摘要：在数字化转型加速推进的背景下，三维场景智能构建技术已成为城市规划、文物保护、应急救援等领域的核心支撑。本文以赛尔 S10 设备为核心工具，系统研究空地协同数据采集方法与三维场景智能构建技术，构建“设备适配-协同采集-数据处理-智能建模-场景应用”的完整技术体系。通过优化空中无人机平台与地面采集设备的协同机制，改进点云去噪、配准拼接、纹理映射等关键算法，结合城市区域与古建筑文物两大典型案例进行验证。研究结果表明，该方法能够实现厘米级精度的三维场景构建，点云数据处理效率提升30%以上，模型细节还原度达 95%，为复杂场景的数字化建模提供了高效、精准的技术方案。

关键词：赛尔 S10；空地协同；数据采集；三维建模；智能构建

一、引言

数字化时代下，复杂场景的三维可视化需求已渗透到城市治理、文化遗产保护、工程建设等多个关键领域。传统单一数据源采集方式存在覆盖范围有限、细节捕捉不足、数据精度不均等问题，难以满足高精度三维场景构建的需求。空地协同数据采集技术通过整合空中平台的宏观覆盖优势与地面设备的微观细节采集能力，实现对目标区域的全方位、多层次数据获取，成为突破传统采集瓶颈的核心手段。

三维场景智能构建作为数据价值转化的关键环节，能够将海量离散数据转化为直观、可交互的三维模型，为决策提供可视化支撑。在城市规划中，高精度三维模型可辅助评估规划方案的空间适配性；在文物保护领域，数字化建模能够实现文化遗产的永久存档与虚拟修复；在应急救援场景中，快速构建的三维场景可为救援路线规划提供精准地形参考。

赛尔S10 设备凭借毫米级激光雷达扫描、厘米级RTK定位、实时彩色点云解算等核心优势，成为空地协同采集的理想工具。其一体化设计与自研融合算法，能够有效解决复杂环境下的数据采集精度与效率难题。基于该设备开展空地协同数据采集与三维场景智能构建方法研究，不仅能够充分挖掘设备性能潜力，更能为相关领域的技术升级提供可复制的实践范式，具有重要的理论价值与应用意义。

1.1 研究背景与意义

文献研究法：系统梳理空地协同采集、三维建模、赛尔S10 设备应用等领域的相关文献，明确研究现状与技术缺口，为研究奠定理论基础；

实验分析法：搭建空地协同采集实验平台，选择不同类型场景开展对比实验，优化设备参数与采集策略，验证数据处理算法的有效性；

案例验证法：选取古建筑文物典型场景，应用研究提出的技术方法进行三维场景构建，通过实际应用效果评估方法的实用性与可靠性。

1.2.1 研究方法

1.2.2 技术路线

深入分析赛尔S10 设备的硬件构成与软件算法优势，明确设备在空地协同场景中的适配条件；基于设备特性，设计空中平台与地面采集的协同机制，制定数据采集流程与质量控制标准；开展数据采集、数据处理与建模，优化点云去噪、配准拼接、纹理映射等关键算法，构建三维场景智能构建流程；通过典型场景应用，验证技术方案的有效性，收集反馈并优化完善方法体系。

二、赛尔 S10 设备概述

2.1 激光雷达系统

采用TOF测量原理，水平扫描范围360°、垂直-20°至+90°，实现无死角扫描。测距误差≤2mm@10m，点云密度最高1000 点/平方厘米，可精准捕捉细微结构。核心创新为对地倾斜 20°安装，规避传统水平安装的地面与天花板盲区，单次扫描覆盖地面、前方视野及顶部空间，作业效率提升40%以上，为室内建模提供完整数据。

配备两颗自研 2400 万像素广角相机，135°夹角分布式布局扩大影像捕获范围。支持自动曝光与白平衡，适应多光照环境，图像分辨率5632×4224 像素，色彩还原度误差≤3%。135°夹角设计使相邻影像重叠率超60%，结合微秒级时间同步，实现相机与激光雷达精准对齐，点云赋色精度达像素级，为后续数据融合提供冗余支撑。

一体式模块支持北斗、GPS等 7 大卫星系统 21 频信号，差分定位技术保障静态精度（平面±2cm、高程±5cm）与动态精度（平面±3cm、高程±6cm）。开阔环境初始化≤10 秒，复杂环境通过多卫星融合保稳定。与激光雷达、相机深度集成，实时嵌入地理坐标，无需后续转换，为三维模型提供精准地理参考，确保空地协同数据在同一坐标系下融合，奠定多源数据拼接基础。

