李 峰， 魏文雪， 孫 軒， 周思齊， 楊俊良， 楊海波

(1.北京航空航天大學(xué)交通科學(xué)與工程學(xué)院， 北京 100191； 2.北京路新瀝青混凝土有限公司， 北京 102209；3.北京市政路橋建材集團有限公司懷柔瀝青廠， 北京 101407)

集料是生產(chǎn)瀝青混合料的主要原材料之一，目前其庫存量盤點一直采用人工估算的方法，該方法精度差、效率低，無法實現(xiàn)原材料信息化、智能化管理. 三維測量技術(shù)的發(fā)展(如三維激光掃描技術(shù)、無人機傾斜攝影技術(shù))使得對集料庫存進行更加高效精細(xì)的可視化管理成為可能[1-3].

三維激光掃描技術(shù)運用掃描儀對待測區(qū)域進行全面掃描，獲取待測區(qū)域的點云數(shù)據(jù)，進而獲得三維坐標(biāo)[4]. 傾斜攝影技術(shù)是近年來測繪領(lǐng)域廣泛應(yīng)用的一項攝影技術(shù)，同時從5個不同的角度(1個正射、4個斜射)采集影像，獲取豐富的頂面及側(cè)面紋理，滿足三維信息的需求[5]. Yakar等[6]利用攝影測量法和地面激光掃描法在土方挖填中進行體積計算，并與大地測量法進行了對比，認(rèn)為大地測量法勞動量大、成本高、危險，而三維激光掃描法精度高、速度快，攝影測量法成本低，后兩種方法精度均可達(dá)到95%. 胡玉祥等[7]將三維激光掃描技術(shù)應(yīng)用到土石方體積測量中，并與傳統(tǒng)測量方法進行精度對比，對比了三維激光掃描技術(shù)在土石方測算中與傳統(tǒng)方法的差異，驗證了三維激光掃描技術(shù)的可行性. 馮壯壯等[8]比較了近景攝影測量技術(shù)和三維激光掃描技術(shù)在土石方計算中的應(yīng)用，認(rèn)為近景攝影測量技術(shù)在外業(yè)采集效率及數(shù)據(jù)處理方面均有較大的提升，基本能滿足土石方計算的精度要求. 研究表明，激光掃描技術(shù)雖掃描精度高，但存在儀器昂貴、外業(yè)操作煩瑣、數(shù)據(jù)量大、數(shù)據(jù)處理周期長等缺點.

近幾年來，小型無人機因其靈活度高、成本低、影像分辨率高等優(yōu)點被廣泛應(yīng)用在傾斜攝影領(lǐng)域[9-11]. Samad等[12]利用無人機采集采石場影像數(shù)據(jù)，通過PhotoScan軟件對無人機圖像進行處理生成數(shù)字地形模型，采用Global Mapper軟件完成體積計算，驗證了無人機在采石場體積測算中的適用性. 郭長東等[13]采用低空無人機，對蘭州某項目工程進行傾斜攝影測量，解算出點云數(shù)據(jù)并進行土方量計算，與全站儀測量結(jié)果作對比，表明此方法精度較高，且極大提高了土方量測繪工作效率. 李萌等[14]以陜西三試點區(qū)域為例，應(yīng)用小型無人機獲取高分辨率影像，生成高精度的數(shù)字正攝影像底圖，與傳統(tǒng)航測法土地確權(quán)的精度指標(biāo)進行比較與分析，驗證了小型無人機低空攝影在土地經(jīng)營權(quán)確權(quán)中的可行性與實用性. 綜合來看，運用無人機技術(shù)進行瀝青集料堆體積測算具有一定的可行性，可以將其引入到瀝青集料的體積測算與可視化管理中.

本文以北京市政路橋建材集團懷柔瀝青廠室外倉庫集料為研究對象，提出了一種基于無人機傾斜攝影技術(shù)的集料三維重建及體積快速測算的方法. 通過建立集料的三維模型，對集料總體積進行快速、高精度的測算，與集料入庫數(shù)據(jù)作對比分析體積測量的準(zhǔn)確性，分析模型參數(shù)設(shè)置對模型體積精度和速率的影響，為實現(xiàn)對瀝青集料的可視化、智能化管理提供了技術(shù)支持.

