《International Journal of Applied Earth Observation and Geoinformation》：Radiometric fingerprinting of object surfaces using mobile laser scanning and semantic 3D road space models
编辑推荐：
研究人员提出了一种利用移动激光扫描（MLS）和语义三维道路空间模型进行物体表面辐射指纹识别的方法。该方法通过将多次采集的LiDAR光束与语义三维道路空间模型中的物体表面进行关联，提取表征表面材料特性的辐射指纹。研究创建了首个基于CityGML 3.0的LOD3
研究人员提出了一种利用移动激光扫描（MLS）和语义三维道路空间模型进行物体表面辐射指纹识别的方法。该方法通过将多次采集的LiDAR光束与语义三维道路空间模型中的物体表面进行关联，提取表征表面材料特性的辐射指纹。研究创建了首个基于CityGML 3.0的LOD3语义道路空间模型，包含15,816个独立物体，并在德国英戈尔施塔特市四个内城街道区域进行了四次激光扫描采集实验。研究人员开发了3DSensorDB数据库系统，用于高效管理LiDAR点云与语义模型的关联。实验室实验评估了Velodyne VLP-16 LiDAR传感器的辐射精度，发现距离>15 m时强度变异性增加，因此将后续分析限制在15 m内。通过基于光线投射的关联方法，研究人员自动将312.4百万个点与语义模型中的15,816个物体关联，并计算了每个物体的辐射指纹（基于不同距离和天顶角分箱的强度统计量）。统计分析显示，相同材料的物体表面呈现相似的辐射指纹，而不同材料的表面则表现出明显差异。例如，交通标志（具有逆反射涂层）与私人标志的指纹距离约为70（单位无量纲）。研究结果表明，利用中档LiDAR传感器和语义模型，能够有效检测物体表面的材料特异性反射模式，为城市数字孪生中的材料属性估计、LiDAR传感器仿真等应用提供支持。
**论文解读：基于移动激光扫描与语义三维道路空间模型的物体表面辐射指纹识别**
**研究背景与问题**
城市数字孪生旨在数字化表征城市物理资产与过程，支持跨时空尺度的分析、模拟与决策。语义三维城市模型（如CityGML）为城市规划、灾害模拟、公众参与等应用提供信息基础。目前，德国、波兰、日本等国家已由政府机构维护并提供LOD2（细节层次2）建筑模型，越来越多的城市开始采集道路空间并需求LOD3模型。然而，表面材料及其物理属性的表征与重建仍未被充分探索，尽管其对建筑能耗估计、微气候模拟、太阳能潜力分析、传感器仿真以及通过检测退化反射率交通标志进行预测性维护等应用至关重要。
与此同时，自动驾驶与机器人技术的进步加速了传感器的大规模部署，这些传感器在不同距离、视角和环境条件下重复扫描道路空间。这引出了一个问题：如何利用获取的传感器数据来推断物体表面的材料属性？针对LiDAR传感器，研究人员引入了辐射指纹的概念——即物体表面对电磁辐射的特征性、可重复响应，作为测量条件（如距离、入射角、湿度、大气透射率）的函数。辐射指纹可直接服务于应用（如提供表面反射率特性），或通过匹配材料库条目来分配物理材料属性。
跨多个传感器、不同环境条件下分析单个物体表面的传感器响应特性，需要将每个传感器观测与一致可识别的物体关联。尽管已有进展，但尚未有包含LOD3道路空间全面表征的语义三维城市模型被用于此类分析。
**研究内容与结论**
研究人员提出了一种方法，将单个LiDAR光束与语义三维道路空间模型中的对应物体表面关联，并提取表征其材料特异性反射特性的辐射指纹。创建了首个基于CityGML 3.0的LOD3语义道路空间模型（开放数据），覆盖德国英戈尔施塔特市四条内城街道，面积219×427 m，包含15,816个独立物体，相对精度达厘米级。使用配备五个Velodyne VLP-16 LiDAR传感器的A2D2车辆进行了四次激光扫描采集，获取了重复观测数据。引入了3DSensorDB数据库系统，用于关联地理参考LiDAR点云与语义模型。
实验室实验评估了VLP-16传感器的辐射精度，发现距离>15 m时强度变异性增加，因此将后续分析限制在15 m内。基于光线投射的关联方法自动将312.4百万个点（占436.8百万个总点的71.7%）与语义模型中的物体表面关联，并计算了每个物体的辐射指纹（基于距离和天顶角分箱的强度第三四分位数）。t-SNE统计分析表明，天顶角对测量强度有显著影响，而方位角影响不显著；不同传感器间存在系统差异；环境条件（如湿度）导致不同采集活动间的强度差异。相同材料类别的物体（如墙漆、木质树干）呈现相似的辐射指纹，而不同材料（如交通标志与私人标志）的指纹距离较大（约70）。
该研究的重要意义在于：证明了利用中档LiDAR传感器和语义模型能够检测道路空间中物体表面的材料特异性反射模式，为城市数字孪生中的材料属性估计、自动标注、LiDAR传感器仿真等应用提供了新途径。