2.3RTK定位模块

2.2 相机系统

三、空地协同采集数据方法

3.1 空地协同采集的系统架构

3.1.1 空中平台选型与适配

空中平台选用大疆Matrice300RTK无人机，该机型具备载重9kg、续航 55 分钟、抗风6 级的性能优势，能够稳定搭载航测设备完成长时间作业。适配方案包括机械结构适配与数据传输适配两部分：在机械结构适配方面，设计定制化挂载支架，采用碳纤维材质减轻重量，支架通过减震垫与无人机连接，减少飞行震动对设备的影响；支架配备快速拆装结构，便于设备的安装与调试，同时具备360°旋转功能，可根据采集需求调整设备扫描角度。在数据传输适配方面，利用无人机的 5G通信模块实现设备与地面控制中心的高速数据传输，传输速率达 100Mbps，延迟≤50ms，确保彩色点云数据的实时回传与预览。同时，通过无人机的RTK定位数据与赛尔S10 设备的定位数据进行交叉验证，提升整体定位精度。

地面数据采集采用“网格化覆盖+重点区域精细化”的策略，确保数据的全面性与细节完整性。在采集路线规划方面，根据目标场景的地形与地物分布，采用正交网格化路线，网格边长根据场景复杂度设定为 5-10 米。操作人员手持赛尔S10 设备沿网格线匀速移动，移动速度控制在0.5-1m/s，确保点云密度均匀。对于城市街区等线性场景，采用往返式路线，重叠率设置为 30%，避免数据遗漏。在重点区域采集方面，针对建筑物入口、文物雕刻、复杂地形等关键部位，采用环绕式扫描与多角度补扫相结合的方式。环绕式扫描半径控制在 3-5 米，扫描角度间隔 15°，确保全方位覆盖；多角度补扫针对遮挡区域，调整设备高度与角度，获取隐藏部位数据。

任务规划阶段需完成采集范围界定、参数设置、设备调试三大核心工作。通过GIS地图与卫星影像确定采集范围，采用缓冲区分析方法预留 10%的重叠区域，避免边界数据缺失；根据场景类型设置采集参数，城市区域激光雷达扫描频率设为 100kHz，相机拍摄间隔 0.5 秒，飞行高度 100-150 米；古建筑文物场景扫描频率提升至200kHz，飞行高度30-50 米，确保细节捕捉。设备调试包括硬件检查与软件校准。

地面数据采集与空中采集同步进行，遵循“先整体后局部、先外围后内部”的原则。操作人员通过车载赛尔S10 设备，沿预设网格化路线匀速移动，移动过程中保持设备稳定，避免剧烈晃动导致数据模糊。对于建筑物内部，采用手持方法“走廊式扫描+房间逐扫”模式，走廊扫描沿中心线移动，房间扫描采用顺时针环绕方式，确保内部空间无死角覆盖。空地协同配合通过实时通信实现，空中操作人员通过地面控制中心反馈的彩色点云数据，识别未覆盖区域并通知地面人员补扫；地面人员发现空中采集遗漏的细节部位（如建筑墙角、文物底座），及时反馈空中调整飞行路线。

空中数据采集采用“分区扫描+分层采集”策略。根据采集范围将目标区域划分为若干个500×500 米的矩形分区，无人机按照从北向南、从西向东的顺序依次扫描，相邻分区重叠率设置为 20%。对于地形起伏较大的区域，采用分层采集模式，根据数字高程模型（DEM）划分不同高程层，每层飞行高度保持一致，确保点云密度均匀。扫描方式结合场景特点选择，开阔区域采用螺旋式扫描，以分区中心为起点，半径逐渐扩大，扫描效率提升 25%；线性目标（如道路、河流）采用往返式扫描，飞行路线与目标走向平行，确保两侧数据对称；复杂建筑区域采用环绕式扫描，围绕建筑物飞行 3-5 圈，获取不同角度数据。应对复杂环境的策略包括：强风天气降低飞行速度至 5m/s以下，启用无人机抗风模式；高楼遮挡区域增加地面控制点密度，每50 米设置1 个控制点；低光照环境开启相机补光灯，调整曝光参数至ISO800、快门速度 1/50s，确保影像质量。

