馬莉　沈潔　陳代

摘要：為了對古建筑的保護(hù)相關(guān)工作進(jìn)行具體深入探討，文章提出一種基于三維實(shí)景技術(shù)古建筑數(shù)據(jù)融合及文化信息提取模型。模型由古建筑數(shù)據(jù)融合模型和古建筑文化信息提取模型組成。模型集合了地面三維激光掃描、機(jī)載Li DAR和無人機(jī)傾斜攝影測量數(shù)據(jù)融合技術(shù)，以獲取全面的古建筑空間信息。古建筑文化信息提取模型采取了K均值聚類算法和迭代自組織數(shù)據(jù)分析算法，以獲取古建筑的文字和圖案信息。實(shí)驗(yàn)結(jié)果顯示，多源數(shù)據(jù)的最終融合最大的點(diǎn)位誤差為3.1cm，平均點(diǎn)位誤差為1.62cm，整體精度優(yōu)于單一數(shù)據(jù)所獲的實(shí)景模型。整體模型能夠?qū)崿F(xiàn)對古建筑的數(shù)據(jù)融合和文化信息提取，具有廣闊的應(yīng)用前景。

關(guān)鍵詞：古建筑，數(shù)據(jù)融合，文化信息提取，實(shí)景三維技術(shù)

中圖分類號：P321

文獻(xiàn)標(biāo)識碼：A

文章編號：1674-9545（2023）03-0063-（07）

DOI：10.19717/j.cnki.jjun.2023.03.013

中國歷史源遠(yuǎn)流長，其中古建筑更是人們代代傳承的智慧結(jié)晶，其不僅具有極高的觀賞價(jià)值，更具備深刻的社會價(jià)值和歷史意義，因此對古建筑的保護(hù)責(zé)任重大。然而，隨著現(xiàn)代城市的高速建設(shè)，古建筑面臨著被破壞、拆除的現(xiàn)狀^[1-2]。有鑒于此，進(jìn)一步采取措施保護(hù)古建筑已經(jīng)亟不可待。同時(shí)，當(dāng)下智能科技也有了較大的突破，對于古建筑的信息化建檔工作也逐步開展起來^[3]。殷紅霞等研究者針對單一測繪手段無法捕獲古建筑完整空間信息這一特點(diǎn)，提出一種基于多源異構(gòu)點(diǎn)的云融合技術(shù)，該技術(shù)能夠?qū)崿F(xiàn)古建筑的信息留存，具有應(yīng)用價(jià)值^[4]。孫保燕等學(xué)者針對單一建模技術(shù)對古建筑數(shù)據(jù)采集的局限性，提出一種空地多數(shù)據(jù)互輔融合三維模型重建方法，在古建筑文物保護(hù)方面具有應(yīng)用前景^[5]。王商富提出利用傾斜、貼近攝影和地面激光掃描等新型測繪技術(shù)對古建筑進(jìn)行三維建模，可顯著提升建檔測繪工作的成效、效率和精度^[6]。然而，當(dāng)下大多數(shù)技術(shù)都是基于單項(xiàng)數(shù)據(jù)采集技術(shù)，較難獲得完善的古建筑信息。實(shí)景三維技術(shù)對古建筑信息提取也具備較強(qiáng)的適用性。由此，該研究提出一種基于三維實(shí)景技術(shù)古建筑數(shù)據(jù)融合及文化信息提取模型，旨在利用所提模型為古建筑的保護(hù)工作貢獻(xiàn)力量。