**关键技术方法**
1. **语义三维道路空间模型构建**：结合官方测绘数据和专用MLS测量，创建符合CityGML 3.0标准的LOD3模型，包含道路网络、路边物体（交通标志、围栏、杆、树、控制箱等）及LOD3建筑立面（手动建模，相对精度1-3 cm）。
2. **传感器数据采集与位姿重建**：使用A2D2车辆（配备5个VLP-16 LiDAR）进行4次采集，通过基于图SLAM（Cartographer前端）进行子地图点云重建，然后与参考MLS点云进行ICP配准（平均适应度97.6%，RMSE 0.19 m）。
3. **3DSensorDB数据库系统**：基于PostgreSQL/PostGIS/pgPointcloud开发，支持LiDAR点云的高效管理与关联，可与3DCityDB V5协同操作。
4. **基于光线投射的关联方法**：定义球柱体几何条件，计算候选物体表面，通过3D求交确定交点，并计算天顶角、方位角等几何属性，实现LiDAR点与物体表面的自动关联。
5. **辐射指纹提取与比较**：按距离分箱（0-15 m）和天顶角分箱（0-20°,20-40°,40-60°,60-90°）分组强度值，计算第三四分位数作为指纹，并基于RMSE距离比较不同物体/类之间的指纹差异。
**研究结果**
**4.1 辐射精度评估**
实验室实验显示，VLP-16传感器在距离<15 m时强度测量一致性较好，超过15 m后变异性增加且非系统性，因此将后续分析限制在15 m内。传感器能区分不同反射率表面，且强度随天顶角变化遵循兰伯特定律。
**4.2 位姿轨迹重建与地理参考精度**
四次采集的子地图点云与参考点云配准后，平均适应度97.6%，RMSE 0.19 m。第三次采集的第8-10子地图因立面翻新（脚手架等）导致RMSE较高；第四次采集第4子地图因附近停靠车辆导致适应度较低。
**4.3 LOD3语义道路空间模型**
模型包含15,816个独立物体，按CityGML 3.0类分布：交通区域、建筑表面、城市家具等。模型支持细粒度区分（如按功能区分城市家具、基于官方目录识别交通标志）。
**4.4 关联与点云增强结果**
自动关联了312.4百万个点（71.7%），80%的点在15 m范围内关联率更高。未关联点来自车辆自反射、停靠车辆、建筑内部、树冠等。共识别87,345次物体观测（按传感器和采集分别计数）。
**4.5 影响测量强度的因素统计分析**
t-SNE分析显示：天顶角对强度影响显著（低天顶角时强度高），方位角影响不显著（可能是各向同性材料或波长903 nm下影响可忽略）。不同传感器存在系统差异（前中心传感器在相同距离下测量强度低于其他传感器）。采集活动间差异：第一次采集（冬季）测量强度低于同一天进行的2-4次采集，可能因前日有毛毛雨、夜间低温导致表面湿润，吸收更多能量。
**4.6 物体表面辐射指纹的推导与比较**
通过按距离和天顶角分箱计算强度第三四分位数，得到每个物体的辐射指纹。相同材料类别的物体（如墙漆、木质树干）呈现相似指纹，而不同材料（如交通标志逆反射涂层导致高强度）差异明显。RMSE距离量化了物体间指纹差异。
**4.7 基于语义的辐射指纹比较**
计算CityGML类之间的平均指纹距离：城市家具类与其他类差异显著，且城市家具类内部变异大（平均距离78.5）。按功能分组后，混凝土-木质长椅与抹灰墙面均呈现低强度轮廓，非逆反射的私人标志比交通标志强度低。
**4.8 局限性**
关联依赖语义模型，未建模的物体（如墙上标志）导致误关联（与墙关联）。指纹比较仅针对全覆盖天顶角分箱的物体。需Level 3辐射校正与标定才能获取真实反射率。树冠因建模为抽象圆柱未关联，玻璃窗因穿透未关联。假设物体材料均匀，实际需进一步细分。关联存在多种不确定性（仪器、大气、几何、轨迹），但整体表现足够提取小物体（如交通标志）的辐射指纹。
**总结讨论与结论**
**讨论**：
本研究展示了如何将自动车辆多次采集的LiDAR测量与详细语义三维城市模型的物体表面关联，自动标注312.4百万个点，有望消除繁琐的手动标注。语义模型可生成灵活的点云语义分割类列表。开放的语义模型可用于重建方法基准测试、动态物体检测、太阳能潜力分析、模拟-真实LiDAR点云域偏移量化等。在数字孪生中，关联方法可用于检测语义模型与重复扫描间的偏差。
**结论**：
尽管实验室测量显示部署的LiDAR传感器存在辐射不准确性，但本研究表明，使用配备中档LiDAR传感器的自动车辆能够检测道路空间中物体表面的材料特异性反射模式。统计分析表明，相同材料的表面呈现相似的辐射指纹，而不同材料的表面显示不同的强度分布，导致更大的指纹距离。例如，私人标志与交通标志的指纹平均距离约为70（单位无量纲），由交通标志的逆反射涂层引起。语义三维模型可增强辐射指纹，并作为数据驱动LiDAR传感器模型的输入，基于标准的表示便于跨地点转移和应用。此外，所提出的指纹可用于从材料库估计预扫描材料，并将其纳入语义三维模型。未来计划扩展3DSensorDB，并增加CityGML对物理材料属性的概念数据模型，以增强城市数字孪生应用。