数据传输采用“近程Wi-Fi+远程4G/5G”的混合传输模式。在近距离作业（≤500 米）时，采用Wi-Fi传输，传输速率达 300Mbps，满足实时彩色点云预览需求；在远距离作业（>500 米）时，切换至 4G/5G传输，通过公网实现数据的稳定传输，同时采用数据压缩算法减少传输带宽占用。数据同步采用“时间戳+坐标校准”双重机制。在数据采集过程中，空中 与地面设备均基于GPS时间戳记录采集时刻，确保数据时间同步精度≤1ms；在数据预处理阶段，通过地 制点对空中与地面数 消除系统误差，确保多源数据在同一坐标系下的一致性。为保障数据传输安全，采用AES-256 加密算法对传输数据进行加密处 建立数据校验机制，通过CRC32 校验码验证数据完整性，避免数据传输过程中出现丢失或篡改。

3.1.2 地面数据采集方案

3.1.3 数据传输与同步机制

3.3.1 采集过程中的质量监控

3.2 数据采集流程与策

3.2.2 空中数据采集实施

3.3 数据质量控制

3.2.1 任务规划与准备

3.2.3 地面数据采集实施

实时质量监控指标包括点云密度、数据完整性、定位精度。通过赛尔点云管家实时查看点云密度，城市区域点云密度需≥500 点/平方米，古建筑区域≥1000 点/平方米，密度不足时降低移动速度或增加扫描次数；通过实时预览功能检查数据完整性，发现漏扫、遮挡等问题立即补扫；通过RTK定位数据实时监控定位精度，定位误差超过 10cm时暂停采集，检查信号或重新标定。设备状态监控同样关键，实时监测电池电量、存储空间、设备温度，电池电量低于 30%时及时更换，存储空间剩余不足10%时导出数据，设备温度超过 45℃时暂停作业降温，避免设备故障导致数据丢失。

数据校验采用“内部自检+外部验证”相结合的方式。内部自检通过赛尔点云管家分析点云数据的完整性、一致性，剔除无效数据；外部验证选取地面控制点，对比点云数据与控制点的坐标差异，计算平面与高程误差。误差来源主要包括设备误差、环境误差与操作误差。设备误差通过定期校准修正，激光雷达测距误差每月校准 1 次，相机畸变误差每季度校准 1 次；环境误差如大气折射、光照变化，通过数据预处理阶段的算法修正；操作误差如移动速度过快、扫描角度不当，通过规范操作流程避免，误差超标时重新采集。通过质量控制体系，最终确保采集数据的平面精度≤5cm，高程精度≤8cm，数据完整性≥98%，为后续三维建模提供高质量数据基础。

3.3.2 数据校验与误差修正

四、基于采集数据的三维场景智能构建技术

式拟合实现影像的地理坐标纠正，校正后影像的几何精度≤2cm。影像镶嵌采用基于特征的拼接算法，先通过SIFT算法匹配相邻影像的特征点，计算变换矩阵，再采用加权平均法融合重叠区域像素，避免拼接缝产生。镶嵌后的影像整体色彩均匀，无明显拼接痕迹，为后续纹理映射提供高质量图像数据。

基于点云的建模采用“MLS曲面拟合+泊松重建”的混合方法。 对于地形、大面积平面等简单几何结构，采用MLS算法构建光滑曲面，该算法通过局部加权最小二乘拟合，能够快速生成连续的地形表 ；对于建筑物、文物等复杂几何结构，采用泊松重建算法，基于点云的法向量信息构建隐式曲面， 重建后的模型能够精准还原物体的复杂形状，细节还原度达95%。建模流程为：先对配准后的点云数据进行分割 用MLS算法拟合生成地形曲面；对建筑物、文物点云采用泊松重建生成网格模型；最后将 ，形成完整的三维场景模型。该混合建模方法兼顾了建模效率与精度，地形建模效率提升40%，复杂物体建模精度提升35%，适用于多类型地物共存的复杂场景。

4.2 三维建模方法

4.2.1 基于点云的建模技术

4.2.2 结合影像的纹理映射

纹理映射采用“UV展开+纹理贴合”的流程。首先对三维网格模型进行UV展开，采用参数化算法将三维模型表面展开为二维平面，确保UV坐标无重叠、无拉伸；然后基于影像数据与三维模型的空间对应关系，将处理后的影像纹理精准贴合到模型表面。为提升纹理映射精度，采用“多影像融合纹理映射”技术，对于复杂物体表面，融合多个角度的影像数据生成纹理图集，通过纹理拼接算法消除影像间的色彩差异。在古建筑纹理映射中，通过融合不同角度拍摄的影像，精准还原墙面彩绘、雕刻纹理，纹理贴合误差≤1cm，视觉效果自然逼真。纹理映射后的模型不仅具备精准的几何形态，还拥有丰富的纹理细节，能够真实再现目标场景的外观特征，为后续应用提供高质量的可视化基础。