1基于實(shí)景三維技術(shù)的古建筑數(shù)據(jù)融合及文化信息提取模型

1.1基于實(shí)景三維技術(shù)的古建筑數(shù)據(jù)融合模型構(gòu)建

古建筑數(shù)據(jù)融合的前提是能夠采集到完整的數(shù)據(jù)信息，然而傳統(tǒng)的采集方法運(yùn)行效率低下、采集時(shí)間較長^[7]。三維實(shí)景技術(shù)能夠較好地解決上述缺點(diǎn)，它能夠捕獲目標(biāo)古建筑的色彩紋理等三維空間信息，以更好地實(shí)現(xiàn)古建筑的信息建檔。三維實(shí)景技術(shù)中，地面三維激光掃描、機(jī)載Li DAR和無人機(jī)傾斜攝影測量技術(shù)是常用的三維實(shí)景技術(shù)，三者各具優(yōu)勢^[8]。該研究嘗試將三種方法所獲取的古建筑數(shù)據(jù)進(jìn)行融合，以得到更加完整、全面的古建筑空間信息。地面三維激光掃描主要通過激光測距的原理，來實(shí)現(xiàn)對待測古建筑表面紋理及其三維信息坐標(biāo)的掃描。其基本公式如式（1）所示：

式（1）中，X、Y、Z表示待測古建筑的三維坐標(biāo)；α表示水平角；θ表示垂直角。地面三維激光掃描技術(shù)能夠高效地實(shí)現(xiàn)對復(fù)雜古建筑的三維信息提取和建模，是一種較好的數(shù)據(jù)信息保障技術(shù)，在古建筑的保護(hù)層面也具備應(yīng)用價(jià)值。機(jī)載Li DAR技術(shù)是一種集合了無人機(jī)飛行平臺、激光雷達(dá)系統(tǒng)、相機(jī)系統(tǒng)、GPS與INS、控制單元為一體的遙感測量手段。所有部分均能夠相互協(xié)調(diào)，準(zhǔn)確地對古建筑數(shù)據(jù)信息進(jìn)行采集^[9]。無人機(jī)傾斜攝影測量技術(shù)能夠通過一個(gè)飛行平臺對古建筑實(shí)現(xiàn)多角度觀測，從而同時(shí)獲取正射影像與傾斜影像。

三種三維實(shí)景技術(shù)均可捕獲古建筑的三維模型數(shù)據(jù)，但是卻存在著各自的缺陷。地面三維激光掃描技術(shù)可以實(shí)現(xiàn)對古建筑內(nèi)外墻的三維點(diǎn)云建模，但目前我國古代建筑屋面是一個(gè)探測死角，且存在著大量的點(diǎn)云信息丟失問題^[10]。LiDAR能夠?qū)崿F(xiàn)大規(guī)模的古建筑表面點(diǎn)云信息的提取，可用于大規(guī)模的房屋屋面結(jié)構(gòu)信息的提取，也可用于大規(guī)模的地質(zhì)災(zāi)害風(fēng)險(xiǎn)點(diǎn)調(diào)查^[11]。然而，現(xiàn)有的方法存在測量準(zhǔn)確度低、難以獲得外墻和缺少室內(nèi)點(diǎn)云等問題。無人機(jī)傾斜攝影測量技術(shù)可在空域內(nèi)靈活、高效地進(jìn)行多視角圖像獲取，可有效地解決地基三維激光成像技術(shù)存在的頂視死角問題。但是，該方法缺少了建筑內(nèi)部數(shù)據(jù)，屋檐下數(shù)據(jù)模型的準(zhǔn)確性較差。由此，該實(shí)驗(yàn)嘗試將上述三種方法結(jié)合，利用其各自的優(yōu)勢特點(diǎn)來獲取古建筑真實(shí)場景的3D資料。首先，利用地面三維激光掃描方法在古建筑內(nèi)部進(jìn)行3D掃描，獲得高分辨率的點(diǎn)云。然后，利用LiDAR與無人機(jī)傾斜攝影測量技術(shù)，對古建筑群的屋面及其周圍的地面進(jìn)行了點(diǎn)云與斜坡建模。最后，對于古建筑外墻，以三維點(diǎn)云數(shù)據(jù)為主，以機(jī)載LiDAR與無人機(jī)衛(wèi)星數(shù)據(jù)為輔助，獲取三維數(shù)據(jù)的古建筑外墻數(shù)據(jù)。具體的實(shí)現(xiàn)過程如圖1所示。

