當前智慧城市建設正在成為地理空間資訊產業的一個熱點，智慧城市作為數字城市概念的進一步拓展，同樣地需要將建築物的三維建模技術作為重要組成部分。隨著資料獲取手段的更新以及資料量的急速增長，建築物建模方法逐步從手工向人機互動甚至全自動化、從單個建築建模到大規模場景批量建模發展。事實上，在攝影測量領域關於建築物自動/半自動三維建模的研究已有二十餘年曆史。 　　然而，複雜建築物的數字模型生成仍然是個頗具挑戰性的問題。以影像為例，在實際生產中最為成熟的是人工編輯方法，例如使用Sketchup、Auto CAD等軟體在影像基礎上進行幾何模型編輯以及紋理貼圖，建立單個建築物的三維模型。人工編輯雖然能保證重建模型的準確性和細節度，但是效率非常低下，無法適用於大規模場景建模的任務。而實現基於影像的全自動建模，需要在影像解譯領域取得較大突破，而囿於當前的研究進展，許多學者提出了基於人機互動的半自動建模方法，而且也已經出現若干成熟的商業軟體系統。例如瑞士聯邦蘇黎世理工大學推出的CyberCity-Modeler系統，利用航空遙感影像對多類地物進行三維點雲生成、分割和多面片擬合，操作員只需對點雲生成和分類步驟進行干預，因而效率較高，每天能完成500到1000個目標的工作量，該系統已經成功地應用於歐美多個城市的三維建模任務。另一類系統以德國Inpho公司推出的inJECT為代表，系統整合了一個包含多種常見建築物線框模型的資料庫，操作員只需根據影象的內容選擇特定建築物模型，系統能自動進行引數解算，使生成模型能夠與輸入影像保持相容性。同時該系統支援使用者拓展資料庫中的模型，以及由簡單模型組合複雜模型，使其能更好適應複雜城市場景。全自動建模方法現在仍處於研究階段，從計算機視覺的角度來看，三維建模可以轉化為一個大型優化問題，需要在場景的區域性以及全域性約束中尋求平衡，由此引出“自上而下”（先驗模型驅動）和“自下而上”（資料驅動）兩類方法。由於這一問題的病態性，當前許多自動化方法都在多源資料融合中尋求解決方案。 　　航空影像作為傳統攝影測量的資料來源，在獲取、儲存和分發方面較於其他資料來源有優勢；近幾十年隨著高空間解析度衛星遙感、近景攝影、地面移動測量、大傾角攝影等技術的進步，使得基於影像三維建模能夠獲取更多建築物細節以及適用於大範圍場景重建。值得注意的是，近年來有學者也在進行利用網路使用者上傳影像進行建築物三維建模的研究。同時，LiDAR技術的出現也極大推動了建築物自動建模的研究。通過記錄後向散射鐳射束的時刻，藉助機上的GPS/INS系統，該技術能直接測量地物點的空間三維座標，從而回避了影像特徵提取的步驟。LiDAR資料對建築物的面特徵描述效果較好，然而對於建築物中特別重要的線特徵效果欠佳，且依賴於掃描鐳射點雲的密度，因此經常與包括影像資料在內的其他資料結合使用。此外InSAR資料也具有建築物三維建模的潛力，但是當前研究尚在起步階段。 　　本文將針對建築物自動/半自動三維建模這一問題，從技術方案的角度介紹當前進展。 　　1三維引數模型 　　屋頂形狀建模在城市三維重建中是關鍵步驟，在我國《城市三維建模技術規範》的LOD2模型和開放地理資訊系統協會(OGC)CityGML2.0標準的LOD2模型中，屋頂形狀都成為該層次主要描述的結構。一般通過航空影像或者機載LiDAR資料完成屋頂建模，大多數時候影像資料也是以生產的密集匹配點雲作為三維建模的輸入資料，因此本節將討論廣泛用於點雲資料的引數化建模方法。 　　大多數建築物頂層形狀可以歸類為平頂、單坡屋頂、四坡屋頂、尖峰屋頂、人字形屋頂、折線型屋頂、斜折線型屋頂等若干基本幾何形狀，並區分成三個較大類別。如果忽略屋頂細部結構（如煙囪、採光窗），即使只能獲取低密度點雲，這類簡單形狀也能很好地擬合屋頂。