1 基于無人機傾斜攝影技術(shù)的三維重建

1.1 無人機傾斜攝影技術(shù)概述

1.1.1 無人機平臺

無人機最早應(yīng)用于軍事領(lǐng)域中的偵察等，近些年來，無人機的應(yīng)用正在向民用領(lǐng)域擴展，目前在航拍、農(nóng)業(yè)、植保、微型自拍、快遞運輸、災(zāi)難救援、觀察野生動物、測繪、新聞報道、電力巡檢、影視拍攝等領(lǐng)域均有應(yīng)用[15-19]. 無人機主要由飛行平臺和影像系統(tǒng)兩大核心要素組成.

根據(jù)飛行平臺構(gòu)型分類，無人機可分為固定翼式無人機、旋翼式無人機和撲翼式無人機3類[20]. 固定翼式無人機依靠動力系統(tǒng)產(chǎn)生的推力作為飛機向前飛行的動力，具有結(jié)構(gòu)成熟、飛行速度快、運載能力大、續(xù)航能力強、機動性低、不能實現(xiàn)懸停等特點[21]，在軍用領(lǐng)域和工業(yè)領(lǐng)域具有廣泛應(yīng)用. 旋翼式無人機依靠其自身螺旋槳旋轉(zhuǎn)與空氣相互作用產(chǎn)生升力，其續(xù)航能力和抗風(fēng)能力較差，但具有體積相對較小、飛行高度低、結(jié)構(gòu)簡單、靈活輕便等優(yōu)點[22]，可完成垂直起降和“懸停”動作，機動性遠(yuǎn)超固定翼式無人機，適合在城市或室內(nèi)等復(fù)雜狹窄的空間使用，主要應(yīng)用于電力巡檢、無人機表演等. 撲翼式無人機是一種類似鳥的仿生飛行器，通過機翼的主動運動產(chǎn)生升力和前進力[23]，由于撲翼仿生飛行原理的研究尚不成熟，目前撲翼式無人機的研究尚處于起步階段.

由于本次飛行任務(wù)測區(qū)較小，且不能提供固定翼飛行器的跑道，因此首先排除固定翼式無人的使用，而多旋翼無人機的穩(wěn)定性較單旋翼無人機更好，故本文選擇多旋翼無人機作為航拍無人機.

1.1.2 無人機傾斜攝影技術(shù)

傾斜攝影技術(shù)在同一飛行平臺上搭載多臺傳感器，同時從1個垂直、4個傾斜等不同角度采集影像，相較于傳統(tǒng)的攝影測量多了4個傾斜拍攝角度，能夠獲取到更加豐富的側(cè)面紋理等信息. 部分無人機只搭載一個相機，通過飛行多條相機拍攝角度不同的航線達(dá)到傾斜攝影測量的目的. 無人機在拍攝影像時，需記錄航高、航速、航向重疊度和旁向重疊度、坐標(biāo)等信息，為三維重建提供基礎(chǔ).

1.1.3 傾斜攝影技術(shù)特點

1) 反映地物周邊真實情況

與正射影像相比較，傾斜影像能讓用戶從多個角度觀察地物，更加真實地反映地物的實際情況，極大地彌補了基于正射影像應(yīng)用的不足[5].

2) 實現(xiàn)地物量測

基于傾斜攝影測量技術(shù)獲得的三維模型可以進行包括高度、長度、面積、角度、坡度等的量測，擴展了傾斜攝影技術(shù)在行業(yè)中的應(yīng)用.

3) 可采集建筑物側(cè)面紋理

針對各種三維數(shù)字城市應(yīng)用，基于傾斜影像批量提取和映射紋理的方法，能夠建立各種城市三維模型，如建筑、橋梁、道路等，有效地降低了城市三維建模成本.

1.2 三維重建技術(shù)

基于無人機對測區(qū)影像進行采集并輸入，利用一系列算法進行特征匹配、稀疏點云重建、密集點云重建、網(wǎng)格建立、紋理生成，得到三維模型，三維重建流程圖如圖1所示.

