摘要：随着智慧城市与数字孪生技术发展，地表建筑动态测绘需求日益增强。文章围绕移动测量系统，系统梳理并分析了建筑点云分割、轮廓自动提取、高度快速测量及变化检测等关键方法。通过深入探讨各项算法在实际测绘作业中的可行性与创新性，为多源异构数据的自动化处理与高效利用提供了理论支撑，推动城市精细化管理迈向更高水平。

关键词：移动测量系统；建筑点云处理；动态变化检测

引言：

城市环境复杂多变，传统静态测绘手段已难以满足实时更新与智能管理需求。移动测量系统凭借高精度感知与灵活部署优势，成为地表建筑动态监测的重要技术路径。以建筑三维信息提取为核心，点云分割、轮廓自动提取、高度测量及变化检测等方法层出不穷。文章基于最新研究进展，系统梳理相关技术路线，为城市动态测绘理论与实际应用探索有效方案。

1 移动测量系统关键技术

1.1 激光雷达数据采集技术

激光雷达数据采集技术是移动测量系统感知外部环境和获取地物空间信息的核心手段，该技术通过连续发射脉冲激光，测量激光束与目标物体之间的距离，从而快速获取大范围高密度的空间点云信息。激光雷达以其高分辨率和高精度等优势，能够在复杂城市场景下实时捕获建筑物轮廓和地表形态。激光雷达在数据采集过程中需要综合考虑扫描频率、测距精度、测量半径及发射能量等参数设置，以保证信息的完整性和精确性。同时，针对城市地表建筑复杂多变的结构特点，激光雷达应具备较强的抗干扰能力和多路径处理机制，以有效应对遮挡、反射变化及强光干扰所带来的误差。激光雷达发射脉冲主要有可见光、近红外激光两种。测绘人员可以按照搭载平台不同，将激光雷达划分为地基、空基、天基 3 种。激光雷达测量技术既能完整记录整个项目现状形态，还能高效准确地完成任务。激光雷达测量是利用激光测距的原理，通过记录被测物体表面大量密集点的三维坐标信息和反射率信息，将各种大实体或实景三维数据完整地采集到计算机中，进而快速复建出被测目标的三维模型及线、面、体等各种图件数据 =

1.2 惯性导航定位技术

惯性导航定位技术为移动测量系统提供精确的姿态、速度与位置信息，保证数据采集的时空准确性。该技术主要依赖于高精度的加速度计和陀螺仪，实现设备在三维空间中自主导航与定位。由于城市环境中卫星信号容易受到遮挡，惯性导航系统在短时间失去外部参考信号时，能够保证设备轨迹与姿态估算的连续性。惯性导航系统通过高频率采样，连续记录设备的运动状态，并结合初始位置信息进行积分计算获得实时位置信息。然而，惯性导航存在累积误差的问题，长期运行会导致位置和姿态估算逐步偏离真实状态，为此需定期采用外部辅助定位手段进行误差修正。惯性导航技术的性能直接影响到后续多源数据融合和三维重建的精度与稳定性，因此在系统设计中应选用高性能器件并优化数据处理算法。为了适应动态采集环境下的不规则运动，惯性导航定位系统设计应具有较强的抗震和抗干扰能力，实现多样化城市测绘任务的自动化和高精度输出。

1.3 多传感器数据融合技术

多传感器数据融合技术是提升移动测量系统整体性能与信息获取能力的核心环节，当前，单一传感器在复杂城市场景下仍难以实现对所有细节的精准感知，因此采用多种类型传感器协同作业成为主流。通过融合激光雷达、惯性导航、全球导航卫星系统、摄像机等多类传感器的数据，能够综合发挥各自的优势，克服各单一数据源的局限。数据融合过程需充分考虑不同数据源的时间同步性与空间配准精度，采用先进的算法进行多尺度、多维度的数据配准和特征补全。时空配准的准确性和稳定性是影响最终测绘数据质量的关键，为此需要设计高效的同步机制和误差补偿方案。应用数据融合技术不仅能够增强对建筑结构和地表要素的识别能力，还可以显著提升系统对动态环境变化的响应速度与适应性。通过集成先进的传感器技术、物联网技术、大数据分析和人工智能算法，实现对建筑和环境的实时监测与数据分析，为工作提供强有力的技术支撑。采用基于深度学习和多传感器协同优化的融合方法，能够持续拓展移动测量系统的应用边界，实现对多样化城市环境的智能感知。多传感器数据融合技术推动了城市地表建筑动态测绘的精细化、智能化和自动化发展。