4.3 智能构建关键技术

4.3.1 多源数据融合技术

多源数据融合采用“数据级+特征级+决策级”的三级融合架构。数据级融合将点云、影像、GIS数据统一到同一坐标系下，通过加权平均法融合同名点的坐标数据，提升数据精度；特征级融合提取不同数据源的特征信息，如点云的几何特征、影像的纹理特征、GIS的属性特征，构建多维度特征向量，为建模提供丰富特征支撑；决策级融合基于不同数据源的建模结果，通过投票法、贝叶斯推理等算法融合决策，提升模型的可靠性。在城市三维场景构建中，融合点云数据的几何精度、影像数据的纹理信息、GIS数据的属性信息，生成的三维模型不仅具备精准的空间位置，还包含丰富的属性信息，如建筑物的层数、用途、年代等，为城市规划、管理提供全方位数据支持。

实时渲染采用基于WebGL与Unity的混合渲染方案 对于Web端可视化应用，采用WebGL技术，通过Three.js框架实现三维模型的实时加载与交互，支持模型的旋转、缩放、平移等 时，渲染帧率保持在30fps以上；对于桌面端与VR/AR应用，采用Unity引擎，支持高质量光照渲染、阴影效果 渲染效率，采用LOD（层次细节）技术，根据模型与相机的距离动态切换不同精度的模 高精度模型；采用纹理压缩技术，将纹理数据压缩为ETC2格式，减少存储与传输带宽占用；采用异步 纹理数据，避免阻塞主线程，提升交互流畅性。可视化应用支持多模式展示，包括常规三维浏览、剖面分析、 虚拟漫游等功能，满足不同用户的应用需求。

4.3.2 实时渲染与可视化技术

五、案例分析

邢台市某国家级文物保护单位为一座唐元时期的古建筑群，包含大殿、配殿、围墙等建筑，因年代久远，部分建筑出现破损、风化等问题。为实现古建筑的数字化保护与传承，需构建高精度三维场景模型。项目目标包括：实现古建筑群全域三维覆盖，模型平面精度≤3cm，高程精度≤5cm；精准还原古建筑的结构特征、雕刻纹理、彩绘色彩；为文物保护规划、修复方案制定、线上展示提供技术支持。

空中数据采集采用小型无人机搭载倾斜摄影相机设备，考虑到古建筑周边环境复杂，飞行高度控制在 30-40 米，飞行速度 5m/s，相机拍摄间隔 0.3 秒。采用环绕式扫描方式，围绕每座建筑飞行4 圈，获取不同角度的点云与影像数据；对于建筑群整体，采用分区扫描方式，划分为5 个分区，每个分区飞行时间约20 分钟，全程共飞行 100 分钟，获取点云数据约60GB，影像数据约40GB。

构建完成的三维场景模型平面精度平均2.5cm，高程精度平均4.2cm，满足项目目标要求。模型能够清晰还原古建筑的整体结构与细节特征，斗拱的复杂构造、彩绘的绚丽色彩、雕刻的细微纹理均得到精准再现，为文物保护提供了完整、准确的数字化档案。

数据预处理阶段，针对古建筑点云数据的特点，采用改进的双边滤波算法，在去噪的同时重点保留雕刻、彩绘等细节特征；通过特征匹配+ICP优化完成点云配准，配准后重点部位误差≤2cm；对影像数据进行色彩校准，确保彩绘色彩的精准还原，几何校正后影像精度≤1cm。三维建模阶段，对古建筑主体结构采用泊松重建算法生成网格模型，精准还原梁、柱、斗拱等结构的连接方式；对雕刻、彩绘等细节部位，采用高分辨率影像进行纹理映射，纹理贴合误差≤1cm；采用PointNet++模型进行语义分割，识别梁、柱、斗拱、门窗、彩绘等 10 类结构部件，分割准确率达94%；基于语义分割结果，构建部件级模型，为修复分析提供支持。

地面数据采集采用“重点部位精细化扫描”策略，操作人员手持赛尔S10 设备，对大殿的斗拱、梁架、彩绘，配殿的门窗、雕刻，围墙的砖缝、碑刻等重点部位进行近距离扫描，扫描距离控制在 1-3 米，移动速度 0.3m/s。共设置地面控制点 15 个，采集时间约 6 小时，获取点云数据约 15GB。