圖1 三維重建流程Fig.1 3D reconstruction process

1.2.1 采集并輸入影像

根據(jù)測區(qū)范圍和任務(wù)要求對航線進行規(guī)劃并設(shè)置合理的參數(shù)進行影像數(shù)據(jù)采集，輸入影像時，檢查影像質(zhì)量，是否有模糊、變形情況，根據(jù)可交換圖像文件格式(exchangeable image file format, EXIF)信息檢查是否存在高程信息錯誤的情況.

1.2.2 基于運動恢復(fù)結(jié)構(gòu)算法建立稀疏點云

圖2 圖像序列恢復(fù)三維點數(shù)據(jù)和相機參數(shù)示意圖Fig.2 3D point data and camera parameter schematic diagram of image sequence recovery

輸入影像后，采用運動恢復(fù)結(jié)構(gòu)(structure from motion，SfM)技術(shù)建立稀疏點云[24]. SfM算法的目的是從不同視角拍攝的圖像中計算三維結(jié)構(gòu)的點信息和每幅圖像的相機參數(shù)，如圖2所示. SfM算法主要分為增量式、層次式、全局式3種，其中增量式SfM應(yīng)用最為廣泛，它是一個迭代的、序列化的處理過程，主要分為兩部分：圖像關(guān)聯(lián)和增量式重建.

因為圖像是無序的，所以圖像關(guān)聯(lián)的目標(biāo)是關(guān)聯(lián)有重疊關(guān)系的圖像，并輸出經(jīng)過幾何驗證的關(guān)聯(lián)圖像集和對應(yīng)于每個點的圖像投影點. 主要分為3步：1) 圖像特征提取. 對于每個圖像，首先提取一系列的局部特征及描述子，這些數(shù)據(jù)特征應(yīng)該是幾何不變的，這樣SfM才能夠準(zhǔn)確唯一地識別該特征，尺度不變特征變換[25](scale-invariant feature transform，SIFT)就是一種很好的特征描述子. 2) 圖像特征匹配. 最普通的方法是迭代法，即取出一幅圖像中的一個特征后與所有其他圖像中的特征進行匹配，該方法不免耗時且復(fù)雜，在大規(guī)模的圖像集中是不可取的. 一種有效的方法是通過多種方法找出可能的圖像對重疊集，然后在此基礎(chǔ)上進行特征點匹配. 3) 幾何驗證. 估計2幅圖像之間的變換關(guān)系，即投影幾何關(guān)系驗證圖像對之間的重疊關(guān)系. 根據(jù)不同的空間構(gòu)型計算不同的幾何關(guān)系，單應(yīng)矩陣H描述純旋轉(zhuǎn)或特征點共面的場景，本質(zhì)矩陣E(已校正)和基礎(chǔ)矩陣F(未標(biāo)定)描述一個運動相機. 如果某個變換含有足夠多的內(nèi)點，則認(rèn)為它們是符合幾何約束的. 通過隨機抽樣一致性[26](random sample consensus，RANSAC)算法排除干擾點.

增量式重建的輸入為經(jīng)過圖像關(guān)聯(lián)處理的場景圖結(jié)構(gòu)，輸出是一系列的相機位姿估值及對應(yīng)的重建的場景結(jié)構(gòu)點云. 主要分為4步： 1) 初始化. 選擇合適的圖像作為重建的初始圖像非常重要，這直接關(guān)系著重建的質(zhì)量，選擇有較多重疊圖像的初始圖像會使結(jié)果具有更好的魯棒性. 2) 圖像配準(zhǔn). 通過perspective-n-point(PnP)方法將新圖像配準(zhǔn)到已有的模型中，同時采用RANSAC方法排除外點的干擾. 3) 三角化. 新配準(zhǔn)的圖像必須能夠觀測到現(xiàn)有的場景點，否則無法確定新幀的位置、姿態(tài)等參數(shù). 每當(dāng)有新的圖像加入進來時，就可以產(chǎn)生新的三角化的場景點. 三角化在SfM中非常關(guān)鍵，因為該步驟增加了新的場景點，從而增加了現(xiàn)有模型的冗余度. 4) 光束法平差. 圖像配準(zhǔn)和三角化都會產(chǎn)生誤差，因此需要通過光束法平差[27](bundle adjustment，BA)進行優(yōu)化. 光束法平差算法通過最小化重投影誤差優(yōu)化相機參數(shù).

