结合多源数据的城市级LOD1建筑物建模
郭欣怡1,2 吕 扬1,2 侯庆明1,2 陈品祥1,2
(1. 北京市测绘设计研究院, 北京 100038;2. 城市空间信息工程北京市重点实验室, 北京 100038)
摘 要：真实准确的三维建筑物表达是实景三维中国建设的重要组成。针对大范围、高精度细节层次(LOD)建筑物模型工程建立的需求,充分利用丰富的遥感和地理信息数据资源,形成了一种结合多源数据构建LOD1建筑物模型的方法。首先,分析整合高分辨率立体航空影像和机载激光点云生成的地形数据,其次,基于二维矢量自动提取建筑物高度,对高度阈值超限的建筑物进行航测立体采集,最后,重建LOD1建筑物模型,对模型进行精度评价。实验表明,通过该方法生成了较为精确的北京市全市550余万栋建筑物LOD1模型,高程中误差为0.87 m,平面中误差为1.45 m,为实景三维北京提供准确的基础数据。
0 引言
近年来城镇化水平大幅提高,城市人口急剧增加,地理学、城市规划学的众多学者对城市空间结构的相关内容开展了研究[1],三维空间数据快速获取及高性能三维可视化等技术被国际测绘科技视为竞争的前沿高地[2]。开放地理空间信息联盟城市地理标记语言编码标准将三维城市模型按照细节层次(levels of detail,LOD)划分为五个等级[3],如图 1所示,随着等级的提升,建筑物模型细节愈加丰富,LOD0指二维数据,LOD1指具有建筑物高度信息的三维模型, LOD2指增加屋顶形态信息的三维模型,LOD3指添加门窗等立面结构的三维模型,LOD4指具有室内信息的三维模型。
图1 CityGML中建筑物细节分级
对当前智慧城市的应用而言,LOD1模型是最基础的实景三维建筑物模型,具有实际推广价值。尽管LOD2、LOD3、LOD4模型更贴近真实世界,有更广泛的应用[4],但LOD1模型已可充分满足噪声传播分析、阴影分析以及可视性分析[5]等相关应用的需求,且具备动态更新的可能。
LOD1模型由建筑物位置轮廓和高度信息生成,本研究着重于建筑物高度提取的改进。基于光学影像提取建筑物高度的方法主要有三类。
第一类从形态学的角度考虑,基于单张遥感影像建筑物阴影反演得到高度[6-8],但该类方法多依赖环境,受太阳方位角、高度角、卫星高度以及地形影响,环境复杂、阴影较多的地方,误差较大。
第二类基于激光雷达(light detection and ranging,LiDAR)点云,直接处理波形[9]或地形数据[10],精度高于其他遥感数据源结果。Dukai Balázs等[11]基于点云和二维矢量生成LOD1模型,讨论了采用不同高度参考的差异,创建了荷兰所有建筑物的三维模型。但LiDAR数据采集成本高,效率低,处理难度高,目前我国只有武汉、上海等少数城市采集了满足点密度要求的点云数据,多数省市还未实现LiDAR大范围、周期更新覆盖。
第三类基于立体像对获得高度信息,陈亭等[12]基于Geoeye-1影像对比了立体像对法和单幅遥感影像阴影法建筑物提取结果,结果表明立体像对视差法更适用于高效大尺度提取,普适性更强,同时表明该方法的高大建筑物高度估算误差略高于低矮建筑物。Huabing Huang等[13]基于先进陆地观测卫星30 m格网的数字表面模型(digital surface model,DSM)估算了全中国建筑物高度,平顶建筑物精度为2.87 m,但高度成果停留在栅格数据层面,未精准到单体建筑物。密集匹配DSM存在地面高度变化大的区域同名点匹配困难导致精度受损的问题,并且密集匹配高精度数字高程模型(digital elevation model,DEM)仍是研究难点。
综上,建筑物阴影反演法受限因素较多,低矮建筑物集中区域尤其不适用,单一数据源获取城市尺度LOD1模型各有优缺点,而且国内各省市现如今均有多分辨率、多平台的遥感数据资源,统筹数据资源、充分挖掘各数据优势,既可解决单一数据源无法全覆盖的问题,又可尽最大限度提升精度。为弥补当前基于多源数据城市尺度建筑物LOD1模型产品的空白,本文提出了一种结合光学影像、机载激光雷达点云数据、矢量数据建立LOD1建筑物模型的方法,针对当前LOD1模型建立中存在的建筑高度定义不统一、精度评价难问题[14]提供了解决思路,致力于实现高精度大尺度LOD1建筑物模型建立。本文进行以下研究:①充分挖掘各测绘部门现有遥感和地理信息数据成果,使用多源数据快速准确提取市域尺度建筑物高度;②LOD1建筑物模型高度复核方法;③以北京市为例,开展实验及精度分析。
