CN102074047B - 一种高精细城市三维建模方法 - Google Patents

Abstract

本发明公开了一种高精细城市三维建模方法，涉及三维数字城市建设领域，采用机载LIDAR获取原始航测数据成果，在此基础上制作城市高精度的数字高程模型、数字正射影象和建筑物三维体框模型，形成城市三维场景的基础框架；再次，通过车载移动激光扫描设备获取车载移动激光扫描原始数据成果，在三维建模环境下，根据地物参数模型库，进行精度优化后车载点云和照片融合模式下的地物高精细三维建模，获取城市各类小品地物高精细模型；对城市三维场景的基础框架和城市各类小品地物高精细模型进行集成，获取城市高精细的三维虚拟城市场景。该方法提高了生产效率、降低了项目成本、缩短了开发周期以及提高了建模精细度，满足了实际应用需要。

Description

一种高精细城市三维建模方法

技术领域

本发明涉及三维数字城市建设领域，特别涉及一种高精细城市三维建模方法。

背景技术

现有技术中的城市三维建模方法，主要采用地形图方法、传统航空摄影测量方法、卫星遥感方法、工程测量方法、地面激光扫描方法等传统测绘手段进行城市三维建模。但上述方法都有其明显的缺点和不足：

(1)采用地形图方法，需要城区具有现势性强的大比例尺数字线划图，通过目估或人工量测获取建筑物高后进行建模。该方法存在地物高程信息缺乏、建筑物模型高程精度差和屋顶精细度差等问题；

(2)采用传统航空摄影测量方法，需要在构建的立体像对中进行量测，不仅提取的模型高程精度差，更存在建模效率非常低的问题；

(3)采用卫星遥感方法，由于影象地面空间分辨率较低，提取的模型特别是建筑物模型，精度和精细度都非常差，不能满足高精细三维数字城市建模的应用要求；

(4)采用工程测量方法，进行城市场景建模，存在劳动强度大、工作效率低、数字化程度低和开发成本高等多方面缺点；

(5)采用地面激光扫描方法，存在劳动强度大、工作效率低和不适合大范围三维城市场景建模等问题。

所以在三维数字城市建设中采用现有技术中的地形图方法、传统航空摄影测量方法、卫星遥感方法、工程测量方法和地面激光扫描方法等方法时，存在开发效率低、成本高、周期长和建模精细度差等缺点。

发明内容

为了提高开发效率、降低开发成本、缩短开发周期和提高建模精细度，本发明提供了一种高精细城市三维建模方法，所述方法包括以下步骤：

(1)通过机载LIDAR校验飞行，实现对机载LIDAR设备的参数检校、通过城市测区内的机载LIDAR航测，获取原始航测数据成果；

(2)根据机载LIDAR点云生成原理建立点云数据的误差模型，根据整体平差获取参数改正值，实现对点云数据精度的整体优化，获取精度优化后机载点云；

(3)对所述精度优化后机载点云进行地面和建筑物的滤波分类处理，获取第一地面点云和第一建筑物点云，并根据所述第一地面点云构建数字地面模型；

(4)根据所述数字地面模型和POS辅助定位信息对航片进行空三加密处理，实现对航片定位定姿数据精度的整体优化，获取定位定姿精度优化后航片；

(5)根据所述定位定姿精度优化后航片、所述第一地面点云和所述第一建筑物点云，获取城市高精度的数字高程模型、数字正射影象和建筑物三维体框模型，形成城市三维场景的基础框架；

(6)通过车载检校场的测量，实现对车载移动激光扫描设备的参数检校，获取车载移动激光扫描原始数据成果；

(7)通过所述车载移动激光扫描设备完成城区道路两侧城市场景的车载点云的获取，根据同一测区的机载LIDAR点云和所述建筑物三维体框模型，获取精度优化后车载点云；

(8)建立所述精度优化后车载点云和照片融合模式下的三维建模环境；

(9)对所述精度优化后车载点云进行地面点滤波分类，获取地面点云，以所述地面点云为参考进行非地面点滤波分类，获取非地面点云，进行地物有效分析区和地物对应点云集的提取；