1.2.3 基于多視角立體算法建立密集點云

基于SfM算法建立的稀疏點云采用多視角立體(multi-view stereo，MVS)算法建立密集點云[28].

MVS算法主要分為以下4種：基于三維體素的算法、基于表面演化算法、基于深度圖融合算法和基于面片的算法，其中基于深度圖融合算法通過對每張圖像對應(yīng)的深度圖進行融合來得到場景的密集點云，適應(yīng)于大場景重建，易于并行計算，獲得的點云較為稠密.

基于深度圖融合算法建立密集點云主要分為2步. 1) 為每個圖像建立深度圖. 應(yīng)用一個2級視圖選擇算法：在圖像級，全局視圖選擇為每個參考視圖識別一組好的鄰域圖像，用于立體匹配；在像素級，局部視圖選擇確定這些圖像的子集，從而產(chǎn)生穩(wěn)定的立體匹配，這個子集通常因像素而異. 2) 進行立體匹配，獲得優(yōu)化的參數(shù). 區(qū)域增長框架維護匹配候選的優(yōu)先隊列Q(R中的像素位置加上深度和法線的初始值). 然后，匹配候選成為匹配系統(tǒng)的輸入，系統(tǒng)使用局部視圖選擇提供的相鄰視圖計算深度、法線和匹配置信度. 如果匹配成功，數(shù)據(jù)將存儲在深度圖、法線圖和置信度圖中，R中的相鄰像素將作為新的候選像素添加到Q中.

1.2.4 基于表面重建算法建立網(wǎng)格

建立密集點云后，采用表面重建(surface reconstruction，SR)算法建立網(wǎng)格. SR算法的原理是基于點云構(gòu)建光滑的流形曲面[29].

SR算法主要分為2步：1) 構(gòu)建有符號的距離函數(shù). 所謂有符號的距離是一個點到離它最近的表面點的距離，這個距離是該點沿著表面點的法線距離，對于在物體外的點定義為正號，物體內(nèi)的點定義為負(fù)號. 2) 擬合多諧徑向基函數(shù)(radial basis functions，RBF). 這是SR算法的核心內(nèi)容，通過貪心算法完成：從插值節(jié)點中選擇一個子集，并僅對這些節(jié)點擬合RBF；計算所有節(jié)點上的殘差；如果最大殘差小于目標(biāo)精度，代表此RBF符合要求，則停止，否則就在殘差大的地方增加新的中心，重新擬合RBF并計算殘差.

1.2.5 基于紋理貼圖算法建立模型

建立網(wǎng)格后，采用紋理貼圖(texture mapping，TM)算法建立三維模型[30].

TM算法主要分為3步：1) 預(yù)處理. 通過執(zhí)行視域剔除來確定所有視圖和面的組合的可見性. 2) 選擇視圖. 選擇一個合適的視圖來進行紋理映射. 3) 調(diào)整顏色. 即進行連續(xù)性調(diào)整，第2步獲得的模型在面片之間包含許多顏色不連續(xù)性，采用全局調(diào)整、局部調(diào)整和泊松編輯來減少接縫的可見性.

至此，基于無人機影像的集料堆三維模型生成.

2 基于三角網(wǎng)法的體積計算

三角網(wǎng)是由一系列但不重疊的連續(xù)三角形構(gòu)成的網(wǎng)狀面片，三角形要求遍歷點云數(shù)據(jù)中的所有點，取出每一個網(wǎng)上的三角形向XOY平面投影即可構(gòu)建一個類似三棱柱的不規(guī)則柱. 底面積與3條棱高的平均值的積即為此不規(guī)則柱的體積，累加所有不規(guī)則柱的體積即為整個目標(biāo)的體積[31]. 具體步驟如下.

1) 基于點云構(gòu)建不規(guī)則三角網(wǎng). 運用Delaunay三角網(wǎng)生長算法，由初始三角形逐漸向外擴展生成新的三角形，直到所有的三角形都已生成完畢.

2) 將不規(guī)則三角網(wǎng)投影至XOY平面，構(gòu)建不規(guī)則柱，如圖3所示，△abc向XOY平面投影得到△a0b0c0，2個三角形的頂點坐標(biāo)分別為a(x1,y1,z1)、b(x2,y2,z2)、c(x3,y3,z3)、a0(x1,y1, 0)、b0(x2,y2, 0)、c0(x3,y3, 0).

