熊自明， 董 鑫， 王明洋， 張清華， 馬 超

(1. 解放軍理工大學爆炸沖擊防災(zāi)減災(zāi)國家重點實驗室， 江蘇 南京 210007； 2. 南京理工大學機械工程學院， 江蘇 南京 210094)

?

基于ASIFT與RANSAC算法的巖體結(jié)構(gòu)三維重建方法研究

熊自明1, 2， 董 鑫1， 王明洋1, 2， 張清華1, 2， 馬 超1

(1. 解放軍理工大學爆炸沖擊防災(zāi)減災(zāi)國家重點實驗室， 江蘇 南京 210007； 2. 南京理工大學機械工程學院， 江蘇 南京 210094)

隧道開挖過程中巖體結(jié)構(gòu)面信息獲取的快慢和準確程度直接影響隧道施工的安全，針對三維重建算法效率低的問題，提出一種基于ASIFT與RANSAC算法的巖體結(jié)構(gòu)三維重建方法和策略。首先采用普通數(shù)碼相機快速獲取一系列真實描述巖體結(jié)構(gòu)的數(shù)字影像； 然后針對巖體影像比例尺與傾斜角變化大、紋理相對貧乏的特點，采用ASIFT匹配算法與RANSAC誤匹配點剔除算法來保證立體影像之間稀疏匹配的效率和可靠性； 最后采用光束法聯(lián)合平差方法對系列影像之間的相對位置與姿態(tài)進行求解，并綜合利用核線幾何約束、半全局匹配、多視最小二乘匹配等策略實現(xiàn)巖體影像的密集匹配，最終提取出巖體的三維信息。工程實踐表明： 基于ASIFT與RANSAC算法的巖體結(jié)構(gòu)三維重建方法可以方便地實現(xiàn)工程巖體結(jié)構(gòu)面完全非接觸式測量，有效提高測量效率, 避免測量人員暴露于未支護巖體下的危險。

巖體結(jié)構(gòu)； 三維重建； 非接觸測量； 掌子面影像； ASIFT算法； RANSAC算法

0 引言

隧道開挖掘進過程中巖體結(jié)構(gòu)面的產(chǎn)狀是最為基本的地質(zhì)信息，對工程的開展與建設(shè)具有重要的指導意義[1]。采用傳統(tǒng)的人工羅盤方法采集巖體結(jié)構(gòu)面信息，不僅作業(yè)效率低、勞動強度大，而且受現(xiàn)場條件限制，只能獲取有限的可接觸的結(jié)構(gòu)面信息，會影響巖體穩(wěn)定性分析結(jié)果的準確性。為此，一些學者研究采用三維激光掃描技術(shù)和數(shù)字近景攝影測量技術(shù)來獲取巖體結(jié)構(gòu)的三維信息，并取得了一定的成果[2-5]。三維激光掃描設(shè)備價格相對昂貴，僅能獲取結(jié)構(gòu)面的三維坐標信息，缺乏表面紋理信息； 而采用數(shù)字近景攝影測量技術(shù)重建巖體結(jié)構(gòu)的三維信息，具有成本低、容易實現(xiàn)的特點，且能夠構(gòu)建出完整的巖體結(jié)構(gòu)模型，包含巖體的三維坐標、對應(yīng)紋理等信息，更加有利于巖體穩(wěn)定性的分析。在數(shù)字近景攝影測量技術(shù)研究方面： G. Roberts 等[6]研究了基于攝影測量的巖體結(jié)構(gòu)面信息采集與處理系統(tǒng)； W. C. Haneberg[7]應(yīng)用數(shù)字近景攝影測量對巖質(zhì)坡度建立三維模型并進行結(jié)構(gòu)面測圖工作，探討了獲取的結(jié)構(gòu)面產(chǎn)狀與人工測量產(chǎn)狀的差別，但并未進行精度統(tǒng)計； 奧地利Startup公司推出一套巖體幾何參數(shù)三維非接觸測量系統(tǒng)ShapeMetriX 3D，王述紅研究團隊[8-11]應(yīng)用ShapeMetriX 3D系統(tǒng)采集巖體開挖結(jié)構(gòu)面數(shù)據(jù)，并自主研制了巖土工程建模與分析系統(tǒng)GeoSMA-3D，進行數(shù)據(jù)處理與分析，實現(xiàn)了巖體內(nèi)不穩(wěn)定塊體的快速識別與搜索。文獻[12-13]基于數(shù)字攝影測量工作站獲取巖體結(jié)構(gòu)面幾何信息的研究，采用VirtuoZo重建巖體結(jié)構(gòu)面的三維信息，并對巖體結(jié)構(gòu)進行分析與研究。上述研究取得了一定成果，但大部分采用專業(yè)的測量相機作為影像獲取設(shè)備，測量前需要標定相機、測量控制點及設(shè)計控制網(wǎng)等，給非測量專業(yè)人員的工程測量實踐帶來難度。

