我国城镇化进程正在不断向前推进，人口和资源不断向城市聚合，形成了北京、上海、广州、深圳等超大城市。城市化给人们的生活带来了便利，但也带来了人口膨胀、交通拥堵、环境恶化、事故频发等“城市病”，在很大程度上加重了城市的负担、制约了城市的发展且构成引发不稳定的因素。近年来提出的“智慧城市”理念为解决上述问题提供了思路。智慧城市运用物联网、云计算、大数据、城市三维场景等新一代信息技术，整合城市运行的各项关键信息，在城市服务、公共安全、工商业活动、环境保护等领域对出现的各种状况做出智能响应，实现城市的智慧化管理和运行，为人们创造更美好的生活。
城市三维场景数据为智慧城市提供完整的空间信息，包括建筑、桥梁、道路、树木等城市主要组成要素。智慧城市的应用涵盖各式各样的需求，其对三维场景的需求可以归结为真实、完整、高精度。传统城市场景建模研究主要针对大尺度场景的三维化。采用卫星遥感观测、低空航拍、机载激光雷达扫描等技术获取三维数据，重建后的模型精度较低，越来越难以满足智慧城市的应用需求。针对中尺度城市场景重建，可以采用车载激光雷达、全景相机作为数据采集设备，用大数据技术进行建模。
传统三维数字化建模工作主要是针对单个物体扫描，扫描所得三维点云非常密集且完整。扫描所得数据满足采样理论所需的密度，可以由此重建数字化几何模型。如果工作是针对室外多物体场景，采用车载激光点云扫描技术采集数据后建模，由于扫描车路线受限以及难以避开障碍物等因素，所得到的点云数据往往非常稀疏，且缺失严重。根据采样理论，所得到的扫描数据重构三维几何模型面临极大的挑战，传统算法无法胜任。面对稀疏且缺失严重的点云数据，可以通过构建物体几何规则和场景先验知识，来指导缺失数据的重建。随之而来的问题是如何处理物体的多样性与场景的复杂性。
复杂场景的几何内容丰富多样，各类物体种类非常繁杂，场景也在不断变化更新。这些特点给三维模型的重建带来了以下技术问题：（1）针对同类别的物体，如何构建共性特征和先验知识来化繁为简，提高同类物体处理的有效性；（2）如何建立主动式扫描机制来实现无监督的三维建模；（3）针对几何特征的多样性，如何提取其内在规则，并通过规则来描述这些特征。
面对这些挑战，相应的解决思路有：（1）基于共性特征与先验知识，实现建筑和植物两大类物体的高效重建；（2）利用机器人平台，采用主动式扫描和增量式学习，实现自动扫描与智能建模；（3）基于内在几何规则，实现场景层次化语义构建。
建筑和植物是城市中最常见的两类实体，其三维模型也是城市三维场景的主要构成要素。建筑属人工产物，包含大量重复结构，且分布具有一定的规则性。植物属自然产物，其种类繁多，姿态千差万别，结构特征很强，三维结构复杂。
植物三维重建：
针对植物的三维建模研究已有几十年的历史，过程式建模方法可以利用事先设计好的规则或语法描述虚拟树木的三维模型，但对于给定的模型或真实树木目前还很难得到简洁的规则或语法描述；而基于实际采集数据（主要是图像和点云）的建模方法，一般可得到低层次而且大数据量的模型描述，如三角网格模型。
自动扫描与智能建模：
在三维建模过程中，数据获取是一个耗时且繁琐的过程，使用机器人平台实现场景自动扫描是解决该问题的可行方法。然而，快速自动扫描场景，并重建大量形态各异、风格相似的场景模型是一项极具挑战的工作。
场景理解与语义构建：
场景分析旨在利用计算机技术模拟人类视觉系统，使得机器能够从图像、三维场景等可视信息中快速认知物体及其运动属性，从而理解场景所蕴含的三维特性及功能语义。场景理解与语义分析是计算机视觉、计算机图形学等领域的研究热点，其核心在于分析和理解场景的结构。然而，自然场景建筑物中存在大量的规则结构（比如窗户、阳台）和不规则结构（比如欧式风格大门），而且场景对象往往存在大量运动结构（比如可旋转的吊车），现有的数据获取方式难以对其完全表达。因此，自然场景所蕴含的丰富的语义信息给场景分析与理解带来了极大挑战。
热门跟贴