薛 武，張永生，趙 玲，于 英，王 濤，李 磊

1. 信息工程大學地理空間信息學院,河南 鄭州 450001; 2. 地理信息工程國家重點實驗室,陜西 西安 710054; 3. 礦山空間信息技術國家測繪地理信息局重點實驗室,河南 焦作 454003; 4. 91039部隊,北京 102400

增量式SFM與POS輔助光束法平差精度比較

薛 武1,2,3，張永生1，趙 玲4，于 英1，王 濤1，李 磊1

1. 信息工程大學地理空間信息學院,河南 鄭州 450001; 2. 地理信息工程國家重點實驗室,陜西 西安 710054; 3. 礦山空間信息技術國家測繪地理信息局重點實驗室,河南 焦作 454003; 4. 91039部隊,北京 102400

針對計算機視覺領域中的增量式運動恢復結構和攝影測量學中的POS輔助光束法平差的精度進行了比較研究。首先介紹了SFM的基本原理與主要流程，并從理論上分析了兩種方法的異同；然后針對定位精度進行了對比研究，分別利用嵩山遙感定標場的無人直升機和有人駕駛飛機的航攝數(shù)據(jù)進行了精度對比試驗，結果表明：在不依賴POS數(shù)據(jù)的情況下，增量式運動恢復結構可以達到與POS輔助光束法平差相當?shù)木龋瑑煞N方法均可以滿足1∶500、1∶1000成圖要求；最后，針對不同作業(yè)需求給出了航攝數(shù)據(jù)后處理參考意見。

增量式SFM;光束法平差;精度;比較

隨著航空航天技術、傳感器技術、計算機技術的發(fā)展，航空攝影測量已經(jīng)進入了全數(shù)字化時代。特別是定位測姿系統(tǒng)(position and orientation system,POS)的引入，大大提高了航空攝影測量的精度和效率[1-3]。但是，由于平臺、載荷造價高昂，航空攝影測量的門檻依然很高，仍舊是一項專業(yè)性很強的工作，制約了其進一步發(fā)展。無人機技術的快速發(fā)展與應用，為航空攝影提供了新的平臺，無人機攝影測量逐漸成為國內(nèi)外學者研究的熱點[4-11]。無人機的興起與應用雖然大大降低了航空攝影的門檻，但是現(xiàn)有的數(shù)據(jù)后處理手段卻表現(xiàn)出了一定的不適用。主要是因為目前廣泛應用的光束法區(qū)域網(wǎng)平差對于數(shù)據(jù)獲取有著嚴格的要求：相機要事先經(jīng)過幾何定標，獲取影像的同時得到影像的POS數(shù)據(jù)，地面要有一定數(shù)量分布合理的控制點。但是目前廣泛使用的中小型固定翼無人機卻難以滿足上述條件，所以常規(guī)的光束法區(qū)域網(wǎng)平差無法處理無人機數(shù)據(jù)。

具體來講，受限于無人機的穩(wěn)定性，獲取影像的姿態(tài)通常變化較大、重疊不規(guī)整，再考慮成本與風險等因素，無人機通常不搭載測量級的POS設備，僅有導航設備獲取的相機曝光點的概略位置姿態(tài)信息，所以采用傳統(tǒng)的數(shù)字攝影測量的理論方法處理無人機數(shù)據(jù)時常常會出現(xiàn)連接點提取失敗、平差精度低甚至失敗等問題[7-11]。

近年來在計算機視覺領域興起的運動恢復結構(structure from motion,SFM)方法能夠利用一定數(shù)量的具有重疊的影像恢復出相機的位置、姿態(tài)和場景的三維結構，該算法對影像采集的要求低，且不依賴于特定的假設條件、自動化程度高、通用性好，有很好的應用前景[12-17]。但是目前國內(nèi)外學者關于SFM的研究尚停留在在如何提高處理的效率、自動化程度、算法的魯棒性等方面，對于算法的精度能否滿足地圖測繪的要求尚無定論，與攝影測量光束法平差精度的對比研究相對較少。因此針對SFM的精度開展研究，重點與傳統(tǒng)的POS輔助光束法平差進行了比較分析。

依托中國嵩山遙感定標場的高精度地面控制網(wǎng)，分別利用無人機航攝數(shù)據(jù)和有人機航攝數(shù)據(jù)驗證無POS數(shù)據(jù)下SFM的精度能否滿足地形圖規(guī)范要求，并與POS輔助光束法區(qū)域網(wǎng)平差的精度進行了比較。在分析研究試驗結果的基礎上，給出了航攝數(shù)據(jù)后處理的若干建議。

