測繪專業(yè)本科生畢業(yè)論文一.摘要

在全球化與城市化進(jìn)程加速的背景下，測繪工程作為地理信息科學(xué)的核心分支，其技術(shù)應(yīng)用與學(xué)科發(fā)展對現(xiàn)代社會的空間管理、資源開發(fā)及環(huán)境保護(hù)具有不可替代的作用。本研究以某區(qū)域城市三維建模項目為案例，探討了基于多源數(shù)據(jù)融合的測繪技術(shù)在復(fù)雜地形條件下的應(yīng)用效果。項目選取山區(qū)城市作為研究對象，該區(qū)域地形起伏顯著，建筑物密集，對測繪精度與效率提出了較高要求。研究采用無人機(jī)遙感、激光雷達(dá)（LiDAR）與地面控制測量相結(jié)合的數(shù)據(jù)采集方法，通過多傳感器數(shù)據(jù)融合技術(shù)，構(gòu)建了高精度的三維城市模型。在數(shù)據(jù)處理階段，運(yùn)用慣性導(dǎo)航系統(tǒng)（INS）輔助定位技術(shù)，結(jié)合點(diǎn)云數(shù)據(jù)處理軟件進(jìn)行幾何校正與紋理映射，實(shí)現(xiàn)了地形地貌與建筑物細(xì)節(jié)的精細(xì)化表達(dá)。研究發(fā)現(xiàn)，多源數(shù)據(jù)融合不僅顯著提升了數(shù)據(jù)采集的全面性與準(zhǔn)確性，而且在復(fù)雜地形條件下展現(xiàn)出優(yōu)越的適應(yīng)性，三維模型的垂直精度達(dá)到厘米級，水平精度優(yōu)于厘米級。此外，研究還分析了不同數(shù)據(jù)源對模型質(zhì)量的影響，結(jié)果表明，激光雷達(dá)數(shù)據(jù)在建筑物輪廓提取方面具有顯著優(yōu)勢，而無人機(jī)影像則能更好地反映地表紋理特征。基于上述成果，本研究提出了一套適用于復(fù)雜地形的三維城市建模流程，并驗證了多源數(shù)據(jù)融合技術(shù)的可行性與高效性。結(jié)論表明，該技術(shù)組合能夠有效解決傳統(tǒng)單一測繪方法在復(fù)雜環(huán)境下的局限性，為城市規(guī)劃、災(zāi)害預(yù)警及土地管理等領(lǐng)域提供強(qiáng)有力的技術(shù)支撐，對測繪工程專業(yè)本科生掌握前沿技術(shù)具有重要參考價值。

二.關(guān)鍵詞

三維城市建模；多源數(shù)據(jù)融合；激光雷達(dá)；無人機(jī)遙感；地面控制測量

三.引言

地理信息科學(xué)作為一門融合了自然科學(xué)與社會科學(xué)的交叉學(xué)科，其核心目標(biāo)在于對地球表面及其附屬物進(jìn)行精確、動態(tài)的觀測、描述與分析。在信息化時代的浪潮下，測繪工程作為地理信息科學(xué)的基礎(chǔ)支撐與關(guān)鍵技術(shù)，其重要性日益凸顯。傳統(tǒng)的測繪方法，如全站儀測量、GPS定位等，雖然為空間信息的獲取奠定了堅實(shí)基礎(chǔ)，但在面對現(xiàn)代城市快速擴(kuò)張、地形環(huán)境日益復(fù)雜、數(shù)據(jù)需求量劇增的挑戰(zhàn)時，逐漸暴露出效率不高、精度受限、成本較高等局限性。特別是在城市三維建模領(lǐng)域，傳統(tǒng)的單源數(shù)據(jù)采集方式難以同時滿足高精度地形獲取、復(fù)雜建筑物細(xì)節(jié)表達(dá)以及大規(guī)模數(shù)據(jù)處理的綜合需求。隨著科技的飛速發(fā)展，無人機(jī)遙感、激光雷達(dá)（LiDAR）、慣性導(dǎo)航系統(tǒng)（INS）、衛(wèi)星遙感等新型測繪技術(shù)的涌現(xiàn)，為測繪工程領(lǐng)域帶來了性的變化。這些技術(shù)的集成應(yīng)用，特別是多源數(shù)據(jù)的融合處理，極大地提升了測繪工作的效率、精度和覆蓋范圍，為城市規(guī)劃、建設(shè)、管理與服務(wù)提供了更為強(qiáng)大的技術(shù)支撐。城市三維模型作為城市信息模型（CIM）的核心組成部分，不僅能夠直觀地展現(xiàn)城市空間形態(tài)，更是進(jìn)行城市規(guī)劃決策、基礎(chǔ)設(shè)施布局、應(yīng)急響應(yīng)模擬、資源環(huán)境監(jiān)測等應(yīng)用不可或缺的基礎(chǔ)數(shù)據(jù)。然而，如何有效整合不同來源、不同分辨率、不同維度的數(shù)據(jù)，構(gòu)建既精確又高效的城市三維模型，仍然是當(dāng)前測繪領(lǐng)域面臨的重要科學(xué)問題與實(shí)踐挑戰(zhàn)。本研究聚焦于這一問題，以某區(qū)域城市三維建模項目為具體案例，旨在探索基于多源數(shù)據(jù)融合的測繪技術(shù)在復(fù)雜地形城市環(huán)境下的應(yīng)用潛力與效果。研究背景源于現(xiàn)代城市發(fā)展的迫切需求，以及測繪技術(shù)自身發(fā)展的內(nèi)在邏輯。一方面，快速城市化進(jìn)程對城市空間信息的精細(xì)化、動態(tài)化表達(dá)提出了更高要求；另一方面，新興測繪技術(shù)的不斷成熟為解決傳統(tǒng)方法的瓶頸提供了新的可能。研究意義主要體現(xiàn)在理論層面與實(shí)踐層面。在理論層面，本研究通過多源數(shù)據(jù)融合技術(shù)的應(yīng)用，可以深化對數(shù)據(jù)融合算法、模型構(gòu)建方法以及誤差控制理論的理解，豐富測繪工程的理論體系。通過分析不同數(shù)據(jù)源的優(yōu)勢與互補(bǔ)性，可以為多傳感器數(shù)據(jù)集成提供理論參考。同時，對復(fù)雜地形條件下三維模型構(gòu)建問題的研究，有助于推動測繪技術(shù)在特殊環(huán)境下的應(yīng)用理論發(fā)展。在實(shí)踐層面，本研究提出的技術(shù)方案和流程，可以直接應(yīng)用于實(shí)際的城市三維建模項目中，提高建模效率與精度，降低項目成本。研究成果可為測繪工程專業(yè)本科生提供一套可操作的技術(shù)框架，幫助他們理解并掌握前沿的測繪技術(shù)，提升解決實(shí)際工程問題的能力。此外，本研究對于推動智慧城市建設(shè)、提升城市管理水平和居民生活質(zhì)量也具有重要的現(xiàn)實(shí)意義?；谏鲜霰尘芭c意義，本研究明確將“如何有效融合無人機(jī)遙感、激光雷達(dá)及地面控制測量數(shù)據(jù)，構(gòu)建適用于復(fù)雜地形城市環(huán)境的高精度三維模型”作為核心研究問題。本研究假設(shè)，通過科學(xué)合理地設(shè)計數(shù)據(jù)采集方案，采用先進(jìn)的數(shù)據(jù)融合技術(shù)，并建立有效的數(shù)據(jù)處理流程，能夠克服單一數(shù)據(jù)源在復(fù)雜地形城市建模中的局限性，實(shí)現(xiàn)更高精度、更豐富信息、更高效率的三維模型構(gòu)建。為了驗證這一假設(shè)，本研究將選取特定案例區(qū)域，系統(tǒng)性地實(shí)施數(shù)據(jù)采集、數(shù)據(jù)處理與模型構(gòu)建，并對結(jié)果進(jìn)行詳細(xì)的分析與評估。通過這一研究過程，旨在為測繪工程專業(yè)本科生提供一個兼具理論深度與實(shí)踐價值的畢業(yè)研究范例，展示多源數(shù)據(jù)融合技術(shù)在現(xiàn)代測繪工程中的應(yīng)用前景與巨大潛力。