在此之后，即可將三種方法所得的古建筑數(shù)據(jù)進(jìn)行融合。首先是地面三維模型與機(jī)載LiDAR點(diǎn)云模型的數(shù)據(jù)融合。兩種方法進(jìn)行數(shù)據(jù)融合的第一步就是先要將兩種模型所獲得的坐標(biāo)進(jìn)行一一匹配。假設(shè)Px₁，y₁，z₁為機(jī)載LiDAR中點(diǎn)云模型坐標(biāo)，Qx₂，y₂，z₂為地面三維激光中的坐標(biāo)。將兩者轉(zhuǎn)換至同一坐標(biāo)系中，即能夠?qū)崿F(xiàn)古建筑室外點(diǎn)云模型的數(shù)據(jù)融合。其平移過程如式（2）所示：

式（2）表示P經(jīng)平移后得到的向量矩陣，其中，t_x，t_y，t_z表示平移向量。其旋轉(zhuǎn)過程如式（3）所示：

式（3）表示P繞坐標(biāo)軸X、Y、Z分別旋轉(zhuǎn)α，β，γ角度得到的旋轉(zhuǎn)矩陣。之后分別求解平移矩陣和旋轉(zhuǎn)矩陣即可得到兩種方法下的空間轉(zhuǎn)換關(guān)系。此次研究擬以地面三維激光點(diǎn)云模型為參考站，以LiDAR采集的點(diǎn)云為移動(dòng)站點(diǎn)，從兩個(gè)模型中選擇多個(gè)共同的特征點(diǎn)，對其進(jìn)行配準(zhǔn)和融合，從而得到完備的古建筑群室內(nèi)外點(diǎn)云數(shù)據(jù)。

雖然，兩者結(jié)合已經(jīng)能夠獲取較為完善的室外點(diǎn)云數(shù)據(jù)，但是仍然難以滿足古建筑數(shù)字信息建檔所需的最佳完備信息。由此，需要將無人機(jī)傾斜攝影技術(shù)所獲取的多角度影像數(shù)據(jù)進(jìn)行融合。此次研究將地面三維激光點(diǎn)云模型數(shù)據(jù)與無人機(jī)傾斜攝影數(shù)據(jù)進(jìn)行融合。首先，依然是將模型的坐標(biāo)進(jìn)行配準(zhǔn)，即是將不同站點(diǎn)所獲取的點(diǎn)云數(shù)據(jù)收集至同一坐標(biāo)系中。在此過程中，容易出現(xiàn)無法剔除較大誤差特征點(diǎn)的情況。為了解決這個(gè)問題，實(shí)驗(yàn)引入了改進(jìn)特征點(diǎn)的配準(zhǔn)算法對同名特征點(diǎn)的選擇進(jìn)行約束。在初步提取特征點(diǎn)之后，利用Kd-Tree近鄰點(diǎn)搜索算法獲取多個(gè)與目標(biāo)點(diǎn)距離最近的數(shù)據(jù)點(diǎn)。利用這些數(shù)據(jù)點(diǎn)建立與目標(biāo)點(diǎn)的最小二乘面，并計(jì)算其法向量。之后，計(jì)算法向量與天頂方向的夾角值并計(jì)算夾角值之間的差值。比較夾角值與角度閾值的大小，將該特征點(diǎn)進(jìn)行保留或剔除。同時(shí)計(jì)算變換矩陣，刪選出所有符合要求的特征點(diǎn)并進(jìn)行圖像拼接，詳細(xì)流程如圖2所示。

通過該研究，不僅可以補(bǔ)充現(xiàn)有激光點(diǎn)云數(shù)據(jù)模型中缺少的部分，而且還可以改進(jìn)傾斜照相數(shù)據(jù)模型中出現(xiàn)的剝落、破洞等問題，從而得到一個(gè)較為完善的古建筑群的真實(shí)3D模型。

