第 22卷 第 3期2023年 3月
Vol. 22 No. 3Mar. 2023
软件导刊Software Guide
基于HLS 与TLS 的建筑物点云采集及3D 建模
性能比较分析
普新铭1，甘
淑1，2，袁希平1，2，3
，和文斌1
（1.昆明理工大学 国土资源工程学院；2.云南省高校高原山地空间信息测绘技术应用工程研究中心，云南 昆明 650093；
3.滇西应用技术大学 云南省高校山地实景点云数据处理及应用重点实验室，云南 大理 671006）
摘
要： 不同平台所搭载的三维激光扫描仪适用于不同场景，具有不同的特性。为研究手持三维激光扫描仪（HLS ）与
地面三维激光扫描仪（TLS ）在建筑物数据采集应用相关方面的差异，实验以一座高约8m 的雕塑建筑为对象，分别采用这两种仪器对其进行扫描数据采集。通过点云数据预处理与表面模型重建，获取建筑物3D 模型，并完成建筑物的点云切片与边长提取。实证研究得出，HLS 采集数据时间效率优势显著，相比设站扫描可节约83%时间，同时还可获得更丰富的点云数据；TLS 采集的数据质量相对要高，粗糙度均值总体要低，细节表达更优；与建筑物实测边长进行比较，利用两种扫描仪所构建3D 模型测量得出的边长均具有较高精度的相关一致性。此次研究成果对不同场景要求下的建筑物点云数据采集与建模，以及具体选择何种平台的三维激光扫描仪进行应用，可提供相关技术性能参考。关键词： 地面三维激光扫描仪；手持三维激光扫描仪；3D 建模；SLAM DOI ：10.11907/rjdk.221471
开放科学（资源服务）标识码（OSID ）：中图分类号：TP306      文献标识码： A
文章编号：1672-7800（2023）003-0168-06
Comparison and Analysis of 3D Modeling Performance and Building
Point Cloud Acquisition Based on HLS and TLS
PU Xin-ming 1， GAN Shu 1，2， YUAN Xi-ping 1，2，3
， HE Wen-bin 1
（1.Faculty of Land Resources Engineering ，Kunming University of Science and Technology ；2.Plateau Mountain Spatial Information Surveying and Mapping Technology Application Engineering Research Center in Universities of Yunnan Province ，Kunming 650093，China ；3.Key Labora⁃tory of Cloud Data Processing and Application of Mountain Field Spots in Universities of Yunnan Province ，West Yunnan University of Applied
Sciences ，Dali 671006，China ）
Abstract ： 3D laser scanners on different platforms are suitable for different projects and have different characteristics. To study the differenc⁃es between hand-held 3D laser scanners （HLS ） and terrestrial 3D laser scanners （TLS ） in building data acquisition applications ， take a building about 8 meters high as the object ，and uses the two instruments to acquire data respectively. Then the study completed point cloud da⁃ta preprocessing and surface model reconstruction.Based on the processed 3D model of the building ，the study extracts the side length of the building and slices point cloud.The study compares and analyzes the performance of the two scanners for obtaining point clouds and modeling
results from three aspects ：data detail expression quality ，side length measurement accuracy and time efficiency of data acquisition ，and quanti⁃tatively evaluates the two devices in these three aspects.The empirical study shows that hand-held 3D laser scanner has a significant time effi⁃ciency advantage in data acquisition ， which can save 83% time compared with terrestrial 3D laser scanner and obtain more point cloud data ；The quality of data collected by terrestrial 3D laser scanner is relatively high ， the average roughness is lower ， and the detail expression is bet⁃ter.Compared with the measured side length of buildings ， the measured side length of 3D models constructed by the two kinds of scanners has
high precision correlation consistency. The results of this research can be used for the collection and modeling of building point cloud data un⁃收稿日期：2022-04-26
基金项目：国家自然科学基金项目（41861054）
作者简介：普新铭（1996-），男，昆明理工大学国土资源工程学院硕士研究生，研究方向为三维激光扫描技术应用；甘淑（1964-），女，博
士，昆明理工大学国土资源工程学院教授、博士生导师，研究方向为资源环境管理及3S 技术应用；袁希平（1965-），男，博士，昆明理工大学国土资源工程学院教授、博士生导师，研究方向为国土资源管理与遥感对地探测技术；和文斌（1997-），男，昆明理工大学国土资源工程学院硕士研究生，研究方向为摄影测量与遥感。本文通讯作者：甘淑。
第 3 期普新铭，甘淑，袁希平，等：基于HLS与TLS的建筑物点云采集及3D建模性能比较分析
der different project requirements， as well as the application of the 3D laser scanner on which platform to choose， which can be used as a refer⁃ence for related technical performance.
