基于大场景激光测量的交通事故现场快速三维重建

贺 强，贺 非，刘义平，孙 琪，宋世龙，王源海

（中国民用航空飞行学院航空工程学院，四川 广汉 618307）

城市交通[1]是指城市（包括市区和郊区）道路（地面、地下、高架、水道、索道等）系统间的公众出行和客货输送。根据世界卫生组织的数据[2]，道路交通死亡是造成全球所有年龄段人类死亡排名第8 位的因素，是造成儿童和青年死亡排名第1 位的因素。我国的交通安全态势也不容乐观，据统计，截至到2019 年6 月，我国机动车保有量已超过3.4 亿，驾驶人员超4.2 亿[3]，导致安全风险持续走高。城市道路交通事故已然成为当今广受瞩目的社会问题之一。现有处理交通事故的效率低下且肇事责任不明，容易导致道路长时间堵塞甚至二次事故的发生以及赔偿纠纷等社会问题。因此，亟待高效处理交通事故的方法以期对事故做出迅速响应，从而营造畅通、安全的道路出行环境。

三维激光扫描技术（3D Laser Scanning Technology，3D-LST）[4]兴起于上世纪八十年代，具有非接触、快速、高效获取地物目标的三维点云数据和纹理数据从而构建扫描对象的三维数字模型的优点。基于此，国外相继制造出三维激光扫描设备，如美国的FARO、Trimble、瑞士的Lecia 和日本的Topcon 等。目前3D-LST 主要应用于建筑的快速三维建模、车载建模、文物修复、信息共享及逆向制造等领域。如张道文等[5]建立二元Lasso-Logistic 回归分析模型，得出交通信号灯、对向车道隔离方式、照明情况和交通参与者对城市道路交通事故严重程度的影响较为显著。李红卫等[6]针对飞机产品外形重建和检测过程中的多视角点云配准问题，提出层级优化的多视角点云配准的通用框架。蔡来良等[7]采用最小二乘法建立房屋墙体平面投影线段及其空间连接关系，结果表明此方法可准确快速地对室内三维激光扫描点云进行分析处理。成俊等[8]应用Amberg GRP 5000三维激光扫描系统和高精度自动全站仪建立一种地铁运营隧道变形检测的“绝对测量”方法，结果表明试验段隧道处于安全状态。刘新根等[9]基于距离最小二乘法椭圆曲线拟合建立盾构隧道激光扫描噪点三次迭代自动剔除方法，结果表明检测精度满足工程要求。郭柏希[10]使用激光扫描仪Z+F IMAGER 5010C 对实验厂房的数据进行采集，后续建立了结构实验厂房数字化管理平台。黄泉源[11]基于三坐标测量机搭建了汽车轮廓三维检测系统，测量误差为±1%，符合国家标准。吴长悦等[12]以Focus3D 扫描仪为例，对其径向距离和空间距离的测量精度进行了校验，得出该扫描仪的空间距离测量精度为0.61 mm（≤2 mm），径向测距精度为-2～2 mm 的结论。但是三维激光扫描技术鲜有用于交通事故现场三维重建的案例。

针对以上不足，本文首先模拟出一起交通事故，然后使用三维激光扫描仪FARO Focus3D 对事故现场进行扫描，接着将扫描数据导入Scene 软件中进行预处理得到对应的点云数据，最后运用标靶球拼接法和公共面拼接法对点云数据进行拼接，得到完整的三维汽车轮廓，还原出事故现场，从而分析出事故致因（提高处理交通事故的效率）。

1 测量原理及点云处理方案

1.1 测量原理

三维激光扫描仪[13]是一种集激光扫描系统、激光测距系统、内部校正系统和数码相机等于一体的新型三维坐标获取仪器。它利用激光测距的方法，高速高密度地对被测物体发射激光信号，通过采集回波信号快速获取空间实体表面的三维坐标、反射强度等信息，配合数据处理软件还可以获取不同视角、颜色等信息，为建立三维实体模型提供了全新的测量技术手段。

三维激光扫描仪获取目标点云坐标的原理如图1所示。

图1 点云坐标原理图

（1）根据内部扫描及校正系统获取在扫描时激光光束的垂直方向角和水平方向角[14]。

（2）根据脉冲激光光束的收发时间间隔求得扫描仪距目标点的距离。

（3）根据前两步的计算结果求得扫描点的三维坐标（x，y，z）。

（4）自动调节反射强度给反射点匹配不同颜色。

则P 点坐标的表达式如下：

1.2 实验设备介绍

FARO Focus3D 是一款高速三维扫描仪，用于详细的测量和三维建档，它拥有触摸操作屏，利用激光和照相技术仅在几分钟内即可得到数百万个三维彩色数据点，从而生成有关复杂环境的非常详细的三维图像和几何形状，对已有状态进行精确的数字再现，见表1。