為簡化攝影測量的處理過程，提高三維重建的作業(yè)效率，本文提出一種基于ASIFT匹配算法和RANSAC誤匹配點剔除算法的系列影像巖體結(jié)構(gòu)三維重建方法和綜合策略，并通過工程實例驗證本方法的有效性。

1 巖體影像連接點的自動匹配

影像間同名連接點的自動提取與可靠匹配是各張影像位置、姿態(tài)估計的前提，也是利用二維影像重建巖體結(jié)構(gòu)面三維信息的第1步。

1.1 ASIFT算法

巖體影像之間往往存在較大的傾角，使得影像之間的同名像點及其周圍紋理難于匹配。與現(xiàn)有的稀疏匹配算法[14-15]相比，ASIFT匹配算法[16]具有較好的尺度不變和仿射不變特征，是對SIFT算法的改進，適用于巖體影像間連接點的自動提取與匹配。

影像間的位置與姿態(tài)關(guān)系見圖1。假設(shè)μ是基準影像，ν是傾斜影像，φ是影像ν軸線相對基準影像μ的旋轉(zhuǎn)角，θ是影像的傾斜角。

圖1 影像間的位置與姿態(tài)關(guān)系

以影像μ為基準，對不同視角拍攝的影像ν進行變換，分別由傾斜角和旋轉(zhuǎn)角生成1組模擬影像ν′(φ，θ)，其公式為：

(1)

式中：λ為影像間的比例系數(shù)；t為影像傾斜角產(chǎn)生的投影系數(shù)。

ASIFT算法的主要過程： 1)模擬所有可能的仿射影像。通過設(shè)置不同的旋轉(zhuǎn)角φ和傾斜角θ，對傾斜影像ν進行變換與重采樣，可以生成一系列仿射影像。2)確定出仿射影像中效果最佳的模擬影像。選擇仿射影像中與基準影像上同名點的方向一致，且傾斜方向上2幅影像的比例尺相接近的模擬影像。3)用SIFT算法進行匹配。利用SIFT算法對最佳模擬影像與基準影像進行特征提取與匹配，獲取影像中稀疏同名像點。

1.2 RANSAC誤匹配點剔除

巖體影像中紋理信息相對較少、灰度變化不明顯，往往存在一些誤匹配點，對后續(xù)的影像間位置與姿態(tài)求解很不利。為能夠有效剔除誤匹配點，本文采用隨機抽樣一致性算法[17-18](random sample consensus，簡稱RANSAC)來檢測這些點。

RANSAC算法的基本思想是，先選擇任意2個特征點并確定1條直線，將該直線兩側(cè)一定范圍內(nèi)的特征點稱為該直線的支撐； 再重復(fù)進行上述步驟，將其中最大支撐特征集的直線稱為樣本點集的擬合，而在擬合的誤差距離范圍內(nèi)的點稱為內(nèi)點，在擬合的誤差距離范圍外的點稱為外點。由于隨機選擇的包含外點的初始點集所確定的直線一般不會獲得多數(shù)特征點支持，因此該算法會將這些直線所對應(yīng)的匹配點當作外點并剔除掉，如圖2所示，其中點a被認為是外點并剔除。上述直線擬合只是一種簡單的變換模型，對于巖體或者隧洞而言，采用仿射擬合模型更加合適且其基本原理與直線擬合是一樣的。因此，本文在使用RANSAC算法剔除誤匹配點時使用仿射變換作為其擬合模型。

圖2 RANSAC剔除誤匹配點示意圖

采用索尼相機拍攝2幅金瓶巖隧洞掌子面影像(見圖3)，分辨率為4 928×3 264。由圖可見： 掌子面影像信息量相對貧乏，不同視角拍攝的影像存在明顯的比例尺差異和傾斜效應(yīng)等。因此，以這2幅掌子面影像為例，驗證上述稀疏匹配算法的有效性。先用ASIFT算法提取、匹配2幅影像的同名像點； 再用基于仿射擬合模型的RANSAC算法剔除匹配結(jié)果中存在的誤匹配點，其結(jié)果見圖4。