1 研究区和研究数据
北京市是中华人民共和国的首都、国家中心城市,全市下辖16个区,全市建筑数量高达550余万栋。
本文将地理国情普查的市情单体建筑数据作为建筑物轮廓数据提取建筑物高度,全市高度信息由两部分组成,局部区域采用现势性稍弱的激光雷达滤波生成的DSM、DEM数据,剩余区域使用现势性强的航摄影像密集匹配DSM数据和现势性弱的滤波DEM数据,具体参数如表1所示。
表1 数据情况
2 多源数据城市级LOD1模型建立
结合多源数据的LOD1建筑物建模方法流程如图2所示,共三步:①数据汇集,在该步骤中完成多源数据的分析、收集和整合;②LOD1建筑物模型建立,结合多种数据采用自动提取和有针对性的人工提取方法获取建筑物高度信息,构建LOD1建筑物模型;③精度评价,基于外业实测数据或更高精度数据验证方法有效性。
图2 LOD1建筑物模型建立方法流程
2.1 数据汇集
2.1.1 数据分析
本文意在尽最大可能分析、利用和整合现有数据完成城市尺度的研究。从覆盖范围、现势性、精度、处理效率等角度进行数据可用性综合分析,权衡利弊,保证获取高精度城市尺度LOD1模型。
根据收集到的数据,可通过4种方式获取建筑物高度,半全局匹配地形产品、激光雷达地形产品、激光雷达滤波、航测立体采集,各因素评价情况如表2所示。首先,单一数据源覆盖范围不全,需结合多源数据作为补充;其次,由于DEM数据随时间推移,变化较少,可优先考虑数据精度和处理效率,即选用激光雷达地形产品,而DSM数据随城市高速发展变化较大,则需优先考虑现势性,选用激光雷达滤波DSM作为局部补充;最后,考虑到航片匹配DSM随高差增大精度降低的特点,利用航测立体采集复核高度。
表2 已收集地形数据评价表
2.1.2 数据预处理
分块、滤波激光雷达点云数据,生成DSM、DEM数据后对数据重采样。整合多源数据常需使空间分辨率一致,若从原始数据出发,则可按照统一的空间分辨率生成,若基于积累的地形数据再加工,则需进行重采样。本文两种方式均采用,考虑低空间分辨率数据质量较差,而高空间分辨率精度适当损失仍可达到米级精度,将激光雷达滤波的2 m格网DEM、密集匹配的0.1 m和0.3 m格网DSM重采样后获得1 m格网间距的DSM、DEM数据,并将局部区域的激光雷达点云数据滤波后加工为1 m格网间距的DSM、DEM数据用于补充。影像拼接、基于外业采集控制点配准后获得一致格网间距覆盖全部研究范围的DSM、DEM数据。
2.2 LOD1建筑物模型建立
2.2.1 建筑物高度自动提取
栅格计算形成归一化数字表面模型(normalized digital surface model,nDSM),使得像元值可直接反映地物本身高度,消除地形的影响,如式(1)所示。
(1)
式中,HDEM和HDSM分别为DEM、DSM高程。结合建筑矢量,统计范围内的nDSM高程信息,HnDSM选用中值作为对应建筑的高度信息。
2.2.2 疑似高度错误图斑提取
参考地理国情普查成果提供的层数f,以每层i米预估建筑物高度,按照式(2)计算出建筑物高度差δ。层高的取值需要考虑不同类型、不同年代的建筑物,本研究考虑城市内部住宅建筑较商业建筑占多数,取2.7 m、3 m、3.5 m在建筑物类型多样的小区域多次尝试,选中使δ残差最小的3 m作为层高。
(2)
以建筑物高度差阈值提取疑似高度错误图斑,考虑高程数据以及层数的不确定性,加之航测半全局匹配DSM存在一定程度上中高层建筑高程缺失的问题,将6层以上高差大于3 m阈值的建筑物视为疑似建筑物高度提取错误的图斑。
2.2.3 航测立体复核
按照《民用建筑设计统一标准》GB50352—2019[15]中对建筑物高度的定义,在清华山维软件中借助立体像对采集疑似高度错误建筑物的高度。根据屋顶类型、突出物面积比例,女儿墙情况,采集建筑物不同位置的高度点,如图3所示。
