劉飛鵬

(江西核工業(yè)測繪院集團有限公司, 江西 南昌 330199)

0 引言

近年來,實景三維(three-dimensional,3D)模型應用領域越來越廣泛,包括數(shù)字城市[1]、城市規(guī)劃[2]、國土資源[3]和文化遺產(chǎn)[4]等鄰域。消費型無人機(unmanned aerial vehicle,UAV)傾斜攝影測量技術,通過自動或半自動化處理影像數(shù)據(jù)后可生成具有真實坐標、可供量測的實景三維模型,減少人工投入、降低成本[5-6]。

由于無人機受到外界因素影響,導致飛行姿態(tài)不穩(wěn)定,獲取數(shù)據(jù)難以滿足精度要求,在地形復雜情況下表現(xiàn)突出。相關學者從數(shù)據(jù)獲取、數(shù)據(jù)處理等不同方面改進作業(yè)流程,以提高數(shù)據(jù)精度。盛輝等提出復雜區(qū)域傾斜攝影的航線規(guī)劃方法,通過合理規(guī)劃航線避免由于建筑物遮擋導致獲取數(shù)據(jù)存在漏洞問題[7]。陳仁朋等提出序列無人機影像的精細化三維模型精度評估方法,該方法通過多個不同的影像畸變模型組合,迭代處理影像畸變直到影像畸變系數(shù)穩(wěn)定[8]。張春森等針對消費型無人機難以保持勻速飛行,提出曝光延遲的光束法區(qū)域網(wǎng)平差方法,通過引入曝光延遲模型消除由于無人機飛行速度不穩(wěn)定導致空三精度低于理論精度問題[9]。鞏丹超等提出線性特征約束的建筑物密集匹配方法,通過影像邊緣直線特征約束全局能量計算,能夠有效地保留建筑物邊界同時估計建筑物附近地形地貌[10];張春森等提出基于多個原則剔除多余影像數(shù)據(jù),并自動建立建筑物側面與多視影像最優(yōu)紋理選擇關系[11]。上述方法,分別從傾斜影像數(shù)據(jù)獲取、影像畸變糾正、平差處理、密集匹配以及紋理映射等單一關鍵環(huán)節(jié)進行改進,獲取精度提升有限。

針對消費型無人機在復雜區(qū)域三維重建精度難以保證問題,本文采用消費型無人機飛馬D2000搭載高精度定位、定姿儀器獲取多視影像數(shù)據(jù),通過多視影像畸變糾正消除多視影像畸變誤差;然后,結合多視影像連接點提取與帶有相對姿態(tài)參數(shù)的光束法區(qū)域網(wǎng)平差方法解算影像精確的姿態(tài)數(shù)據(jù)與加密點坐標;最后,通過外業(yè)點驗證消費型無人機在復雜區(qū)域三維重建的精度。該方法可有效減少外業(yè)像控測量點數(shù)量,同時滿足項目精度要求。

1 消費型無人機在復雜區(qū)域三維重建關鍵技術

1.1 影像畸變改正

數(shù)碼相機在鏡頭加工、安裝以及成像環(huán)境導致攝影時刻獲取影像與設計理論點位存在畸變誤差,通常需進行畸變改正處理。常用的畸變參數(shù)糾正模型,利用簡單的物鏡徑向畸變、切向畸變與相機內(nèi)方位元素表示,畸變參數(shù)糾正模型[12]如式(1)所示。

(1)

其中,ki,i=1,2,3表示鏡頭徑向畸變系數(shù);p1、p2表示鏡頭偏向參數(shù);r表示像點與像主點距離。

由于畸變參數(shù)模型難以改正普通數(shù)碼相機的影像畸變誤差,文中采用畸變參數(shù)模型與格網(wǎng)畸變結合的方式對多視影像數(shù)據(jù)進行畸變處理。該方法首先需要建立數(shù)碼相機影像糾正格網(wǎng)，然后對每個小格網(wǎng)計算畸變參數(shù)模型,格網(wǎng)內(nèi)像素的畸變參數(shù)利用格網(wǎng)畸變參數(shù)計算得到,通過逐個格網(wǎng)參數(shù)計算,生成整個數(shù)碼相機影像畸變改正信息,保障后期測繪的高精度。