Key Words：terrestrial 3D laser scanner； hand-held 3D laser scanner； 3D modeling； SLAM
0 引言
近年来，三维激光扫描技术得到了飞速发展，尤其自20世纪末以来，其凭借非接触测量、数据采样率高、高精度等特点，运用于各种生产项目。依据实际应用需求，目前出现了基于车载、地面、手持、背包、机载等不同平台的三维激光扫描设备。其中，地面三维激光扫描仪（Terrestrial 3D Laser Scanner，TLS）被用于校园建筑物的三维建模［1］，展现了数字化测量的简便性和实用性。同时，在异性建筑物规划条件核实测量的应用中［2］，可以对TLS获取的数据进行切片，获取不同楼层计算面积的轮廓线。相对于TLS 而言，手持三维激光扫描仪（Hand-held 3D Laser Scanner，HLS）采用即时定位与地图构建（Simultaneous Localization and Mapping，SLAM）技术，具有灵活的扫描方式，无须多次设站，解决了TLS针对同一目标多站点间数据配准的问题。HLS在农村房地一体测量中的应用，能在满足精度要求的情况下，节省约一半作业时间［3］。同时，在像地下空间普查这样的复杂场景下，HLS也能获取较好的测量成果［4］。
上述两种三维激光扫描仪，虽然都可以运用于建筑物量测，但在数据获取精度和效率方面，缺少量化的比较分析。国内外学者也在致力于这方面的研究，比如：范伟伟等［5］利用TLS和HLS扫描仪所获取的数据进行单木结构参数提取精度对比；蔡硕［6］在对林木的胸径提取时采用了地面和背包两种不同平台的三维激光扫描仪；Hillman［7］等基于地面和无人机两种平台对桉树树冠燃料特性进行分析。本文将采用地面和手持两种不同平台的三维激光扫描仪，对一户外雕塑进行数据采集，比较数据采集流程、时效与数据质量的差异，并进行3D建模精度的量化比较分析，为以后相似环境下数据采集手段的选取提供相应技术性能参考。
1 实验数据采集
1.1　试验对象
本次试验区域位于云南省昆明市昆明理工大学莲华校区内，地处云贵高原，属亚热带季风气候，夏季高温多雨，冬季温和少雨，年平均气温12~22℃，试验在7月份进行。试验目标是校内一座雕塑，雕像整体由雕像基座和雕像本身两部分组成，如图1所示。雕像整体高约8m，基座最大宽度约3.8m，位于一个长约17.5m宽约12m的矩形广场中央，其具体定位为102.704 136°E，25.067 418°N。雕像基座由圆台与棱台共同组成，较为规则，雕像则为不规则形状。基座表面贴有瓷砖，但有少部分区域存在瓷砖脱落的现象，雕塑由铜铸成，保存完好。雕塑周围有部分树木遮挡，对数据的采集造成一定影响。
1.2　扫描数据采集
实验分别采用了地面三维激光扫描仪MAPTEK I-Site8200ER和手持三维激光扫描仪ZEB-HORIZON对实验区内同一建筑进行数据采集，两仪器参数比较如表1所示。
在利用MAPTEK I-Site8200进行数据采集时，为了提高数据采集效率，利用最少测站完整获取雕塑建筑物的每个面数据，具体采用如图2中所示3个站点对建筑物进行数据采集。在利用ZEB-HORIZON进行采集时，如图3所示，实验者手持扫描头，扫描头高度保持约为1.5m，面对建筑物以正常步行速度逆时针绕雕像测量，最终形成闭合回路，
获取建筑的全部数据。
Fig. 2　Schematic diagram of
TLS scan site
图2　TLS
扫描站点示意图
Fig. 3　Schematic diagram of
HLS scan site
图3　HLS
扫描路线示意图
Fig. 1　Status of the experimental area
图1　实验区现状
Table 1　Comparison of main performance parameters between the
two instruments
表1　两种仪器主要性能参数比较
扫描仪
ZEB-HORIZON
MAPTEK I-Site8200
ER
扫描视
场角
360*270
360*250
重量/
3d地图实景地图kg
2.76
15
单块电
池续航/h
3
2.5
最大测
程/m
100
750