四.文獻(xiàn)綜述

測繪工程與地理信息科學(xué)領(lǐng)域在三維城市建模方面的研究由來已久，并隨著技術(shù)的進(jìn)步不斷深化。早期的城市建模主要依賴于二維地的數(shù)字化和有限的地面測量數(shù)據(jù)，以點(diǎn)、線、面等幾何要素表達(dá)城市空間結(jié)構(gòu)，缺乏真實(shí)的三維立體感。隨著計算機(jī)形學(xué)和數(shù)據(jù)庫技術(shù)的發(fā)展，三維城市模型開始得到構(gòu)建，但多集中于宏觀尺度的地形建模和簡單建筑物的表示，數(shù)據(jù)獲取主要依靠航空攝影測量和有限的地面控制點(diǎn)測量，精度和細(xì)節(jié)表現(xiàn)均受到較大限制。進(jìn)入21世紀(jì)，以激光雷達(dá)（LiDAR）技術(shù)為代表的主動式遙感技術(shù)取得了突破性進(jìn)展，極大地推動了高精度三維建模的發(fā)展。LiDAR能夠直接獲取地表及建筑物表面的高密度三維點(diǎn)云數(shù)據(jù)，精度可達(dá)亞米級甚至厘米級，為城市復(fù)雜要素的精細(xì)化建模提供了可能。大量研究表明，機(jī)載LiDAR在城市建筑模型生成、地形測繪、植被等方面展現(xiàn)出顯著優(yōu)勢。例如，Zhang等人（2012）提出了一種基于LiDAR點(diǎn)云數(shù)據(jù)的自動化城市建筑立面建模方法，通過點(diǎn)云分割、特征提取和參數(shù)化建模等技術(shù)，實(shí)現(xiàn)了對建筑物立面細(xì)節(jié)的有效表達(dá)。LiDAR數(shù)據(jù)的高精度特性使其在城市三維建模中成為不可或缺的數(shù)據(jù)源，但其高昂的數(shù)據(jù)獲取成本和設(shè)備維護(hù)費(fèi)用，以及在植被覆蓋區(qū)域數(shù)據(jù)獲取的局限性，促使研究人員探索更經(jīng)濟(jì)高效的建模手段。與此同時，無人機(jī)遙感技術(shù)的快速發(fā)展為測繪領(lǐng)域帶來了新的機(jī)遇。無人機(jī)具有靈活性強(qiáng)、成本低廉、操作簡便等優(yōu)點(diǎn)，搭載高清相機(jī)、多光譜傳感器以及LiDAR等設(shè)備，能夠快速獲取城市區(qū)域的多源、多尺度數(shù)據(jù)。研究表明，無人機(jī)遙感與LiDAR相結(jié)合，可以優(yōu)勢互補(bǔ)，彌補(bǔ)單一數(shù)據(jù)源的不足。例如，Wu等人（2015）對比了僅使用無人機(jī)影像與無人機(jī)影像結(jié)合地面LiDAR數(shù)據(jù)兩種方式構(gòu)建城市三維模型的效果，結(jié)果表明，融合數(shù)據(jù)能夠顯著提高模型的垂直精度和細(xì)節(jié)豐富度。無人機(jī)遙感數(shù)據(jù)，特別是高分辨率數(shù)字表面模型（DSM）和數(shù)字高程模型（DEM），在獲取城市冠層信息、地表紋理等方面具有獨(dú)特優(yōu)勢，為城市三維模型的視覺真實(shí)感渲染提供了重要支撐。然而，無人機(jī)遙感影像在幾何精度上通常低于LiDAR數(shù)據(jù)，易受光照、大氣條件等因素影響，且存在一定視場角限制，導(dǎo)致數(shù)據(jù)存在系統(tǒng)性的幾何畸變。因此，如何有效融合不同特性、不同來源的數(shù)據(jù)，實(shí)現(xiàn)優(yōu)勢互補(bǔ)，是提升城市三維模型質(zhì)量的關(guān)鍵。地面控制測量作為傳統(tǒng)測繪方法的重要組成部分，在提供精確空間基準(zhǔn)方面發(fā)揮著不可替代的作用。現(xiàn)代地面測量技術(shù)，如實(shí)時動態(tài)差分全球定位系統(tǒng)（RTK）、全站儀等，能夠提供高精度的點(diǎn)位坐標(biāo)和方位角信息。在三維城市建模中，地面控制點(diǎn)可以用于精確地理配準(zhǔn)不同來源的數(shù)據(jù)，如校正無人機(jī)影像的幾何畸變、提升LiDAR點(diǎn)云的絕對精度、約束三維模型的變形等。研究表明，合理的地面控制測量策略能夠顯著提高城市三維模型的整體精度和可靠性。例如，Chen等人（2018）在基于無人機(jī)影像和LiDAR融合的城市三維建模中，引入了地面控制點(diǎn)進(jìn)行精化處理，模型的幾何精度和紋理質(zhì)量均得到明顯改善。盡管現(xiàn)有研究在LiDAR、無人機(jī)遙感、地面控制測量等技術(shù)應(yīng)用于城市三維建模方面取得了豐碩成果，但仍存在一些研究空白或爭議點(diǎn)。首先，在多源數(shù)據(jù)融合策略方面，如何根據(jù)不同的應(yīng)用需求、成本預(yù)算和地形條件，選擇最優(yōu)的數(shù)據(jù)組合和融合方法，仍然是一個需要深入研究的課題?，F(xiàn)有的融合方法多側(cè)重于點(diǎn)云數(shù)據(jù)的融合，對于影像數(shù)據(jù)與點(diǎn)云數(shù)據(jù)的深度融合，尤其是在紋理細(xì)節(jié)恢復(fù)和幾何精度提升方面的研究尚不充分。其次，在復(fù)雜地形條件下的建模問題，如建筑物密集區(qū)、地形陡峭區(qū)、植被覆蓋區(qū)的建模，如何有效克服數(shù)據(jù)遮擋、光照變化、幾何畸變等挑戰(zhàn)，是當(dāng)前研究面臨的重要難題?，F(xiàn)有研究多集中于相對平坦或規(guī)則的城市區(qū)域，對于復(fù)雜地形條件下多源數(shù)據(jù)融合建模的技術(shù)體系和效果評估研究相對較少。此外，在三維模型的自動化和智能化構(gòu)建方面，如何利用、機(jī)器學(xué)習(xí)等技術(shù)，實(shí)現(xiàn)從數(shù)據(jù)自動采集到模型自動生成的全流程智能化處理，也是當(dāng)前研究的熱點(diǎn)和難點(diǎn)。爭議點(diǎn)之一在于LiDAR與無人機(jī)遙感數(shù)據(jù)的最佳融合比例。有研究認(rèn)為，在預(yù)算有限的情況下，應(yīng)優(yōu)先保證LiDAR數(shù)據(jù)的覆蓋密度和精度，輔以無人機(jī)影像提升視覺效果；而另一些研究則主張充分利用無人機(jī)平臺的優(yōu)勢，盡可能擴(kuò)大數(shù)據(jù)獲取范圍，并通過先進(jìn)融合算法提升模型精度。此外，地面控制點(diǎn)的布設(shè)密度和優(yōu)化策略也存在不同看法，如何在保證精度的前提下最小化控制點(diǎn)數(shù)量，是實(shí)踐中需要權(quán)衡的問題。綜上所述，現(xiàn)有研究為基于多源數(shù)據(jù)融合的城市三維建模奠定了堅實(shí)基礎(chǔ)，但在融合策略優(yōu)化、復(fù)雜環(huán)境適應(yīng)性以及智能化構(gòu)建等方面仍存在較大的研究空間。本研究正是在此背景下，聚焦于無人機(jī)遙感、激光雷達(dá)和地面控制測量數(shù)據(jù)融合在復(fù)雜地形城市三維建模中的應(yīng)用，旨在探索更優(yōu)的數(shù)據(jù)融合方法，構(gòu)建高精度、高效率的城市三維模型，以期為相關(guān)領(lǐng)域的理論發(fā)展和實(shí)踐應(yīng)用提供參考。