圖3 不規(guī)則柱的投影圖Fig.3 Projection diagram of irregular column

3)根據(jù)

計算位于XOY平面上的不規(guī)則柱的底面積.

4)根據(jù)

計算不規(guī)則柱的平均棱高.

5)不規(guī)則柱的體積即為

V=S△a0b0c0×h

3 工程應(yīng)用實例

3.1 測區(qū)及設(shè)備介紹

本次實驗區(qū)域為北京市政路橋建材集團懷柔瀝青廠室外倉庫，地理位置為東經(jīng)116.68°，北緯40.36°，實驗區(qū)域如圖4所示.

圖4 實驗區(qū)域Fig.4 Experiment area

根據(jù)《低空數(shù)字航空攝影規(guī)范》(CH/Z 3005—2010)中對飛行平臺關(guān)于飛行高度、續(xù)航能力、抗風(fēng)能力、導(dǎo)航定位GPS等要求和對數(shù)碼相機關(guān)于像素、最高快門速度、檢校等要求，確定了本文中用于航拍的無人機——大疆“御”Mavic Pro，這是一款多旋翼無人機，主要由飛行系統(tǒng)和航拍攝影系統(tǒng)組成，擁有前視視覺系統(tǒng)與下視視覺系統(tǒng)，具備自主避障功能，有效像素為1 235萬，最大水平飛行速度可達(dá)65 km/h，綜合續(xù)航時間21 min，適用于地面有豐富紋理、光照條件充足的環(huán)境. 計算機工作站中央處理器型號為Intel Xeon E5-2630 v4，圖形處理器型號為GeForce GTX 1080ti. 三維重建與體積測算采用Agisoft Metashape軟件，這是一款俄羅斯公司開發(fā)的三維重建軟件，具有全自動、操作簡單、重建質(zhì)量高的優(yōu)點.

3.2 測量方案設(shè)計

由于室外條件開闊，無樹木等遮擋，故采取自動飛行的方法進行影像采集. 基于無人機傾斜攝影影像進行三維重建要求航向重疊度達(dá)到70%以上，旁向重疊度達(dá)到60%以上. 在DJI Pilot APP中，劃分出室外倉庫所在區(qū)域作為測區(qū)，設(shè)置以下飛行參數(shù)：云臺俯仰角度為-60°、拍照模式為等時間隔拍照、飛行高度為30 m、航線速度為2 m/s、航向重疊率為80%、旁向重疊率為70%，參數(shù)設(shè)置好后無人機按照規(guī)劃好的航線自主飛行并等時間間隔拍攝影像. 為了避免天氣對影像造成不良影響，選擇在光照條件較好但不宜太過劇烈、無風(fēng)或微風(fēng)時進行拍攝. 共有5條航線，圖5為航線示例，收集照片546張，集料影像圖如圖6所示，其中黑色區(qū)域為瀝青集料，白色區(qū)域為倉庫旁小徑.

圖5 測區(qū)航線示例(共5條)Fig.5 Example of routes in the survey area (five routes in total)

圖6 無人機所攝影像圖示例Fig.6 Example of images by UAV

3.3 三維重建

在Agisoft Metashape軟件中進行三維重建，主要步驟如下：

1) 加載照片，可選擇添加照片/添加文件夾，將無人機影像導(dǎo)入軟件中；

2) 對齊照片，在對話框中設(shè)置精度、關(guān)鍵點限制、連接點限制等參數(shù)，軟件將基于SfM算法生成稀疏點云；

3) 建立密集點云，在對話框中設(shè)置精度、篩選模式等參數(shù)，軟件將基于MVS算法生成密集點云；

4) 生成網(wǎng)格，在對話框中選擇源數(shù)據(jù)為“密集點云”，軟件將基于密集點云數(shù)據(jù)生成光滑曲面；

5) 生成紋理，軟件將影像紋理信息賦予生成的光滑曲面，形成具有真實紋理的三維模型；

6) 生成數(shù)字高程模型(digital elevation model,DEM)，DEM描述了地面高程信息，在體積計算中具有重要作用.