工作温
度/℃
0℃~50℃
-40℃~
50℃
扫描速
度/points/
s
300 000
80 000
·
·169
2023 年
软件导刊2 研究方法
2.1　主要技术流程
本次研究中，分别采用TLS 和HLS 采集目标建筑的点云数据，针对两种平台的不同特点，在数据的预处理环节中也分别采用了不同的处理流程。具体针对TLS 数据而言，其最大测程可达750m ，在数据采集时会同时获取到周边非目标物体的点云数据，因此首先需要依据目标距离对原始数据进行滤波，再对不同站点采集到的数据进行配准与分割处理，从而获取目标建筑相对完整的点云数据。与TLS 不同，HLS 所获取到的数据会利用SLAM 算法进行自动配准，仅需对所获取的点云数据进行滤波与分割操作，就可以获取到完整的目标建筑点云数据。
完成对扫描数据的预处理后，利用CouldCompare 软件对不同平台扫描点云进行粗糙度统计、点云切片、以及泊松表面重建，并基于重建表面可提取建筑边长。最后，针对上述不同平台三维激光扫描仪所获取点云的质量和精度进行比较分析。具体技术流程如图4所示。
2.2　TLS 数据预处理
在利用地面三维激光扫描仪MAPTEK I-Site8200对该雕塑数据进行采集时，共架设3个测站，从不同方向获取雕像的点云数据。因此，根据设站点与目标的距离，先对离目标较远的点云进行滤除，针对离目标较近的点云，如周围树木所产生的点云，采用多边形滤波的方式去除。滤波完成后，以第二站点数据为参考，分别在另外两个站点数据上选取用于匹配的点，基于这些点对，对三站数据进行配准，并对配准得到的数据进行分割，最终获取完整的建筑点云，如图5所示。
2.3　HLS 数据预处理
手持三维激光扫描仪ZEB-HORIZON 采用了SLAM 算法对采集到的点云数据进行自动匹配，可以一次性获取建筑完整的点云数据。但环境影响，所获取的数据中存在一些噪声，因而通过设置相邻点位间距离最小阈值剔除孤立
点，同时设置点数阈值，消除孤立的点。最后通过点云分割获取目标建筑的完整点云，如图6所示。
2.4　表面重建
为了能准确地利用点云数据表达建筑实体，本次实验对利用不同平台仪器所获取的点云数据进行泊松表面重建以获取建筑表面。该算法可以利用输入的点云生成无缝且可保留细节的表面，并可包含场景中的所有对象。但该算法在设计之初旨在应用于封闭的三维形状，因此针对本次的开放网格而言，在进行泊松表面重建后，需根据计算所得密度值进行三角网格过滤，过滤掉低密度值顶点的三角形，减少距点云较远的三角网格输出，使建立的表面尽可能地贴合输入的点云，重建效果如图7、图8所示。
3 结果分析
3.1　时间效率比较
ZEB-HORIZON 内置SLAM 算法，无论在室内或室外，
可以连续地获取增量式地图，对比传统作业方式，该方法
十分灵活，可以最大限度地节约作业时间，因此利用HLS 对目标进行数据采集十分便捷。在完成对扫描线路的规划后，剩余过程仅需对仪器的电源、扫描头、存储设备进行简单连接，并启动仪器，待其初始化后对目标进行扫描即可获取数据。在本次实验中，仪器的连接、启动及初始化约耗时2min ，扫描时按正常步行速度，绕目标扫描一周最后形成闭合环形路线大约需30s ，对所采集数据进行导出的时间大约为20s ，因此利用HLS 采集实验目标原始数据仅耗时约2min 50s 。
利用TLS
对目标建筑进行数据采集是指在完成站点
Fig. 7　Surface reconstruction ef⁃
fect of HLS point cloud 图7　HLS
点云表面重建效果
Fig. 8　Surface reconstruction ef⁃
fect of TLS point cloud 图8　TLS
点云表面重建效果
Fig. 5　Construction point cloud
of TLS 图5　TLS
建筑点云
Fig. 6　Construction point cloud
of HLS 图6　HLS
建筑点云
Fig. 4　Technique process
图4　技术流程
··170
第 3 期普新铭，甘淑，袁希平，等：基于HLS 与TLS 的建筑物点云采集及3D 建模性能比较分析选取后，再在每个站点进行仪器架设和数据采集工作。而在本次实验中，必须设置3个站点才能实现对雕塑建筑物的完整扫描，每个站点至少需要大约6min 的时间，共耗时约18min ，即HLS 所耗时间的6倍左右。