1 SFM介紹

1.1 基本原理

SFM是計算機視覺中多視圖三維重建的核心技術，structure代表“3D point cloud of the scene”,motion代表“camera location and orientation”，SFM的直觀解釋即“get the point cloud from moving cameras”，核心思想為通過特征匹配獲取多視圖影像之間的同名點，然后最小化特征點的重投影誤差以求解射影矩陣、相機內(nèi)參數(shù)和特征點世界坐標的最大似然估計[18-19]。

具體來講，在計算機視覺中，物方點j坐標為Xj，在影像i上的坐標為xij，二者滿足以下關系

xij=PiXji=1,2，…,m,j=1,2，…,n

(1)

(2)

如果沒有引入地面控制點作為絕對約束，解算出的結果為自定義坐標系下的坐標，還需要通過空間相似變換轉(zhuǎn)換到地理坐標系下。該問題本質(zhì)上為非線性最小二乘優(yōu)化問題，通常采用Levenberg-Marquart方法來迭代答解。

Levenberg-Marquart方法本質(zhì)上是一種啟發(fā)式的阻尼高斯牛頓法(式(3))

δ(X,λ)=-[J(X)J(X)+λI]-1J(X)Tr(X)

(3)

在計算機視覺中廣泛使用。通過啟發(fā)式方法在每一步動態(tài)調(diào)整λ，算法在高斯牛頓法和梯度下降法之間靈活地切換，這樣既能保證算法的收斂，又具有較快的收斂速度[20-21]。

按照初始位置、姿態(tài)的計算方式，SFM可以分為增量式SFM(incremental SFM，ISFM)、全局SFM(global SFM，GSFM)。增量式SFM在特征匹配的基礎上精心選擇初始像對得到兩幅影像的初始化模型，然后迭代式增加一幅或者多幅影像，對新增加的公共特征點進行三角化，并重新平差解算模型坐標和相機參數(shù)，直到所有影像添加完畢[7，22]。全局SFM則不依賴于迭代優(yōu)化重建框架，只需一次性優(yōu)化即可完成整個三維重建過程，即利用約束條件一次性求解影像的旋轉(zhuǎn)R和平移T[7]。但由于數(shù)據(jù)缺失和外點的存在，大多數(shù)情況下全局SFM不存在閉合解，且對錯誤的特征點匹配非常敏感，甚至一個錯誤點就會導致失敗[23-25]。而在實際應用中外點幾乎是難以避免的，因此全局SFM具有一定的局限性。本文主要研究增量式SFM，下面對其進行重點介紹。

1.2 增量式SFM主要步驟

目前，增量式SFM在三維重建中取得了比較成功的應用，其主要步驟如下。

1.2.1 特征點檢測

利用特征點檢測算法在影像上提取特征點，然后利用特征描述符號對特征進行描述，以用于后續(xù)的匹配。通常要求特征的描述信息具有旋轉(zhuǎn)、縮放、平移不變性，以應對可能出現(xiàn)的影像視角、光照變化對匹配造成的干擾，增強匹配的穩(wěn)健性。特征檢測算法以SIFT及其改進算法最具有代表性[26]。

1.2.2 特征匹配及軌跡生成

特征匹配即將不同影像上提取的特征進行匹配，以尋找物方點在不同影像上的對應像點。值得注意的是，增量式SFM最初應用于近景攝影重建時，由于影像的數(shù)量較少、分辨率較低，大多數(shù)算法通常采用窮盡的搜索方法來進行匹配，即所有影像兩兩分別匹配[26-29]。當影像數(shù)量較多、分辨率較高時，這種方法會帶來巨大的時間開銷。文獻[7,14]在處理無人機遙感數(shù)據(jù)時，利用自駕儀記錄下的影像位置姿態(tài)數(shù)據(jù)有效降低了匹配的計算量，提高了處理的速度。匹配結束后，利用RANSAC算法對誤匹配進行剔除，得到可靠的匹配點。

影像兩兩匹配結束后，可以利用所有相關影像間的匹配關系來提取多視匹配點，即得到特征點的“軌跡”，如圖1。如果將影像集中所有影像的所有特征點都視為一個單體，任意一對匹配點對應的單體構成連通關系，具有聯(lián)通性的單體構成的集合即為一個多視匹配點，則多視匹配點的提取問題可以轉(zhuǎn)化為動態(tài)連通性問題[30]。

