广义影像点云构建与多细节层次建模

Earth observation technology enables to capture spatial data with different platforms rapidly. Nevertheless, the captured spatial data usually shows different resolutions, scales, and granularities, posing great challenges to process the data within a uniform framework. Hence, the complimentary between the captured spatial data can not be fully utilized for 3D urban model reconstructing and computing. The research grant aims to propose the theory and methodology of generalized imagery-point clouds (GIPC) to overcome the drawbacks of multiple platform spatial data robust harmonization and processing. The GIPC model has four attributes, namely, uniform coordinate reference, uniform representation, multi-dimensional sensibility, and measurement on demand. Three key problems will be investigated in the research grant, and listed as follows: 1. The construction of the generalized imagery-point clouds models, which aims to robustly generate the GIPC model with the spatial data from different platforms, 2. Sematic labeling and structures extraction from the generalized imagery-point clouds models, aiming to segment and classify the GIPC for objects detection, 3. Multiple levels of detail (LoD) representation of urban objects with correct topology, relations, and geometric details, aiming to build the computing 3D geometry models. Finally, 3D cadaster management and street-scene maps will be generated with the laser point clouds and imagery data from UAV platform and mobile mapping vehicles to validate the theory and methodology. The output from the research grant will build the pipeline of the generalized imagery-point clouds generation, the precise extraction of multiple features, and precise 3D modelling, and will provide services for many purposes and fields such as urban disaster management and smart city.

对地观测技术的进步为城市三维建模提供了丰富的、不同粒度的数据源（如：影像数据、激光扫描数据），但不同平台获取的数据（我们称之为狭义的影像点云）的时空基准、表达方式和粒度精度方面均存在较大的不一致性，现有的理论与方法对其进行独立处理，无法进行优势互补和互联互通，难以构建可计算的三维城市模型，急需发展广义影像点云处理的理论与方法，从狭义影像点云走向广义影像点云，从可视化走向可计算。本项目重点建立广义影像点云的理论与方法体系。广义影像点云是指汇集摄影测量、激光扫描、众源采集等多平台空间数据，通过清洗、配准与整合，实现从多角度、视相关到全方位、视无关，建立具有基准一致、表达统一、多维感知和按需量测的广义影像点云，实现复杂场景的全覆盖描述；本项目发展广义影像点云的结构提取与语义标识方法，研究几何、关系、语义一体的多细节层次建模，建立从“广义影像点云构建—>几何结构识别与语义标识—>多细节层次建模”的理论与方法体系；以复杂街景环境为研究对象，以三维地籍、精准导航等应用为实例，实现从“逼真可视”到“精准感知”的跨越，推进GIS 由二维静态快速走向多维动态实时。

对地观测技术的进步为城市三维建模提供了丰富的、不同粒度的数据源（如：影像数据、激光扫描数据），但不同平台获取的数据（我们称之为狭义的影像点云）的时空基准、表达方式和粒度精度方面均存在较大的不一致性，现有的理论与方法对其进行独立处理，无法进行优势互补和互联互通，难以构建可计算的三维城市模型。因此，项目组开展了以下研究：① 提出广义点云概念和科学理论框架，点云科学研究和工程应用提供理论支撑；② 发展了多源异构数据高精度融合方法，实现了多样化场景的多源、异构数据全自动统一定位、定姿与融合；③ 研究了地物要素结构提取与多细节层次表达方法，为复杂三维场景理解、精细管理和多粒度分析提供了科学工具支撑。依托项目培养了国家杰出青年科学基金获得者1人，国家“万人计划”科技创新领军人才1人，国家青年拔尖人才计划1人，国家博士后创新人才支持计划1人。由于在广义点云信息智能提取与三维多细节层次建模理论方法的突出贡献，项目负责人杨必胜教授获得2019年全球唯一的Carl Pulfrich奖，受到全球学者的广泛认可。相关研究成果累计发表54篇论文，其中SCI 论文33篇，EI 论文21篇，获批国家发明专利9项，出版专著《点云智能处理》1部。理论成果转化服务于电力线走廊的安全巡检、城市全息测绘、城市三维产权空间管理、高速公路改扩建工程、无人驾驶等国家重大工程应用，大幅提升生产效率，获得了2019年测绘科技进步特等奖，2019年测绘科技进步一等奖和2020年测绘科技进步一等奖。