而且与HLS 数据采集同时完成匹配处理模式不同，TLS 对于不同站点所获取的数据还需要选取重叠同名点对以进行站点之间的空间关联匹配，而完成三站数据之间的匹配处理至少还需要大约20min 。比较而言，HLS 所获取数据是利用SLAM 算法进行自动匹配，其时间与采集数据的时间大致相同，即30s ，其仅需花费TLS 数据匹配时间的2.5%。显然，从时间
效率性能角度来看，HLS 拥有绝对优势。
3.2　点云质量比较
雕像可以划分为两个部分，即底座和雕像本身，底座大致为一个四棱台和圆台组合而成，相对雕像而言几何形体较为规则。为了对该部分的点云数据进行质量对比，首先，分别在雕像底座不同形状区域，按不同厚度对两种平台获取的点云进行切片，并直接进行泊松表面重建，所得
结果如图9、图10所示。
从点云切片可以看出，相对于HLS 数据而言，TLS 数据所获取的点云更为平滑，更接近于同一个表面，且采用泊松表面重建所获取表面也更接近于建筑的真实表面，但由于需要多次设站而进行匹配拼接，很容易造成目标物体部分微小特征点云数据的缺失，导致重建表面不完整。而HLS 能捕获到建筑的每一个细节，但数据较为粗糙，表面重建不能较精细地展现建筑物的细节特征。
此外，由于两种三维激光扫描仪的搭载平台及扫描高度不同，针对建筑物体的不同高度部分，各自所能获取到的数据量也会有所不同。为此，本次实验中还利用点云切片工具，以0.5m 为间距对两种仪器获取的点云数据进行切片，如图11、图12所示，统计不同高度切片所含的点云数量及占比。由结果可以得出，HLS 所获取的点云数据总量
约374万个点，要远超TLS 所获取到的79万个点，且HLS 几乎在每一个高度上都能获取更多的点云数据。从不同高度点云数量占比情况看，TLS 大约在0~1m 这一区间可以获取到最大的数据量，这比扫描仪架站高度略低0.5~1.5m 。此外，距离这一区间越远所能获取到的数据就越少，仅在5.5~6m 处出现一个峰值，但这与HLS 不同高度点云数量占比曲线相似，因而这一峰值应该是由于建筑的特殊形状所造成。除该部分数据外，HLS 不同高度点云数量占比的峰值则出现在3~3.5m 处，比扫描头位置高出约1.5~2m ，且在1~4.5m 这一区间，数据量大致相同，无明显变化趋势，但在其他高度上，所能捕获到的数据量也出现了递
减趋势。
研究中还对两种设备所获取的点云数据进行了粗糙度计算。粗糙度的值代表每个点距离该点与邻近点同时构造的最佳拟合平面的距离，在计算前需设置内核大小以筛选构建最佳拟合平面的邻近点。为保证数据的可对比性，在分别计算两组数据的粗糙度时选取相同的内核大小，设置为0.03m 。粗糙度计算结果
如图13、图14所示，显然，HLS 所获取的点云粗糙度比TLS 所获取的点云粗糙度大，即TLS 所获取的点云数据更贴近于拟合平面。
此外，还对两组点云的粗糙度分别进行了直方图统计、高斯分布拟合以及计算统计分布参数，结果如图15-图
点云数量
横切面高度（m)
Fig. 11　Number statistics of point clouds at different heights
图11　不同高度点云数量统计
Fig. 10　Point cloud section and surface reconstruction effect of HLS
图10　HLS 点云切片及表面重建效果
Fig. 9　Point cloud section and surface reconstruction effect of TLS
图9　TLS 点云切片及表面重建效果
横截面高度 (m)
不同高度点云数量占比（%）
Fig. 12　Proportion of point clouds at different heights
图12　不同高度点云数量占比
·
·171
2023 年
软件导刊16所示。显然，通过统计可知，TLS 所获取的点云粗糙度大多较低，且粗糙度均值仅为0.002 83，远小于HLS 粗糙度均值0.004 85，且TLS 所获取点云数据的标准差较小，每个点云的
粗糙度更为相近，而 HLS 数据的离散性大，数据质量较差。3.3　点云精度比较