1.2 多視空三處理

利用飛行平臺上搭載高精度的全球導航衛(wèi)星系統(tǒng)(global navigation satellite system,GNSS)與慣性測量單元接收機,獲取高精度位置、姿態(tài)(position and orientation system,POS)數(shù)據(jù)可近似獲取影像高精度外方位元素,進而建立多視影像數(shù)據(jù)間相對空間位置關系[13]。首先,利用歸一化相關系數(shù)結合最小二乘的影像匹配方法進行匹配獲取下視影像間同名點坐標;然后,將下視影像前方交會獲取像點對應的物方空間坐標,結合影像畸變參數(shù)、高精度POS數(shù)據(jù),依據(jù)共線方程原理將物方坐標反投影到待匹配的傾斜影像上,獲取待匹配點的初始位置;最后,利用影像間初始幾何關系及影像核線關系進行多策略約束獲取多視影像初始同名特征點[14];對于匹配點集中存在的誤匹配點數(shù)據(jù),通過5點法相對定向模型采用隨機采樣一致性方法估算多視影像間對應關系,并剔除粗差較大的點,對于多余2度的重疊點數(shù)據(jù),通過兩兩前方交會的方式,進一步剔除物方殘差較大的像方點坐標,獲取最終多視影像同名點集。

多視影像光束法區(qū)域網(wǎng)平差是一種嚴密的平差方法,但該方法需要解算的未知參數(shù)過多,導致出現(xiàn)求解參數(shù)不穩(wěn)定問題。考慮多視鏡頭在短時間內(nèi)安裝參數(shù)相對穩(wěn)定,可以僅考慮曝光時刻下視影像姿態(tài)數(shù)據(jù)參與平差,大大減少待求未知參數(shù)[15]。

利用多視影像下視姿態(tài)參數(shù)、側視影像相對下視影像相對姿態(tài)參數(shù)以及多視影像連接點坐標,通過帶有相對姿態(tài)參數(shù)的光束法區(qū)域網(wǎng)平差方法進行多視影像平差處理,生成精確的外方位元素與加密點物方空間坐標。

1.3 紋理映射

對于多視密集匹配生成密集點云數(shù)據(jù)需要進行紋理自動映射處理,獲取最終的實景三維模型結果。紋理映射需要建立三維坐標點(x,y,z)與二維多視影像坐標點(u,v)間數(shù)學關系,紋理映射目標建立三維區(qū)域的二維影像參數(shù)模型,將隱式方程轉化為參數(shù)方程可以表示為

(3)

通過式(3)獲取的映射關系可以簡化為

(x,y,z)?(m,n)?(u,v)

(4)

通過一個或多個范圍[0,1]的參數(shù)獲取二維影像與三維模型間的映射關系,獲取三維點云數(shù)據(jù)對應紋理影像,最終生成實景三維模型。

2 工程實驗

2.1 項目概況

為了驗證消費型無人機在復雜區(qū)域三維重建精度,本文選取位于云貴高原上某自然風景區(qū),面積約為3.56 km2,測區(qū)地形起伏大,整體為山地地形,最高點海拔約2 515 m,最低點海拔約350 m,測區(qū)地形高差變化在2 200 m左右,其中,測區(qū)中部主峰為典型的喀斯特地貌,主峰垂直高差達百米;峰林間落差300～400 m,測區(qū)植被覆蓋面積廣,天氣變化較大。由于測區(qū)植被覆蓋率高,像控點只能沿景區(qū)硬化路面布設,導致像控不能覆蓋全區(qū)。采用實時動態(tài)差技術(real-time kinematic,RTK)采集外業(yè)點12個,其中6個用于空三控制點,其余為檢查點。

2.2 數(shù)據(jù)獲取

由于測區(qū)地形起伏較大,為獲取全區(qū)分辨率優(yōu)于4 cm,峰頂處分辨率優(yōu)于3 cm的傾斜影像,避免分辨率相差較大影響空三及三維實景模型精度;考慮地形高差、山脊線、起飛降落點等因素,最終將測區(qū)劃分5個區(qū)域,并在航飛時保證各分區(qū)間重疊度大于70 m。在5個航飛分區(qū)內(nèi)分別利用事先獲取的精確數(shù)字高程模型數(shù)據(jù),采用仿地飛行,獲取多視影像數(shù)據(jù)約18 000張。同時,為了保證建筑物基頂部高差精度小于等于15 cm,建筑物其他平面特征平面精度小于30 cm,本項目對測區(qū)中心位置增設了一架次的航線,具體分區(qū)情況,如圖1所示。