1.4 实时数据处理技术

实时数据处理技术是确保移动测量系统高效稳定运行的关键保障，随着传感器性能的提升，数据采集速率显著提高，实时处理海量空间信息的能力成为系统工程的技术瓶颈，实现在线数据过滤质量控制以及初步建模，成为提升动态测绘效率的核心要求。移动测量系统在实际作业过程中，需对输入的多源数据进行去噪、筛选、配准与格式转换等处理步骤，保持数据流的连贯性和一致性。针对点云、图像、位置信息等异构数据，需设计高效的数据处理管线与并行计算架构，同时借助高性能存储和传输机制，减少数据延迟。实时处理技术还需持续优化算法处理流程，降低计算复杂度，提升硬件利用率，保障平台在大规模数据环境下稳定运行。为确保动态测绘结果的时效性，对于关键特征识别、异常检测和变化监测等任务，实时数据处理应能快速反馈并自动调整测绘策略，提高整体作业的灵活性。系统利用大数据技术和人工智能算法，对海量数据进行清洗、整合、分析和预测。

2 基于移动测量系统城市建筑动态测绘方法

2.1 建筑物点云分割算法

城市建筑测绘领域正经历着向更高精度与更高效能转型的关键阶段，移动测量系统的集成显著拓展了三维空间信息的收集途径。在这一进程中，首要且至关重要的任务是精确地将所采集的混合点云数据中与建筑物相关的部分进行有效分离与识别。针对从移动测量技术获取的大规模点云数据中进行建筑物分割的挑战，该任务的核心难点在于精确地区分并识别出道路、植被、机动车、广告牌等非建筑元素与各类建筑物。这一过程复杂，主要缘于不同地物间显著的属性差异。传统基于几何特征阈值的方法，在实践中往往受限于其固有的局限性，难以实现高效且准确的分割效果。在当前的研究中，通常采用聚类和层次分析方法，依据点云数据中的特征参数，如高度、密度以及法向量，在预设的空间坐标系内执行初步的点云分割操作。此类方法对于低矮且形态规则的建筑物具有较高的识别精度，在面对高层建筑及其周边结构复杂交错的场景时，往往容易导致检测遗漏或分类错误。伴随深度学习领域技术的迅猛进步，基于 PointNet 及其衍生模型的神经网络架构日益成为处理三维点云数据的首选策略。点云数据配准即将不同站点获取的地面三维激光扫描点云数据变换到同一坐标系的过程。由于测区环境复杂，需要经过多次激光扫描才能得到整个项目区点云数据，每次扫描形成的点云数据都为独立坐标，就要对这些点云数据进行配准。点云数据过滤主要包括降噪处理和数据缩减，在地面扫描过程中，由于外部环境、仪器设备自身因素或人工操作、以及被扫描对象表面因素等诸多影响，在扫描的点云数据中会存在噪声点，它们不仅会影响点云数据的精度，还会对制作成果数据造成干扰。