1.2基于聚類算法的古建筑文化信息提取模型構(gòu)建

我國古建筑留存了大量的文字和圖案等歷史文化信息，它們具有難以估量的藝術(shù)、文化和科學(xué)價(jià)值。但是，由于時(shí)間變遷和時(shí)代更迭，這些文化信息已經(jīng)大量流失，有的甚至已經(jīng)被侵蝕。所以，從古代建筑中提取其所蘊(yùn)含的文化價(jià)值信息至關(guān)重要^[12]。古建筑的文化信息屬于隱含信息，當(dāng)前對其的研究尚未成熟，少有學(xué)者能夠?qū)沤ㄖ幕畔⒎诸愄崛∵M(jìn)行關(guān)注，因此其提取方式是古建筑保護(hù)的難點(diǎn)之一^[13]。針對以上問題，此次研究擬以我國古建筑點(diǎn)云數(shù)據(jù)為基礎(chǔ)，利用K均值聚類算法（K-means clustering algorithm，K-Means）和迭代自組織數(shù)據(jù)分析算法（iterative selforganizing data analysis techniques algorithm，IsoData）兩種不同類型的聚類算法對其進(jìn)行分類。然后采用向量化的方式，對其中的文字、圖案、尺寸等屬性信息進(jìn)行抽取和存儲，制作出我國古代建筑文化信息的專項(xiàng)圖。K-Means算法對類別的中心進(jìn)行反復(fù)迭代，以獲取最佳的聚類效果。假設(shè)存在n個(gè)樣本所構(gòu)成的矩陣X=x₁，x₂，…，x_n^T，K-Means算法需要將其劃分成C個(gè)類別，G表示其中一個(gè)類別，則其目標(biāo)函數(shù)可以表示為式（4）：

式（4）中，Ji表示第i的目標(biāo)函數(shù)；c_i表示聚類中心；x_k表示樣本點(diǎn)。IsoData算法是一種動(dòng)態(tài)聚類方法，其在計(jì)算出聚類結(jié)果的基礎(chǔ)上對已有的樣本數(shù)據(jù)做出相應(yīng)校正，并將樣本數(shù)據(jù)取平均值后重新聚類。該方法能夠使簇“合并”“分裂”，以獲得更合理的聚類。IsoData中存在一些參數(shù)，假設(shè)類別數(shù)為K，最大迭代次數(shù)為I，循環(huán)收斂閾值為T，標(biāo)準(zhǔn)偏差參數(shù)為θ_S。聚類中心之間的距離可以表示為式（5）：

D_ij=‖Z_i－Z_j‖ ???（5）

式（5）中，Z_i，Z_j表示第i，j類的中心；N_c表示類別數(shù)。那么每個(gè)類別中的各分量的標(biāo)準(zhǔn)偏差向量可以表示為式（6）：

式（6）中，i表示樣本的維數(shù)；j表示樣本的類別數(shù)；N_j表示類別S_j中的樣本數(shù)；x_ik表示第k個(gè)樣本的第i個(gè)分量；z_ij表示第j個(gè)聚類中心的第i個(gè)分量。通過兩種聚類模型可實(shí)現(xiàn)古建筑的文字信息提取，而對于古建筑的圖案紋理信息提取也可通過K-Means聚類算法來實(shí)現(xiàn)^[14]。傳統(tǒng)的紋理提取方法是通過手工繪制來完成。即將紋路點(diǎn)云轉(zhuǎn)換成紋路的正射圖像，然后將圖像輸入到繪圖軟件中完成紋路的繪制。這種方法僅對古建筑的線條信息能實(shí)現(xiàn)較好的提取，對于花紋色彩等矢量信息卻具有較為嚴(yán)重的丟失情況。除此之外，傳統(tǒng)人工提取的方式費(fèi)時(shí)耗力，更具有較大的提取誤差^[15]。因此，采取K-Means聚類算法能夠更加高效和高完整度地保留古建筑的文化信息，有助于中華文化信息的傳承與保護(hù)。該研究通過設(shè)置K-Means算法的類別數(shù)和最大迭代次數(shù)來進(jìn)行古建筑的圖案分類。