(10)地物参数模型库的建立；

(11)在所述三维建模环境下，根据所述地物参数模型库，进行所述精度优化后车载点云和所述照片融合模式下的地物高精细三维建模，获取城市各类小品地物高精细模型；

(12)对所述城市三维场景的基础框架和所述城市各类小品地物高精细模型进行集成，获取城市高精细的三维虚拟城市场景。

所述获取精度优化后车载点云，具体为：

参考同一测区的机载LIDAR点云，确定车载移动激光扫描测量数据的高程精度，进行车载点云高程精度优化；

参考同一测区的所述建筑物三维体框模型，进行车载点云平面精度优化，获取精度优化后车载点云。

所述进行车载点云平面精度优化，获取精度优化后车载点云，具体为：

对城市测区内平面精度超限的车载点云，参考所述建筑物三维体框模型，均匀选取部分建筑物特征点作为车载点云平面精度优化的参考控制点；

在城市测区内选取所述参考控制点在车载点云上的对应位置，建立车载点云上特征点位和所述参考控制点的对应集；

以所述参考控制点的真实点位为约束条件，以x、y、z、heading、roll和pitch六个变量作为观测变量，建立观测方程，采用最小二乘平差方法求解所述六个变量的改正值，优化所述六个变量，并对车载点云进行重新解算，进行车载点云平面精度优化，获取精度优化后车载点云。

步骤(11)中所述在所述三维建模环境下，根据所述地物参数模型库，进行所述精度优化后车载点云和所述照片融合模式下的地物高精细三维建模，获取城市各类小品地物高精细模型，具体为：

1)主视图采用照片全景视图显示模式；

2)辅视图采用原始照片局部放大显示模式和点云剖面显示模式；

3)在照片全景视图中点击关注地物，计算机自动在辅视图中显示所述关注地物对应的多张照片；人工点选所述关注地物显示最清晰的辅视图和照片；最后，计算机自动搜索所述关注地物对应的有效点云集，并实现所述精度优化后车载点云和照片在二维像空间的精确匹配；

4)计算机在所述地物有效分析区内自动搜索所述关注地物对应的所有有效点云集，获取所述有效点云集的数量，当所述有效点云集的数量为一时，则所述有效点云集为正确点云集；当所述有效点云集的数量不为一时，采用多个辅视图的方式协助显示，并通过人工交互确定所述正确点云集；

5)参考照片和所述精度优化后车载点云信息进行人工识别后，切剖面显示所述精度优化后的车载点云，并在所述精度优化后的车载点云上根据所述地物参数模型库中参数定义的次序进行参数的量测，获取参数信息；

6)计算机保存所述参数信息，并自动完成所述城市各类小品地物高精细模型的生成。

所述计算机在所述地物有效分析区内自动搜索所述关注地物对应的所有有效点云集，具体为：

参考摄影测量共线方程，把所述地面有效分析区内的有效地物点投影到所述二维像空间中；

以人工在照片上确定的位置为中心，以第五阈值为半径画一个圆，作为所述二维像空间上搜索所述有效点云集的第一分析区，在所述第一分析区内分析所述有效点云集中点的类型，对所述第一分析区内的点云进行类型标识，确定所有有效点云集。

本发明提供的技术方案的有益效果是：

1、相比于传统航空摄影测量方法，机载LIDAR不需要地面像控点，对飞行时间段的要求不太苛刻，数据处理的自动化程度高，决定了机载LIDAR具有快速高效进行城市三维空间数据采集和建模的生产能力；相比于工程测量方法、地面激光扫描方法，车载移动激光扫描测量可快速获取城区各类道路两侧高精度、高密集的三维激光点云和高分辨率的数码照片，通过本方案下高效的数据处理后，可快速实现城市各类小品要素的精确定位、地物识别、三维量测、提取和建模工作，数据采集和建模效率比传统方法提高好几倍；