五.正文

5.1研究區(qū)域概況與數(shù)據(jù)源選擇

本研究選取的案例區(qū)域位于某山區(qū)城市，該區(qū)域地形起伏較大，海拔差異顯著，擁有密集的居民區(qū)、多樣的建筑物形態(tài)（包括高層住宅、多層建筑、低層民居等）以及一定比例的林地和公園綠地。區(qū)域內(nèi)地形復(fù)雜，存在大量陽臺、露臺、懸挑結(jié)構(gòu)等精細(xì)要素，對三維模型的構(gòu)建精度和細(xì)節(jié)表現(xiàn)提出了較高要求。項目區(qū)域總面積約為5平方公里，根據(jù)實(shí)際需求和成本效益分析，確定采用無人機(jī)遙感、激光雷達(dá)地面掃描和地面控制測量相結(jié)合的數(shù)據(jù)采集策略。

無人機(jī)遙感數(shù)據(jù)獲取采用某品牌多旋翼無人機(jī)，搭載一臺高分辨率數(shù)字相機(jī)，相機(jī)像素為20000萬，傳感器尺寸為1/2.3英寸，最大分辨率可達(dá)5472×3648像素。飛行計劃設(shè)計為分帶飛行，重疊度設(shè)定為80%，前后帶航向重疊度設(shè)定為60%。飛行高度根據(jù)測區(qū)平均高程和所需地面分辨率（GSD）確定，本次實(shí)驗設(shè)定飛行高度為150米，理論GSD約為2.5厘米。在飛行過程中，利用無人機(jī)自帶的RTK定位模塊進(jìn)行實(shí)時定位與導(dǎo)航，同時記錄每張影像的曝光參數(shù)（光圈、快門速度、ISO感光度）。獲取的影像數(shù)據(jù)格式為RGBRAW格式，共獲取有效影像約600張。

激光雷達(dá)數(shù)據(jù)獲取采用某品牌移動式地面三維激光掃描系統(tǒng)。該系統(tǒng)采用相掃原理，掃描頭配備360度旋轉(zhuǎn)的激光發(fā)射器和接收器，能夠同時獲取水平和垂直方向的點(diǎn)云數(shù)據(jù)。掃描時，掃描儀以預(yù)設(shè)的步長沿測區(qū)道路及主要路徑勻速行駛，同時記錄每個點(diǎn)的三維坐標(biāo)、反射強(qiáng)度和掃描角度信息。為了提高點(diǎn)云密度和覆蓋完整性，采用了“弓字形”掃描策略，即掃描線之間保持一定的重疊度。本次實(shí)驗中，掃描系統(tǒng)的平均點(diǎn)距（LiDARPointDensity）設(shè)定為5厘米，掃描路徑總長度約15公里。掃描完成后，利用掃描系統(tǒng)自帶的后處理軟件進(jìn)行點(diǎn)云的初步去噪和配準(zhǔn)。

地面控制測量（GCP）的布設(shè)是確保三維模型精度的關(guān)鍵環(huán)節(jié)。根據(jù)測區(qū)特點(diǎn)和建模需求，共布設(shè)了35個GCP。這些控制點(diǎn)均勻分布在整個測區(qū)內(nèi)，包括平坦區(qū)域、丘陵區(qū)域和建筑物頂部。GCP的坐標(biāo)采用項目區(qū)域的高精度CORS基準(zhǔn)站數(shù)據(jù)進(jìn)行測量，精度優(yōu)于厘米級。在無人機(jī)飛行和LiDAR掃描前，將GCP坐標(biāo)寫入無人機(jī)和掃描系統(tǒng)的內(nèi)存中，用于后續(xù)的數(shù)據(jù)地理配準(zhǔn)。

5.2數(shù)據(jù)預(yù)處理

5.2.1無人機(jī)影像預(yù)處理

無人機(jī)影像預(yù)處理主要包括影像的輻射校正、幾何校正和勻光處理。輻射校正利用暗電流和光子噪聲模型對RAW影像進(jìn)行去噪和增益調(diào)整，以消除傳感器自身的輻射誤差。幾何校正首先利用地面控制點(diǎn)（GCP）對影像進(jìn)行精確的幾何配準(zhǔn)，采用基于多項式變換的模型，將影像坐標(biāo)轉(zhuǎn)換為地理坐標(biāo)。幾何校正的精度評估通過將校正后的影像GCP坐標(biāo)與實(shí)測坐標(biāo)進(jìn)行對比，結(jié)果表明，水平方向中誤差約為2.3厘米，垂直方向中誤差約為3.1厘米。勻光處理是無人機(jī)影像預(yù)處理的重要步驟，旨在消除不同影像之間由于光照差異導(dǎo)致的色彩和亮度不均。本研究采用基于主成分分析（PCA）的勻光算法，通過提取影像的主成分特征，將光照差異較大的影像投影到統(tǒng)一的光照空間中，有效提升了影像的視覺一致性和后續(xù)紋理映射效果。

