(1.長江科學(xué)院 空間信息技術(shù)研究所，武漢 430010；2.鄂北地區(qū)水資源配置工程建設(shè)與管理局，武漢 430071)

1 研究背景

工程安全是工程建設(shè)管理的重要環(huán)節(jié)，視頻監(jiān)控信息是描述工地現(xiàn)場安全狀況最為直觀的資料，也是工程建設(shè)過程管理的核心數(shù)據(jù)來源。傳統(tǒng)的視頻監(jiān)控系統(tǒng)將所有視頻探頭的監(jiān)控視頻在屏幕上進(jìn)行平鋪展示，用戶無法直觀地了解監(jiān)控點的具體位置、周圍環(huán)境；同時，由于監(jiān)控點之間是互相獨立的，多路視頻之間的關(guān)系不直觀，無法還原整體施工場景。

將施工場景的地表三維模型與視頻監(jiān)控信息進(jìn)行綜合集成應(yīng)用，實現(xiàn)視頻流在三維場景下的實時展示和播放，便于管理部門有效而全面地把握施工現(xiàn)場的真實環(huán)境，為工地現(xiàn)場的安全防護(hù)、突發(fā)性事故應(yīng)急與救援提供決策支持。

自Neumann等[1]提出實時視頻與三維場景融合技術(shù)在大范圍增強(qiáng)虛擬環(huán)境(augmented virtual environment，AVE)的構(gòu)建以來，劉啟芳等[2]對AVE技術(shù)用于目標(biāo)檢測也做了初步的探討。動態(tài)紋理映射是增強(qiáng)虛擬環(huán)境相關(guān)技術(shù)中的一項關(guān)鍵技術(shù)，文獻(xiàn)[3-4]對其進(jìn)行了深入的研究。劉猛[5]詳細(xì)探討了動態(tài)紋理映射問題，但其主要針對序列圖像進(jìn)行實驗，未做到多路視頻實時渲染。李增忠[6]對紋理映射進(jìn)行了詳細(xì)研究，提出了各種局部紋理精確映射算法。趙凱等[7]根據(jù)實際應(yīng)用提出Extend Shadow map算法將視頻圖像與三維場景無縫貼合，但未對視頻和場景的配準(zhǔn)過程做詳細(xì)說明。阮芹[8]利用2個普通的USB攝像頭進(jìn)行了視頻流的無縫拼接和實時顯示研究，包括攝像頭標(biāo)定、畸變校正、特征點提取與配準(zhǔn)、圖像融合和視頻顯示等部分。侯沛宏[9]利用消費(fèi)級深度相機(jī)和配準(zhǔn)好的多視圖像與網(wǎng)格模型，對多視紋理的無縫拼接方法做了探討。王力[10]和王聰[11]對視頻配準(zhǔn)技術(shù)進(jìn)行了詳細(xì)研究，王一等[12]提出了一種基于梯度和與一致性組合策略的無縫紋理映射方法，針對三維紋理映射中存在接縫、顏色差異大等問題，采用基于梯度值之和的選片算法，結(jié)合一致性檢查、全局顏色校正和局部顏色校正等策略，消除影像的模糊、重影與色差，實現(xiàn)無縫紋理映射，同時避免影像失焦和障礙物的影響，但該方法僅在數(shù)據(jù)量小的情況下適用，效率上無法滿足實時視頻映射需求。簡洪登等[13]在視頻與場景已配準(zhǔn)的前提下提出了基于GLSL的多重視頻紋理映射與融合。

綜上所述，雖已有多位學(xué)者對投影紋理映射技術(shù)進(jìn)行了探討，但多是討論映射處理的某一項關(guān)鍵技術(shù)，比如紋理映射方法[5-7]、紋理拼接方法[8-9]、影像配準(zhǔn)方法[10-11]等，并沒有給出一個完整的從視頻監(jiān)控到三維模型的解決方案，無法將其有效應(yīng)用于解決現(xiàn)實工程問題當(dāng)中去；同時，現(xiàn)有文獻(xiàn)多是針對紋理投影的技術(shù)研究，基于紋理與圖像已配準(zhǔn)的前提，對于任意視頻攝像頭，在姿態(tài)未知的情況下如何進(jìn)行映射的問題并未做深入探討。