經(jīng)過聚類后，可以實(shí)現(xiàn)對古建筑的文字、紋理、圖案的提取，但仍有一些噪聲。為此，必須將所抽取的邊界值轉(zhuǎn)化為矢量數(shù)據(jù)，來抽取并保存文本、圖案大小、文本、圖案等屬性信息。然后經(jīng)過矢量數(shù)據(jù)的處理，剔除錯(cuò)誤的部分，最終加入圖名、圖例、比例尺等信息，形成文本信息矢量數(shù)據(jù)生成的專題圖，即文本信息矢量信息。該實(shí)驗(yàn)采用智能算法對古建筑所蘊(yùn)含的文化信息進(jìn)行提取改善了傳統(tǒng)方法低精度、耗時(shí)費(fèi)力的缺點(diǎn)，在一定程度上能夠更加高效且更完整地對古建筑的信息進(jìn)行留存和保護(hù)。

2基于實(shí)景三維技術(shù)的古建筑數(shù)據(jù)融合及文化信息提取模型應(yīng)用效果分析

2.1基于實(shí)景三維技術(shù)的古建筑數(shù)據(jù)融合模型應(yīng)用效果

該研究以點(diǎn)到點(diǎn)之間的誤差為基礎(chǔ)，對數(shù)據(jù)融合前后的精度進(jìn)行比較。由于點(diǎn)云模型具有很高的精確度，且點(diǎn)到點(diǎn)之間的偏差1mm，配準(zhǔn)偏差2mm，更符合古代建筑的真實(shí)大小，故用以作為古建筑點(diǎn)云模型中的點(diǎn)為參考。從古建筑點(diǎn)云模型與融合模型中選擇10個(gè)相應(yīng)的特征點(diǎn)，并對其位置誤差進(jìn)行對比分析。多源數(shù)據(jù)的最終融合結(jié)果如表1所示。從表中展示的數(shù)據(jù)不難發(fā)現(xiàn)，最大的點(diǎn)位誤差為3.1cm，平均點(diǎn)位誤差為1.62cm，數(shù)據(jù)融合后的三維實(shí)景模型精度優(yōu)于單一數(shù)據(jù)所獲的實(shí)景模型。

圖3表示地面三維激光掃描技術(shù)與機(jī)載LiDAR技術(shù)數(shù)據(jù)融合前后的對比效果圖。融合之后的數(shù)據(jù)是通過選取兩種模型之間的公共特征后進(jìn)行匹配所得，從圖中的展示的圖片效果不難發(fā)現(xiàn)，最終所獲得的古建筑室內(nèi)外的點(diǎn)云模型數(shù)據(jù)更加豐富與真實(shí)。由此，驗(yàn)證了所提方法的有效性。

圖4表示地面三維激光點(diǎn)云模型數(shù)據(jù)與無人機(jī)傾斜攝影數(shù)據(jù)進(jìn)行融合后的效果圖。從圖中古建筑的融合效果來看，數(shù)據(jù)融合之后，優(yōu)化了單一激光點(diǎn)云數(shù)據(jù)模型在古建筑群屋頂數(shù)據(jù)的缺失問題，同時(shí)解決了單一傾斜攝影中時(shí)出現(xiàn)的拉花、破洞等問題。由此，數(shù)據(jù)融合之后所得的古建筑三維實(shí)景模型具有更加完善的信息，有利于開展對古建筑的保護(hù)工作。

圖4 地面三維激光掃描技術(shù)與無人機(jī)傾斜攝影數(shù)據(jù)

融合效果

2.2基于聚類算法的古建筑文化信息提取模型應(yīng)用效果

實(shí)驗(yàn)以高精度點(diǎn)云模型所采集到的古建筑群文本信息為基礎(chǔ)，從古建筑群的文本壁面上分割出多個(gè)文本壁面。在壁面上選擇多個(gè)特征點(diǎn)，建立相應(yīng)的正射投影面，并在此基礎(chǔ)上建立相應(yīng)的壁面正射影像。以文字墻面的正射投影圖像為基礎(chǔ)，分別展開K-Means算法和Iso Data算法數(shù)據(jù)聚類，利用調(diào)整分類類別、閾值以及迭代次數(shù)等系數(shù)，對提取結(jié)果進(jìn)行優(yōu)化。圖5為最終的分類結(jié)果，其中K-Means對文字的分類效果比較好，但是噪聲數(shù)目比較多，而IsoData法對文字以外的噪聲數(shù)目比較少，但是會造成詞的信息損失比較大。但是，隨著迭代次數(shù)的增加，噪點(diǎn)數(shù)量減少，因此K-Means算法具有更好的文字提取效果。