通過特征匹配不僅得到影像之間的同名特征，也獲取了影像之間的空間相對關系，這對于后面的迭代求解具有重要意義。

圖1 特征點軌跡Fig.1 Track of feature points

1.2.3 迭代求解

影像位置姿態(tài)的求解過程是迭代式增加的，主要過程如下。

(1) 選擇同名點最多的像對作為初始像對，根據(jù)同名點信息計算影像之間的旋轉(zhuǎn)R和平移T，然后同名光線交會(三角化)得到物方空間初始模型。

(2) 利用影像的輔助數(shù)據(jù)(EXIF、自駕儀數(shù)據(jù)等)，特征匹配結果選擇新的影像添加到現(xiàn)有模型中，根據(jù)初始模型物方坐標和特征匹配結果計算新添加影像的旋轉(zhuǎn)R和平移T，同名光線交會得到新的模型點，利用所有的模型點重新優(yōu)化所有影像的位置和姿態(tài)。

(3) 通過不斷增加新的影像并迭代優(yōu)化模型點坐標和相機內(nèi)外參數(shù)，直到所有影像添加完畢，所有影像再統(tǒng)一進行平差優(yōu)化，得到所有影像內(nèi)外參數(shù)和模型點優(yōu)化后的三維坐標，算法的流程如圖2所示。

1.3 增量式SFM與POS輔助光束法平差的區(qū)別

在攝影測量中空中三角測量按照平差單元可以分為航帶法、獨立模型法和光束法。其中，光束法區(qū)域網(wǎng)平差是以光線作為平差單元，理論最為嚴密[31]，特別是隨著POS在航空攝影中的使用，POS輔助區(qū)域網(wǎng)平差技術取得了較快的發(fā)展。多位學者圍繞POS輔助光束法平差開展了一系列的研究，主要包括攝影測量與非攝影測量觀測值的聯(lián)合平差、可靠性研究、系統(tǒng)誤差的補償、粗差的檢測與定位等[2-3，32-35，38]，研究成果大大提升了攝影測量的作業(yè)效率和精度。

綜合比較增量式SFM與光束法區(qū)域網(wǎng)平差，二者的相同之處主要有：

(1) 都需要通過一定數(shù)量、分布合理的連接點(特征點)將離散的影像“連接”起來，連接點(特征點)的提取與匹配是必不可少的環(huán)節(jié)。

圖2 SFM流程Fig.2 Workflow of SFM

(2) 基本的成像模型是相同的，在計算機視覺中稱為“針孔成像模型”，在攝影測量中稱為“共線條件方程”，二者的本質(zhì)是相同的。

(3) 在平差解算的過程中都考慮到了相機鏡頭畸變的影響，即可以同時求解相機的內(nèi)方位元素(內(nèi)參數(shù))和畸變參數(shù)，計算機視覺中稱之為“自標定”，攝影測量中稱為“自檢?！?。

然而，增量式SFM與POS輔助光束法區(qū)域網(wǎng)平差在以下方面存在明顯的區(qū)別：

(1) 增量式SFM對于數(shù)據(jù)輸入的要求較低，即便只有影像、沒有任何其他輔助信息的情況下，仍然可以在射影空間實現(xiàn)場景的三維重建。

(2) 由于特征提取和匹配、平差解算的過程均不需要人工干預，所以增量式SFM自動化程度較高。

(3) 增量式SFM中特征提取與匹配的過程不依賴于POS數(shù)據(jù)，對于紋理匱乏、重復區(qū)域仍然具有很強的適應性，這在處理無人機數(shù)據(jù)中體現(xiàn)得尤為明顯。

(4) POS輔助光束法平差中，對于POS數(shù)據(jù)的依賴主要體現(xiàn)在兩個方面，一是在特征點的提取匹配過程中，利用POS數(shù)據(jù)預測同名點的位置；二是在平差解算中，將POS數(shù)據(jù)作為影像外方位元素的初始值，使得非線性最小二乘估計快速收斂到全局最優(yōu)解。而增量式SFM通過逐一增加新的影像并不斷更新的方式逐漸得到未知數(shù)的近似值，而后統(tǒng)一再進行LM估計，這也是二者最本質(zhì)的區(qū)別。

2 增量式SFM與POS輔助光束法平差精度對比試驗

為了進行增量式SFM與光束法區(qū)域網(wǎng)平差的對比試驗，在中國嵩山遙感定標場進行了航攝飛行。分別利用有人航測飛機“運5”和無人直升飛機搭載飛思面陣CCD相機和Applanix POS設備獲得航空影像和POS數(shù)據(jù)，并分別用增量式SFM和光束法區(qū)域網(wǎng)平差兩種方法進行了處理。