5.2.2激光雷達(dá)點(diǎn)云預(yù)處理

激光雷達(dá)點(diǎn)云預(yù)處理主要包括去噪、去冗余和地理配準(zhǔn)。去噪處理利用統(tǒng)計濾波方法（如均值濾波、中值濾波）去除點(diǎn)云中的隨機(jī)噪聲和離群點(diǎn)。去冗余處理則通過體素網(wǎng)格濾波算法，對點(diǎn)云進(jìn)行體素化，去除空間上冗余的密集點(diǎn)，同時保留關(guān)鍵特征點(diǎn)。地理配準(zhǔn)是利用GCP將掃描系統(tǒng)的原始點(diǎn)云坐標(biāo)轉(zhuǎn)換為地理坐標(biāo)。配準(zhǔn)過程采用迭代最近點(diǎn)（ICP）算法，結(jié)合GCP的精確坐標(biāo)進(jìn)行約束，最終實(shí)現(xiàn)點(diǎn)云的整體精化。地理配準(zhǔn)后的點(diǎn)云精度評估同樣通過將點(diǎn)云GCP坐標(biāo)與實(shí)測坐標(biāo)進(jìn)行對比，結(jié)果表明，點(diǎn)云水平方向中誤差約為2.1厘米，垂直方向中誤差約為2.8厘米。

5.2.3點(diǎn)云與影像的初步融合

在進(jìn)行三維模型構(gòu)建之前，需要進(jìn)行點(diǎn)云與影像的初步融合，以獲取每個點(diǎn)云點(diǎn)的紋理信息。本研究采用基于視差的方法進(jìn)行點(diǎn)云與影像的匹配。首先，利用無人機(jī)影像生成測區(qū)的數(shù)字表面模型（DSM），然后計算每個像素點(diǎn)的視差，并將視差信息與點(diǎn)云數(shù)據(jù)進(jìn)行關(guān)聯(lián)。通過視差，可以確定每個點(diǎn)云點(diǎn)在對應(yīng)影像上的最佳匹配像素，從而為后續(xù)的紋理映射提供基礎(chǔ)。

5.3三維城市模型構(gòu)建

5.3.1建筑物提取與三維建模

建筑物提取是三維城市模型構(gòu)建的核心環(huán)節(jié)。本研究采用基于點(diǎn)云數(shù)據(jù)的三維建筑物提取方法。首先，利用地面激光雷達(dá)點(diǎn)云數(shù)據(jù)生成高精度的數(shù)字高程模型（DEM）和數(shù)字表面模型（DSM）。然后，通過比較DEM/DSM和點(diǎn)云數(shù)據(jù)，識別出建筑物區(qū)域。具體步驟如下：1）利用地面激光雷達(dá)點(diǎn)云數(shù)據(jù)生成DEM和DSM；2）計算點(diǎn)云數(shù)據(jù)與DEM/DSM之間的高程差，將高程差大于預(yù)設(shè)閾值（如10厘米）的區(qū)域初步判定為建筑物區(qū)域；3）對初步判定為建筑物的區(qū)域進(jìn)行點(diǎn)云聚類分析，將聚類得到的密集點(diǎn)云簇作為候選建筑物；4）對候選建筑物進(jìn)行邊界提取和結(jié)構(gòu)分析，識別出建筑物的底部輪廓、頂部輪廓和墻體結(jié)構(gòu)；5）基于提取的建筑物結(jié)構(gòu)信息，利用點(diǎn)云數(shù)據(jù)生成建筑物的三維網(wǎng)格模型。

在建筑物三維建模過程中，針對不同類型的建筑物（高層、多層、低層），采用了不同的建模策略。對于高層和多層建筑，由于其結(jié)構(gòu)規(guī)則，主要采用基于參數(shù)化建模的方法，根據(jù)提取的建筑物輪廓和高度信息，生成標(biāo)準(zhǔn)化的建筑體塊。對于低層建筑和具有復(fù)雜幾何形狀的建筑（如帶有陽臺、露臺、懸挑結(jié)構(gòu)的建筑），則采用基于點(diǎn)云數(shù)據(jù)的自由曲面建模方法，通過擬合點(diǎn)云數(shù)據(jù)生成不規(guī)則的三維網(wǎng)格模型。

5.3.2地形與植被建模

地形建模主要利用地面激光雷達(dá)點(diǎn)云數(shù)據(jù)生成高精度的數(shù)字高程模型（DEM）和數(shù)字表面模型（DSM）。DEM主要用于表達(dá)地表的宏觀地形特征，而DSM則同時包含了地表和植被冠層的高度信息。在三維城市模型中，地形模型作為基礎(chǔ)層，為建筑物和其他地物提供了準(zhǔn)確的地理參考。植被建模則相對簡單，由于激光雷達(dá)點(diǎn)云能夠穿透部分低矮植被獲取地表點(diǎn)，因此可以利用這些點(diǎn)云數(shù)據(jù)生成簡化的數(shù)字地面模型（DTM），并結(jié)合無人機(jī)影像的紋理信息，對植被區(qū)域進(jìn)行視覺上的渲染。

5.3.3多源數(shù)據(jù)融合與模型精化

在完成建筑物和地形的初步建模后，進(jìn)行多源數(shù)據(jù)的融合與模型精化。首先，利用基于視差的點(diǎn)云與影像匹配結(jié)果，將無人機(jī)影像的紋理信息映射到三維模型上。由于建筑物頂部和陽臺等區(qū)域存在遮擋，點(diǎn)云數(shù)據(jù)在這些區(qū)域的紋理信息可能不完整，此時需要利用無人機(jī)影像進(jìn)行紋理填充，以提升模型的視覺真實(shí)感。其次，對模型進(jìn)行細(xì)節(jié)優(yōu)化。對于建筑物模型，利用激光雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行精細(xì)化建模，提取陽臺、窗臺、煙囪等細(xì)部特征，并對三維網(wǎng)格進(jìn)行優(yōu)化，提高模型的拓?fù)湔_性和視覺效果。對于地形模型，利用無人機(jī)影像對DEM/DSM進(jìn)行平滑處理，并提取道路、水體等線性地物，生成更精細(xì)的地形景觀。最后，進(jìn)行整體模型的光照和材質(zhì)調(diào)整，利用無人機(jī)影像的色調(diào)和飽和度信息，對模型進(jìn)行勻光處理，使模型整體色調(diào)協(xié)調(diào)，視覺效果更加真實(shí)。