在三維重建過程中，軟件的參數(shù)會對模型精度和工作量有較大影響，初始三維重建模型參數(shù)設(shè)置如下：對齊照片精度設(shè)置為最高，關(guān)鍵點限制設(shè)置為40 000，連接點限制設(shè)置為4 000，密集點云生成的精度設(shè)置為最高，篩選模式均選擇輕度，最后基于密集點云生成DEM，各步驟所得結(jié)果如圖7所示.

將圖7(c)集料DEM模型與圖4實驗區(qū)域的衛(wèi)星圖作對比可以發(fā)現(xiàn)，集料的大致形狀相同，而基于無人機影像所形成的三維模型反映了集料的實時狀態(tài)，衛(wèi)星圖一般以年為時間更新，這導(dǎo)致二者之間并不完全一致.

為了探究參數(shù)設(shè)置對測量精度和效率的影響，將模型對齊照片精度和密集點云生成精度分別設(shè)置為最低、低、中、高、最高，分析比較5種方案中模型的體積計算結(jié)果與生成時間.

圖7 三維重建各步驟結(jié)果Fig.7 Results of each step of 3D reconstruction

3.4 體積計算

根據(jù)倉庫情況將集料堆DEM模型分為5個區(qū)域，如圖8所示，分別進行體積計算. 主要方法為：在DEM上密集選取集料邊界點，形成一個封閉形狀，對邊界點高程值進行分析，選擇高程閾值，通過高程閾值區(qū)分地面點與集料點，高程高于高程閾值者為集料點，高程小于高程閾值者為地面點，計算封閉形狀內(nèi)點云的體積即為集料體積.

根據(jù)初始三維重建的結(jié)果計算得到5個區(qū)域的體積值分別為：4 192.0、2 609.2、1 651.1、1 173.9、1 341.0 m3，此室外倉庫集料堆總體積為10 967.2 m3.

圖8 倉庫分區(qū)Fig.8 Warehouse partitioning

4 結(jié)果分析

4.1 測算結(jié)果分析

傳統(tǒng)人工測量方法為測量長、寬、高后乘以經(jīng)驗系數(shù)得到體積，該方法存在耗時大、誤差較大、準(zhǔn)確率不足的缺點. 為驗證無人機傾斜攝影技術(shù)體積測算方法的準(zhǔn)確性，將無人機技術(shù)測算的體積與集料入庫數(shù)據(jù)進行對比，計算其相對誤差，如表1所示.

表1 無人機技術(shù)體積計算結(jié)果與入庫數(shù)據(jù)對比

由表1分析可知，無人機傾斜攝影技術(shù)測算的集料體積與集料入庫數(shù)據(jù)相差不大，相對誤差控制在15%以內(nèi)，滿足測量的實際需求. 經(jīng)分析，誤差主要與以下因素相關(guān)：1) 無人機精度. 衛(wèi)星距離地面太過遙遠(yuǎn)，不可避免地會造成GPS誤差，影響無人機精度. 2) 相機參數(shù). 相機畸變參數(shù)會對航測精度造成影響. 3) 飛行高度. 飛行影像中飛行高度越低，精度越高. 4) 建模精度. SfM算法進行模型重建時會出現(xiàn)誤差，在飛行高度為30 m時，水平誤差和垂直誤差為3 cm左右，約為高度的1/1 000. 5) 計算誤差. 在進行體積計算時，采用的是基于密集點云構(gòu)建三角網(wǎng)，進而計算不規(guī)則柱體積的方法，而不規(guī)則三角網(wǎng)表面與集料真實表面仍有一定差距.

在表1中，與其他區(qū)域無人機技術(shù)結(jié)果高于入庫數(shù)據(jù)不同，區(qū)域3的無人機測算體積低于入庫數(shù)據(jù)，經(jīng)分析是因為區(qū)域3的邊界為曲線形狀且不明顯，導(dǎo)致選取集料邊界點時未能將部分集料歸入，造成了無人機測算體積過小. 這帶來了以下啟示：1)選取邊界點時，盡可能貼合集料邊界形狀，在曲線邊界處，特別要加密選點. 2) 選取測區(qū)利用無人機獲取影像數(shù)據(jù)時，在完全覆蓋倉庫的基礎(chǔ)上稍稍擴大測區(qū)，力求完整呈現(xiàn)出集料的三維模型.