本文研究海量視頻流與三維場景實時集成的解決方案，集成現(xiàn)場安裝多視角視頻探頭，通過視頻流解碼技術(shù)得到多路視頻影像序列，再通過影像與地表三維模型配準(zhǔn)估算視頻探頭姿態(tài)，采用多路視頻紋理增強(qiáng)和融合技術(shù)改善視頻視覺效果，消除多路視頻間的色差，真實還原監(jiān)控現(xiàn)場的動態(tài)信息。

圖1 視頻流與三維場景實時集成技術(shù)流程Fig.1 Flow chart of real-time integration of video streaming and 3D scene technology

本文提出的具體解決方案流程如圖1所示。首先對監(jiān)控現(xiàn)場傳輸回的視頻流進(jìn)行視頻解碼，獲取視頻影像序列，再將序列影像與地表三維模型進(jìn)行配準(zhǔn)，估算攝像頭姿態(tài)；隨后，對視頻影像進(jìn)行紋理映射，并對多個視頻紋理進(jìn)行增強(qiáng)顯示和融合處理，最終實現(xiàn)視頻流在三維場景下的集成渲染。

2 監(jiān)控視頻編解碼

視頻編碼技術(shù)的復(fù)雜程度直接影響后續(xù)視頻解碼過程的效率。目前國際上常用的視頻編碼技術(shù)標(biāo)準(zhǔn)主要有MPEG系列[14-15]、H.26X系列及VC-1系列[16]。

2.1 MPEG系列標(biāo)準(zhǔn)

MPEG是活動圖像專家組(Moving Picture Exports Group)的縮寫，是壓縮運(yùn)動圖像及其伴音的視/音頻壓縮標(biāo)準(zhǔn)[15]，也是最為經(jīng)典的視頻壓縮標(biāo)準(zhǔn)。它基于幀間壓縮技術(shù)，存儲連續(xù)幀間差異(高頻信息)，因此能夠獲得較大的壓縮比。MPEG-4的最大壓縮比可達(dá)到4 000∶1，大大提高了視頻流傳輸效率。

2.2 H.264/AVC

H.264是MPEG-4壓縮標(biāo)準(zhǔn)的第10部分，采用混合編碼的方式來提高壓縮比率，其最大壓縮比優(yōu)于MPEG-4。H.264編碼在對誤碼和丟包的處理更為魯棒的同時也具有很強(qiáng)的網(wǎng)絡(luò)適應(yīng)性。

2.3 VC-1

VC-1編解碼器是目前常用的高清編碼格式之一，雖然其壓縮比不如MPEG-4，但其解碼計算量小于MPEG-4，在實現(xiàn)流暢播放方面更為容易。

根據(jù)視頻的編碼技術(shù)不同，本文分別采用相應(yīng)的解碼器對視頻進(jìn)行實時解碼以獲取視頻影像序列。

3 海量視頻與三維場景的紋理映射

3.1 視頻與地表模型配準(zhǔn)

為了實現(xiàn)海量視頻流與三維場景的紋理映射，首先要進(jìn)行視頻影像與地表三維模型點之間的配準(zhǔn)，才能準(zhǔn)確獲取視頻影像上每一點紋理的精確位置。由于監(jiān)控系統(tǒng)中攝像頭是固定不變的，其位置和姿態(tài)都相對固定，因此就可以進(jìn)一步解算出視頻攝像頭的外方位元素，得到攝像頭的姿態(tài)數(shù)據(jù)。

本文具體配準(zhǔn)流程如下：

(1)對視頻影像序列以及當(dāng)前的數(shù)字表面模型像分別進(jìn)行SIFT特征提取，然后對特征描述量進(jìn)行匹配，從而找到對應(yīng)點。這里采用SIFT特征基于其平移旋轉(zhuǎn)不變特性，提取到的特征點準(zhǔn)確性更高。

(2)對于影像上某個SIFT關(guān)鍵點，遍歷計算其到數(shù)字表面模型上的每個SIFT特征點的歐式距離，得到最鄰近點與次鄰近點，其距離分別表示為D1和D2，當(dāng)二者比值滿足小于某一閾值時，認(rèn)為該點對為匹配點對。本文認(rèn)為二者比值滿足D1/D2<0.8時是初匹配正確的點。