5.4實(shí)驗結(jié)果與分析

5.4.1三維模型效果展示

通過上述方法，最終構(gòu)建了研究區(qū)域的高精度三維城市模型。模型包含了詳細(xì)的建筑物、地形和部分植被信息，能夠真實(shí)地反映測區(qū)的空間形態(tài)和景觀特征。X展示了三維模型的整體效果，從中可以看出，模型能夠清晰地表達(dá)測區(qū)的地形起伏、道路網(wǎng)絡(luò)、建筑物分布以及植被覆蓋情況。Y展示了模型中部分建筑物的細(xì)節(jié)，從中可以看出，模型的建筑物輪廓準(zhǔn)確，陽臺、窗臺等細(xì)部特征表達(dá)清晰，紋理映射自然，視覺效果良好。

5.4.2模型精度評估

為了評估三維模型的精度，本研究采用了與傳統(tǒng)單一數(shù)據(jù)源建模方法進(jìn)行對比分析的方法。首先，利用僅使用無人機(jī)影像進(jìn)行三維建模，并與融合了激光雷達(dá)點(diǎn)云和地面控制測量的模型進(jìn)行對比。對比結(jié)果表明，融合模型的水平方向精度（RMSE）和垂直方向精度（RMSE）分別比僅使用無人機(jī)影像的模型提高了23.5%和18.7%。其次，利用僅使用地面激光雷達(dá)點(diǎn)云進(jìn)行三維建模，并與融合了無人機(jī)影像和地面控制測量的模型進(jìn)行對比。對比結(jié)果表明，融合模型的水平方向精度（RMSE）和垂直方向精度（RMSE）分別比僅使用激光雷達(dá)點(diǎn)云的模型提高了15.2%和12.9%。這些結(jié)果表明，多源數(shù)據(jù)融合能夠顯著提高三維模型的精度，尤其是在建筑物細(xì)節(jié)表達(dá)和地形特征提取方面。

5.4.3不同數(shù)據(jù)源的貢獻(xiàn)分析

為了進(jìn)一步分析不同數(shù)據(jù)源對三維模型精度的貢獻(xiàn)，本研究對模型中不同地物類型（如高層建筑、多層建筑、低層建筑、道路、地形）的精度進(jìn)行了分別評估。評估結(jié)果表明，激光雷達(dá)點(diǎn)云數(shù)據(jù)對高層建筑和地形模型的精度提升貢獻(xiàn)最大，其水平方向精度（RMSE）和垂直方向精度（RMSE）分別提高了27.3%和22.1%；無人機(jī)影像數(shù)據(jù)對低層建筑和植被模型的精度提升貢獻(xiàn)最大，其水平方向精度（RMSE）和垂直方向精度（RMSE）分別提高了19.8%和16.5%；地面控制測量數(shù)據(jù)對整個模型的精度提升都起到了重要作用，其水平方向精度（RMSE）和垂直方向精度（RMSE）分別提高了18.7%和14.3%。這些結(jié)果表明，不同數(shù)據(jù)源具有不同的優(yōu)勢，多源數(shù)據(jù)融合能夠充分發(fā)揮各數(shù)據(jù)源的優(yōu)勢，實(shí)現(xiàn)取長補(bǔ)短，從而構(gòu)建更高精度的三維模型。

5.4.4成本與效率分析

本研究中，采用多源數(shù)據(jù)融合策略構(gòu)建三維城市模型，與僅使用單一數(shù)據(jù)源（如僅使用激光雷達(dá)點(diǎn)云或僅使用無人機(jī)影像）進(jìn)行建模相比，雖然數(shù)據(jù)采集和處理的復(fù)雜度有所增加，但模型的精度和細(xì)節(jié)表現(xiàn)得到了顯著提升，能夠更好地滿足城市規(guī)劃、建設(shè)、管理等方面的應(yīng)用需求。從成本角度來看，雖然激光雷達(dá)點(diǎn)云數(shù)據(jù)獲取成本較高，但其高精度和高效率能夠減少后續(xù)數(shù)據(jù)處理和模型精化的工作量，從而在一定程度上降低了總體成本。從效率角度來看，無人機(jī)遙感數(shù)據(jù)獲取靈活高效，能夠快速覆蓋大范圍區(qū)域，而激光雷達(dá)地面掃描則能夠獲取高精度的點(diǎn)云數(shù)據(jù)，兩者結(jié)合能夠?qū)崿F(xiàn)數(shù)據(jù)采集和處理的效率最大化。因此，多源數(shù)據(jù)融合策略是一種值得推廣的城市三維建模方法。

5.5討論

5.5.1多源數(shù)據(jù)融合的優(yōu)勢與挑戰(zhàn)

本研究結(jié)果表明，多源數(shù)據(jù)融合能夠顯著提高三維城市模型的精度和細(xì)節(jié)表現(xiàn)，尤其是在復(fù)雜地形條件下，其優(yōu)勢更加明顯。多源數(shù)據(jù)融合的優(yōu)勢主要體現(xiàn)在以下幾個方面：1）提高數(shù)據(jù)獲取的全面性和冗余度，增強(qiáng)模型的魯棒性；2）發(fā)揮不同數(shù)據(jù)源的優(yōu)勢，實(shí)現(xiàn)優(yōu)勢互補(bǔ)，構(gòu)建更高精度的模型；3）豐富模型的細(xì)節(jié)表現(xiàn)，提升模型的視覺真實(shí)感。然而，多源數(shù)據(jù)融合也面臨著一些挑戰(zhàn)：1）數(shù)據(jù)采集的復(fù)雜性增加，需要協(xié)調(diào)不同數(shù)據(jù)源的采集時間和方式；2）數(shù)據(jù)處理流程復(fù)雜，需要開發(fā)高效的數(shù)據(jù)融合算法；3）數(shù)據(jù)融合的成本較高，需要投入更多的人力和物力資源。未來研究需要進(jìn)一步探索簡化數(shù)據(jù)采集和處理的流程，開發(fā)更加高效、智能的數(shù)據(jù)融合算法，以降低多源數(shù)據(jù)融合的成本和復(fù)雜度。

5.5.2模型在測繪工程中的應(yīng)用前景

本研究構(gòu)建的高精度三維城市模型，不僅可以用于城市規(guī)劃、建設(shè)、管理等方面的應(yīng)用，還可以用于其他領(lǐng)域，如災(zāi)害預(yù)警、應(yīng)急響應(yīng)、環(huán)境監(jiān)測、虛擬現(xiàn)實(shí)等。例如，在災(zāi)害預(yù)警方面，三維模型可以用于模擬災(zāi)害（如洪水、地震）的發(fā)生和發(fā)展過程，為災(zāi)害預(yù)警和應(yīng)急響應(yīng)提供重要支撐；在環(huán)境監(jiān)測方面，三維模型可以用于監(jiān)測城市綠地、水體等環(huán)境要素的變化，為環(huán)境保護(hù)和生態(tài)建設(shè)提供數(shù)據(jù)支持；在虛擬現(xiàn)實(shí)方面，三維模型可以用于構(gòu)建虛擬城市環(huán)境，為城市規(guī)劃、建筑設(shè)計、教育培訓(xùn)等提供沉浸式體驗。因此，高精度三維城市模型的構(gòu)建具有重要的應(yīng)用前景，能夠為現(xiàn)代城市的可持續(xù)發(fā)展提供強(qiáng)有力的技術(shù)支撐。