表1 FARO Focus3D 扫描仪参数

1.3 点云处理方案

点云预处理，离群点的剔除。Rusu Bogdan[15]首次提出基于高斯分布的统计学滤波算法，其基本思路是：首先对点云中每一点，运用k-d 树算得k 邻域，然后将邻域内所有点与该点的平均值记录下来，则可得到与点云中点的数量相等的平均距离值，最后假设这组数据符合高斯分布，设定阈值，对平均距离大于该阈值的点进行剔除。详细过程如下：

Step1：设点云数据集为P，任取一点pi，k 邻域内所有点到pi的距离的平均值记为di，其中dij为两点间的距离，则有：

点云处理，在点云数据拼接的过程中，涉及到重叠面积大小的问题，直接影响点云的配准精度。据文献可知，重叠区域面积愈大，配准次序的优先级就愈高，从而减小配准误差在较大重叠区域产生累积的可能性。

重叠区域密度面积估算，给定重叠区域点集和拼接环节的配准残差：

本文可以对每个重叠区域的面积进行估计，从而确定配准次序的优先级，最终达到提高点云配准精度的目的。

2 事故现场的模拟及数据采集处理

2.1 事故现场的模拟

实验地点选在学校的一条宽阔马路上，实验时间选在暑期，避免给正常交通带来干扰。实验对象为模拟的一起交通事故。模拟思路具体：借用一辆报废的洒水车，通过拆卸的方式改变汽车的外观。首先，拆下汽车的两个大灯、前挡风玻璃、发动机前盖和一扇前车门，然后随机摆放到该辆汽车的周围，最后在汽车周围随机放置一些模具和随身物品，如硬纸板、背包、皮夹和衣物等，完成事故现场的模拟。用到的实验仪器包括：一台三维激光扫描仪FARO、一台装有Scene 点云处理软件的高性能计算机、模具若干和卷尺等。

2.2 数据采集

事故现场数据采集流程图，如图2 所示。

图2 数据采集流程图

勘查现场，对所模拟的事故现场的地理位置、车流量等进行初步勘察。根据“事故”车辆内、外部形态和空间分布特点，障碍物，光照分布初步判断扫描点。绘制出草图并拍照取样。设计扫描方案，确保扫描仪始终处于最佳扫描范围，同时应注意扫描点与点之间的采样密度和重叠度，一般重叠度≥20%，还应注意扫描点与洒水车的位置关系。扫描前准备，应确保电池电量、内存卡存储空间和标靶数量充足等。放置仪器，首先保证仪器准确无误地放在预设的扫描点上，然后调整扫描仪的高度使之与“事故”车辆的高度相匹配并进行水平校准（水滴位于中央位置）。最后选择合适的密度放置标靶，便于后续对点云数据的拼接。设置扫描参数，根据实际情况选择恰当的测量模式，合理设置水平、垂直扫描范围和分辨率等参数。采集数据，根据实验方案，逐个扫描点逆时针进行扫描并及时命名数据文件，扫描现场如图3 所示。

图3 扫描现场图

扫描参数设置，室外10 m，正前方视角的水平左右角度范围：30°～150°，垂直上下角度范围：-60°～60°；右侧视角的水平左右角度范围：60°～120°，垂直上下角度范围：60°～60°。

2.3 数据处理

先将扫描数据导入Scene 软件，观察平面视图和三维视图并删除扫描效果不佳的数据；然后点击处理扫描按钮，保证所选数据都处理完毕；接着两两进行手动拼接并得到注册报告；最后进入探索模式，具体操作为：通过内插点创建虚拟扫描、显示栅格、自动剪切框。

分别站在事故现场的正前方和右侧视角，图4 和图5的左上方为虚拟扫描显示效果；右上方为显示格栅效果，将标记点放入坐标系中，以便更好地观察拼接效果；下方为使用自动剪切框处理后的拼接结果，通过将无关数据剪切掉来简化事故现场，便于事故的进一步处理。

图4 正前方扫描处理结果

图5 右侧扫描处理结果

图6 为手动拼接的注册报告，显示了最终的拼接精度。

图6 手动拼接的注册报告

3 结论

（1）FARO Focus3D 三维激光扫描仪用来扫描事故现场的效果比较理想，然后基于Scene 软件对所扫描的数据进行处理、拼接等一系列处理，最终的处理结果对实际交通事故的处理具有一定的理论指导意义。

（2）目前，激光扫描仪价格昂贵，短期内在交通事故处理领域很难大规模推广。此外，没有形成系统的扫描方案和减小数据处理误差的方法，致使扫描效果大打折扣，需要进一步解决。