2.2 建筑轮廓自动提取方法

建筑物点云提取的轮廓数据构成了城市虚拟重建、智能化管理以及空间资源高效利用的基础要素。随着自动化轮廓提取技术的不断演进，其正逐步取代传统的半人工数字化操作，成为现代城市动态测绘领域不可或缺的关键支撑。轮廓提取的核心在于，在已通过高效分割技术处理的建筑物点云数据之上，精确识别并界定建筑外部边界，这一过程为构建物的结构描述以及探讨其投影关系提供了关键依据。一种典型的处理策略涉及使用基于主视方向投影的边缘检测方法，通过将三维建筑物点云数据映射到二维平面上来简化问题。随后，运用如 Sobel 或 Canny 边缘检测算子，在该投影图中识别出高密度边界，进而借助连通分量分析算法迅速定位并界定出建筑的主要外轮廓。在分析和重建现代结构复杂度高的建筑群时，单纯应用二维投影技术常常导致建筑轮廓的模糊不清或断离现象。鉴于此，引入三维空间中的连通域追踪与递进式曲面拟合方法显得尤为必要。这类技术包括但不限于 RANSAC（随机最小平方估计）直线拟合算法，以及 B 样条曲线的多段连续拟合，旨在对建筑群中局部的复杂几何轮廓进行精确细化与完整重构，从而提升三维模型的准确性和细节表现力。近年来，基于端到端的深度学习架构在轮廓提取领域展现出显著的优势，其能力在于自动化地学习大量建筑边缘特征及语义细节，从而在无需过量人工规则设定的前提下，有效地执行多种建筑类型的批量轮廓提取任务。移动测量系统在收集数据时，不可避免地受到诸如环境遮挡、移动车辆和行人等动态因素的干扰。为应对这一挑战，我们通过集成先进的算法并结合后验校准流程，实现了对动态噪声数据点的自动化筛选，从而保证了轮廓提取结果在复杂动态环境中的完整性与高精度。

2.3 建筑高度快速测量技术

建筑高度作为关键的空间参数，在土地利用规划、空中安全管控以及视觉景观规划等多个领域扮演着至关重要的角色。传统的人工或静态测量方法在执行过程中通常面临流程复杂、效率低下以及成本高昂的挑战。相比之下，以移动测量系统为基础的自动化高度提取技术，不仅显著提高了测量的精确度和速度，而且极大地降向、阀控逻辑等信息的集中展示与智能分析。系统通过对气量需求的预测模型，结合历史用气数据、节假日规律与气象参数，自动生成调配方案并动态调整运行状态。在区域负荷突变时，平台可自动对调压设备进行联动控制，平衡管网压力，确保下游用户稳定供气。基于AI 算法优化供气路径与管道负载，可有效缩短供气响应时间、降低运行压力波动，并提升资源的利用效率。在调控体系中嵌入能耗分析模块，能实现运行能效的可视化管理，使系统每一次调整都有数据依据，从源头减少冗余供气，提升整体节能水平。

（三）建设数字化运维体系延长设备高效使用周期低了实施成本和人力需求，从而有效地解决了上述问题，成为现代空间参数评估与管理中的重要工具。核心问题聚焦于高效、规模化提取建筑物顶点与基底的高程信息，其中，普遍采用的最大最小值策略通过识别分割后的建筑点集中的最高点与最低点，并基于垂直坐标差异计算建筑的高度，此方法在地形较为平坦且建筑特征相对一致的区域具有较高的适用性和有效性。面对现代城市复杂环境下的地表高差与建筑形态多样性挑战，传统最大最小值法在识别建筑高度时，易受噪声干扰或非典型构造影响而产生误判。为解决这一问题，文章提出了一种改进策略，即结合主平面拟合法，利用RANSAC（随机抽样一致性）等算法分别对建筑屋顶和地面进行主导平面的拟合。通过计算主平面间的法向距离，实现建筑高度的精确反演。此方法显著增强了对抗异常数据点的能力，并有效排除了设备层、广告屏幕等次要结构的干扰，从而提供更为准确、可靠的建筑物高度测量结果。移动测量系统常集成多种辅助信息来源，包括图像测量与全球导航卫星系统（GNSS）的高程数据，以实现多源证据的融合，从而显著提升空间数据的一致性和测量的准确性。在数据采集模块中，我们采用了多线激光雷达与惯性导航系统（INS）的协同工作模式，以实现高精度的三维点云数据捕获。结合实时数