需要說明的是，為了增加對比試驗的可信性和說服力，兩組數(shù)據(jù)的影像均帶有高精度的POS數(shù)據(jù)以便于對比分析，但是增量式SFM計算過程中并未利用影像的POS數(shù)據(jù)。在精度評價時采用完全相同數(shù)量和分布的地面控制點和檢查點。

2.1 嵩山遙感定標場簡介

嵩山遙感定標場是由信息工程大學、武漢大學、中國資源衛(wèi)星應用中心等單位共同建設的國家級航空航天遙感定標場。定標場布設有地面埋石點、雷達角反射器、輻射靶標、分辨率靶標、氣象觀測設施等，可對航空航天可見光、多光譜、合成孔徑雷達等多種類型的傳感器進行幾何定標、分辨率定標、輻射定標，目前已成功應用在ADS40、DMC、UCD、“資源三號”、“天繪一號”等傳感器的定標中。其中，航空幾何定標場占地約64 km2，分級布設了214個永久性高精度控制點，用于各種機載相機或傳感器的定標，如圖3所示[36]。所采用的試驗數(shù)據(jù)就是在航空幾何定標場航攝數(shù)據(jù)，測區(qū)地形以丘陵為主。

2.2 無人直升機航攝數(shù)據(jù)對比試驗

2015年10月，信息工程大學利用無人直升機在嵩山航空幾何定標場進行了飛行試驗，航攝基本情況如表1所示。

飛行區(qū)域的面積約25 km2，東西方向共飛行16條航線，航線分布示意圖如圖4所示，選取了9個地面控制點和12個檢查點，分布情況如圖5所示(Δ表示平高控制點，о代表檢查點)。

表1 無人直升機航攝基本情況

Tab.1 Basic information about unmanned helicopter photogrammetry

飛行平臺無人直升機相機PhaseOneAMC180影像大小10328×7760POS設備ApplanixAV310航攝時間2015年10月相對航高500m地面分辨率5cm

首先利用機載POS數(shù)據(jù)進行了直接地理定位試驗，將21個地面點作為檢查點，檢查點殘差中誤差如表2所示，各檢查點的殘差分布如圖6。

表2 檢查點殘差中誤差

從表2和圖6可以看出，無地面控制點的情況下，直接地理定位精度較差，檢查點殘差具有一定的系統(tǒng)性。分析可能的原因主要有相機鏡頭畸變、POS安裝的系統(tǒng)誤差等。在地面控制點不參與平差的情況下，通過提取影像連接點，進行了自由網(wǎng)光束法平差，對精度進行了統(tǒng)計，檢查點中誤差如表3所示，殘差如圖7所示。

表3 檢查點殘差中誤差

從自由網(wǎng)平差的結果來看，檢查點的中誤差明顯減小，主要的原因是通過光束法平差抵消了部分偶然誤差的影響。然后，利用圖5中的9個地面控制點，在POS數(shù)據(jù)輔助下進行了自檢校光束法區(qū)域網(wǎng)平差，相機附加參數(shù)模型采用Brown模型，平差的結果如表4，各檢查點的殘差如圖8。

最后，采用增量式SFM方法，通過特征提取與匹配、迭代求解，采用9個控制點進行平差解算，同時對相機進行了自標定。檢查點的中誤差如表5所示，殘差分布如圖9所示。

表4 檢查點殘差中誤差

表5 檢查點殘差中誤差

從上述結果可以看出：增量式SFM的精度遠優(yōu)于POS AV310直接地理定位和自由網(wǎng)光束法平差的精度；與POS輔助光束法平差的精度相比：平面精度均為1個GSD左右，高程精度稍遜色一些，光束法平差約為1.7個GSD，增量式SFM約為2.5個GSD。試驗的結果是令人欣喜的，在不借助任何POS信息的情況下，取得如此的精度實屬不易。既然都需要利用少量的地面控制點，增量式SFM不依賴于POS數(shù)據(jù)的優(yōu)勢則意義重大，因為測量級的POS設備價格昂貴，而且體積、重量較大，對無人機平臺要求很高，常用的中小型無人機不能滿足其要求。而采用增量式SFM方法可以擺脫對于POS的依賴，降低了對遙感平臺的要求，減少了作業(yè)的成本。

2.3 有人駕駛飛機航攝數(shù)據(jù)對比試驗

為了更全面地對兩種方法進行對比試驗，采用有人駕駛航測飛機(運5)航攝數(shù)據(jù)對兩種方法進行測試。采用的影像為2013年在嵩山遙感定標場飛行獲得，飛行區(qū)域的面積約64 km2，東西方向共飛行14條航線，南北方向飛行了4條構架航線，航攝基本情況如表6所示，航線分布示意如圖10所示。選取了9個地面控制點和50個檢查點，分布情況如圖11所示(Δ表示平高控制點，о代表檢查點)。