2、与传统航空摄影测量方法和卫星遥感方法相比，机载LIDAR可同步获取高精度、高密集的三维激光点云和高分辨率的数码照片，通过对机载LIDAR点云进行地面和建筑物的分类处理，可制作完成数字高程模型，通过建筑物屋顶点云高精度拟合建筑物屋顶面片后，参考高精度匹配的数码照片确定建筑物的特征线位置，并进行模型细节的修改优化；使得机载LIDAR提取的数字高程模型和建筑物体框模型精度都很高；车载移动激光扫描获取的点云在进行精度优化后平面精度可达到25cm以内，高程精度可达到15cm以内，高程精度可达到10cm以内，地物经过扫描测量后的点云间距可达到5-10cm左右，可逼真表现地物的三维结构，结合高分辨率数码照片后，可进行城市小品要素的高精细三维建模；

3、由于外业数据采集速度快、数据处理的自动化程度高、三维建模的整体生产效率高等特点，机载LIDAR进行城市三维建模的项目开发成本相对要低；并且，车载移动激光扫描测量采用驾车方式即可完成市测区所有道路的测量，且内业的数据处理自动化程度高。根据统计分析，本技术方案下的城市三维建模生产效率要比传统工程测量方法高5-10倍，因此，本发明提供的高精细城市三维建模方法，可极大的节省项目开发成本。

附图说明

图1为本发明提供的高精细城市三维建模方法的流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步详细描述。

为了提高开发效率、降低开发成本、缩短开发周期和提高建模精细度，本发明实施例提供了一种高精细城市三维建模方法，参见图1，详见下文描述：

101：通过机载LIDAR(Light Detection And Ranging，激光雷达)校验飞行，实现对机载LIDAR设备的参数检校、通过城市测区内的机载LIDAR航测，获取原始航测数据成果；

其中，机载LIDAR的主要部件为激光传感器、数码相机和POS定位定姿系统。激光传感器需检校heading(航偏角)、roll(翻滚角)和pitch(俯仰角)三个参数；数码相机需检校heading、roll、pitch和相机畸变参数。对参数的验校需要外业测量地面控制点，采用专业数据处理和分析方法进行检校参数的解算，去除测量过程中的系统误差。激光传感器和数码相机的检校需根据实际需要，选取满足技术要求的验校场，通过激光传感器得到初始点云数据，通过数码相机得到航片，通过POS定位定姿系统获取需要的定位定姿数据，用于初始点云的解算和航片的定位定姿。

其中，通过城市测区内的机载LIDAR航测，获取原始航测数据成果具体为：通过安置在飞机上的机载LIDAR，按设计的航线方案获取城区高密集的三维激光点云和高分辨率的数码照片。其中，激光点云的旁向重叠度应达到30％，航片的航向重叠应达到60％，旁向重叠应达到30％。

102：根据机载LIDAR点云生成原理建立点云数据的误差模型，根据整体平差获取参数改正值，实现对点云数据精度的整体优化，获取精度优化后机载点云；

其中，该步骤具体为：参考机载LIDAR点云生成原理，建立点云数据的误差模型，以点云条带相邻或交叉重叠区域的点云数据为参考，再参考少量地面控制点，根据整体平差获取空间坐标参数x、y和z，姿态参数heading、roll和pitch的改正值，通过获取到的参数改正值对参数进行改正，实现对初始点云数据精度的整体优化，获取到精度优化后机载点云。

103：对精度优化后机载点云进行地面和建筑物的滤波分类处理，获取第一地面点云和第一建筑物点云，并根据第一地面点云构建数字地面模型；

104：根据数字地面模型和POS辅助定位信息对航片进行空三加密处理，实现对航片定位定姿数据精度的整体优化，获取定位定姿精度优化后航片；

其中，该步骤具体为：根据数字地面模型和POS辅助定位信息，内业采集测区航片重叠区域同名点，参考数字地面模型进行测区整体空三加密，根据空三加密整体平差结果对每张航片的POS辅助定位信息进行优化改正，去除局部偶然误差，实现对航片定位定姿数据精度的整体优化，获取定位定姿精度优化后航片。

