从重访到单次：基于 InSAR-TomoSAR 融合与宏图 -1 多静态 SAR 星座的城市尺度三维点云重建

《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》：From repeat-pass to single-pass: City-scale 3D point-cloud reconstruction via InSAR-TomoSAR fusion with the Hongtu-1 multistatic SAR constellation

　　

## 摘要

太空合成孔径雷达（SAR）提供了一种全天候的能力，用于重建雷达可见的城市散射体的三维点云；这对于城市制图和灾后评估具有重要价值。然而，传统的太空断层扫描SAR（TomoSAR）用于城市点云重建时，依赖于跨越数月至数年的重复轨道数据获取，通常只能产生稀疏的点云，从而限制了雷达可见结构细节的快速响应和解释。虹图-1（HT-1，又称PIESAT-01）是全球首个商业四星编队多基线SAR系统，在单次过境中获取四幅SAR图像，设计目标是生成1:50,000比例尺（25米格网间距）的数字表面模型（DSM）产品。为进一步发挥HT-1的能力，我们提出了稀疏视角三维多基线InSAR-TomoSAR融合（SV-MBTF）框架——一种与稀疏视角条带数据兼容的单次过境SAR点云重建链路。仅使用四幅图像和最大150 MHz带宽，SV-MBTF即可生成稠密的城市点云，对应于沿雷达视线照射的建筑物结构，在极具挑战性的单视格网间距约0.7米×1.7米（斜距×方位）的条件下实现，从而将HT-1的应用范围从其标称DSM产品扩展至高分辨率SAR点云制图。SV-MBTF以抗噪声自适应三维多基线InSAR（MB-InSAR）算法为核心，该算法集成了：(i) 两阶段强度引导的统计同质点提取，(ii) 基于多基线相位梯度链接的残余相位估计，以及(iii) 基于模型的残余相位补偿，从而在非均匀相位质量条件下实现稳健的高程恢复。我们进一步将三维MB-InSAR与TomoSAR重建结果进行融合，以提高点云密度和三维几何精度，并提出能量-熵色散指数，结合点云过滤方法，用于点选取和质量控制。利用HT-1在3.6秒单次过境观测中采集的数据，所提方法重建了超过2亿个点，覆盖超过600平方公里的区域，与传统的重复轨道获取方式相比，大幅提高了制图效率。通过美国拉斯维加斯复杂高层建筑区域和中国北京典型城市场景的实验，并与高分辨率机载激光雷达点云及光学三维模型进行对比，验证了重建性能，实现了低于2.5米的相对三维定位误差（Chamfer距离）。与近期最先进深度学习方法及具有代表性的传统噪声抑制方法的真实数据对比表明，所提方法将三维MB-InSAR高程重建误差相对于最优竞争结果降低了20.9%。此外，我们展示了基于重建的HT-1点云实现的扩展应用，包括三维地理编码以及中国福建沿海建设变化监测。演示代码和数据访问信息可在以下地址获取：https://github.com/yu-cas/SV-MBTF

## 引言

太空合成孔径雷达（SAR）是一种全天候对地观测技术，已展现出高精度三维结构重建的强大潜力。它不仅为城市发展和基础设施优化提供了宝贵数据，还在快速灾后评估中发挥着关键作用。

当前基于太空SAR的三维点云重建通常依赖于多次卫星重访，包括使用单站SAR系统的重复轨道获取（Zhu and Bamler, 2010, Ma and Lin, 2016, Zhu et al., 2016, Wang and Xu, 2022）和双站SAR系统（Zhu et al., 2015, Shi et al., 2020）。在这些情况下，利用多时相数据栈进行SAR断层扫描（TomoSAR）。然而，重复轨道策略需要较长的获取间隔（通常跨越数月或更长时间），且易受表面形变和大气变化引起的测量误差影响。作为替代方案，分布式SAR系统可以利用多颗协同飞行的卫星，按照预设基线构型在单次过境中获取多基线SAR图像（Hu et al., 2024, Deng et al., 2025），从而实现多基线InSAR（MB-InSAR）高程制图和基于TomoSAR的三维重建。该策略显著提高了获取效率，同时减轻了时间失相关和大气相位扰动的影响。然而，由于系统级复杂性、载荷和发射成本、相位同步以及轨道维持等因素，目前尚未有在轨SAR任务专门设计用于单次过境TomoSAR。

一般而言，基于SAR的三维点云生成需要数十幅SAR图像（Duan et al., 2025）。已有研究利用仅6-7幅SAR图像实现SAR点云重建（Shi et al., 2019, Lu et al., 2020, Wang et al., 2023），或使用双频系统（Ma et al., 2025）来减少所需过境次数。