(3)采用RANSAC算法對初匹配正確的點進(jìn)行二次篩選，進(jìn)一步剔除殘差，得到最終的配準(zhǔn)結(jié)果。

3.2 攝像頭姿態(tài)估算

根據(jù)地表模型上的三維點和視頻影像上的二維點的對應(yīng)關(guān)系，采用直接線性法解算攝像頭姿態(tài)。

假設(shè)相機(jī)矩陣為P，地表三維點為X，它在影像上的對應(yīng)點x=[u,v,1]T滿足關(guān)系

λx=PX。

(1)

式中λ為系數(shù)。

令P1,P2,P3分別表示相機(jī)矩陣的第1、第2、第3行，則

(2)

令

(3)

則

AP=0 。

(4)

當(dāng)匹配點對個數(shù)>6時，采用最小二乘法求得相機(jī)矩陣的解。表1為本實驗中計算得到的第1路視頻對應(yīng)的相機(jī)位置及姿態(tài)信息。

表1 第1路視頻相機(jī)位置與姿態(tài)計算值Table 1 Estimation result of the location and pose of camera #1

3.3 紋理映射

在已知攝像頭姿態(tài)的情況下，根據(jù)攝像頭的姿態(tài)參數(shù)可直接計算得到需要映射的紋理坐標(biāo)。紋理投影映射在可實現(xiàn)紋理與空間三維點的實時對應(yīng)的同時，也有效避免了紋理的拉伸變形。

整個映射過程為：①根據(jù)估計得出的攝像頭的位置姿態(tài)建立地表三維點和視頻影像上紋理坐標(biāo)的映射關(guān)系；②透視修正插值得到當(dāng)前屏幕像素對應(yīng)的紋理坐標(biāo)；③進(jìn)行紋理拾取，將映射紋理投射到三維模型表面進(jìn)行顯示，并每秒進(jìn)行視頻影像的刷新顯示。

4 多路視頻紋理融合

在三維展示平臺上進(jìn)行不同攝像頭拍攝的視頻流實時紋理映射時，需要對不同攝像頭拍攝的視頻依次進(jìn)行紋理渲染。不同時間、不同位置拍攝的視頻由于光照條件不同，視頻之間的紋理明暗程度通常會有差別，這導(dǎo)致了2個問題：一方面，有些視頻影像成像條件不佳導(dǎo)致視頻動態(tài)對比度不夠，視覺效果不佳；另一方面，不同的光照條件導(dǎo)致相鄰的視頻影像之間存在明暗差異，產(chǎn)生明顯的拼縫。為了改善視覺效果，需要對視頻影像進(jìn)行影像增強(qiáng)，再在重疊區(qū)域進(jìn)行融合處理以消除拼接線。具體流程如下：

(1)在視頻映射前，對視頻影像進(jìn)行硬件加速實現(xiàn)實時直方圖均衡化，以改善視頻流影像的動態(tài)對比度。

(2)對于拼接線，采用倒距離加權(quán)融合的思路對相鄰影像進(jìn)行融合，實現(xiàn)影像漸變效果以消除拼接線。在紋理重疊區(qū)域，沿拼接重疊區(qū)域的對角線方向進(jìn)行加權(quán)融合，隨著離對角線的距離增加，一個視頻影像的權(quán)值逐漸減小，而另一個影像的權(quán)值逐漸增加，權(quán)值大小由當(dāng)前點到重疊區(qū)域的對角線的距離決定。

圖2為2個視頻幀的重疊區(qū)域示意圖，其中ABCD為重疊區(qū)域，BD為重疊區(qū)域?qū)蔷€。

圖2 對角倒距離加權(quán)算法示意圖Fig.2 Schematic diagram of diagonal weighted algorithm

假設(shè)第1個攝像頭視頻的紋理坐標(biāo)為(s1,t1)，第2個攝像頭視頻的紋理坐標(biāo)為(s2,t2)。

(1)根據(jù)當(dāng)前三維點對應(yīng)的紋理坐標(biāo)計算紋理重疊區(qū)域的位置，包括水平距離Smax和垂直距離Tmax，并得到對角線方程。