與無人機數(shù)據(jù)處理的流程類似，首先利用POS數(shù)據(jù)進行直接地理定位，50個檢查點的中誤差如表7所示，殘差如圖12所示。

利用POS數(shù)據(jù)，恢復出影像航攝時的相對位置關系，提取影像連接點，進行自由網(wǎng)平差，測區(qū)內(nèi)50個檢查點物方殘差中誤差如表8所示，殘差如圖13所示。

表6 運5航攝基本情況

表7 檢查點殘差中誤差

表8 檢查點物方殘差中誤差

同樣，在POS數(shù)據(jù)輔助下進行了自檢校光束法區(qū)域網(wǎng)平差，附加參數(shù)模型為Brown模型，平差的結果如表9，各檢查點的殘差如圖14所示。

表9 檢查點殘差中誤差

最后，采用增量式SFM方法，通過特征提取與匹配、迭代求解，僅利用影像本身恢復出了所有影像的位置和姿態(tài)，同時對相機進行了自標定。檢查點的中誤差如表10所示，殘差如圖15所示。

對比分析增量式SFM與攝影測量方法的處理結果可以發(fā)現(xiàn)，自檢校光束法平差的整體精度最高，增量式SFM的平面精度與之相當，高程精度略差。也就是說采用相同數(shù)量和分布的地面控制點的情況下，增量式SFM能夠取得與POS輔助自檢校光束法平差相當?shù)木取＿@具有十分重要的意義：當沒有POS數(shù)據(jù)時，利用增量式SFM仍然可以取得比較理想的精度。

表10 檢查點殘差中誤差

2.4 總 結

在對增量式SFM與攝影測量光束法平差進行理論分析與比較的基礎上，采用嵩山定標場數(shù)據(jù)進行了對比試驗，結果表明增量式SFM可以取得與光束法平差相當?shù)木?。參考《?shù)字航空攝影測量空中三角測量規(guī)范》關于1∶500、1∶1000地形圖制圖的要求(表11)[37]，將試驗結果重新進行了對比，“是”表示能夠滿足成圖要求，“否”表示不能滿足成圖要求，如表12所示。

表11 空中三角測量規(guī)范要求

表12 試驗結果分析

由表12可以看出，在搭載了高精度的POS設備時，直接地理定位仍然難以滿足成圖規(guī)范要求，必須引入少量地面控制點通過自檢校光束法平差提高空三的精度以滿足規(guī)范。而如果采用增量式SFM，即便沒有POS數(shù)據(jù)的輔助，利用與自檢校光束法平差相同數(shù)量和分布的地面控制點仍然可以滿足成圖規(guī)范的要求。這在實際生產(chǎn)作業(yè)中就具有明顯的優(yōu)勢，不依賴于POS數(shù)據(jù)則可以大大降低硬件購置的成本、減輕傳感器系統(tǒng)的重量，使得數(shù)據(jù)獲取系統(tǒng)更廉價、更輕便。

圖3 嵩山航空幾何定標場Fig.3 Songshan geometry calibration field

圖4 航線分布示意Fig.4 Sketch map of flight route

圖5 地面控制點及檢查點分布Fig.5 Distribution of GCP/CP

圖6 檢查點物方殘差Fig.6 Residual error of check points in object space

圖7 檢查點物方殘差Fig.7 Residual error of check points in object space

圖8 檢查點物方殘差Fig.8 Residual error of check points in object space

圖9 檢查點物方殘差Fig.9 Residual error of check points in object space

圖10 航線分布示意圖Fig.10 Sketch map of flight route

圖11 地面控制點及檢查點分布Fig.11 Distribution of GCP/CP

圖12 檢查點物方殘差Fig.12 Residual error of check points in object space

圖13 檢查點物方殘差Fig.13 Residual error of check points in object space

圖14 檢查點物方殘差Fig.14 Residual error of check points in object space

圖15 檢查點物方殘差Fig.15 Residual error of check points in object space

3 結 論

本文針對攝影測量中的POS輔助光束法平差和計算機視覺中的增量式SFM進行了對比研究，主要對其精度進行了對比分析。利用無人直升機和有人駕駛飛機航攝數(shù)據(jù)分別進行了試驗，結果表明增量式SFM的精度與POS輔助光束法平差基本相當，均可以滿足1∶500、1∶1000成圖的要求。