(a) 原始影像1

(b) 原始影像2

根據(jù)統(tǒng)計分析，經(jīng)典SIFT算法粗匹配、ASIFT算法粗匹配、常規(guī)RANSAC-ASIFT算法與本文基于仿射擬合模型的RANSAC算法剔除誤匹配點的對比結(jié)果見表1。由表1可知： 采用ASIFT算法對隧洞掌子面影像進行匹配處理，匹配正確率比采用經(jīng)典SIFT算法提高了10.9%，但仍然存在較高的誤匹配率，必須檢測出其中的誤匹配點并進行剔除。采用本文基于仿射擬合模型的RANSAC算法剔除誤匹配點，匹配正確率比采用常規(guī)RANSAC-ASIFT算法提高了3.5%，2幅影像中的同名像點的匹配率得到了明顯的提高，為下一步影像間位置與姿態(tài)估計提供了更可靠的同名像點。

(a) 匹配影像1的同名像點

(b) 匹配影像2的同名像點

圖4 RANSAC-ASIFT算法獲取掌子面影像的同名像點結(jié)果

Fig. 4 Homonymous points of tunnel face images by RANSAC-ASIFT algorithm

表1 粗匹配與誤差剔除效果

2 稀疏光束法平差的相機位置與姿態(tài)求解

解算影像獲取時各攝站的位置與姿態(tài)信息，是巖體結(jié)構(gòu)三維重建過程中的關(guān)鍵一步[19-21]。稀疏光束法平差[22-23](sparse bundle adjustment)是在光束法平差的基礎(chǔ)上發(fā)展而來的一種利用Levenberg-Marquardt算法最佳地求解相機參數(shù)和三維點坐標的方法，本文采用該方法來求解各攝站的位置與姿態(tài)信息。

2.1 算法原理

假設(shè)相機在成像過程中處于理想狀態(tài)，分別從不同視角獲取目標巖體的影像，如圖5所示。其中：O1、O2為攝站位置；I1、I2分別表示攝站對應(yīng)的影像。在固定坐標系中，相機的位置與姿態(tài)可以用7個參數(shù)來描述，即旋轉(zhuǎn)參數(shù)Θ=(θ1,θ2,θ3)，平移參數(shù)t=(t1,t2,t3)和相機焦距f。

圖5 目標三維點與影像中同名像點之間的關(guān)系

Fig. 5 Relationship between three-dimensional target points and homonymous image points

在圖5中，每1對匹配點都對應(yīng)著一個目標三維點，而其三維坐標可用稀疏光束法平差的方法計算得到。經(jīng)推導可知，稀疏光束法平差的誤差方程就是所有三維點在對應(yīng)影像上的像點誤差的平方和，即

(2)

式中：I為參與平差的所有影像；χ(i)為影像i所對應(yīng)的三維點列表。

(3)

采用Levenberg-Marquardt算法求解的迭代方程為：

(4)

通過分析，矩陣JTJ的結(jié)構(gòu)為：

(5)

根據(jù)式(5)，可將式(4)寫為

(6)

(7)

2.2 平差策略

為保證稀疏光束法平差的精度，考慮到巖體影像的特點，具體的平差處理過程如下。

1)步驟1。選擇連接點較多的影像對作為平差初始影像，以影像對中左影像的空間坐標系為巖體模型的局部坐標系，先利用相對定向、空間前方交會可得到初始影像對之間的位置與姿態(tài)關(guān)系以及連接點坐標的初始值，再利用稀疏光束法平差方法來優(yōu)化結(jié)果。

2)步驟2。添加1幅新影像，結(jié)合已求解的三維點坐標和影像之間的匹配點，利用空間后方交會方法估計新影像的位置與姿態(tài)信息，用空間前方交會方法計算出對應(yīng)特征點的坐標，并再次通過稀疏光束法平差方法來優(yōu)化結(jié)果。

3)步驟3。依次添加所有影像，若某影像與其他任一幅影像的匹配點太少，即小于4對同名像點，那么該影像不處理； 否則，按照步驟2方法循環(huán)處理，直至所有影像全部處理完畢。