为进一步验证不同平台下三维激光扫描仪所获取点云的精度，实验中分别提取了基于不同数据所获取建筑模型各面的14条边长与全站仪实测数据作对比，所得各边长如表2所示，其中a1至a8为纵向边长，b1至b6为横向边长。在所选取的边中，TLS 数据、HLS 数据与实测数据最大
差值均为3.1cm ，分别出现在b6和b4这两条横向边上。TLS 数据有11条边较差在2cm 以内，占比约为78.6%，而HLS 数据仅有9条，占比约为64.3%。
同时，为进一步研究三维激光扫描仪与实测数据之间
的相关性，分别利用TLS 数据和HLS 数据与实测数据进行了回归分析，结果如图17所示。经过3站拼接的TLS 数据RMSE=0.014 84m ，调整R 方为0.999 69，而HLS 数据RMSE =0.015 92m ，调整R 方为0.999 65，显然，TLS 所获取边长数据与实测数据相关性更高，能获取更高精度的点云数据。
4 结语
本文分别采用手持三维激光扫描仪和地面三维激光扫描仪采集了昆明理工大学校莲华校区内一雕塑建筑物点云数据，在对点云数据完成预处理后，结合实测数据，从数据采集时间效率、数据细节表达质量以及边长测量精度3个方面对利用上述两种平台三维激光扫描仪进行建筑数
据采集作比较分析。
从数据采集时间效率上看，实验所采用的HLS 占据明
显优势，相比于实验所采用的TLS 可节省约83%的时间，
且仪器重量仅为TLS 的1/5，小巧便携，能适应更多复杂环境下的数据采集需求。数据细节表达质量方面，TLS 所获取到的点云数据拥有更低的粗糙度，更接近于拟合表面，但由于需要多次设站，容易出现漏扫或少量数据缺失的情况，而HLS 则能很好地保证数据获取的完整度，所获取到的点云数量可达TLS 点云数量的3.6倍，但两者所能捕获的数据均会随目标距离的增大而衰减。在边长测量精度方面，从利用TLS 点云数据重建的表面上提取的边长与全站仪实测边长有更高的相关一致性，但与HLS
数据区别不
Fig. 13　Point cloud roughness calculation results of TLS
图13　TLS
点云粗糙度计算结果
Fig. 14　Point cloud roughness calculation results of HLS
图14　HLS 点云粗糙度计算结果
Gauss: mean= 0.00485 / std.dev. = 0.00359 [1936 classes)
7000 6000 5000 芒n o Q
4000 3000 2000 1000
。。
0.005 0.01 0.015 0.020 0.025
Roughness(0.03)
Fig. 16　Point cloud roughness statistics of HLS
图16　HLS 点云粗糙度统计
Gauss: mean= 0.00283 / std.dev. = 0.00233 [893 classes]
6000 5000 芒
n o Q
4000 3000 2000 1000
。。
0.005 0.01 0.015 0.020 0.025
Roughness(0.03)
Fig. 15　Point cloud roughness statistics of TLS
图15　TLS 点云粗糙度统计
Table 2　Side length data obtained in different ways
表2　不同方式所获取边长数据
实测数据/m TLS/m
HLS/m a1
1.7331.7291.736a2
2.6832.7022.707a3
3.1293.1513.14a4
2.3462.372.37a5
1.7531.7361.735a6
2.7432.7372.763a7
3.1363.1343.131a8
2.3292.342.339b1
0.3930.3910.39b2
0.4790.4650.455b3
1.7721.7881.741b4
2.2652.2592.248b5
1.8291.8131.818b6
2.5092.542.503··172

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。