多源数据融合和建筑损毁评估的无人机与LiDAR观测方法

多源数据融合始于20世纪70年代，期望利用多源信息获得较单源信息更准确的结果（Hall和Llinas，2001）。多源数据融合可提高灾情监测能力，具体表现在：

（1）增加测量维数和置信度，提高容错性能，改进系统的可靠性和可维护性；

（2）扩展遥感观测的空间和时间覆盖范围，提高灾情观测数据的时空分辨率；

（3）改进探测性能，增加地灾响应的有效性，增强单一传感器获取地灾数据的能力。

国际上对数据融合技术的学术研究不断深入。自20世纪80年代末起，美国每年举行两个关于数据融合领域的会议，分别由美国国防部联合指导实验室C3I技术委员会和国际光学工程学会（SPIE）赞助召开。1998年成立了国际信息融合协会（ISIF），同年由NASA研究中心、美国陆军研究部、IEEE信号处理学会、IEEE控制系统学会、IEEE宇航和电子系统学会发起每年召开一次的信息融合国际会议，使全世界有关学者都能及时了解和掌握信息融合技术发展的新动向，促进了信息融合技术的发展（刘严岩，2006）。

随着多源遥感数据在地震灾损评估中的广泛应用，联合多源传感器的灾害监测和建筑物损毁评估得到广泛研究（Baltsavias，2004；Vu等，2009）。其中，基于机载LiDAR点云与高分辨率卫星/航空影像融合的研究较多。例如，Li等（2008）利用航空立体影像确定灾损建筑轮廓，然后基于LiDAR点云构建建筑三维模型，通过对比地震前后三维模型的差异评估建筑结构损毁程度。此外，融合SAR数据与光学影像的建筑物损毁评估也取得了丰硕成果。当前对多源遥感数据的灾害测量和建筑物损毁评估多以遥感影像和机载LiDAR融合为主，而针对多源三维数据的融合研究较少。Xu等（2014b）以单体损毁建筑物为例，研究了低空影像重建点云和地面LiDAR扫描点云的融合方法，获取了建筑物完备的三维信息，用以评估损毁建筑物的倾斜程度。

对三维数据的融合多采用点云配准方法，主要分为两类：

（1）特征匹配法（Faugeras和Hebert，1986；Stein和Medioni，1992）：通过选取离散的同名匹配点直接估算刚性转换参数。该类方法操作简单，但受限于同名特征选取的精度，较适于地物特征明显的区域。

（2）迭代最近点（ICP）算法（Besl和McKay，1992；Chen和Medioni，1992）：该算法首先需确定不同点云坐标系中同名点的匹配范围，然后通过迭代最小化这些对匹配点之间的距离优化转换参数，实现点云配准。由于该算法可能导致局部最优，众多学者对该算法进行了改进（Dorai等，1998；Dorai等，1997；Eggert等，1998；Zhang，1994；Yang等，2016）。(www.xing528.com)

实际应用中多采用由粗到精的点云配准方法，即先利用特征匹配方法估计初始转换矩阵，然后使用ICP算法迭代求精（Bae等，2005；Barnea和Filin，2008；Brenner等，2008；Stamos和Leordean，2003；翟瑞芳，2006）。此外，随着影像匹配技术的发展，研究者还尝试通过影像匹配辅助点云配准。其中，基于局部不变量的影像特征对光照、环境和几何畸变等因素具有较强的鲁棒性，逐渐引起研究者的兴趣。典型特征提取算法包括SIFT、SURF（Bay等，2006）、PCA-SIFT（Ke和Sukthankar，2004）等。Han等（2013）提出了基于特征匹配的点云配准方法，其过程包括三步（见图1.4）：首先对多站扫描过程中获取的同步影像提取特征点，并通过相似度判断建立特征匹配关系；然后利用影像与扫描仪的姿态关系，将匹配的特征点二维映射到点云三维空间；最后利用映射后的匹配点计算多站点云之间的转换参数，完成多站点云配准。

图1.4　基于影像匹配的LiDAR点云配准方法

本研究分析认为：遥感技术的快速发展为获取多源灾情数据提供了保证，同时也为研究有效的遥感灾害监测系统提供了良好契机。然而，现有遥感灾害监测系统仍存在灾情解译精度差、数据处理效率低、多源数据融合困难、自动化程度低等问题，急需提出有效的改进方法。针对传统遥感影像对灾情评估精度低的问题，基于三维数据的灾情评估方法是灾害应急评估的趋势。为此，不受场地和云层遮挡限制、机动灵活的低空无人机测量与地面LiDAR扫描技术可实现多层次、多角度的协同观测，是获取灾场三维信息服务固体地质灾害应急的可行途径。然而，建立高效、可靠的灾害应急监测体系，实现基于多源数据融合的建筑物损毁评估系统，亟需研究以下几个关键技术：

（1）基于低空影像的快速三维场景重建：SfM算法对影像传感器要求低，可利用多角度拍摄的影像序列生成无地面控制点条件下的三维点云，为基于低空影像的灾场三维重建提供了理论基础。然而，SfM算法的重建耗时随影像数目的增多而呈二次方规律增长，限制了其处理大数据影像集的时效性。为此，提高SfM算法效率，保障灾场快速三维重建的高时效性是本研究的首要任务。

（2）基于低空影像重建点云的灾场地物分类：快速、准确的灾场地物分类是灾害应急与灾情分析的重要内容，其结果对于建筑物损毁评估具有一定的指导意义。低空影像重建点云包含了地物的RGB和三维信息，为灾场地物分类提供了数据保障。研究表明，特征构建和样本采集是影响灾场地物分类精度的两个关键要素。为此，构建顾及光谱、纹理和几何等信息的点云特征描述子，提高灾场地物的可分性是本书的重要研究内容；针对灾场复杂和样本采集困难等问题，研究高效、优化的采样方法是保证灾害应急时效性和灾场地物分类精度的必要手段。

（3）空地异源点云融合：获取完备的三维数据是建筑物损毁评估的研究基础。针对单一传感器较难获取地物完备三维信息的问题，亟需设计合理的多源传感器的协同观测方法。从数据采集的角度分析，联合多角度、多层次的低空影像重建与局部地面LiDAR扫描是快速获取灾场建筑完备三维点云的有效途径。为此，研究有效的空地异源点云融合方法是保障建筑物损毁评估的关键内容。

（4）建筑倾斜检测与损毁评估：从灾害立体测量的角度分析，判断灾场建筑物倾斜与否是评估建筑物损毁的主要手段。因此，研究基于空地融合点云的建筑物倾斜检测方法是遥感灾害测量条件下建筑物损毁评估的重要课题；此外，探讨不同结构类型建筑物倾斜角度与其损毁程度之间的关系，有望为遥感应急测量下的建筑物损毁评估提供新的参考标准。