3 多視密集匹配重建巖體結(jié)構(gòu)三維信息

在已知相機位置與姿態(tài)的前提下，通過對系列影像上同名像點進行多片前方交會，可計算出對應(yīng)點的物方坐標。實現(xiàn)自動重建的關(guān)鍵在于系列影像上同名像點的匹配，考慮到巖體影像的特點，本文將半全局匹配算法[24-25](semi-global matching，簡稱SGM)引入到巖體影像的密集匹配過程中，并綜合采用核線幾何約束方法、金字塔分層匹配策略等增強匹配的穩(wěn)健性，提高匹配的效率。密集匹配重建巖體結(jié)構(gòu)三維流程見圖6。

圖6 密集匹配重建巖體結(jié)構(gòu)流程

Fig. 6 Flowchart of 3D rock mass structure reconstruction by intensive image matching

SGM算法的基本思想是： 先基于互信息執(zhí)行逐像素代價計算，再用多個一維的平滑約束來近似1個二維的平滑約束。假設(shè)參考影像像素點p灰度為Ibp，對應(yīng)待匹配影像的同名點q灰度為Imq。函數(shù)q=ebm(p,d)表示匹配影像上對應(yīng)于參考影像像素點p的核線，核線參數(shù)是d。那么，基于MI的匹配代價函數(shù)為：

CMI(p,d)=hIb, fD(Im)(Ibp,Imq)-hIb(Ibp)-hfD(Im)(Imq)。

(8)

式中：hIb(Ibp)、hfD(Im)(Imq)分別為以像素點p、q為中心的塊圖像的熵；hIb,fD(Im)(Ibp,Imq)為2個塊圖像的聯(lián)合熵。

沿著路徑r方向，像素點p的代價Lr(p,d)由遞歸方式定義為：Lr(p,d)=C(p,d)+min{Lr(p-r,d),Lr(p-r,d-1)+

(9)

式中P1、P2為懲罰系數(shù)。

將各方向的代價相加，可以得到總的匹配代價

(10)

對于每一個像素點p，深度dp=mindS(p,d)。最后還需要進行一致性檢查，即比較匹配點對的深度值，進而生成相對連續(xù)的巖體結(jié)構(gòu)三維信息。利用上述密集匹配算法和處理策略對攝取的4幅影像進行密集匹配，生成1組隧洞掌子面局部區(qū)域的三維信息，結(jié)果見圖7?？梢姡?在已知相機位置與姿態(tài)的情況下，利用本文所提方法可以恢復(fù)出重疊區(qū)域的三維信息，且掌子面上的裂痕和皺褶特征顯示清晰，說明該方法與策略是正確可行的。

圖7 密集匹配重建掌子面局部三維結(jié)果

Fig. 7 Partial 3D result of intensive matching reconstruction of tunnel face

4 工程應(yīng)用與結(jié)果分析

4.1 工程概況

成蘭鐵路地處青藏高原東部邊緣高山峽谷區(qū)，相對高程差達1 km，斜坡坡度一般為30°～50°，地形切割強烈，巖體受擠壓破碎嚴重，易發(fā)生局部掉塊、洞口失穩(wěn)或整體坍落等危險。隧道掌子面數(shù)據(jù)采集是在井下爆破并完成排險出渣工序后進行的，由于后續(xù)的注漿噴護及錨桿支護工作需立刻進行，因此數(shù)據(jù)采集時間非常有限，一般須在10 min內(nèi)完成所有數(shù)據(jù)的采集工作。以金瓶巖隧道D1K191+938里程掌子面為例，在施工過程中利用索尼數(shù)碼相機在5 min內(nèi)獲取了14張影像。對得到的系列影像數(shù)據(jù)進行分析，可知： 相機攝取掌子面影像時傾角變化較大，比例尺也是隨機的； 影像紋理相對貧乏，受光照影響較大； 所有影像都處于無序狀態(tài)。

4.2 巖體影像三維重建過程與結(jié)果

應(yīng)用ASIFT匹配算法與RANSAC誤匹配點剔除算法對上述影像進行匹配處理，共獲取3 168個匹配點，經(jīng)過稀疏光束法平差可解算出對應(yīng)點的三維坐標，歸化至同一坐標系中，結(jié)果見圖8。同時，還原相機的相對位置與姿態(tài)，其平差精度小于0.4個像素。