105：根据定位定姿精度优化后航片、第一地面点云和第一建筑物点云，获取城市高精度的数字高程模型、数字正射影象和建筑物三维体框模型，形成城市三维场景的基础框架；

其中，获取城市高精度的数字高程模型具体为：根据第一地面点云，进行人工编辑修改，获取最终分类正确的地面点云；对最终分类正确的地面点云进行三角网模型构建，内插后形成城市高精度的数字高程模型。其中，本发明实施例中的滤波分类方法以数学形态学滤波分类方法进行说明，具体实现时，还可以采用其他的滤波分类方法，本发明实施例对此不做限制。

其中，获取数字正射影象具体为：根据城市高精度的数字高程模型，参考定位定姿精度优化后航片，对定位定姿精度优化后航片进行数字微分纠正，得到覆盖地表的微分纠正影象，同时确定微分纠正影象的拼接方案，采用标准图幅裁切制作成数字正射影象。

其中，获取建筑物三维体框模型具体为：根据第一地面点云和第一建筑物点云，采用基于法向量的区域生长方法实现建筑物屋顶面片的分割；利用点云阶跃特征和面片交叉特征确定建筑物屋顶的初始特征结构线；利用航片辅助优化建筑物特征结构线，再进行少量的人工编辑修改以确定建筑物模型对应的所有正确特征结构线；采用分裂合并方法进行建筑物模型拓扑关系的自动构建并生成建筑物三维体框模型。

106：通过车载检校场的测量，实现对车载移动激光扫描设备的参数检校，获取车载移动激光扫描原始数据成果；

与以上介绍的机载LIDAR设备一样，车载移动激光扫描设备的主要部件为激光传感器、数码相机和POS定位定姿系统，技术原理一样。两种设备的主要区别在于搭载的移动载体不同。机载LIDAR设备通过安置在飞机上进行工作；车载移动激光扫描测量设备通过安置在汽车车顶上进行工作。在开阔地带选取符合技术要求的建筑物检校场，外业进行点云和照片的采集，内业进行数据处理和分析，完成对车载设备激光传感器和数码相机的精确检校。

107：通过车载移动激光扫描设备完成城区道路两侧城市场景的车载点云的获取，根据同一测区的机载LIDAR点云和建筑物三维体框模型，获取精度优化后车载点云；

城市测区特别是城市高楼区，GPS观测环境很不理想，当车载移动激光扫描测量进行数据采集时，POS定位定姿的数据精度不太理想，导致获取的点云在平面和高程上均存在很大的误差。因此，需要结合车载移动激光扫描测量数据采集的特点，建立车载点云精度优化的技术方法，保证之后提取的模型精度。

其中，获取精度优化后车载点云具体为：

1)参考同一测区的机载LIDAR点云，确定车载移动激光扫描测量数据的高程精度，进行车载点云高程精度优化；

该步骤具体为：

以同一测区的机载LIDAR点云为高程控制参考，对车载点云进行沿汽车轨迹线方向的高程精度评价，建立基于汽车轨迹线方向的高程改正模型，进行车载点云高程精度优化。其中，所有车载点云高程精度优化，以周围最近的控制点改正值为基础，采用内插方法完成车载点云高程的改正。本发明实施例以线性内插方法为例进行说明，具体实现时，还可以采用其他的内插方法，本发明实施例对此不做限制。

2)参考同一测区的建筑物三维体框模型，进行车载点云平面精度优化，获取精度优化后车载点云。

该步骤具体为：

对城市测区内平面精度超限的车载点云，参考建筑物三维体框模型，均匀选取部分建筑物特征点作为车载点云平面精度优化的参考控制点；

在城市测区内选取参考控制点在车载点云上的对应点位，建立车载点云上特征点位和参考控制点的对应集；

以参考控制点的真实点位为约束条件，以x、y、z、heading、roll和piteh六个变量作为观测变量，建立观测方程，采用最小二乘平差方法求解六个变量的改正值，优化六个变量，并对车载点云进行重新解算，进行车载点云平面精度优化，获取精度优化后车载点云。