图3 人工航测立体复核逻辑示意图
(1)非平屋顶建筑,采集三个点的高度,如图4所示,序号处位置为采点处,①指主体高,建筑主体最大高度,房脊高;②指房檐高,选择最低房檐点;③指地面高。
图4 非平屋顶建筑高度采集示意图
(2)平屋顶建筑,如图5所示,判断突出物屋顶平面面积是否大于1/4,若大于,如图5(b)所示,采集①主体高,面积占比大的突出物屋顶的高度;②房檐点,采集突出物房檐高;③地面高。否则,如图5(a)所示,采集①主体高,建筑主体最大高度;②房檐点,采集建筑主体房檐口高度;③地面高。其中,主体高的采集方式需根据建筑有无女儿墙区分,有则在建筑女儿墙顶点采集,无则采集至其屋面檐口。
(a)突出物屋顶平面面积小于1/4
(b)突出物屋顶平面面积大于1/4
图5 平屋顶建筑高度采集示意图
2.3 精度评价
建筑物矢量与建筑物高度信息获取后,拉伸可得LOD1建筑物模型,并保存为多面体要素,用于后续可视化展示与分析。
用外业测量数据和高精度的激光雷达点云数据分别对DSM、建筑物高度进行精度验证,计算建筑物高度残差∈hi以及均方根误差(Root mean squared error,RMSE),i为第i个建筑物。
用地形图验证平面精度,分别计算x、y方向残差,通过式(4)计算平面残差∈s以及RMSE。
(3)
(4)
3 结果与分析
3.1 精度评价
外业采集数据包括怀柔区、房山区、平谷区156个房角点高度,用于验证DSM精度,结果如表3所示,平均值为0.13 m,RMSE为0.56 m,精度较高。采集点密度为120 pt/m2,高精度激光雷达点云数据的60个建筑房角点和对应地面点,验证建筑物高度精度,结果如表4所示,平均值为-0.60 m,RMSE为0.87 m,可见该方法LOD1模型高度精度高。
表3 DSM精度评价结果 单位:m
表4 建筑物高度精度评价结果 单位:m
参考1∶500、1∶2 000和1∶10 000地形图选取70个样点验证LOD1模型平面精度,结果如表 5所示,平均值为1.05 m,RMSE为1.45 m,可见该方法LOD1模型平面精度高。
表5 建筑物平面精度评价结果 单位:m
3.2 LOD1成果可视化效果分析
LOD1建筑物模型可以较好地展示垂直维度的城市空间形态,以天通苑社区为例,天通苑位于北京北部五环与六环之间,是北京市典型的巨型居住社区。
图6为天通苑建筑物模型,可以看到模型目视效果较好,真实地反映了建筑物错落有致,直观展示不同区域房屋呈现出的形态差异,可有效辅助社区管理。例如,疫情防控期间,准确的LOD1建筑物模型有利于估算人口数量,针对不同人口密集程度采取不同的疫情防护措施,做到有效精准的防疫。
图6 LOD1建筑物模型示意图(天通苑社区)
4 结束语
本文提出一种结合多源数据的LOD1建筑物模型建立方法,通过对多源数据进行整理分析,局部小区域选用激光雷达滤波DSM、DEM,其余区域由航测半全局匹配DSM和激光雷达滤波DEM提供北京市建筑物高度的方式建立LOD1模型。在建筑物高度提取过程中,对自动提取高度进行了评估分析,针对疑似高度错误的建筑物完成了人工立体航测检查与修正,最后生成LOD1模型,经验证,采取大区域自动提取与高楼层建筑物人工立体航测修正相结合的方式,提供了高度中误差为0.87 m、平面误差为1.45 m的较精确的LOD1建筑物模型。LOD1模型也可为建筑高度整体管控和选址布局提供基础数据支持,为建筑物立面太阳能潜力评估,地震风险调查和震害损失评估等三维分析奠定基础。
综上,北京市LOD1模型的建立将为城市研究提供新的思路。未来,将继续研究光学影像和激光雷达点云数据融合,综合考虑丰富的平面信息和高程信息,提高LOD1、甚至LOD2级别的建筑物建模效率及精度,进一步思考LOD1模型动态更新的方式。
参考文献
[1] MENON C. The bright side of MAUP: Defining new measures of industrial agglomeration[J]. Papers in Regional Science, 2012, 91(1): 3-28.