圖8 連接點的三維結(jié)果

圖8示出的連接點三維坐標精度相對較好，已經(jīng)基本構(gòu)成了巖體結(jié)構(gòu)的框架，但是這些連接點相對稀疏，局部區(qū)域還存在空洞現(xiàn)象。因此，需要對系列影像進行密集匹配，獲取更加稠密的同名像點，并通過多視密集匹配所獲取的同名像點計算出對應(yīng)的三維坐標，最終得到更為細致的巖體結(jié)構(gòu)信息，三維重建結(jié)果見圖9。共獲取巖體表面三維點數(shù)約230萬個。由圖9可知： 掌子面的細節(jié)得以正確恢復(fù)，很好地重建了隧洞掌子面的三維形狀。圖10示出紋理映射結(jié)果。

圖9 隧洞掌子面的三維重建結(jié)果

圖10 隧洞掌子面的紋理映射結(jié)果

局部區(qū)域的三維重建結(jié)果見圖11，可見掌子面的中央?yún)^(qū)域存在數(shù)條傾斜的裂隙，進一步說明了巖體表面三維信息恢復(fù)較好。

圖11 局部區(qū)域三維重建結(jié)果

4.3 三維重建結(jié)果巖體結(jié)構(gòu)分析

將金瓶巖隧道D1K191+938里程掌子面影像的重建結(jié)果導入巖體結(jié)構(gòu)分析軟件Sirovision V6.0中，人機交互地進行結(jié)構(gòu)面劃分、產(chǎn)狀信息提取、不穩(wěn)定結(jié)構(gòu)指示、巖性識別和超欠挖對比等分析，結(jié)果見圖12—16?？芍?采用本文方法得到的三維重建結(jié)果可以高度還原真實的巖體結(jié)構(gòu)特征，便于后期工作人員進行巖體結(jié)構(gòu)分析。

5 結(jié)論與討論

5.1 結(jié)論

1)針對巖體影像傾角大、比例尺不統(tǒng)一、紋理貧乏的特點，在特征匹配過程中利用ASFIT匹配算法與RANSAC誤匹配點剔除算法可獲取影像間較為可靠的同名像點。

圖12 巖體結(jié)構(gòu)面劃分

Fig. 12 Division of rock mass discontinuities

圖13 產(chǎn)狀信息提取

圖14 不穩(wěn)定結(jié)構(gòu)指示

圖15 巖性識別

圖16 D1K191+938里程掌子面超欠挖對比

Fig. 16 Comparison between overbreak and underbreak of tunnel face at D1K191+938 section

2)利用稀疏光束法平差方法求解系列影像間的相對位置與姿態(tài)，并綜合利用核線幾何約束、半全局匹配、多視最小二乘匹配等策略實現(xiàn)巖體影像的密集匹配，最終提取出巖體結(jié)構(gòu)的三維信息。

3)結(jié)合實拍的金瓶巖隧道掌子面系列影像，重建該掌子面的三維信息，較好地驗證了本文所提方法的作業(yè)效率，能夠方便地實現(xiàn)工程巖體結(jié)構(gòu)面完全非接觸式測量。

5.2 討論

1)如何從巖體結(jié)構(gòu)三維信息中自動提取裂隙、角、邊等形狀特征，得到巖體的相關(guān)屬性或者物理參量，從而進行巖性識別、穩(wěn)定性分析是后續(xù)研究的重點。

2)本文的方法是根據(jù)巖體圖像像素匹配結(jié)果生成三維點云，重構(gòu)精度與圖像解析度及成像清晰程度直接相關(guān)； 而如何在光照條件較差、空氣中粉塵含量較高的環(huán)境中獲取清晰的巖體影像也是一個值得關(guān)注的問題。

[1] 張倬元， 王士天， 王蘭生， 等. 工程地質(zhì)分析原理[M]. 2版. 北京： 地質(zhì)出版社， 1994. ZHANG Zhuoyuan, WANG Shitian, WANG Lansheng， et al. Engineering geological analysis principle[M]. 2nd ed. Beijing： Geological Publishing House, 1994.

[2] 徐青, 吳壽龍, 朱述龍, 等. 近代攝影測量[M]. 北京： 解放軍出版社, 2000. XU Qing, WU Shoulong, ZHU Shulong, et al. Modern photogrammetry[M]. Beijing: PLA Press, 2000.

[3] 王棟. 嵌入式數(shù)字近景攝影測量系統(tǒng)的研究[D]. 鄭州： 解放軍信息工程大學, 2012. WANG Dong. Study of the embedded digital close-range photogrammetry system[D]. Zhengzhou: PLA Information Engineering University, 2012.