(2)在重疊區(qū)域內(nèi)根據(jù)當(dāng)前渲染點到對角線的距離，分別計算2個通道的權(quán)值。

(3)根據(jù)2個權(quán)值計算得到融合后的顏色值，得到當(dāng)前點的渲染值。

直線BD的斜率k為

(5)

文獻(xiàn)[13]給出了具體的加權(quán)融合公式，如式(6)所示，其中α為當(dāng)前通道的權(quán)值。

(6)

5 實 驗

本文采用武漢某倉庫作為實驗區(qū)域，該區(qū)域現(xiàn)有三維展示平臺，加載了數(shù)字高程模型(DEM)和倉庫的數(shù)字表面模型(DSM)，如圖3(a)所示。利用高清攝像頭采集了多路視頻數(shù)據(jù)，視頻圖像采用了H.264編碼技術(shù)進(jìn)行編碼。本實驗中采用的硬件設(shè)備為普通計算機(jī)，CPU為Intel i5四核CPU，內(nèi)存為8 G，顯卡為NVIDIA Geforce GTX970M，顯存為1 G。

本實驗首先對視頻進(jìn)行解碼，得到影像序列，為平衡配準(zhǔn)精度和計算量，選取前5 min的監(jiān)控視頻流，在SIFT+RANSAC配準(zhǔn)后，估算攝像頭的姿態(tài)。由于該倉庫的攝像頭是固定攝像頭，認(rèn)為該姿態(tài)為不變常量，因此在完成一次估計之后，后續(xù)所有基于該攝像頭拍攝的視頻均可直接做紋理映射。實驗截圖如圖3(b)所示，為視頻投影到DSM上的顯示結(jié)果?？梢詮闹脖活伾闯鲆曨l中的植被由于光照不同而偏亮，DSM中的植被顏色偏暗一些。除色彩差別以外，幾何形狀上可以實現(xiàn)精確映射。

圖3 場景三維疊加顯示Fig.3 Three-dimensional display of the experiment area

將視頻投影結(jié)果放大，并在動態(tài)播放條件下進(jìn)行實時渲染，圖4為視頻實時動態(tài)播放下不同時刻的渲染結(jié)果截圖。由圖4可以看到，三維場景下，視頻被準(zhǔn)確投影到每個攝像頭所在的位置，當(dāng)點擊攝像頭圖標(biāo)時，可清晰地看到當(dāng)前監(jiān)控區(qū)域的視頻信息，視頻紋理與三維平臺上的地表模型之間能有較好的融合效果，從視覺上可以清晰地看到小車在地表三維場景中流暢地行駛。

圖4 不同時刻的視頻映射結(jié)果Fig.4 Result of the experiment at different instances

該實驗場景渲染的面數(shù)大概為200萬，表2為實時渲染的效率統(tǒng)計。由表2可知，針對2路、4路、6路、8路視頻，本文渲染效率穩(wěn)定在48 fps以上，均能達(dá)到實時映射渲染的標(biāo)準(zhǔn)，同時運(yùn)行效率優(yōu)于文獻(xiàn)[13]的實驗結(jié)果。另外，文獻(xiàn)[13]未給出8路視頻下的實時渲染效率，本文給出了8路視頻的渲染效率，為高于48 fps。

表2 實時渲染效率Table 2 Real-time rendering efficiency

6 結(jié) 論

本文對多路視頻流與三維場景的實時集成技術(shù)進(jìn)行了深入的探討，給出了完整的解決方案。實驗結(jié)果表明，本文的方法可以獲得較好的視覺效果，不同攝像頭拍攝的視頻流之間的明暗程度一致，視頻接邊實現(xiàn)平滑過渡。在整個算法流程中，相機(jī)姿態(tài)求解是否準(zhǔn)確直接影響后期高質(zhì)量紋理映射。為了提高相機(jī)姿態(tài)估算，可在配準(zhǔn)環(huán)節(jié)之后進(jìn)行人機(jī)交互操作，微調(diào)相機(jī)參數(shù)。另一方面，當(dāng)攝像頭拍攝的視頻流影像與當(dāng)前平臺展示的三維場景具有較大的差異時，若要保證前景和背景的色彩一致性，在做色彩融合時可能需要更多耗時，在此情況下需要對視頻流與三維模型的高效色彩融合算法進(jìn)行進(jìn)一步研究和探討。