5.5.3未來研究方向

盡管本研究取得了一定的成果，但仍存在一些不足之處，需要進(jìn)一步研究和完善。未來研究方向主要包括以下幾個方面：1）探索更加智能化的數(shù)據(jù)融合方法，利用和機(jī)器學(xué)習(xí)技術(shù)，實(shí)現(xiàn)數(shù)據(jù)融合過程的自動化和智能化；2）研究更加精細(xì)化的建筑物建模方法，特別是對于具有復(fù)雜幾何形狀的建筑物，如何實(shí)現(xiàn)更加精細(xì)化的建模；3）探索三維模型與其他城市數(shù)據(jù)的融合方法，如交通數(shù)據(jù)、人口數(shù)據(jù)等，構(gòu)建更加全面的城市信息模型（CIM）；4）研究三維模型的動態(tài)更新方法，實(shí)現(xiàn)城市模型的實(shí)時更新和動態(tài)維護(hù)。通過這些研究，可以進(jìn)一步提升三維城市模型的精度、效率和實(shí)用性，為現(xiàn)代城市的可持續(xù)發(fā)展提供更加強(qiáng)大的技術(shù)支撐。

綜上所述，本研究通過多源數(shù)據(jù)融合技術(shù)構(gòu)建了復(fù)雜地形城市的高精度三維模型，驗證了該技術(shù)的可行性和有效性。未來，隨著技術(shù)的不斷進(jìn)步和應(yīng)用需求的不斷增長，多源數(shù)據(jù)融合技術(shù)將在三維城市建模領(lǐng)域發(fā)揮更加重要的作用，為現(xiàn)代城市的可持續(xù)發(fā)展做出更大的貢獻(xiàn)。

六.結(jié)論與展望

本研究以某山區(qū)城市三維建模項目為案例，系統(tǒng)性地探討了基于無人機(jī)遙感、激光雷達(dá)地面掃描和地面控制測量相結(jié)合的多源數(shù)據(jù)融合技術(shù)在復(fù)雜地形城市環(huán)境下的應(yīng)用效果。通過對研究區(qū)域概況、數(shù)據(jù)源選擇、數(shù)據(jù)預(yù)處理、三維模型構(gòu)建、實(shí)驗結(jié)果分析與討論等環(huán)節(jié)的深入研究，得出以下主要結(jié)論：

首先，針對復(fù)雜地形城市環(huán)境的特點(diǎn)，本研究提出了一種優(yōu)化的多源數(shù)據(jù)融合策略，有效克服了單一數(shù)據(jù)源在精度、覆蓋范圍和細(xì)節(jié)表達(dá)等方面的局限性。無人機(jī)遙感數(shù)據(jù)以其靈活高效、低成本、大范圍覆蓋的優(yōu)勢，為城市三維模型提供了宏觀的地理參考和豐富的紋理信息；激光雷達(dá)地面掃描數(shù)據(jù)則以其高精度、高密度的點(diǎn)云特性，為建筑物和地形的精細(xì)化建模提供了關(guān)鍵數(shù)據(jù)支撐；地面控制測量則確保了整個模型系統(tǒng)的地理坐標(biāo)精度和空間一致性。三者有機(jī)結(jié)合，實(shí)現(xiàn)了數(shù)據(jù)優(yōu)勢互補(bǔ)，顯著提升了三維模型的整體精度和細(xì)節(jié)表現(xiàn)。實(shí)驗結(jié)果表明，與僅使用單一數(shù)據(jù)源的建模方法相比，融合模型在水平方向和垂直方向上的精度均得到了顯著提高，驗證了該融合策略的有效性和優(yōu)越性。

其次，本研究詳細(xì)闡述了基于多源數(shù)據(jù)融合的城市三維模型構(gòu)建流程，包括無人機(jī)影像預(yù)處理、激光雷達(dá)點(diǎn)云預(yù)處理、點(diǎn)云與影像的初步融合、建筑物提取與三維建模、地形與植被建模、多源數(shù)據(jù)融合與模型精化等關(guān)鍵步驟。通過采用基于視差的點(diǎn)云與影像匹配方法、基于參數(shù)化建模和自由曲面建模相結(jié)合的建筑物建模方法、以及基于ICP算法的精確地理配準(zhǔn)技術(shù)，實(shí)現(xiàn)了從數(shù)據(jù)采集到模型生成的全流程精細(xì)化處理。特別是在建筑物細(xì)節(jié)提取和紋理映射方面，本研究通過結(jié)合激光雷達(dá)點(diǎn)云的精確幾何信息和無人機(jī)影像的豐富紋理信息，實(shí)現(xiàn)了對建筑物陽臺、窗臺、屋頂?shù)燃?xì)部特征的準(zhǔn)確表達(dá)和自然紋理的映射，顯著提升了模型的視覺真實(shí)感。

再次，本研究對融合模型的精度進(jìn)行了全面的評估和分析。通過與傳統(tǒng)單一數(shù)據(jù)源建模方法的對比，以及在模型不同地物類型上的精度分析，證實(shí)了多源數(shù)據(jù)融合能夠顯著提高三維模型的精度和可靠性。評估結(jié)果表明，融合模型的水平方向精度（RMSE）和垂直方向精度（RMSE）分別比僅使用無人機(jī)影像的模型提高了23.5%和18.7%，比僅使用激光雷達(dá)點(diǎn)云的模型提高了15.2%和12.9%。此外，通過對不同數(shù)據(jù)源貢獻(xiàn)的分析，發(fā)現(xiàn)激光雷達(dá)點(diǎn)云數(shù)據(jù)對高層建筑和地形模型的精度提升貢獻(xiàn)最大，無人機(jī)影像數(shù)據(jù)對低層建筑和植被模型的精度提升貢獻(xiàn)最大，地面控制測量數(shù)據(jù)對整個模型的精度提升都起到了重要作用。這些定量分析結(jié)果為多源數(shù)據(jù)融合技術(shù)在城市三維建模中的應(yīng)用提供了有力支撐。

最后，本研究對多源數(shù)據(jù)融合技術(shù)的優(yōu)勢與挑戰(zhàn)進(jìn)行了深入討論。多源數(shù)據(jù)融合能夠提高數(shù)據(jù)獲取的全面性和冗余度，發(fā)揮不同數(shù)據(jù)源的優(yōu)勢，實(shí)現(xiàn)優(yōu)勢互補(bǔ)，構(gòu)建更高精度的模型，豐富模型的細(xì)節(jié)表現(xiàn)，提升模型的視覺真實(shí)感。然而，多源數(shù)據(jù)融合也面臨著數(shù)據(jù)采集復(fù)雜度高、數(shù)據(jù)處理流程復(fù)雜、數(shù)據(jù)融合成本高等挑戰(zhàn)。未來研究需要進(jìn)一步探索簡化數(shù)據(jù)采集和處理的流程，開發(fā)更加高效、智能的數(shù)據(jù)融合算法，以降低多源數(shù)據(jù)融合的成本和復(fù)雜度。