[4] 張文. 基于三維激光掃描技術(shù)的巖體結(jié)構(gòu)信息化處理方法及工程應(yīng)用[D]. 成都： 成都理工大學， 2011. ZHANG Wen. Information processing method on rock mass structure and its application in geological engineering based on three-dimensional laser scanning technique[D]. Chengdu: Chengdu University of Technology, 2011.

[5] 葉英， 穆千祥， 張成平． 隧道施工多元信息預(yù)警與安全管理系統(tǒng)研究[J]． 巖石力學與工程學報， 2009， 28(5)： 900-907. YE Ying，MU Qianxiang，ZHANG Chengping．Tunnel construction multivariate information forewarning and safety management system research[J]．Chinese Journal of Rock Mechanics and Engineering, 2009, 28(5)： 900-907.

[6] ROBERTS G， POROPAT G V. High wall joint mapping in 3D at the Moura Mine using Sirojoint[R]．Pullenvale: CSIRO Exploration and Mining Technology Court, 2003.

[7]HANEBERG W C. Using close range terrestrial digital photogrammetry for 3-D rock slope modeling and discontinuity mapping in the United States[J]. Bull Eng Geol Environ, 2008, 67: 457-469.

[8]WANG Shuhong，NI Pengpeng.Application of block theory modeling on spatial block topological identification to rock slope stability analysis[J]. International Journal of Computational Methods, 2014, 11(1): 903-914.

[9]NI Pengpeng, WANG Shuhong, WANG Cungen, et al. Estimation of REV size for fractured rock mass based on damage coefficient [J]. Rock Mechanics and Rock Engineering, 2016(11): 44-67.

[10] 王述紅， 楊勇， 王洋， 等. 基于數(shù)字攝像測量的開挖空間模型及不穩(wěn)塊體的快速識別[J]. 巖石力學與工程學報， 2010, 29(增刊1)： 3432-3438. WANG Shuhong, YANG Yong, WANG Yang, et al. Spatial modeling and quick identification of unstable rock blocks based on a digital photogrammetry[J]. Chinese Journal of Rock Mechanics and Engineering, 2010, 29(S1): 3432-3438.

[11] 王述紅， 張靖杰， 李云龍， 等. 工程巖體開挖過程全空間塊體搜索及其系統(tǒng)研制[J]. 東北大學學報(自然科學版)， 2010, 31(7)： 1026-1029. WANG Shuhong, ZHANG Jingjie, LI Yunlong, et al. Quickly spatial identification process of blocks during rock excavation and its system modeling[J]. Journal of Northeastern University (Natural Science), 2010, 31(7): 1026-1029.

[12] 王鳳艷， 陳劍平， 楊國東， 等. 基于數(shù)字近景攝影測量的巖體結(jié)構(gòu)面幾何信息解算模型[J]. 吉林大學學報(地球科學版), 2012, 42(6): 1839-1846. WANG Fengyan, CHEN Jianping, YANG Guodong, et al. Solution models of geometrical information of rock mass discontinuities based on digital close range photogrammetry[J]. Journal of Jilin University(Earth Science Edition), 2012, 42(6): 1839-1846.

[13] 王鳳艷， 陳劍平， 付學慧, 等. 基于VirtuoZo 的巖體結(jié)構(gòu)面幾何信息獲取研究[J]. 巖石力學與工程學報, 2008, 27(1): 169-175. WANG Fengyan, CHEN Jianping, FU Xuehui, et al. Study of geometrical information of obtaining rock mass discontinuities based on VirtuoZo [J]. Chinese Journal of Rock Mechanics and Engineering, 2008, 27(1): 169-175.

[14]DAVID G Lowe. Distinctive image features from scale-invariant keypoints[J]. International Journal of Computer Vision, 2004, 60(2): 91-110.

[15] HERBERT Bay, TINNE Tuytelaars， LUC Van Gool. Surf: Speeded up robust features[C]//European Conference on Computer Vision. Graz: [s.n.], 2006.

[16] MOREL J M, YU G S. ASIFT: A new framework for fully affine invariant image comparison[J]. SIAM Journal on Imaging Sciences, 2009, 2(2): 438-469.

[17] 何周燦, 王慶, 楊恒. 圖像特征匹配中一種高效的魯棒估計算法[J]. 中國圖象圖形學報, 2011, 16(1): 84-89. HE Zhoucan, WANG Qing, YANG Heng. An efficient robust estimation algorithm for image feature matching[J]. Journal of Image and Graphics, 2011,16(1): 84-89.