對於複雜建築物屋頂，簡單形狀無法對其進行描述，一般需要將複雜形狀分解為若干核不重疊的元胞，使得每個元胞能用簡單形狀基元進行擬合，最後在把各個元胞的建模結果組合成複雜建築物模型。一般將包含建築物的一個區塊沿著建築物特徵線方向進行分解，並把劃分的元胞與建築物腳點疊合，認為元胞內的點雲能用上述基本幾何形狀擬合。有學者提出了基於穩健估計RANSAC的預處理方法為模型擬合提供初值，另外有學者為了克服模型過分解問題，引入外部DEM資料重新合併過分解元胞。 　　2非引數模型 　　引數模型得到的是對點雲整體最優擬合的模型，所以在建築物特徵線（如人字形房屋的脊線）上的擬合精度並不一定高。非引數方法很好地克服了這一缺陷，其無需先驗假定潛在的幾何模型。這一方法的一般流程為：首先分割點雲並對擬合局部面片，然後建立面片間的鄰域（拓撲）關係，根據鄰域關係檢測屋頂的特徵線，最後進行三維模型表達。 　　點雲分割方法可以分成四類：聚類，區域增長，模型擬合和能量函式優化。聚類方法利用點雲資料的屬性特徵（如法線方向）進行聚類，一般可以採用K均值、均值漂移等成熟聚類演算法，該方法缺點是對資料噪聲較敏感。區域增長根據初始種子點增長面片，這種方法比較簡單，其結果好壞取決於初始種子點的選取以及增長準則。模型擬合方法與引數擬合方法類似，然而擬合的物件一般為區域性平面，RANSAC和Hough變換是這一類方法的有效工具，對於場景內的主要平面分割效果較好。能量函式優化方法靈活性較強，能根據事先給定的約束給出全域性最優的分割結果，但是計算量較大。 　　分割後的點雲面片需要建立相互的拓撲關係，通常可以用區域鄰接圖來表示，各面片區域構成圖中的結點，對於有公共交線的面片則建立相應的邊表示它們的鄰接關係。通過這種資料結構可以有效地檢測資料中的交線、階躍邊甚至是屋頂的細小單元。一般採用閾值方法來判斷鄰接與否，例如面片邊緣之間的最短距離。因此，交線便可以通過鄰接面片相交求出。而藉助外部DEM資料，可以用高差判斷建築物邊緣點，當邊緣點全部檢測出來，使用二維的Hough變換就可以把建築物屋檐線提取出來。

這一類方法最終得到了建築物的多面片模型或者線框模型，不過也有學者提出對結果進行進一步的引數模型擬合。根據模型庫裡的基本屋頂基元建立相應拓撲圖，然後使用非引數方法得到建築物的拓撲圖，並利用基元拓撲圖對其進行子圖分解，從而達到模型擬合的目的，有效迴避了元胞劃分的問題。 　　3基於線特徵的方案 　　與基於點雲的方法不同，此類方法利用影像中直接提取出來的直線特徵進行三維建模。一般流程為：直線特徵提取、直線特徵匹配、三維直線特徵生成、三維直線特徵共面編組以及平面聚合和衝突處理。 　　影象處理領域提供了很多成熟的直線特徵提取演算法，例如分裂合併演算法、RANSAC演算法、相位編組演算法、Hough變換演算法，等等。直線提取中存在不確定性問題，因為影像噪聲和地物遮擋等各方面因素的影響，使得提取的直線特徵在完整性和準確性方面存在問題。完整性問題主要由於遮擋造成，此時提取的直線在不同視角中的屬性不同，難以建立對應關係；準確性由影像質量決定，噪聲較多的影像提取的直線特徵無法準確地建立與實際空間三維直線的對應關係。當前解決這些問題的主要方法有左右匹配檢查和不確定性統計建模。 　　直線立體匹配與點特徵立體匹配相似，是從不同視角影像中尋找同名的直線特徵，用於計算深度資訊。由於線特徵的不確定性較強，需要引入其他的約束條件衡量直線間的對應性，常用的約束包括：核線約束、視差連續性、有序性和拓撲性質。層次化的匹配策略也能有效改善匹配結果，通過由多條直線構造更加複雜的結構特徵，利用高層直線結構的匹配和底層單條直線的匹配之間的相互支撐和約束，弱化匹配過程中的二義性。