針對兩種方法的特點，對航空攝影測量數(shù)據(jù)后處理提出幾點建議：在應急條件下，可以利用機載POS數(shù)據(jù)進行直接地理定位或者自由網(wǎng)空中三角測量，提供快速地理空間信息服務；在執(zhí)行常規(guī)作業(yè)任務時，則無需使用價格昂貴的POS設備，在少量地面控制點的輔助下，采用增量式SFM方法仍然能夠滿足大比例尺成圖的精度要求，同時降低作業(yè)成本。

[1] 張永生, 鄒曉亮, 劉軍, 等. 航空遙感數(shù)字傳感器信息處理系統(tǒng)[M]. 北京: 星球地圖出版社, 2007. ZHANG Yongsheng,ZOU Xiaoliang,LIU Jun, et al. The Aerial Digital Sensor Information Processing System[M]. Beijing: Planet Map Press, 2007.

[2] 劉軍. GPS/IMU輔助機載線陣CCD影像定位技術研究[D]. 鄭州: 信息工程大學, 2007. LIU Jun. Research on GPS/IMU Aided Airborne Linear Array CCD Image Positioning Technology[D]. Zhengzhou: Information Engineering University, 2007.

[3] 王冬紅. 機載數(shù)字傳感器幾何標定的模型與算法研究[D]. 鄭州: 信息工程大學, 2011. WANG Donghong. A Study on the Mathematic Model and Algorithm of the Geometric Calibration of Airborne Digital Sensor[D]. Zhengzhou: Information Engineering University, 2011.

[4] 張永生. 現(xiàn)場直播式地理空間信息服務的構思與體系[J]. 測繪學報, 2011, 40(1): 1-4. ZHANG Yongsheng. The Conception and Architecture of Live-service for Geospatial Information[J]. Acta Geodaetica et Cartographica Sinica, 2011, 40(1): 1-4.

[5] 于英. 無人機動態(tài)攝影測量若干關鍵技術研究[D]. 鄭州: 信息工程大學, 2014. YU Ying.Research on Key Technologies of UAV Dynamic Photogrammetry[D]. Zhengzhou: Information Engineering University, 2014.

[6] 薛武. 無人機視頻地理信息定標與直播處理方法[D]. 鄭州: 信息工程大學, 2014. XUE Wu. The Calibration of UAV Video Geo-Information and Live Processing Technology[D]. Zhengzhou: Information Engineering University, 2014.

[7] 郭復勝. 無人機圖像的三維重建方法研究[D]. 北京: 中國科學院大學, 2013. GUO Fusheng. 3D Reconstruciotn from UAV Images[D]. Beijing:University of Chinese Academy of Sciences, 2013.

[8] REMONDINO F, BARAZZETTI L, NEX F, et al. UAV Photogrammetry for Mapping and 3d Modeling-current Status and Future Perspectives[J]. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2011, XXXVIII-1/C22: 25-31.

[9] NEX F,REMONDINO F.UAV for 3D Mapping Applications: A Review[J]. Applied Geomatics, 2014, 6(1): 1-15.

[10] REHAK M, SKALOUD J. Fixed-wing Micro Aerial Vehicle for Accurate Corridor Mapping[J]. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2015, II-1/W1: 23-31.

[11] EISENBEIβ H.UAV Photogrammetry[D]. Zurich, Switzerland: ETH, 2009.

[12] BARAZZETTI L, REMONDINO F, SCAIONI M. Combined Use of Photogrammetric and Computer Vision Techniques for Fully Automated and Accurate 3D Modeling of Terrestrial Objects[C]∥Proceedings of the SPIE 7447, Videometrics, Range Imaging, and Applications X. San Diego, CA: SPIE, 2009: 74470M-74470M-12.

[13] HELLER J, HAVLENA M, JANCOSEK M, et al. 3D Reconstruction from Photographs by CMP SFM Web Service[C]∥Proceedings of the 2015 14th IAPR International Conference on Machine Vision Applications. Tokyo: IEEE, 2015: 30-34.

[14] 許志華, 吳立新, 劉軍, 等. 顧及影像拓撲的SfM算法改進及其在災場三維重建中的應用[J]. 武漢大學學報(信息科學版), 2015, 40(5): 599-606. XU Zhihua, WU Lixin, LIU Jun, et al. Modification of SFM Algorithm Referring to Image Topology and Its Application in 3-dimension Reconstruction of Disaster Area[J]. Geomatics and Information Science of Wuhan University, 2015, 40(5): 599-606.

[15] WU Changchang, AGARWAL S, CURLESS B, et al. Multicore Bundle Adjustment[C]∥Proceedings of the 2011 IEEE Conference on Computer Vision and Pattern Recognition. Providence, RI: IEEE, 2011: 3057-3064.