[2] 朱庆, 张利国, 丁雨淋, 等. 从实景三维建模到数字孪生建模[J]. 测绘学报, 2022, 51(6): 1040-1049.
[3] BILJECKI F, LEDOUX H, STOTER J. An improved LOD speci-fication for 3D building models[J]. Computers, Environment and Urban Systems, 2016, 59: 25-37.
[4] BILJECKI F, HEUVELINK G B M, LEDOUX H, et al. Propagation of positional error in 3D GIS: Estimation of the solar irradiation of building roofs[J]. International Journal of Geographical Information Science, 2015, 29(12): 2269-2294.
[5] YAAGOUBI R, YARMANI M, KAMEL A, et al. HybVOR: A voronoi-based 3D GIS approach for camera surveillance network placement[J]. ISPRS International Journal of Geo-Information, 2015, 4(2): 754-782.
[6] 田峰, 陈冬花, 黄新利, 等. 基于形态学阴影指数的高分二号影像建筑物高度估计[J]. 遥感技术与应用, 2017, 32(5):844-850.
[7] 程国旗, 张继贤, 李阳春, 等. 高分影像建筑物阴影优化提取与高度估算[J]. 测绘科学, 2020, 45(8): 103-109.
[8] LIASIS G, STAVROU S. Satellite images analysis for shadow detection and building height estimation[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2016, 119: 437-450.
[9] 谭建伟, 程春泉, 杨书成, 等. 星载激光测高全波形分解的建筑物高度提取[J]. 测绘科学, 2020, 45(10): 102-109.
[10] 叶子伟, 林昀, 吴敦. 基于机载激光点云的建筑物高度提取方法研究[J]. 地理空间信息, 2017, 15(2): 52-54.
[11] DUKAI B, LEDOUX H, STOTER J E. A multi-height Lod1 model of all buildings in the Netherlands[J]. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2019, IV-4/W8: 51-57.
[12] 陈亭, 祝善友, 张桂欣, 等. 高分辨率遥感影像阴影与立体像对提取建筑物高度比较研究[J]. 地球信息科学学报, 2016, 18(9): 1267-1275.
[13] HUANG H B, CHEN P M, XU X Q, et al. Estimating building height in China from ALOS AW3D30[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2022, 185: 146-157.
[14] BILJECKI F, LEDOUX H, STOTER J, et al. The variants of an LOD of a 3D building model and their influence on spatial analyses[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2016, 116: 42-54.
[15] 中华人民共和国住房和城乡建设部. 民用建筑设计统一标准: GB 50352—2019[S]. 北京: 中国建筑工业出版社, 2019.
引文格式: 郭欣怡,吕扬,侯庆明,等.结合多源数据的城市级LOD1建筑物建模[J].北京测绘,2023,37(6):854-860.
基金项目：科技部创新方法工作专项(2020IM020500)
作者简介：郭欣怡(1995—),女,河南林州人,硕士,工程师,从事摄影测量与遥感工作。
E-mail:guoxinyi7@foxmail. com
转自：“测绘学术资讯”微信公众号
如有侵权，请联系本站删除！