由於引入了多種約束條件，直線特徵匹配通常應用多種數學優化演算法，包括圖優化、模擬退火法、鬆弛標記法、動態規劃方法等，能夠獲得當前約束下的全域性最優匹配結果。 　　特徵共面編組對由匹配結果和成像模型計算的空間直線做後處理，以實現以下目的：合併冗餘直線特徵，剔除錯誤特徵，恢復建築物模型表面。而平面聚合和衝突處理作為高層次的後處理步驟，需要引入一些先驗知識，通過幾何推理進一步消除重建結果的不相容性。 　　4多源資訊融合 　　利用多源資料進行三維建模已經成為攝影測量界的研究熱點，這是因為單一資料來源往往不能提供建築物的完整資訊。衛星影像雖然能提供大範圍覆蓋，但受基高比限制高程精度較差；航空影像作為三維建模的主要資料來源，在地物遮擋處需要其他資訊作為補充；機載LiDAR資料能提供高精度的三維資訊，然而無法描述線性特徵且細部表現能力受腳點密度制約，一般不作為單獨的重建資料來源。其他資料來源如近景攝影測量、GIS資料等能夠提供關於建築物某一部分的資訊。多源資料融合正是為了彌補單一資料造成的資訊缺失，而實現資訊互補。 　　影像和LiDAR資料的融合。利用前者對目標細節和邊緣的表現能力，以及後者對目標表面的精確測量能力，為立體匹配提供了較強的先驗知識和約束條件，進而提高自動化水平。這兩類資訊具有很強的互補性，因此是研究領域的熱門，且有很強的實用性。 　　輔助GIS資料的應用。三維重建當中的GIS資料一般是指建築物的地面規劃圖，能夠提供建築物的二維投影資訊。前文提到引數模型擬合方法用於複雜建築物時需要進行建築物模型分解，而規劃圖資料恰能提供這一輔助資訊。 　　多種影像資訊的綜合應用。最具代表性的是航空航天影像與近景影像的綜合，前者可以獲得建築物的屋頂形狀，然而遮擋和基高比的制約使其無法建立建築物立面的細節，地面近景影像剛好能夠提供這一資訊，綜合兩者能建立建築物完整的細節模型，滿足《城市三維建模技術規範》的LOD3模型要求。兩者間融合的關鍵問題在於異質相機內外方位元素的聯合解算。另外也有學者引入數字正射影像，為立體匹配提供更精確的邊緣資訊。 　　5結論 　　以上從技術方案的角度對當前城市建築物三維重建研究的狀況進行了回顧，從這些案例中科院總結出當前發展的主要特點：資料來源越來越豐富，多源資料綜合利用水平越來越高，大大豐富了重建模型的細節度，提高了精確度和自動化水平；建築物三維模型趨向於精細化，這是經濟發展水平所推動的，也是感測器技術進步和多源資料融合的必然結果；商業軟體的自動化水平越來越高，基於少量人機互動的半自動建模方法趨向成熟，自動化方法的研究突飛猛進。而這些發展也為研究者們帶來了挑戰：資料量增長以及對精細模型的需求，對建模方法的高效性提出了要求，也為三維建築物模型資料庫的管理和維護帶來挑戰；結合實際的應用需求，行業標準對建模方法的層次細節度提出了要求，使得建模過程需要同時考慮不同尺度下的模型表達；知識和語義資訊亟待融入建模過程，正如前文所述，知識規則能有效提高三維模型的準確性和相容性，當前已有學者投入這方面的研究，然而離實用化尚有距離。 　　參考文獻 　　[1]張祖勳，張劍清.城市建模的途徑與關鍵技術[J].世界科技研究與發展，2003，25(3):23-29. 　　[2]許捍衛，範小虎，任家勇，張志強.基於SketchUp和ArcGIS的城市三維視覺化研究[J].測繪通報， 2010，3. 　　[3]朱儁傑，郭華東，範湘濤等.高解析度SAR與光學影象融合的建築物三維重建研究[J].高技術通訊，2005，15(12):68-74. 　　[4]CN-CJ.城市三維建模技術規範[S]，2010. 　　[5]李勇.基於鐳射掃描點雲資料的建築物三維重建研究[D].中南大學，2011. 　　[6]飛燕航空遙感http://www.feiyantech.com/Products/chhksy56.html