与传统的基于高分辨率聚束模式获取和数十次重复轨道的TomoSAR构型相比，当前的四卫星单次过境编队（Deng et al., 2025）仅提供四幅米级空间分辨率的条带SAR图像。增加的幅宽显著提高了制图效率；然而，中等分辨率和有限的图像数量给城市三维点云重建带来了一系列挑战。多视窗口内的大相位梯度和非平稳相位会导致干涉相位和相干性估计产生偏差。在有限的分辨率和最大基线长度超过600米的条件下，建筑物和其他人造目标在相邻距离采样点之间可能表现出强烈的相位梯度，因此难以使用传统的迭代策略来补偿快速变化的非平稳相位。此外，单次过境仅有四幅图像的稀疏采样可能导致严重的高程模糊问题，并使可靠的PS提取变得困难，从而增加了基于TomoSAR的高程重建难度。另外，有限的分辨率导致在保留精细城市结构细节和实现有效噪声抑制之间存在固有的权衡。

为克服上述挑战，稳健且高精度的三维点云重建需要有效的噪声抑制（即提高信噪比（SNR）），以同时提高重建正确性和高程估计精度。现有方法通常依赖于多视滤波和高质量单视像素的选择（Ge et al., 2021），这些方法同时适用于TomoSAR和MB-InSAR。

对于高质量点选取，许多太空TomoSAR研究采用永久散射体干涉测量（PSI）（Ferretti et al., 2001）来提取稳健的高信噪比散射体。然而，可靠的永久散射体（PS）选择通常需要大量图像栈，且所得PS点往往过于稀疏，无法满足覆盖要求。随着分布式散射体（DS）技术的更广泛应用（Guarnieri and Tebaldini, 2008, Ferretti et al., 2011），研究人员进一步引入了DS-InSAR（DSI）处理，例如在箱式估计窗口中使用Anderson-Darling（AD）检验来自适应选择统计同质像素（SHPs）并执行多视滤波，同时结合PSI，从而在可用数十幅高分辨率聚束图像时大幅提高测量密度（Wang et al., 2012）。此类基于SHP的多视策略通常在相位变化相对平滑时有效。

除这些点选取策略外，针对干涉SAR和TomoSAR数据，已开发了广泛的滤波和噪声抑制方法，涵盖经典局部滤波、非局部和稀疏表示方法以及基于深度学习的方法。代表性示例包括Goldstein滤波器（Goldstein and Werner, 1998）、非局部干涉SAR（NL-InSAR）（Deledalle et al., 2011）、多维NL-SAR（Deledalle et al., 2015）、偏移补偿的InSAR-块匹配三维（OC-InSAR-BM3D）（Sica et al., 2018）、自适应非局部InSAR（Baier et al., 2018）、断层协方差矩阵滤波器即NDSAR-BLF和NDSAR-NLF（D'Hondt et al., 2018）、梯度正则化复杂卷积稀疏编码（ComCSC-GR）（Kang et al., 2021），以及基于深度学习的方法，包括监督式Φ-Net（Sica et al., 2021）、基于多目标神经网络的干涉SAR相位去噪（InSAR-MONet）（Vitale et al., 2022）和自监督NBDNet（Li et al., 2025）。这些方法作用于干涉相位或协方差/相干性矩阵，并改进相应的估计结果。然而，大多数现有方法主要关注随机相位噪声抑制，部分方法也考虑了地形引起的局部残余相位趋势。对于从分布式多基线观测中重建建筑物高度，更有效利用多基线信息可以进一步提高噪声抑制效果，并支持对具有突变高度变化的复杂建筑结构上快速变化残余相位的估计和补偿。

为解决上述挑战，我们提出了稀疏视角三维多基线InSAR-TomoSAR融合（SV-MBTF）——一种用于单次过境太空SAR城市点云重建的处理框架。SV-MBTF以单视格网间距（约0.7米×1.7米，斜距×方位）重建三维点云，同时保持测量精度。本研究的主要贡献如下：

1. SV-MBTF是一个稀疏视角单次过境框架，用于从虹图-1（HT-1）SAR星座数据中重建SAR点云。它针对仅四幅条带图像且带宽有限（最大150 MHz）的挑战性场景，目标是生成沿线照城市区域单视格网间距的SAR点云。

2. 开发了抗噪声三维MB-InSAR方法，用于在高程估计前改善干涉图质量。它包含三个关键组成部分：(i) 两阶段强度引导的统计同质点提取，(ii) 基于多基线相位梯度链接的残余相位估计（MPGL-RPE），以及(iii) 基于模型的残余相位补偿。

3. 提出了能量-熵色散指数（EEDI），结合点云滤波和后处理，用于异常值筛选和点云质量控制。

4. 将所提三维MB-InSAR组件与现有TomoSAR方法集成，以保留TomoSAR散射体的精细结构细节，同时利用三维MB-InSAR的高密度点重建能力。

5. 展示了SV-MBTF启用的代表性应用案例，包括三维地理编码和建设变化监测。

值得注意的是，由于SAR传感器的侧视成像几何，单次过境获取只能观测雷达可见的建筑表面。因此，本研究中重建的三维点云代表沿雷达视线（LOS）照射的城市结构，而非完整的建筑模型。完整的建筑级三维重建通常需要多视角观测，正如Zhu et al.（2016）所提出的方法所示，该方法利用来自四个观测几何、包含数百幅SAR图像的高分辨率聚束SAR图像栈实现了精确的测地SAR断层扫描。