其中，观测方程的建立参考测量学相关理论公式并进行改进，在此不作赘述。

108：建立精度优化后车载点云和照片融合模式下的三维建模环境；

在城市测区内对车载照片进行同名点选取，根据全景图构建原理建立城市测区内沿测量轨迹线移动的全景照片图，并初步建立全景照片图与车载照片的对应关系。即通过在全景照片图中人工点选确定位置后，根据位置找到车载照片上的照片细节。同时，还需要建立车载照片与精度优化后车载点云在二维像空间的匹配，即确定一张车载照片后，计算机自动找到对应的精度优化后车载点云，即参考POS定位定姿信息，实现精度优化后车载点云和车载照片的精确匹配。

实现精度优化后车载点云和车载照片匹配的公式，参考摄影测量学中的共线方程，并在此基础上进行改进，具体如下：

x＝-f(a₁(X-X_s)+b₁(Y-Y_s)+c₁(Z-Z_s))/(a₃(X-X_s)+b₃(Y-Y_s)+c₃(Z-Z_s))

y＝-f(a₂(X-X_s)+b₂(Y-Y_s)+c₂(Z-Z_s))/a₃(X-X_s)+b₃(Y-Y_s)+c₃(Z-Z_s))

其中，a₁＝cos Ψcos κ-sin Ψsinωsin κ

a₂＝-cos Ψsin κ-sin Ψsinωcos κ

a₃＝-sin Ψcosω

b₁＝cosωsin κ

b₂＝cosωcos κ

b₃＝-sinω

c₁＝sin Ψcos κ+cos Ψsinωsin κ

c₂＝-sin Ψsin κ+cos Ψsinωcos κ

c₃＝cos Ψcosω

其中，x和y为像点坐标，X、Y和Z为相应地面点坐标，Xs、Ys和Zs为投影中心在所取物方空间坐标系中的坐标，f为相机主距，Ψ、ω和κ为摄影测量学中外方位元素对应的三个姿态定位角。通过以上处理，即可建立精度优化后车载点云和照片融合模式下的三维建模环境。

109：对精度优化后车载点云进行地面点滤波分类，获取地面点云；以地面点云为参考进行非地面点滤波分类，获取非地面点云，进行地物有效分析区和地物对应点云集的提取；

其中，非地面点滤波分类处理具体为：若非地面点高程与其周围第二阈值范围内的地面点平均高程差值大于第一阈值，则作为非地物对应点，并作为地物的潜在分析点。

在获取到非地面点云后，需要进行有效地物点的分析，有效地物点的分析方法为：若潜在地物对应点周围第三阈值范围内有超过第四阈值数目的潜在地物对应点，则该潜在地物对应点为有效地物点，并采用区域生长方法进行地物点云集的聚集分类和标识；否则，为杂音点。

其中，第一阈值、第二阈值、第三阈值和第四阈值的取值根据实际应用中的需要进行设定，具体实现时，本发明实施例对此不做限制。

110：地物参数模型库的建立；

针对城市地物结构特点和建模精细度要求，进行地物模型的分类，主要包括路灯、路牌、栅栏、公交站牌等。针对城市小品要素的结构特点，对同类地物要素根据不同的结构定义不同的模型参数库，并建立ID类型编号。

以城市中常见的人行道上对应的红绿灯为例，该红绿灯为城市中红绿灯中的一种。根据红绿灯的结构特点，通过定义如下参数来实现对模型参数库的描述，从而辅助计算机自动完成矢量模型的生成，红绿灯的模型参数库定义如下：模型类型编号、模型中心x、y和z坐标、模型底部支柱高、支柱类型、支柱半径(如选圆类型)、红绿灯显示部分的长度、红绿灯显示部分的宽度和红绿灯显示部分的厚度。

