于 翔,包 瓊

(1.三和數(shù)碼測繪地理信息技術(shù)有限公司,甘肅 天水 741000; 2.甘肅省土地開發(fā)整理中心,蘭州 730000)

0 引言

在信息技術(shù)、傳感器等先進技術(shù)的推動下,城市數(shù)字化表征已經(jīng)由2D逐步向三維轉(zhuǎn)變,城市開發(fā)與建設(shè)呈現(xiàn)出大尺度、立體等特征。相對于2D圖像,三維圖像的信息更多、更逼真,可為人們提供更多的互動機會,因此快速、精確地構(gòu)建出一個具有實際應用價值的城市3D數(shù)據(jù)具有重要意義。常規(guī)的人工建模方式需大量人工參與,采集的數(shù)據(jù)受限于設(shè)備布置,費用高,效率低,而三維激光掃描技術(shù)的應用可以很好地彌補人工測量的缺陷,令測量結(jié)果的精度大大提高。但掃描后的點云存在大量的冗余性,導致其處理效率低下,存在計算復雜等問題,且成本較高,不適用于大城市。近年來,斜視影像技術(shù)不斷發(fā)展減少了人為因素的影響,覆蓋區(qū)域更廣,紋理圖像的真實感更高,能夠快速、有效、精確地得到城市3D模型,是城市規(guī)劃及管理的重要技術(shù)。試驗中,將傾斜照相與地基點云相結(jié)合來建立模型,采用雙目斜視照相技術(shù),對測區(qū)內(nèi)有檐口的典型建筑進行拍攝,采用機架式3D激光掃描器,對該建筑進行多個站點的多角度成像,在此基礎(chǔ)上利用 ContextCapture軟件,對已獲得的空間三次加密點云數(shù)據(jù)與已有的激光點云數(shù)據(jù)進行處理,與已有的空間三次加密數(shù)據(jù)處理結(jié)果進行比較,其技術(shù)路線如圖1所示[1]。

圖1 技術(shù)路線

1 傾斜攝影與地面激光點云的結(jié)合

傾斜照相技術(shù)是一種有效、快速、準確的城市建筑及地形圖像成像方法,但因其飛得較高,極易被草木、屋檐等遮擋,導致地面紋理信息丟失,從而影響其在三次空三(Airbnb)中的點云數(shù)據(jù)質(zhì)量,而利用地基3D激光掃描與斜射照相測量相結(jié)合的方法彌補了圖像點云盲區(qū)。激光點云具有激光點云密集、高精度、空域三密點云構(gòu)建高效等優(yōu)點,二者相結(jié)合可保障制作效率,保持傾斜影像中受遮擋區(qū)域的點云完整,提升模型精度[2]。

1.1 坐標配準

1.1.1 激光點云配準

激光點云對齊是將掃描儀上的各個站點經(jīng)點云拼接后由兩個站點的掃描坐標系相互轉(zhuǎn)化為一個坐標系的方法,由于觀測角度的局限性,測量區(qū)域內(nèi)必須有多個站點同時測量,而每個站點又具有單獨的測量坐標。點云匹配的主要工作是把各個站點之間的不同坐標系轉(zhuǎn)化為相同的坐標系。點云 A,B,P(X,Y,Z),Q(x,y,z),其中 P、Q分別為同一點在兩個測量點上的坐標,為兩個測量點匯聚在一起,代表兩個測量點位置一致的點對,其匹配目標是(P,Q)、(R,T),公式如下:

X

Y

Z=R

X

Y

Z+T

式中,R為旋轉(zhuǎn)正交矩陣,滿足RT=R-1=|R|=±1。T為平移矩陣。以上公式是配準的基本公式。試驗過程中必須將臺網(wǎng)的掃描數(shù)據(jù)轉(zhuǎn)化為絕對坐標,主要以控制點為基礎(chǔ)進行單臺網(wǎng)的配準。按照測區(qū)中現(xiàn)有的測量結(jié)果進行封閉導線,以保證控制網(wǎng)能夠得到有效覆蓋。將目標置于兩個臺之間的交界處,利用掃描器進行多個臺站的掃描,獲取目標的掃描坐標(x,y,z),利用全站儀獲取目標的中心位置獲取目標的絕對坐標(X,Y,Z),通過2組座標及座標轉(zhuǎn)換公式獲得座標轉(zhuǎn)換參數(shù),以完成激光點云的配準,并將掃描座標轉(zhuǎn)換到絕對座標體系下。這一過程是在一個能夠?qū)c云數(shù)據(jù)進行降噪及配準的軟件Faroscene中完成的,配準后的點云如圖2所示[3]。