在文物保护规划方面，文物保护部门通过三维场景模型对古建筑的破损情况进行全面分析，识别出梁架腐朽、墙体裂缝、彩绘脱落等 8类问题，制定针对性的保护方案，保护规划的科学性提升 60%；在修复方案制定方面，修复人员基于三维模型的部件级数据，精准测量破损部位的尺寸、形状，设计修复方案，制作修复构件，修复精度提升 50%，避免了传统修复方式对文物的二次损伤；在线上展示方面，通过VR技术构建虚拟展厅，用户可沉浸式浏览古建筑的三维模型，放大查看细节特征，了解历史文化背景，线上展示年访问量达10 万人次，有效提升了文物的公众认知度与保护意识。

采集过程中采取严格的文物保护措施，避免设备碰撞古建筑，不在文物表面留下痕迹；选择阴天进行采集，避免强光直射导致影像过曝，影响色彩还原。通过实时质量监控，确保重点部位点云密度≥1000 点/平方米，影像色彩还原准确。

5.2.3 三维场景构建流程与结果案例：古建筑文物保护三维场景构建

5.2 数据采集过程

5.1 项目背景与目标

5.2.4 应用效果评估

图：邢台市某古建筑群应用反馈表明，该三维场景模型为古建筑文物的保护、修复、展示提供了强有力的技术支持，实现了文化遗产的数字化传承，具有重要的实践价值。

六、结论与展望

优化了三维场景智能构建的关键技术，提出了“统计滤波+双边滤波”的点云去噪方法、“特征匹配+ICP优化”的配准拼接算法、“MLS曲面拟合+泊松重建”的混合建模技术，融合深度学习与多源数据融合技术，提升了模型构建效率与细节还原度，模型细节还原度达 95%，建模效率提升30%以上。

建立了标准化的空地协同采集流程，通过大疆Matrice300RTK无人机与赛尔S10 设备的适配，设计了“分区扫描+分层采集”的空中采集策略与“网格化覆盖+重点精细化”的地面采集策略，构建了“时间戳+坐标校准”的数据同步机制，实现了目标区域数据的全方位、高精度获取，采集数据平面精度≤5cm，高程精度≤8cm。

通过古建筑文物保护案例验证，证明了研究提出的技术方法的有效性与实用性，能够满足不同场景的三维建模需求，为城市规划、物保护等领域提供了标准化的技术方案与工具支持。

本研究基于赛尔S10 设备，系统构建了空地协同数据采集与三维场景智能构建的技术体系，取得了以下核心成果：

6.1 研究成果总结

4.1 数据预处理

参考文献

点云数据去噪采用“统计滤波+双边滤波”的组 统计滤波用于去除离群噪点，通过计算每个点与其邻域 50 个点的距离均值与标准差，将距 去除环境干扰产生的离散噪点，去噪效率达 90%。双边滤波用于 平滑点云表 性，空间距离权重采用高斯函数，灰度相似性权重基于点云强度值计算，滤波窗口 波能够有效去除扫描噪声，同时完整保留雕刻纹理、墙面裂缝等细节特征，滤波后点云表面粗糙度 。两种算法的组合使用流程为：先通过统计滤波去除大部分离群噪点，再通过双边滤波进行精细化平 既保证了去噪效率， 又确保了点云数据的细节完整性。

影像数据处理包括增强、校正、镶嵌三个环节。影像增强采用“对比度拉伸+锐化”组合算法，通过直方图均衡化调整影像对比度，提升细节表现力；采用拉普拉斯算子进行锐化处理，增强影像边缘信息，锐化系数设为0.5，避免过度锐化产生伪影。影像校正包括辐射校正与几何校正。辐射校正通过传感器定标参数消除辐射误差，采用大气传输模型去除大气散射影响；几何校正基于地面控制点，采用二次多项

4.1.1 点云数据去噪

4.1.2 影像数据处理

[9]王密。空天地一体化遥感智能处理技术进展[J].遥感学报，2025,29(1):1-15.

[10]张祖勋。三维实景建模与智能应用[J].武汉大学学报(信息科学版),2024,49(6):801-808.

[11]李清泉。地理信息数据要素流通关键技术与机制[J].测绘通报，2025(2):1-6.

[12]陈军。实景三维中国建设与应用展望[J].地理学报，2024,79(5):1021-1034.

课题来源：

2023 年度河北省高等学校科学技术研究项目“基于多源数据融合技术的数字城市三维建模技术的研究”，课题编号：QN2024124

作者简介：武晓英，出生年月:1989-05-12，女，汉族，籍贯：河北省邯郸市，所在院校：河北机电职业技术学院，职称：讲师 学历:研究生，学位：硕士，研究方向：无人机应用技术方向。