111：在三维建模环境下，根据地物参数模型库，进行精度优化后车载点云和照片融合模式下的地物高精细三维建模，获取城市各类小品地物的高精细模型；

1)主视图采用照片全景视图显示模式；

通过采用照片全景视图模式显示可以方便对道路两侧地物的清晰识别。

2)辅视图采用原始照片局部放大显示模式和点云剖面显示模式；

其中，辅视图分两种类型，包括照片辅视图和点云辅视图，照片辅视图采用原始照片局部放大显示的模式，方便对地物要素的清晰识别；点云辅视图采用点云剖面显示模式，并结合照片信息来辅助人工进一步识别；并方便对模型形态和结构进行细节识别。

3)在照片全景视图中点击关注地物，计算机自动在辅视图中显示关注地物对应的多张照片；人工点选关注地物显示最清晰的辅视图和照片；最后，计算机自动搜索关注地物对应的有效点云集，并实现所述精度优化后车载点云和照片在二维像空间的精确匹配；

4)计算机在地物有效分析区内自动搜索关注地物对应的所有有效点云集，获取有效点云集的数量，当有效点云集的数量为一时，则有效点云集为正确点云集；当有效点云集的数量不为一时，采用多个辅视图的方式协助显示，并通过人工交互确定正确点云集；

其中，计算机在地物有效分析区内自动搜索关注地物对应的所有有效点云集，具体为：

参考摄影测量共线方程，把地物有效分析区内的有效地物点投影到二维像空间中；

以人工在照片上确定的位置为中心，以第五阈值为半径画一个圆，作为二维像空间上搜索有效点云集的第一分析区，在第一分析区内分析有效点云集中点的类型，对第一分析区内的点云进行类型标识，确定所有有效点云集。

其中，在第一分析区内分析有效点云集中点的类型，所采用的分析方法具体为：以有效点云集中各点之间的三维距离作为第六阈值进行聚类分析。具体实现时，还可以采用其他的分析方法，本发明实施例对此不做限制。

其中，第五阈值和第六阈值的取值根据实际应用中的需要进行设定，具体实现时，本发明实施例对此不做限制。

5)参考照片和所述精度优化后车载点云信息进行人工识别后，切剖面显示精度优化后的车载点云，并在精度优化后的车载点云上，根据地物参数模型库中参数定义的次序进行参数的量测，获取参数信息；

6)计算机保存参数信息，并自动完成城市各类小品地物高精细模型的生成。

112：对城市三维场景的基础框架和城市各类小品地物高精细模型进行集成，获取城市高精细的三维虚拟城市场景。

综上所述，本发明实施例提供了一种高精细城市三维建模方法，该方法提高了开发效率、降低了开发成本、缩短了开发周期以及提高了建模精细度，满足了实际应用的需要。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种高精细城市三维建模方法，其特征在于，所述方法包括以下步骤：

(1)通过机载LIDAR校验飞行，实现对机载LIDAR设备的参数检校、通过城市测区内的机载LIDAR航测，获取原始航测数据成果；

(2)根据机载LIDAR点云生成原理建立点云数据的误差模型，根据整体平差获取参数改正值，实现对点云数据精度的整体优化，获取精度优化后机载点云；

(3)对所述精度优化后机载点云进行地面和建筑物的滤波分类处理，获取第一地面点云和第一建筑物点云，并根据所述第一地面点云构建数字地面模型；

(4)根据所述数字地面模型和POS辅助定位信息对航片进行空三加密处理，实现对航片定位定姿数据精度的整体优化，获取定位定姿精度优化后航片；

(5)根据所述定位定姿精度优化后航片、所述第一地面点云和所述第一建筑物点云，获取城市高精度的数字高程模型、数字正射影象和建筑物三维体框模型，形成城市三维场景的基础框架；