實(shí)驗(yàn)利用K-means算法對古建筑的紋理圖案進(jìn)行信息提取，最終的圖案分類結(jié)果如圖6所示。從圖中的提取效果來看，利用智能方法所提取的古建筑圖案能夠保留花紋的線條信息、色彩和其他細(xì)節(jié)信息。且所花費(fèi)的時(shí)間與提取精度相較于傳統(tǒng)人工提取手段更為優(yōu)越。自動(dòng)提取的智能方法幾乎能夠保留圖案的全部信息，也能將圖案所承載的文化信息留存下來，為古建筑的保護(hù)工作提供了較大的借鑒意義。

為了更好地凸顯K-means算法對于古建筑文化信息提取的性能優(yōu)勢，實(shí)驗(yàn)選擇了常用的CNN算法進(jìn)行對比驗(yàn)證。圖7表示進(jìn)行多次實(shí)驗(yàn)后，三種模型對文字和花紋的平均提取精度和耗時(shí)情況。如圖7（a）所示，K-means模型的平均耗時(shí)為3.31秒，相對于另外種模型所用時(shí)間均較少。其中，K-means相對于CNN所用時(shí)間減少了41.38%，因此具有更好的處理時(shí)效性。如圖7（b）所示，K-means模型對文字、花紋的平均提取準(zhǔn)確率為97.97%。IsoData模型、CNN模型分別為94.23%和87.32%。K-means的提取準(zhǔn)確率均高于另外兩種模型。由此，K-means具有更高的文字、花紋信息提取精度，在實(shí)際的古建筑文化信息提取中具有更廣闊的應(yīng)用前景。

3結(jié)論

中國古建筑作為中華歷史長河中的文化瑰寶，具有深遠(yuǎn)的歷史意義?，F(xiàn)代化的城市建設(shè)進(jìn)程不斷加快，使得中國多數(shù)古建筑面臨著被損毀和侵蝕的現(xiàn)狀。該研究提出一種基于三維實(shí)景技術(shù)古建筑數(shù)據(jù)融合及文化信息提取模型。實(shí)驗(yàn)首先對古建筑數(shù)據(jù)融合模型進(jìn)行驗(yàn)證，其結(jié)果顯示：多源數(shù)據(jù)的最終融合最大的點(diǎn)位誤差為3.1cm，平均點(diǎn)位誤差為1.62cm，整體精度優(yōu)于單一數(shù)據(jù)所獲的實(shí)景模型；數(shù)據(jù)融合之后所構(gòu)建的古建筑室內(nèi)外的點(diǎn)云模型數(shù)據(jù)更加豐富與真實(shí)，也解決了單一數(shù)據(jù)模型的數(shù)據(jù)缺失問題。對古建筑文化信息提取模型的實(shí)驗(yàn)結(jié)果顯示：K-Means對文字的分類效果比較好，并且隨著迭代次數(shù)的增加，噪點(diǎn)數(shù)量減少；K-Means所提取的古建筑圖案能夠保留花紋的線條信息、色彩等細(xì)節(jié)信息，也能將圖案所承載的文化信息留存。本次實(shí)驗(yàn)基本達(dá)到了實(shí)驗(yàn)?zāi)康?，但是仍然存在不足之處。即缺乏了對古建筑更深層次的?shù)據(jù)提取，未來的研究可考慮從此入手。

參考文獻(xiàn)：

[1]韓士偉，李一揮.面向古建筑的傾斜攝影與精細(xì)化建模[J]. 測繪地理信息， 2020，45（4）：46.

