在當今信息化社會，傳統測繪作業方式已經不能滿足大數據快速更新的需求。為了更高效地獲取基礎信息數據及降低傳統作業成本，筆者所在單位引進全景移動測量系統進行智慧城市基礎地理信息數據采集和信息化專題數據提取的研究。

　　為全面、準確地掌握城區園林綠地資料，更好地反映當前城區綠化水平，推進園林綠化管理工作走向科學化、規范化、數字化，開展了城區綠地普查測量工作。現階段大多都采用全站儀、RTK方式進行測量采集，再結合人工調查方式進行遺漏檢查和屬性調繪。該種方式外業作業勞動強度大，效率低，不能實現城市專題數據的快速提取、更新。

　　全景激光移動測量系統可以在快速行駛過程中采集道路兩邊三維激光點云和全景影像數據，隨著全景激光移動測量方式的發展和推廣應用，可以解決沿道路兩旁行道樹數據的快速獲取問題，再通過內業自動化及人工交互作業方式，快速提取城市園林專題矢量要素，大大降低外業作業勞動強度，同時降低生產成本。

　　本文通過全景移動測量系統采集的高精度高密度三維激光點云和高分辨率全景影像，研究自動化提取行道樹數據。

　　【設備一覽表】

　　HiScan-S高精度一體化移動三維測量系統是海達數云自主研制的新型測繪裝備。該系統集成了高密度三維激光掃描系統、360°全景相機、高精度定位定姿系統等多個傳感器、總成控制系統和高性能計算機。

　　測程：100-1000m

　　激光發射頻率：大于100萬點/秒

　　掃描角分辨率：0.0088

　　掃描角度：360°

　　全景分辨率：大于5000萬像素

　　測量精度：±5cm（100m）

　　作業車速：≤60KM/h

　　圖1：HiScan-S高精度移動測量系統

　　【1.海量點云數據存儲設計】

　　研究采用的全景移動測量系統采集的點云具有高精度和高密度特點，為快速加載瀏覽顯示點云，需要采用高效的數據存儲格式。引用全景移動測量系統配套軟件中所設計點云存儲格式來進行描述說明。

　　1.1點云數據存儲

　　全景移動測量系統采集點云頻率是100萬點/s，按照50km/h的速度進行采集，10km點云有效數據大約為6GB。高密度、高精度海量點云數據如何有效存儲，實現快速加載顯示，成為至關重要的問題。

　　本研究所使用的點云測圖軟件，點云存儲的基本原則是采用分級分塊，每個級別對應一個顯示比例尺范圍，一個級別內部采用3級三維R樹索引，將點云三維空間劃分成塊集、塊、包，一個塊集包含若干塊，一個塊包含若干包，每個包采用邏輯壓縮和物理壓縮方法對數據進行壓縮存儲(如圖2所示)。對于大規模測區、地區城市級點云數據，采用云存儲方式，將點云索引和分塊點云數據存儲在云存儲服務器上。數據存儲總體結構如圖3所示。

　　圖2:塊集、塊、包邏輯示意圖

　　（1）每一級內部包括3級索引:塊集、塊、包。

　　（2）塊編號從左到右，從下到上，從低到高。

　　（3）分塊規則包括2×2×2,4×4×4,8×8×8,…，塊集邊長默認64。

　　（4）3級索引分塊均衡劃分，按每個數據包1~2萬點左右切割劃分。如果塊集數據大于2萬則切割塊，切割塊后塊數據大于2萬則切割數據包，直至最終數據包點云數量小于2萬；如果塊集、塊數據點云小于2萬，則不進行切割劃分。

　　圖3數據存儲總體結構圖

　　切割完成后形成的數據存儲總體結構如下:

　　（1）數據整體由若干級別構成，從低到高，0級是最詳細的原始數據，上一級由下一級數據抽希構成，每一級別對應不同顯示比例尺。

　　（2）坐標、強度、時間信息合并存儲，顏色、分類作為單獨可選信息存儲。

　　（3）按級別順序存儲，0，1，…，n。

　　（4）每一級別按坐標、強度、時間順序存儲。

　　（5）坐標、強度、時間、顏色、分類屬性，采用邏輯壓縮和物理壓縮方法，進行壓縮存儲。

　　1.2點云數據讀取顯示效率

　　基于以上點云存儲設計思路，在普通PC機(i3處理器，內存4GB)上，點云測圖軟件可以實現100億級點云數據的快速加載顯示，加載顯示響應時間小于1s，放大、縮小、漫游無卡頓現象，刷新響應時間小于1s，平均占用內存不超過200MB。

　　點云高效的空間索引組織方式是自動化分類算法快速分析提取的基礎，本文研究的基于車載激光點云自動化提取行道樹，使用點云空間索引進行點云數據讀取。

　　【2.自動化提取行道樹算法】

　　2.1算法分析步驟

　　行道樹特征是沿道路兩旁分布，位于靠近慢車道的人行道上或綠化隔離帶中，樹包含樹干、樹冠部分，樹干近圓柱狀，樹冠是沿樹干成發散狀，不同道路路段寬度、人行道綠化帶有差異，程序可按路段進行參數化設置進行提取，如圖4所示。其提取分析算法步驟如下:

　　（1）讀取激光掃描頭POS軌跡線，POS軌跡線進行左右緩沖(緩沖距離可配置)，得到分析范圍。

　　（2）將點云三維空間進行規則平面網格劃分（默認網格大小3m×3m，根據行道樹間距情況進行配置），根據空間關系進行判斷，保留POS緩沖范圍的網格（緩沖寬度可以根據路段情況配置）。

　　（3）遍歷目標范圍網格，依次查詢讀取每個網格范圍內點云，將點云按Ｚ方向從低到高等距離（0.5m）切割劃分格網內點。

　　（4）對格網內部切割劃分的點云進行特征分析，底部塊點云判斷是否符合人行道路面及樹根特征、中間1個以上切割柱體符合樹干特征、頂部向下1個以上切割柱體符合樹冠發散特征的，可認為是行道樹。

　　（5）使用中間包含樹干部分的切割柱體的點云，進行5cm斷面切割，對切割點云進行平面投影，擬合獲取平面坐標位置和樹干直徑。

　　圖4:行道樹自動化提取

　　2.2算法提取準確率

　　使用本算法分析提取兩份試驗數據，結果見表1、表2。

　　表1：第1份車載Z+F激光點云數據準確率

　　表2：第2份車載Z+F激光點云數據準確率

　　使用程序自動化分析提取結合手工檢查，比純手工提取提高,40％以上內業處理效率。

　　【3.結束語】

　　本文使用全景移動測量系統，集成GPS＋IMU、三維激光掃描儀、全景相機、同步控制器等多種傳感器，對城市道路數據進行外業采集，內業基于點云自動化提取行道樹，結合手工進行檢查修改，減輕了傳統測量外業采集工作量，提高了工作效率。通過試驗區采集處理對比驗證，可以大幅度提高生產效率，為城市專題圖數據生產更新，提供更便捷有效的解決方案。