圖2 點云配準

1.1.2 絕對定向

絕對定位是通過影像控制點的坐標來決定相對定位模式的方向與比例的過程,當目標定位完成后,圖像間的相對方位要素已被確定,但是卻無法得到圖像在空間上的絕對方位,因此必須通過前向交匯來建立類似于地面的三維模型。絕對定向是地面布置的像控點坐標作為已知點,將已相對取向好的模型進行旋轉(zhuǎn)、縮放及平移,使其與地面量測的數(shù)據(jù)相符,在模型中構(gòu)建地面坐標體系。在測區(qū)內(nèi),由于要把三次空密所產(chǎn)生的點云數(shù)據(jù)放入地表絕對坐標系,故必須布設(shè)象控點。利用全站儀測量像控點的坐標及其絕對方位,把由傾斜照相得到的點云放入大地絕對坐標體系中。絕對方向的處理是在文本編碼器軟件中完成的[4]。

1.2 點云融合及三維建模

利用 ContextCapture對數(shù)據(jù)進行處理,合同模型支持多個數(shù)據(jù)源的融合,通過激光點云的配準與絕對定位,將激光點云與空三密點云數(shù)據(jù)統(tǒng)一在一個坐標系下,通過 ContextCapture實現(xiàn)兩類點云的融合,在此基礎(chǔ)上構(gòu)造出一個三角形網(wǎng)絡(luò),對其進行光滑、簡化,實現(xiàn)傾斜照片圖像的紋理自動繪制,從而實現(xiàn)高精度3D建模,具體方法如下:新建項目并導入影像。點擊“surveys”選項,導入像控點坐標并進行刺點,在波束法的區(qū)域網(wǎng)絡(luò)中加入像素點的坐標,實現(xiàn)空基三密點云在絕對坐標系中的應用。圖3為融合激光點云前的空域三次加密點云[5]。按“pointclouds”,在絕對坐標系中把點云數(shù)據(jù)輸入到ContextCapture中,單擊“3D視圖”,查看二者的點云匹配情況,經(jīng)過檢測,這兩個點云已經(jīng)完全融為一體且在同一個坐標系中。融合后點云如圖4所示。

圖3 空三加密點云

圖4 融合后點云

提出重構(gòu)任務,確定重構(gòu)區(qū)域,因為這一次的數(shù)據(jù)很少,所以不必對其進行劃分。提交重建任務,選取三維模型,生產(chǎn)融合后的三維模型成果[6]。

1.3 精細度對比

將僅利用傾斜照片生成的三維模型及以二者為基礎(chǔ)的點云融合生成的三維模型之間的細節(jié)進行對比。點云融合前后生成的三維模型各方位視圖如圖5、圖6所示。通過比較發(fā)現(xiàn),在屋檐的阻擋作用下,對應部位的傾斜拍攝模式發(fā)生了顯著的畸變,通過與地基激光點云的融合,有效解決了該地區(qū)的形變問題,改善了模型精度。

圖5 傾斜攝影模型

2 傾斜攝影測量的關(guān)鍵技術(shù)

2.1 傾斜影像匹配

在3D模型構(gòu)建中,傾斜影像可分為兩類,即方向上的稀疏匹配和3D重建的稠密匹配。稀疏匹配要求匹配點的分布更加均勻,失配程度更小。由此提出了一種新的圖像匹配方法,利用無人駕駛飛機、飛船等進行傾斜照相,其自身重量輕,流場不穩(wěn)定,會引起航姿數(shù)據(jù)的不穩(wěn)定。在復雜地形條件下,影像的幾何形變及目標尺度改變尤為顯著。目前,基于SIFT的特征匹配算法無法有效解決因角度較大導致的尺度不一致問題,采用固定窗方法得到的圖像特征與實際圖像特征之間存在著較大的偏差且精度較低,針對這一問題,人們已提出了多種方法。基于卷積神經(jīng)網(wǎng)絡(luò)的深度語義特征可以被有效地挖掘出來,突破傳統(tǒng)的人工選擇方法的限制,實現(xiàn)超高的匹配準確率[7]。