智能化升级不仅体现在调控层，更应在运维机制中实现管理革新。通过部署在线监测终端与设备识别码，建立城市级燃气设备档案库，形成从采购、安装、巡检到维修的全生命周期数据链条。智能运维平台对关键部件如阀门、调压器、流量计等运行状态进行动态跟踪，并通过数据模型判断其性能趋势，在故障发生前发出预警提示。平台还可联动维修资源进行工单派发、路径规划与维修效率评估，实现运维流程的信息化与标准化。在设备能耗表现分析中，系统可根据运行效率变化提出更新建议，实现高能耗设备的有序替换。在此机制下，燃气设施运维将由传统周期性检修转变为状态驱动下的精准干预，显著延长设备运行寿命与高效周期，有效支撑城市能源系统长期稳定运作。

据处理架构，该系统能够在移动载体如车辆或手持设备的动态作业环境中，即时呈现建筑物的三维高度分布情况。借助这些先进的技术手段，能够实现对城市建筑高度变动的大规模动态监控，从而为城市规划、项目审批以及突发事件应对提供关键支持。

2.4 建筑变化检测算法

城市建筑的增长、减少与微调体现了城市功能的加速转变，而变化检测技术则成为推进动态测绘及城市运营管理数字化转型的关键组成部分。基于移动测量技术的建筑变化检测，通过分析多时相点云数据，提供了对建筑物新增、拆除及楼层增建等物理状态转变的直观且精确的评估手段。常规的变化检测流程通常包含以下步骤：通过迭代最近点配准（IterativeClosestPoint，ICP）算法或其他相关技术实现多时相点云数据的空间对准，确保历史点云与最新采集点云在相同坐标系下的精确匹配。在完成空间对准后，采用体素化方法，即将三维空间分割为均匀的体素单元，进而基于统一的空间参考框架对每个体素内的点密度或高度差进行量化分析。这一过程旨在自动化地识别建筑物的新增、减少或结构变化的区域，从而实现对环境动态变化的有效监测与评估。此方法在捕捉大规模建筑群的显著变化方面展现出高度敏感性，在识别细微的外立面修复、局部材料替换等微小变动时，则需依赖更为精确的局部变化检测策略，比如基于三维模型残差分析的技术。该技术通过量化历史三维模型与最新点云数据之间的细微空间差异，实现对新建、损害及改造区域的精准识别。集成深度学习技术显著增强了变化模式的自动化辨识范畴。借助于端到端的训练策略，此类模型不仅具备了基本的变动检测功能，更进一步实现了对变化性质的精确区分，从而高效地对变化区域进行分类，并生成直观的可视化分析报告。

结束语：

移动测量系统下的建筑动态测绘技术不断突破原有局限，为智能城市建设提供可靠数据支撑。未来，算法自动化、处理智能化及多源数据融合将引领测绘体系升级。持续优化相关技术有助于提升城市空间信息获取能力，推动实现城市运行管理的数字化转型，满足日益增长的智慧化需求。

参考文献

[1] 林喜 . 遥感测绘技术在自然灾害中的应用研究 [J]. 西部资源，2024（5）：89-92.

[2] 白洁 . 遥感测绘技术在测绘工作中的应用研究 [J]. 智能建筑与智慧城市，2024（7）：40-42.

[3] 罗福正，马成才，马永春 . 遥感测绘技术在区域生态环境水污染监测中的应用研究 [J]. 环境科学与管理，2024，49（7）：127-131.

[4] 周传华，王茜 ， 王玉华 .3S 技术在土地规划与管理中的应用 [J]. 智能城市应用 ，2023（8）：108-110.

[5] 胡少雄 ， 李洁茹 ， 梁彦庆 . 基于激光雷达测绘的土地利用变动实时监测方法 [J]. 激光杂志 ，2020，41（5）：86-90.