相較于傳統(tǒng)人工測量方法，基于無人機技術(shù)進行瀝青集料體積測算具有很多優(yōu)勢，如成本低、速度快、精度高等. 傳統(tǒng)測量方法耗費時間長、人力成本高、受人為因素影響較大，僅適合對較為規(guī)則的集料堆進行測量. 而無人機攝影測量技術(shù)降低了外業(yè)任務(wù)的難度和工作量，內(nèi)業(yè)任務(wù)也具有自動化、操作簡單的優(yōu)點，對瀝青集料具有很好的實用性.

4.2 測量精度分析

集料堆是人為微地形，其形狀、大小差異較大，測量的精度要求較高. 對于相同的影像集，將生成模型的參數(shù)分別設(shè)置為最高、高、中、低、最低5個等級，以參數(shù)設(shè)置為最高的模型結(jié)果為基準(zhǔn)，探究模型參數(shù)設(shè)置對模型精度造成的影響.

由表2可以看出對同一無人機影像集，模型參數(shù)設(shè)置由最高降到最低時，集料堆體積計算結(jié)果相對誤差較小，在2.5%以內(nèi)，可認(rèn)為模型參數(shù)設(shè)置對最終的計算結(jié)果并未產(chǎn)生顯著影響. 經(jīng)分析，原因在于影響計算結(jié)果的直接因素是DEM的分辨率，而

表2 不同參數(shù)模型的計算結(jié)果及誤差

即使模型參數(shù)設(shè)置為最低時，模型的分辨率仍有0.6 m，相對于集料規(guī)模而言，0.6 m為比較精確的尺度，所以模型參數(shù)并未對集料體積產(chǎn)生顯著影響. 模型參數(shù)不同時DEM模型對料堆邊緣部分處理不同，故相對誤差的主要來源是DEM模型邊緣誤差的抵消和積累.

4.3 測量效率分析

由于三維重建過程中對齊照片和建立密集點云2個步驟最為耗時，故統(tǒng)計在不同模型參數(shù)設(shè)置下，對齊照片和生成密集點云所耗費的時間，探究模型參數(shù)設(shè)置對模型效率的影響.

由表3可以看出當(dāng)模型參數(shù)設(shè)置從最低逐漸提高時，每提高一個等級，生成模型的時間就成倍增加，參數(shù)設(shè)置越高，耗費的時間越長. 當(dāng)模型參數(shù)設(shè)置為最低時，生成模型所需時間最短，只需要5 min左右，這大大降低了內(nèi)業(yè)作業(yè)所耗費的時間. 當(dāng)測量區(qū)域較大時，這對無人機傾斜攝影技術(shù)在瀝青集料堆體積測算技術(shù)的工程應(yīng)用具有十分重要的實際意義.

表3 不同參數(shù)模型的建模時間

5 結(jié)論

本文針對瀝青集料堆體積測算與可視化管理問題，提出了一種基于無人機攝影測量技術(shù)的集料體積測算方法，并對北京市政路橋建材集團懷柔瀝青廠室外倉庫的集料堆進行了測量實驗，得出了以下結(jié)論：

1) 該方法可快速獲得集料堆三維模型，有利于管理人員從宏觀上了解集料的剩余量和分布情況，改變了傳統(tǒng)的人工盤點方式，實現(xiàn)瀝青集料堆的可視化、智能化管理，具有較高的實用價值.

2) 該方法可準(zhǔn)確地獲得集料堆總體積，與入庫數(shù)據(jù)的相對誤差小于15%，滿足測量的實際需求.

3) 模型參數(shù)設(shè)置對體積計算結(jié)果無顯著影響，但模型參數(shù)設(shè)置的算法精度越高時，生成模型所需的時間就越長. 當(dāng)模型參數(shù)設(shè)置為最低時，時間成本最低，效率最高，在實際應(yīng)用中具有重要意義.

基于無人機攝影測量技術(shù)快速測算集料堆體積的方法雖然有效提高了測量的精度和速度，但也存在一些局限性，該方法只能應(yīng)用于室外倉庫，對室內(nèi)封閉倉庫的集料體積測算存在困難. 因此室內(nèi)倉庫集料堆如何進行體積測算，是未來的研究方向.