[18] 郭紅玉， 王鑒． 一種基于RANSAC基本矩陣估計的圖像匹配方法[J]. 紅外, 2008, 29(2): 5-8. GUO Hongyu, WANG Jian. An image matching method based on RANSAC algorithm for estimation of fundamental matrix[J]. Infrared, 2008, 29(2): 5-8.

[19] TRIGGS B，MCLAUCHLAN P, HARTLEY R, et al. Bundle adjustment: A modern synthesis[J]. Lecture Notes in Computer Science, 2000, 1883: 298-372.

[20] LOURAKIS M I A, ARGYROS A A. SBA: A software package for generic sparse bundle adjustment[J]. ACM Transactions on Mathematical Software, 2009, 36(1): 1-30.

[21] NISTER D. An efficient solution to the five-point relative pose problem[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2004, 26(6): 756-770.

[22] HARTLEY R, ZISSERMAN A. Multiple view geometry in computer vision[M]. Cambridge: Cambridge University Press, 2000.

[23]MARC Pollefeys, LUC Van Gool, Maarten Vergauwen, et al. Visual modeling with a hand-held camera[J]. International Journal of Computer Vision, 2004, 59(3): 207-232.

[24] 侯一凡， 王棟， 邢帥, 等. 基于立體視覺的在線實時測量系統(tǒng)設(shè)計與實現(xiàn)[J]. 計算機應(yīng)用, 2016, 36(5): 1450-1454. HOU Yifan, WANG Dong, XING Shuai, et al. Design and implementation of online real-time mapping system based on image stereo vision[J]. Journal of Computer Applications, 2016, 36(5): 1450-1454.

[25]HIRSCHMULLER H. Stereo processing by semi-global matching and mutual information[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2008, 30(2): 328-341.

Research on 3D Reconstruction Technology for Rock Mass Structure Based on ASIFT Algorithm and RANSAC Algorithm

XIONG Ziming1, 2, DONG Xin1, WANG Mingyang1, 2, ZHANG Qinghua1, 2, MA Chao1
(1.StateKeyLaboratoryforDisasterPrevention&MitigationofExplosion&Impact，PLAUniversityofScienceandTechnology，Nanjing210007，Jiangsu,China； 2.SchoolofMechanicalEngineering，NanjingUniversityofScienceandTechnology，Nanjing210094，Jiangsu，China)

The acquisition and accuracy of information of rock mass discontinuities structural plane are the key to the safe tunnel excavation. A new 3D reconstruction method for rock mass structure based on ASIFT algorithm and RANSAC algorithm is proposed so as to improve the efficiency of 3D reconstruction algorithm. The ordinary digital camera is used to gain a series of digital images of real rock mass structure quickly. And then, according to the characteristics, i. e. large variation of rock mass image scale and angle of inclination, and poverty of texture of rock mass, the ASIFT matching algorithm and RANSAC mismatching point elimination algorithm are adopted to guarantee the efficiency and reliability of the sparse matching between stereo images. Finally, the bundle adjustment method in conjunction with adjustment method is used to solve the relative position and attitude between image sequences. Meanwhile, the methods of epipolar line geometric constraint, local-full matching and least square matching are comprehensively adopted to achieve the intensive matching of rock mass images; and then 3D information of rock mass structure is finally extracted. The engineering practice shows that the non-contact measurement of rock mass structural planes can be completed conveniently by the above-mentioned method; meanwhile, the efficiency can be improved and the risk of survey crew exposing under rock mass can be avoided.

rock mass structure; 3D reconstruction; non-contact measurement; image of tunnel face; ASIFT algorithm; RANSAC algorithm

2017-01-03;

2017-06-15

國家重點基礎(chǔ)研究發(fā)展規(guī)劃“973”項目(2013CB036005)； 博士后基金(2017M611816)； 國家自然科學基金青年項目(51608529)

熊自明(1980—)，男，江西南昌人，2013年畢業(yè)于解放軍信息工程大學，作戰(zhàn)環(huán)境學專業(yè)，博士，講師，現(xiàn)主要從事不良地質(zhì)條件下工程安全風險評估方面的教學與研究工作。E-mail： xzm992311@163.com。

10.3973/j.issn.1672-741X.2017.07.005

U 45

A

1672-741X(2017)07-0808-08