本文其余部分组织如下。第2节简要介绍HT-1星座及其在单次过境SAR三维重建方面的潜力。第3节详细描述了所提SV-MBTF框架和完整的处理流程，包括数据预处理、三维MB-InSAR处理、TomoSAR成像以及点云融合、滤波和后处理。第4节展示仿真和真实数据实验以验证所提框架。具体来说，它使用仿真和HT-1测量数据评估核心算法的相位噪声抑制性能，然后在美国内华达州拉斯维加斯进行稠密三维点云重建实验，并与高精度机载激光雷达点云及Google照片级真实三维城市进行定量验证。它还展示了中国北京首都国际机场的大规模点云重建结果。第5节展示了SV-MBTF重建的HT-1单次过境SAR点云启用的应用，包括三维地理编码和大规模建设变化监测。第6节讨论了SV-MBTF的观测范围和未来扩展方向，第7节对全文进行总结。

## 章节片段

### 虹图-1 SAR星座

虹图-1（HT-1，又称PIESAT-01）是全球首个四卫星分布式商业SAR系统。其任务运行和数据分发由中科卫星信息技术有限责任公司管理，SAR载荷由中国科学院空天信息创新研究院研制。该星座于2023年3月发射，由四颗独立运行的卫星HT-1A、HT-1B、HT-1C和HT-1D组成，以轮式编队飞行。

（注：此处原文为"cartwheel formation"）

（注：此处原文为"OverviewCity-scale 3D point-cloud reconstruction from single-pass SAR acquisition typically requires multiple images with different baselines, together with high spatial resolution and high SNR. In practice, current single-pass SAR systems generally cannot satisfy all of these requirements simultaneously. Under such constraints, conventional MB-InSAR and TomoSAR methods often struggle to produce 3D point clouds that are both accurate and dense. To address these challenges, this study uses four standard"）

### 实验

本节使用仿真和真实HT-1数据评估所提SV-MBTF框架，并对残余相位补偿进行消融研究。高分辨率机载激光雷达点云和Google照片级真实三维城市用于定量验证和视觉对比。

仿真数据实验评估了所提三维MB-InSAR算法相对于代表性干涉相位去噪器的相位噪声抑制和点云重建精度，

### 扩展应用

所提方法将HT-1单次过境数据的应用从标称任务目标（生成25米格网间距DSM）扩展到生成格网间距小于2米的点云，从而大幅拓宽了应用潜力。以下，我们以三维地理编码和三维变化监测作为两个代表性示例，展示所提SV-MBTF框架启用的应用机会。

### 单次过境SAR点云的观测范围

本研究展示了SV-MBTF在从HT-1单次过境分布式SAR数据中实现稠密SAR点云重建方面的潜力。然而，重建的点云应在侧视SAR的成像约束条件下进行解释。单次过境获取主要捕获沿视线照射的建筑表面，而处于阴影或遮挡中的结构无法从单一观测几何中完全恢复。此外，SV-MBTF输出的是SAR点云而非显式的三维模型

（注：此处原文截断）

### 结论

本文提出了稀疏视角三维多基线InSAR-TomoSAR融合（SV-MBTF）框架，用于单次过境太空SAR点云重建。

利用四卫星商用分布式 SAR 系统 HT-1，SV-MBTF 将标称 1:50,000 比例尺 DSM 测绘能力扩展至针对视线（LOS）照射结构的密集城市点云生成，单视网格间距低于 2 米。它解决了有限图像数量、条带成像分辨率限制和信噪比（SNR）的耦合约束。CRediT 作者贡献声明
Yulun Wu：写作 – 审校与编辑，写作 – 原始草稿，可视化，验证，软件，方法论，调查，形式分析，数据整理，概念化。Heng Zhang：写作 – 审校与编辑，监督，资源，项目管理，数据整理，概念化。Jili Wang：写作 – 审校与编辑，监督，软件，资源，项目管理，数据整理。Yunkai Deng：写作 – 审校与编辑，监督，资源，项目
利益冲突声明：作者声明，他们没有已知的竞争性经济利益或个人关系，这些可能影响本文所报告的工作。
致谢：作者感谢 PIESAT 信息技术公司提供 HT-1 分布式 SAR 图像。作者还感谢中国资源卫星数据与应用中心提供 CBERS-04 A 光学影像（订单号：DD202507310064），美国地质调查局（USGS）提供 LiDAR 数据，空客提供 Copernicus DSM 产品，以及谷歌公开提供照片级真实感三维城市数据集。
作者感谢博士。Yulun Wu|Heng Zhang|Jili Wang|Yunkai Deng|Ruizhe Liu|Qing Li 中国科学院空天信息创新研究院空间微波遥感系统室，北京市海淀区中关村北大街 9 号，100190，中国。