(6)通过车载检校场的测量，实现对车载移动激光扫描设备的参数检校，获取车载移动激光扫描原始数据成果；

(7)通过所述车载移动激光扫描设备完成城区道路两侧城市场景的车载点云的获取，根据同一测区的机载LIDAR点云和所述建筑物三维体框模型，获取精度优化后车载点云；

(8)建立所述精度优化后车载点云和照片融合模式下的三维建模环境；

(9)对所述精度优化后车载点云进行地面点滤波分类，获取地面点云，以所述地面点云为参考进行非地面点滤波分类，获取非地面点云，进行地物有效分析区和地物对应点云集的提取；

(10)地物参数模型库的建立；

(11)在所述三维建模环境下，根据所述地物参数模型库，进行所述精度优化后车载点云和所述照片融合模式下的地物高精细三维建模，获取城市各类小品地物高精细模型；

(12)对所述城市三维场景的基础框架和所述城市各类小品地物高精细模型进行集成，获取城市高精细的三维虚拟城市场景。

2.根据权利要求1所述的高精细城市三维建模方法，其特征在于，所述获取精度优化后车载点云，具体为：

参考同一测区的机载LIDAR点云，确定车载移动激光扫描测量数据的高程精度，进行车载点云高程精度优化；

参考同一测区的所述建筑物三维体框模型，进行车载点云平面精度优化，获取精度优化后车载点云。

3.根据权利要求2所述的高精细城市三维建模方法，其特征在于，所述进行车载点云平面精度优化，获取精度优化后车载点云，具体为：

对城市测区内平面精度超限的车载点云，参考所述建筑物三维体框模型，均匀选取部分建筑物特征点作为车载点云平面精度优化的参考控制点；

在城市测区内选取所述参考控制点在车载点云上的对应位置，建立车载点云上特征点位和所述参考控制点的对应集；

以所述参考控制点的真实点位为约束条件，以x、y、z、heading、roll和pitch六个变量作为观测变量，建立观测方程，采用最小二乘平差方法求解所述六个变量的改正值，优化所述六个变量，并对车载点云进行重新解算，进行车载点云平面精度优化，获取精度优化后车载点云；

其中，heading代表航偏角、roll代表翻滚角、pitch代表俯仰角，x、y和z代表空间坐标参数。

4.根据权利要求1所述的高精细城市三维建模方法，其特征在于，步骤(11)中所述在所述三维建模环境下，根据所述地物参数模型库，进行所述精度优化后车载点云和所述照片融合模式下的地物高精细三维建模，获取城市各类小品地物高精细模型，具体为：

1)主视图采用照片全景视图显示模式；

2)辅视图采用原始照片局部放大显示模式和点云剖面显示模式；

3)在照片全景视图中点击关注地物，计算机自动在辅视图中显示所述关注地物对应的多张照片；人工点选所述关注地物显示最清晰的辅视图和照片；最后，计算机自动搜索所述关注地物对应的有效点云集，并实现所述精度优化后车载点云和照片在二维像空间的精确匹配；

4)计算机在所述地物有效分析区内自动搜索所述关注地物对应的所有有效点云集，获取所述有效点云集的数量，当所述有效点云集的数量为一时，则所述有效点云集为正确点云集；当所述有效点云集的数量不为一时，采用多个辅视图的方式协助显示，并通过人工交互确定所述正确点云集；

5)参考照片和所述精度优化后车载点云信息进行人工识别后，切剖面显示所述精度优化后的车载点云，并在所述精度优化后的车载点云上，根据所述地物参数模型库中参数定义的次序进行参数的量测，获取参数信息；

6)计算机保存所述参数信息，并自动完成所述城市各类小品地物高精细模型的生成。

5.根据权利要求4所述的高精细城市三维建模方法，其特征在于，所述计算机在所述地物有效分析区内自动搜索所述关注地物对应的所有有效点云集，具体为：

参考摄影测量共线方程，把所述地物有效分析区内的有效地物点投影到所述二维像空间中；

以人工在照片上确定的位置为中心，以第五阈值为半径画一个圆，作为所述二维像空间上搜索所述有效点云集的第一分析区，在所述第一分析区内分析所述有效点云集中点的类型，对所述第一分析区内的点云进行类型标识，确定所有有效点云集。