[16] BARAZZETTI L, REMONDINO F, SCAIONI M, et al. Fully Automatic UAV Image-based Sensor Orientation[C]∥Proceedings of the 2010 Canadian Geomatics Conference and Symposium of Commission I. 2010.

[17] 沈永林, 劉軍, 吳立新, 等. 基于無人機影像和飛控數(shù)據(jù)的災場重建方法研究[J]. 地理與地理信息科學, 2011, 27(6): 13-17. SHEN Yonglin,LIU Jun,WU Lixin, et al. Reconstruction of Disaster Scene from UAV Images and Flight-control Data[J]. Geography and Geo-Information Science, 2011, 27(6): 13-17.

[18] HARTLEY R, ZISSERMAN A. 計算機視覺中的多視圖幾何[M]. 韋穗, 楊尚駿, 章權兵, 等, 譯. 合肥: 安徽大學出版社, 2002. HARTLEY R, ZISSERMAN A. Multiple View Geometry in Computer Vision[M]. WEI Sui, YANG Shangjun, ZHANG Quanbing, et al, trans. Hefei: Anhui University Press, 2002.

[19] 斯蒂格, 尤里奇, 威德曼. 機器視覺算法與應用[M]. 楊少榮, 吳迪靖, 段德山, 譯. 北京: 清華大學出版社, 2008. STEGER C, ULRICH M, WIEDEMANN C. Machine Vision Algorithms and Applications[M]. YANG Shaorong, WU Dijing, DUAN Deshan, trans. Beijing: Tsinghua University Press, 2008.

[20] TRIGGS B, MCLAUCHLAN P F,HARTLEY R I,et al. Bundle Adjustment: A Modern Synthesis[M]∥TRIGGS B, ZISSERMAN A, SZELISKI R. Vision Algorithms: Theory and Practice. Berlin: Springer, 2000: 298-372.

[21] MADSEN K, NIELSEN H B, TINGLEFF O. Methods for Non-linear Least Squares Problems[M]. 2nd ed. Lyngby: Informatics and Mathematical Modelling, Technical University of Denmark, 2004.

[22] SNAVELY N,SEITZ S M,SZELISKI R. Photo Tourism: Exploring Photo Collections in 3D[J]. ACM Transactions on Graphics (TOG), 2006, 25(3): 835-846.

[23] STURM P, TRIGGS B. A Factorization Based Algorithm for Multi-Image Projective Structure and Motion[M]∥BUXTON B, CIPOLLA R. Computer Vision—ECCV’96. Berlin Heidelberg: Springer, 1996: 709-720.

[24] TOMASI C, KANADE T. Shape and Motion from Image Streams under Orthography: A Factorization Method[J]. International Journal of Computer Vision, 1992, 9(2): 137-154.

[25] KAHL F, HARTLEY R. Multiple-view Geometry Under theL∞-norm[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2008, 30(9): 1603-1617.

[26] LOWE D G.Object Recognition from Local Scale-invariant Features[C]∥Proceedings of the Seventh IEEE International Conference on Computer Vision. Kerkyra: IEEE, 1999, 2: 1150-1157.

[27] JAVERNICK L,BRASINGTON J,CARUSO B. Modeling the Topography of Shallow Braided Rivers Using Structure-from-motion Photogrammetry[J].Geomorphology, 2014, 213: 166-182.

[28] WU Changchang. Visual SFM: A Visual Structure from Motion System[J]. 2011.

[29] SNAVELY N. Bundler: Structure from Motion (SFM) for Unordered Image Collections[EB/OL]. [2013-07-12]. phototour.cs.washington.edu/bundler/.

[30] 盧俊. 基于無序多視影像的三維重建關鍵技術研究[D]. 鄭州: 信息工程大學, 2015. LU Jun. Study on 3D Reconstruction Key Technology of Unordered Multi-view Images[D]. Zhengzhou: Information Engineering University, 2015.

[31] 江延川. 解析攝影測量學[M]. 鄭州: 鄭州測繪學院, 1991. JIANG Yanchuan. Analytical Photogrammetry[M]. Zhengzhou: Zhengzhou Institute of Surveying and Mapping, 1991.

[32] GALLER B A, FISHER M J. An Improved Equivalence Algorithm[J]. Communications of the ACM, 1964, 7(5): 301-303.

[33] 袁修孝.POS輔助光束法區(qū)域網(wǎng)平差[J].測繪學報, 2008, 37(3): 342-348. YUAN Xiuxiao. POS-supported Bundle Block Adjustment[J]. Acta Geodaetica et Cartographica Sinica, 2008, 37(3): 342-348.