2.2 多視點圖像區(qū)域網(wǎng)絡(luò)調(diào)整

在對多視角傾斜影像進行協(xié)同校正時需解決因視角改變造成的影像幾何形變及遮擋等問題。采用圖象匹配方法確定出一幅傾斜圖象的原始特征點,利用最小二乘法、相似度測度及對極法等對極法進行限制,通過對兩個特征點的匹配,實現(xiàn)兩個特征點的同步調(diào)節(jié)。目前,飛機傾斜航拍系統(tǒng)一般都裝有一個 POS系統(tǒng),以便得到一個多攝像機的姿態(tài)信息。主要研究內(nèi)容包括:①非限制的聯(lián)合定向算法。每幅影像采用單獨的外定向因子,同一攝像機多幅影像采用共用的內(nèi)定向因子。該算法存在很多未知變量,需要很長時間的運算。②一種額外的相對限制方向法。在相同的相機位置上把多臺相機整合成一個調(diào)節(jié)裝置,在調(diào)節(jié)裝置中加入相機間的相關(guān)性,以限制信息的形式進行波束調(diào)節(jié)。該算法具有降低未知量,使網(wǎng)格型式更穩(wěn)定的優(yōu)勢。③直接定位方法。使用AirTwin-III測量俯視影像的方位因子,并使用俯視攝影機的轉(zhuǎn)動及移動參數(shù),測量斜視影像的方位因子。本研究提出的方法是最簡便的,但精度較差,無法完全發(fā)揮多種傳感器的優(yōu)勢。根據(jù)各種調(diào)節(jié)方式的特性,為了取得較好的調(diào)節(jié)結(jié)果,一般會選擇聯(lián)合調(diào)節(jié)方式。

3 三維重建關(guān)鍵技術(shù)

3.1 點云三維構(gòu)網(wǎng)

點云的三維結(jié)構(gòu)要建立一種“白”的空間結(jié)構(gòu),而“白”又是一種“白”的空間結(jié)構(gòu),是進行紋理繪制的數(shù)據(jù)依據(jù)。點云三維模型的建立通常采用兩種方式:①以幾何重建為基礎(chǔ),從點云中抽取出具有幾何意義的特征(如特征線、特征面、特征點等)。對于利用點云數(shù)據(jù)獲取物體曲面模型而言,該方法還存在不足。②利用點云中的坐標信息,通過直接或間接構(gòu)建曲面實現(xiàn)曲面的逼近,在此基礎(chǔ)上將點云信息應用于物體的曲面建模中,這是目前應用最廣的一種重構(gòu)方法。本研究主要討論了三角網(wǎng)格的構(gòu)建及隱式函數(shù)的構(gòu)建。網(wǎng)狀結(jié)構(gòu)可以用二進制(K,V)來描述,K代表網(wǎng)狀結(jié)構(gòu)的拓撲結(jié)構(gòu)?，F(xiàn)有的曲面重構(gòu)算法雖然對點云的高密度、高噪音等都有較強的抗干擾能力,但生成的三角形網(wǎng)格過于光滑,無法保持圖像的輪廓信息。城市建筑物的邊界特征十分突出,故提出一種新的三角形網(wǎng)格劃分方法。Delaunay三角形網(wǎng)格是在 Voronoi圖形中將鄰近的多邊形中心與共同的邊緣連接起來,它是一個無外接圓周性質(zhì),即任意一個三角形的外接圓周中沒有其他數(shù)據(jù)點。最小角總和與最大性質(zhì)為:德勞納三角網(wǎng)中最小角總和與最大角總和,這兩種特性為構(gòu)造 Delaunay三角網(wǎng)提供了一種新的、高效的、能保證其生成的方法。從點云的密集程度、運算復雜性等方面考慮,Delaunay網(wǎng)絡(luò)可劃分為3種類型,其中分治方法采用遞歸式劃分點云,構(gòu)建子集點云,再逐步融合子三角形網(wǎng)絡(luò),但這種方法對存儲空間的要求很高,且計算效率不高。該算法通過對點云中的每一個點進行標定,對每一個點進行遍歷,尋找含有該點的三角,從而建立一個網(wǎng)格化模型,剔除含有特定個數(shù)的三角。這種算法健壯性強,占用的存儲空間少,但時間利用率不高[8]。

3.2 點云紋理映射

三維網(wǎng)格模型不能有效地表示真實對象,且不具有可識別性。目前,紋理制圖技術(shù)存在以下問題:如何選取最優(yōu)圖像,通過一定的測度指數(shù)對其進行篩選。如何準確地對紋理進行分類。針對上述問題,提出了基于結(jié)構(gòu)相似性的紋理分類算法。該算法通過改進的層次聚類算法對網(wǎng)格模型進行分類,通過計算網(wǎng)格模型間的結(jié)構(gòu)相似性實現(xiàn)對網(wǎng)格模型的分類。

4 結(jié)束語

采用斜視影像與地基3D掃描相結(jié)合的方法,對斜視影像中經(jīng)過空中三次加密得到的點云數(shù)據(jù)與地基3D掃描得到的數(shù)據(jù)進行空間匹配及點云融合,以克服斜視影像因屋檐遮擋等造成的點云缺陷,有效解決三維模型的拉伸、變形等問題,從而極大地提升模型精度,達到精確的3D建模目的,為同類問題的解決提供借鑒。