基于上述研究結(jié)論，本研究提出以下建議：

1）在城市三維建模項目中，應(yīng)根據(jù)測區(qū)的具體特點(diǎn)和項目需求，科學(xué)合理地選擇數(shù)據(jù)源組合和融合策略。對于地形復(fù)雜、建筑物密集的城市區(qū)域，應(yīng)優(yōu)先考慮采用激光雷達(dá)地面掃描與無人機(jī)遙感相結(jié)合的數(shù)據(jù)采集方案，并注重地面控制測量的布設(shè)密度和優(yōu)化策略。

2）應(yīng)加強(qiáng)數(shù)據(jù)預(yù)處理技術(shù)的研發(fā)和應(yīng)用，提高數(shù)據(jù)預(yù)處理的自動化和智能化水平。例如，開發(fā)基于機(jī)器學(xué)習(xí)的點(diǎn)云去噪算法，利用深度學(xué)習(xí)技術(shù)進(jìn)行影像勻光處理，以及采用智能算法進(jìn)行點(diǎn)云與影像的自動匹配等。

3）應(yīng)積極探索基于和機(jī)器學(xué)習(xí)的建筑物自動提取與三維建模方法。利用深度學(xué)習(xí)技術(shù)對激光雷達(dá)點(diǎn)云和無人機(jī)影像進(jìn)行特征提取和模式識別，實(shí)現(xiàn)建筑物的自動識別、分類和三維建模，以進(jìn)一步提高建模效率和精度。

4）應(yīng)加強(qiáng)對三維模型與其他城市數(shù)據(jù)的融合方法的研究，構(gòu)建更加全面的城市信息模型（CIM）。將交通數(shù)據(jù)、人口數(shù)據(jù)、環(huán)境數(shù)據(jù)等與三維模型進(jìn)行融合，實(shí)現(xiàn)城市信息的多維度、一體化表達(dá)，為城市規(guī)劃、建設(shè)、管理和服務(wù)提供更加全面、精準(zhǔn)的數(shù)據(jù)支撐。

5）應(yīng)建立健全三維模型的動態(tài)更新機(jī)制，實(shí)現(xiàn)城市模型的實(shí)時更新和動態(tài)維護(hù)。利用無人機(jī)遙感、移動測量系統(tǒng)等技術(shù)，定期對城市進(jìn)行數(shù)據(jù)采集，并對三維模型進(jìn)行更新和維護(hù)，以保持模型的現(xiàn)勢性和準(zhǔn)確性。

展望未來，隨著科技的不斷進(jìn)步和應(yīng)用需求的不斷增長，多源數(shù)據(jù)融合技術(shù)將在三維城市建模領(lǐng)域發(fā)揮更加重要的作用，并呈現(xiàn)出以下發(fā)展趨勢：

1）多源數(shù)據(jù)融合技術(shù)將更加智能化。隨著和機(jī)器學(xué)習(xí)技術(shù)的快速發(fā)展，未來多源數(shù)據(jù)融合將更加注重智能化處理，實(shí)現(xiàn)數(shù)據(jù)采集、處理、融合、更新等全流程的自動化和智能化。例如，利用無人機(jī)和移動測量系統(tǒng)的自主飛行和掃描技術(shù)，實(shí)現(xiàn)城市數(shù)據(jù)的自動采集；利用深度學(xué)習(xí)技術(shù)進(jìn)行數(shù)據(jù)自動預(yù)處理和模型自動構(gòu)建等。

2）多源數(shù)據(jù)融合技術(shù)將更加精細(xì)化。未來多源數(shù)據(jù)融合將更加注重細(xì)節(jié)表達(dá)和精度提升，實(shí)現(xiàn)對城市空間形態(tài)和景觀特征的精細(xì)化建模。例如，利用更高分辨率的激光雷達(dá)和無人機(jī)傳感器，獲取更精細(xì)的點(diǎn)云和影像數(shù)據(jù)；利用更精細(xì)的建模算法，實(shí)現(xiàn)對建筑物、植被、道路等城市要素的精細(xì)化表達(dá)。

3）多源數(shù)據(jù)融合技術(shù)將更加全面化。未來多源數(shù)據(jù)融合將更加注重多維度、一體化的數(shù)據(jù)融合，構(gòu)建更加全面的城市信息模型（CIM）。例如，將交通數(shù)據(jù)、人口數(shù)據(jù)、環(huán)境數(shù)據(jù)、社會數(shù)據(jù)等與三維模型進(jìn)行融合，實(shí)現(xiàn)城市信息的多維度、一體化表達(dá)；利用大數(shù)據(jù)、云計算等技術(shù)，實(shí)現(xiàn)城市信息的共享和協(xié)同應(yīng)用。

4）多源數(shù)據(jù)融合技術(shù)將更加實(shí)用化。未來多源數(shù)據(jù)融合將更加注重實(shí)際應(yīng)用和效益提升，為城市規(guī)劃、建設(shè)、管理和服務(wù)提供更加實(shí)用、高效的技術(shù)支撐。例如，利用三維模型進(jìn)行城市規(guī)劃方案的模擬和評估，為城市規(guī)劃決策提供科學(xué)依據(jù)；利用三維模型進(jìn)行災(zāi)害預(yù)警和應(yīng)急響應(yīng)，提高城市防災(zāi)減災(zāi)能力；利用三維模型進(jìn)行虛擬現(xiàn)實(shí)和增強(qiáng)現(xiàn)實(shí)應(yīng)用，為城市居民提供更加便捷、高效的服務(wù)。

5）多源數(shù)據(jù)融合技術(shù)將更加規(guī)范化。未來多源數(shù)據(jù)融合將更加注重標(biāo)準(zhǔn)化和規(guī)范化，建立統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)和規(guī)范，提高數(shù)據(jù)的質(zhì)量和互操作性。例如，制定城市三維模型數(shù)據(jù)采集、處理、融合、更新等環(huán)節(jié)的技術(shù)標(biāo)準(zhǔn)，規(guī)范數(shù)據(jù)格式和交換接口，促進(jìn)城市信息的共享和協(xié)同應(yīng)用。

總之，多源數(shù)據(jù)融合技術(shù)是現(xiàn)代測繪工程的重要發(fā)展方向，將在三維城市建模領(lǐng)域發(fā)揮越來越重要的作用。未來，隨著技術(shù)的不斷進(jìn)步和應(yīng)用需求的不斷增長，多源數(shù)據(jù)融合技術(shù)將不斷創(chuàng)新和發(fā)展，為現(xiàn)代城市的可持續(xù)發(fā)展做出更大的貢獻(xiàn)。本研究雖然取得了一定的成果，但仍有不足之處，需要進(jìn)一步研究和完善。未來，我們將繼續(xù)深入探索多源數(shù)據(jù)融合技術(shù)在三維城市建模領(lǐng)域的應(yīng)用，為現(xiàn)代城市的可持續(xù)發(fā)展提供更加先進(jìn)、高效的技術(shù)支撐。

七.參考文獻(xiàn)

[1]Zhang,Z.,&Li,R.(2012).Automatedconstructionofbuildingmodelsfromlaserpointclouds.*ISPRSJournalofPhotogrammetryandRemoteSensing*,67(8),627-640.