[2]邵慧，撒貝寧，李偉，等.一種適用于古建筑建模的全波形高光譜激光雷達(dá)設(shè)計(jì)與實(shí)現(xiàn)[J].紅外與激光工程，2022，51（8）：187.

[3]王曉星.三維激光掃描技術(shù)在古建筑保護(hù)中的應(yīng)用[J].地礦測繪，2021，4（5）：10.

[4]殷紅霞，楊建紅.多源異構(gòu)點(diǎn)云融合技術(shù)在古建筑信息留存中的應(yīng)用[J].測繪通報(bào)，2020，66（9）：162.

[5]孫保燕，周鑫，覃禹程，等.空地多數(shù)據(jù)互輔融合技術(shù)在大型牌式古建筑重建的應(yīng)用[J].測繪通報(bào)，2022，68（1）：121.

[6]王商富. 測繪新技術(shù)在古建保護(hù)中的融合應(yīng)用[J].城市勘測，2022，37（3）：104.

[7]Tian C. 3D Modeling and Digital Preservation of Ancient Architectures Based on AutoCAD and 3DMAX[J]. Computer-Aided Design and Applications，2020，17（S2）：100.

[8]吳曉雯，張志華，竇覺勇. 基于多視角影像的古建筑三維建模[J].地理空間信息，2022，20（10）：74.

[9]任杰，于明洋.多源數(shù)據(jù)融合的精細(xì)建模在建設(shè)工程中的應(yīng)用[J]. 測繪與空間地理信息，2023，46（1）：189.

[10]Bacco M，Barsocchi P，Cassará P， et al. Monitoring ancient buildings： Real deployment of an IoT system enhanced by UAVs and virtual reality[J]. IEEE Access， 2020，8（3）：50131.

[11]劉鋰，段芃芃.古建筑三維建模技術(shù)的研究與實(shí)現(xiàn)[J].計(jì)算機(jī)技術(shù)與發(fā)展，2020，30（8）：188.

[12]Gil E，Mas ?，Lerma C，et al. Non-destructive techniques methodologies for the detection of ancient structures under heritage buildings[J]. International Journal of Architectural Heritage，2021，15（10）：1457.

[13]祖立輝.融合多源數(shù)據(jù)的三維建模方法及精度分析[J].北京測繪，2020，34（3）：347.

[14]Banfi F. HBIM，3D drawing and virtual reality for archaeological sites and ancient ruins[J]. Virtual Archaeology Review，2020，11（23）：16.

[15]Yazdani Mehr S，Wilkinson S. The importance of place and authenticity in adaptive reuse of heritage buildings[J]. International Journal of Building Pathology and Adaptation，2020，38（5）：689.

Research on Ancient Architecture Data Fusion and Cultural

Information Extraction Based on Realistic 3D Technology

MA Li¹，SHEN Jie²，CHEN Dai²

（1 Anhui Technical College of Mechanical and Electrical Engineering，College of Internet and

Communication；2 Anhui Technical College of Mechanical and Electrical Engineering，

Art Design College， Wuhu，Anhui 241002，China）

ABSTRACT In order to conduct specific and in-depth discussions on the protection of ancient buildings， this study proposed a model based on 3D reality technology for data fusion and cultural information extraction of ancient buildings. The model consisted of an ancient building data fusion model and an ancient building cultural information extraction model. The model integrated ground 3D laser scanning， airborne Li DAR， and unmanned aerial vehicle tilt photogrammetry data fusion technology to obtain comprehensive spatial information of ancient buildings. The model for extracting cultural information from ancient architecture adopted K-Means Clustering Algorithm （K-Means） and Iterative Self organizing Data Analysis Techniques Algorithm （IsoData） to obtain text and pattern information of ancient architecture. The experimental results showed that the maximum point error for the final fusion of multi-source data was 3.1cm， and the average point error was 1.62cm. The overall accuracy was better than that of the real scene model obtained from a single data. The overall model could achieve data fusion and cultural information extraction of ancient buildings， and had broad application prospects.

KEY WORDS ancient architecture； data fusion； cultural information extraction； realistic 3D technology

（責(zé)任編輯 寧樊西）