圖1 測區(qū)劃分

2.3 數(shù)據(jù)處理

由于測區(qū)天氣多變,獲取無人機影像數(shù)據(jù)存在霧霾及色調(diào)不均情況,此外相機的畸變也會引起相對定向誤差過大,從而影響空三精度,甚至導致空三平差無法進行,因此需進行影像勻光、勻色及去畸變。D2000配置高精度差分GNSS板卡,同時標配網(wǎng)絡RTK解算服務,支持高精度POS輔助空三。由于采用多個分區(qū)獲取多視影像數(shù)據(jù),首先對不同區(qū)域影像分別進行自由網(wǎng)的光束法區(qū)域網(wǎng)平差處理,確保區(qū)域內(nèi)部多視影像誤差分布一致;然后,將所有影像合并為一個區(qū)域網(wǎng),并在不同區(qū)域接邊處手動添加連接點坐標,確保不同區(qū)域間連接誤差滿足指標要求;最后,引入像控點數(shù)據(jù)進行絕對定向處理。多視影像區(qū)域網(wǎng)平差效果,如圖2所示。

圖2 空三成果

在滿足空三精度指標后,利用瞰景Smart3D軟件進行多視影像密集匹配、三維不規(guī)則三角網(wǎng)(triangulated irregular network，TIN)網(wǎng)格構建、創(chuàng)建三維模型白模和紋理自動映射等,生成的實景三維模型成果。由于影像數(shù)據(jù)多為復雜紋理,特征匹配較為困難,此外山間狹窄縫隙、陰暗面和樹林茂密處點云匹配錯誤率較高,易造成模型三角面破損和紋理拉花,因此需要對三維模型進行修飾,最終生成實景三維效果，如圖3所示。

圖3 實景三維模型成

2.4 精度驗證

多視影像數(shù)據(jù)空三結束后,為了確保空三精度滿足規(guī)范要求,利用外業(yè)像控點數(shù)據(jù)、檢查點數(shù)據(jù)進行空三精度驗證,具體計算每個外業(yè)點X、Y、Z三個方向誤差,并統(tǒng)計每個方向的中誤差以及最大誤差。具體空三精度統(tǒng)計結果見表1,由表1可知,控制點數(shù)據(jù)X方向最大誤差為0.036 m、中誤差為0.029 m,Y方向最大誤差為0.023 m、中誤差為0.017 m,高程方向最大誤差為0.019 m、中誤差為0.015 m,符合《數(shù)字航空攝影測量空中三角測量規(guī)范》[16]國家標準要求。檢查點數(shù)據(jù)X方向最大誤差為0.067 m、中誤差為0.046 m,Y方向最大誤差為0.061 m、中誤差為0.041 m,高程方向最大誤差為0.073 m、中誤差為0.057 m,符合《數(shù)字航空攝影測量空中三角測量規(guī)范》國家標準要求。

表1 空三精度檢查 單位：m

實景三維模型的平面精度和高程精度評定,將實地測量的控制點量測坐標與模型上對應控制點的模型坐標進行對比見表2。由表2可知,三維模型精度X方向最大誤差為0.125 m、中誤差為0.075 m,Y方向最大誤差為0.091 m、中誤差為0.059 m,高程H方向最大誤差為0.094 m、中誤差為0.074 m,并且每個方向上誤差分布不存在過大誤差,滿足《三維地理信息模型數(shù)據(jù)規(guī)范》[17]規(guī)范要求。

表2 模型精度統(tǒng)計 單位：m

3 結束語

本項目借助飛馬D2000無人機搭載D-op3000相機,采用差分GNSS技術,解算獲取高精度POS數(shù)據(jù),經(jīng)過多視影像畸變改正以及附有相對姿態(tài)參數(shù)的光束法區(qū)域網(wǎng)平差解算,生成多視影像高精度的姿態(tài)數(shù)據(jù),利用瞰景Smart3D軟件多視密集匹配與紋理映射模塊生成高精度三維實景模型。通過該設備在山區(qū)復雜地形測區(qū)中的應用,驗證消費型無人機在復雜區(qū)域三維重建可行性,為相關工程應用提供參考。