参量。点的表示形式为(x，y，z，intensity，R，G，B)，不仅包含了点的空间位置关系，还包括点的强度信息和颜色灰度信息。离散的点云数据并不能够真实准确地表达构筑物的整体模型，为

5、了满足三维建模的需求，首先要对所获得的原始点云数据进行处理，包括数据滤波、坐标系转换、数据配准。2.2.1点云数据滤波对目标进行扫描后，扫描点云中可能存在树木、路灯、行人、车辆等不需要的点，造成数据冗余；另外，扫描目标的表面也会存在一些噪声点。这些冗余数据或噪声数据是无效的，同时增加了计算机内存，降低了数据处理效率，因而需要对点云数据进行滤波，剔除冗余数据，消除噪声点，提取目标表面的点云数据。具体措施有：对原始观测值进行粗差剔除，利用各种抗差估计方法去掉离群数据，采用传统去噪方法或小波去噪处理偶然（随机）误差[4]

6、。2.2.2坐标系转换点云数据中，点的空间位置信息是以扫描仪自身特定的坐标系统为基准，该坐标系统以仪器中心为原点，以仪器竖向扫描面向上的正方向为Z轴，与Z轴垂直的平面方向为X轴。实际应用中，通常要把扫描坐标系转化为国家统一坐标系或者是地方独立坐标系。两个空间直角坐标系的坐标变换的参数一般包括3个平移参数、3个旋转参数和1个尺度变化参数。同物方空间坐标系，其尺度相同，则两坐标系之间的变换有6个独立的参数。转换方程为：（1）六参数转换：当旋转角度很小时，其余弦值等于1，正弦值等于角度值；因此方程可化为：（2）采用3个共

7、轭点，列出9个误差方程，按间接平差法可获得6个转换参数的最小二乘解。此时，点云数据的内定向已经完成。2.2.3点云数据配准由于地面三维激光扫描测量仪的仪器特性以及周围环境的影响，一站扫描只能获得建筑物的部分信息，仪器无法扫描得到构筑物超出角度范围和被遮挡的部分；而建立构筑物整体的三维模型需要获得其整体的空间数据信息，因此扫描时必须多次更换视点或测站。把不同测站点云数据融合到统一坐标系统中得到整体空间数据信息，即数据配准。在天宝激光扫描配套数据处理软件中，提供了基于点云和基于目标的配准方式。采用三点到三点的配准方法，

8、在扫描区域中设置至少3个同名控制点，相邻的扫描点云数据统一到同一个坐标系下；对多个点云数据进行配准时，则将多个点云数据中的控制点组成一个闭合环，防止配准过程中坐标转换误差的积累。2.3三维建模地面三维激光扫描测量技术采集得到的数据是由全离散的矢量距离点构成的点云(PointsCloud)，可以用点云所蕴含的信息直接构建高精度的DEM，但没有任何明显的形体信息