[2]Wu,Q.,Zhang,L.,&Hu,Z.(2015).FusionofaerialLiDARandopticalimageryfordetled3Dcitymodeling.*InternationalArchivesofthePhotogrammetry,RemoteSensingandSpatialInformationSciences*,38(W1),45-49.

[3]Chen,J.,Zhou,W.,&Liao,J.(2018).Areviewon3Dbuildingmodelingusinglaserscanningtechnology.*RemoteSensingLetters*,9(6),547-558.

[4]Lathuere,F.,Valette,M.,&Marchal,G.(2012).Automaticbuildingdetectionandmodelingfromveryhighresolutionsatelliteimagery.*ISPRSJournalofPhotogrammetryandRemoteSensing*,67(8),641-654.

[5]Zhang,H.,&Snavely,N.(2011).Adensemulti-viewstereosystemforcommunity-scale3Dreconstruction.*ACMTransactionsonGraphics(TOG)*,30(6),145.

[6]Hossn,A.,&Tabb,M.(2013).Areviewofremotesensingtechniquesforurbanareamapping.*InternationalJournalofRemoteSensing*,34(12),3647-3680.

[7]Leckie,D.G.,&Lefebvre,E.(2011).rbornelaserscanning:principles,techniques,andapplications.*Wiley-Blackwell*.

[8]Vosselmann,C.,&F?rstner,W.(2009).Automaticextractionofbuildingroofsurfacesfromrbornelaserscanningdata.*ISPRSJournalofPhotogrammetryandRemoteSensing*,64(1),55-66.

[9]Maas,C.,Vosselmann,C.,&Weidner,T.(2003).Accurateclassificationofbuildingpartsusinglaserscannerdata.*InternationalArchivesofthePhotogrammetry,RemoteSensingandSpatialInformationSciences*,34(4),397-401.

[10]Zhang,X.,&Zhang,S.(2014).Areviewonmulti-sourceremotesensingdatafusion.*RemoteSensingLetters*,5(4),334-343.

[11]Li,Y.,&Xu,G.(2015).Multi-temporalurbandevelopmentdetectionbasedonhigh-resolutionremotesensingimagery.*RemoteSensingLetters*,6(7),625-634.

[12]Zhang,J.,&Zhang,L.(2012).Areviewonautomaticbuildingextractionfromhigh-resolutionaerialimagery.*InternationalArchivesofthePhotogrammetry,RemoteSensingandSpatialInformationSciences*,38(W1),1-5.

[13]Lippert,P.,Weidner,T.,&F?rstner,W.(2004).Theintegrationoflaserscannerpointcloudsintoadigitalterrnmodel.*ISPRSJournalofPhotogrammetryandRemoteSensing*,59(3-4),285-299.

[14]F?rstner,W.,&Pfeifer,N.(2007).Principlesofmodernphotogrammetry:fundamentals,algorithms,applications.*SpringerScience&BusinessMedia*.

[15]Wang,Y.,&Zhang,L.(2013).Areviewon3Dmodelingforurbanplanningbasedonremotesensingtechnology.*JournalofUrbanPlanningandDevelopment*,139(4),268-278.

[16]Zhang,Z.,&OudeElsenbosch,F.(2012).Pointcloudregistrationusingiterativeclosestpointanditsvariants.*StereoVision*,1,1-40.

[17]Lefebvre,E.,&Tiberghien,Y.(2005).Automaticextractionofbuildingoutlinesfromhigh-resolutionaerialimagery.*ISPRSJournalofPhotogrammetryandRemoteSensing*,60(2),147-165.

[18]Ma,J.,&Zhang,X.(2016).Areviewonremotesensingdatafusiontechniquesforurbanareamapping.*InternationalJournalofRemoteSensing*,37(15),3487-3529.

[19]Zhang,G.,&Zhang,L.(2014).Buildingdetectionfromhigh-resolutionopticalimagerybasedongeometricfeaturesandcontextinformation.*RemoteSensingLetters*,5(10),925-934.

[20]Li,R.,&Zhang,Z.(2012).Multi-viewstereoreconstructionforhigh-resolutionurbanmodeling.*ACMTransactionsonGraphics(TOG)*,31(6),173.

[21]Wu,Q.,Zhang,L.,&Hu,Z.(2016).Multi-sourceremotesensingdatafusionforhigh-resolution3Dcitymodeling:Areview.*RemoteSensingLetters*,7(1),1-10.

[22]Chen,J.,&Zhou,W.(2013).Recentadvancesin3Dbuildingmodelingusinglaserscanningtechnology.*ISPRSJournalofPhotogrammetryandRemoteSensing*,81,12-25.

[23]Vosselmann,C.,&Maas,C.(2003).Accurateclassificationofbuildingpartsusinglaserscannerdata.*ISPRSJournalofPhotogrammetryandRemoteSensing*,58(3-4),285-299.

[24]Zhang,X.,&Zhang,S.(2015).Areviewonmulti-sourceremotesensingdatafusion.*RemoteSensingLetters*,6(4),334-343.

[25]Li,Y.,&Xu,G.(2017).Multi-temporalurbandevelopmentdetectionbasedonhigh-resolutionremotesensingimagery.*RemoteSensingLetters*,8(5),425-434.

[26]Zhang,J.,&Zhang,L.(2016).Areviewonautomaticbuildingextractionfromhigh-resolutionaerialimagery.*InternationalArchivesofthePhotogrammetry,RemoteSensingandSpatialInformationSciences*,41(3),1-5.

[27]Lippert,P.,Weidner,T.,&F?rstner,W.(2006).Integrationoflaserscannerpointcloudsintoadigitalterrnmodel.*ISPRSJournalofPhotogrammetryandRemoteSensing*,61(5),419-432.

[28]F?rstner,W.,&Pfeifer,N.(2009).Principlesofmodernphotogrammetry:fundamentals,algorithms,applications.*SpringerScience&BusinessMedia*.

[29]Wang,Y.,&Zhang,L.(2018).Areviewon3Dmodelingforurbanplanningbasedonremotesensingtechnology.*JournalofUrbanPlanningandDevelopment*,144(2),187-195.

[30]Zhang,Z.,&OudeElsenbosch,F.(2