[34] 許妙忠, 劉麗, 涂辛茹. 基于ORIMA的ADS40幾何精度評估[J]. 測繪科學技術學報, 2010, 27(5): 341-344. XU Miaozhong, LIU Li, TU Xinru. Geometric Accuracy Assessment of ADS40 Imagery Using ORIMA[J]. Journal of Geomatics Science and Technology, 2010, 27(5): 341-344.

[35] 李德仁, 袁修孝. 誤差處理與可靠性理論[M]. 2版. 武漢: 武漢大學出版社, 2012: 55-56. LI Deren,YUAN Xiuxiao.Error Processing and Reliability Theory[M]. 2nd ed. Wuhan: Wuhan University Press, 2012.

[36] 張永生. 高分辨率遙感測繪嵩山實驗場的設計與實現(xiàn)——兼論航空航天遙感定位精度與可靠性的基地化驗證方法[J]. 測繪科學技術學報, 2012, 29(2): 79-82. ZHANG Yongsheng. Design and Implementation of Songshan Test Field for High Resolution Remote Sensing and Mapping[J].Journal of Geomatics Science and Technology, 2012, 29(2): 79-82.

[37] 中華人民共和國國家質(zhì)量監(jiān)督檢驗檢疫總局, 中國國家標準化管理委員會. GB/T 23236-2009 數(shù)字航空攝影測量 空中三角測量規(guī)范[S]. 北京: 中國標準出版社, 2009: 2. General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China. GB/T 23236-2009 Specifications for Aerotriangulation of Digital Aerophotogrammetry[S]. Beijing: China Standard Press, 2009: 2.

[38] 王濤. 線陣CCD傳感器實驗場幾何定標的理論與方法研究[D]. 鄭州: 信息工程大學, 2012. WANG Tao. Study on Theories and Methods of Linear CCD Sensor Geometric Calibration Based on Field[D].Zhengzhou: Information Engineering University, 2012.

(責任編輯：宋啟凡)

Compareison of the Accuracy of Incremental SFM with POS-aided Bundle Adjustment

XUE Wu1,2,3，ZHANG Yongsheng1，ZHAO Ling4，YU Ying1，WANG Tao1，LI Lei1

1. Institute of Surveying and Mapping, Information Engineering University, Zhengzhou 450001,China; 2. State Key Laboratory of Geo-information Engineering, Xi’an 710054,China; 3. Key Laboratory of Mine Spatial Information Technologies of National Administration of Surveying, Mapping and Geo-information, Jiaozuo 454003,China; 4. 91039 Troops, Beijing 102400,China

An accuracy comparison research was conducted between the incremental structure from motion in computer vision and the POS-aided bundle adjustment in photogrammetry. Firstly, the basic principle and workflow of SFM were introduced, and the similarities and differences between the two methods were analyzed theoretically. Then the positioning accuracy was compared, using the unmanned helicopter and manned aircraft aerial survey data in the Songshan remote sensing calibration field. Experimental results show that without POS data, the incremental structure from motion method can achieve equivalent accuracy to the POS-aided bundle adjustment. Both methods can meet the requirement of 1∶ 500 and 1∶ 1000 mapping. Finally, suggestion was proposed for aerial data post-processing according to different operational requirements.

incremental structure from motion; bundle adjustment; accuracy; comparison

The National Natural Science Foundation of China(No.41501482);The Foundation of State Key Laboratory of Geo-information Engineering (No.SKLGIE2014-M-3-1);The Foundation of Key Laboratory of Mine Spatial Information Technologies of National Administration of Surveying, Mapping & Geo-information (No.KLM201404)

XUE Wu(1988—),male,PhD candidate,majors in 3D reconstruction using UAV image sequences.

薛武，張永生，趙玲，等.增量式SFM與POS輔助光束法平差精度比較[J].測繪學報，2017,46(2)：198-207.

10.11947/j.AGCS.2017.20160274. XUE Wu，ZHANG Yongsheng，ZHAO Ling，et al.Compare the Accuracy of Incremental SFM with POS-aided Bundle Adjustment[J]. Acta Geodaetica et Cartographica Sinica,2017,46(2):198-207. DOI:10.11947/j.AGCS.2017.20160274.

P237

A

1001-1595(2017)02-0198-10

國家自然科學基金(41501482);地理信息工程國家重點實驗室開放研究基金(SKLGIE2014-M-3-1);礦山空間信息技術國家測繪地理信息局重點實驗室開放研究基金(KLM201404)

2016-06-06

薛武(1988—)，男，博士生，研究方向為無人機序列影像三維重建。

E-mail： xuewu_81@126.com

修回日期： 2016-12-13