鄭廣鵬，盧曉輝，龐哲銘

（1.鞍鋼集團礦業(yè)弓長嶺有限公司 露采分公司，遼寧 遼陽 111008；2.遼寧工業(yè)大學 電子與信息工程學院，遼寧 錦州 121001）

早期，我國礦山的開采模式存在開采效率低、事故風險高、污染嚴重等不足，嚴重影響企業(yè)生產(chǎn)效率。近年來，隨著國家對資源和環(huán)境政策的日益完善促使采礦企業(yè)加快轉型升級，利用信息化、數(shù)字化和智能化技術，使采礦業(yè)步入智能化。

我國是礦產(chǎn)資源最為豐富的國家之一，部分礦種儲量居列世界前茅，豐富的礦產(chǎn)資源給國家相關部門的監(jiān)督、管理帶來了諸多挑戰(zhàn)。傳統(tǒng)監(jiān)測管理方法主要以野外測繪、手工計算為主，難以實現(xiàn)對重點區(qū)域高精度、高頻的檢測與管理。為解決上述不足，利用無人機技術礦產(chǎn)區(qū)域進行三維建模迫在眉睫[1]。吳晗等[2]利用高分辨率無人機進行圖像采取及分割，實現(xiàn)了農(nóng)業(yè)地塊邊界分割；張霆浩等[3]利用無人機遙感獲取的影像靈活、實時的監(jiān)測地質(zhì)災害。上述方法，在圖像匹配識別精度上仍存在匹配精度的不足。因此，提出利用改進的SIFT 算法對關鍵點提取，并通過無人機拍攝獲取信息；此外，利用無人機及影像匹配技術對露天鐵礦進行三維建模，以驗證所提出算法的可行性與優(yōu)越性。

1 無人機拍攝流程

為生成符合誤差標準的三維實景模型，拍攝流程分為：前期準備、確定航攝方案、規(guī)劃飛行任務、無人機飛行測繪等4 個環(huán)節(jié)。前期準備需要收集大量的數(shù)據(jù)集，并對數(shù)據(jù)集進行處理，此外，需閱讀和觀看相關的文字報道、視頻和圖片資料，以及拍攝地的地理特征及周邊環(huán)境等信息；確定航攝方案，本次礦區(qū)三維建模選用5 向航拍，可以從多方位、多角度采集影像，為之后的三維實景建模提供豐富的數(shù)據(jù)；規(guī)劃飛行任務，確定航攝方案后規(guī)劃飛行高度、路線等；無人機飛行測繪，確定方案和任務后進行航拍測繪，得到拍攝航區(qū)的航片，實現(xiàn)礦場的三維建模。

2 攝像機標定及照片位置

2.1 成片重疊度

數(shù)據(jù)采集時，無人機需要經(jīng)過目標建筑物的上空，才能獲得完整的影像信息。因此在無人機移動端創(chuàng)建多邊形任務時，該多邊形的區(qū)域應該在目標物上空。此外，為了保證圖片清晰度，需對航向重疊率和旁向重疊率進行調(diào)試設置。經(jīng)多次實驗測試，航向重疊率的范圍需在60%～80%，而旁向重疊率至少設置在70%，且對于建筑更密集的區(qū)域則需要設置更高的旁向重疊率。

目前無人機搭載的攝像頭有多種樣式，包括單機攝像頭和多機攝像頭。單機攝像頭航拍下，則需往返2 次；反之，采用多機攝像頭（目前常用的5 鏡頭）攝像，即俯視角度、前視、后視、左視、右視，只需在航線上飛1 次。如進行小范圍的拍攝，可使用多旋翼無人機，如需拍攝大范圍的礦區(qū)，則采用續(xù)航時間更長、速度更快的固定翼無人機。

利用傾斜攝影獲得的圖片經(jīng)過空三加密和密集匹配，形成密集點云數(shù)據(jù)。點云融合流程圖如圖1。

圖1 點云融合流程圖

首先進行外業(yè)數(shù)據(jù)采集，無人機飛到檢測目標上空進行掃描，然后進行航線預測，通過自動空三加密和SIFT 匹配結果確定密集匹配區(qū)域，通過傾斜攝影獲得圖片，形成密集點云數(shù)據(jù)。

2.2 設置航線參數(shù)

無人機航攝工作航線參數(shù)包括：起始點、終點、航線方向、長度[4]。在拍攝之前需對所測礦區(qū)地面進行測光，避免因光線原因造成照片模糊，同時記錄飛行時的天氣，提高無人機采集的效率和精度。航拍校準結果見表1。

表1 航拍校準結果

圖像失真是指圖像與真實拍攝環(huán)境的差異，例如所拍攝照片較為模糊。理想放大器中，輸出波形除放大外，應與輸入波形完全相同。航拍畸變是拍攝四方形的物體時，使周圍拍成卷翹或膨鼓的現(xiàn)象。因此在拍攝過程中需要校正。航拍畸變網(wǎng)格圖如圖2，圖中：底層黑色線表示零失真網(wǎng)格；頂層紅色線表示真實的相機值。

圖2 航拍畸變網(wǎng)格圖

3 基于改進SIFT 算法的關鍵點確定

最常用的點特征提取方式為尺度不變量特征變換，即SIFT 匹配算法[5-6]。首先，基于像素點的二維坐標（x，y）、尺度α 和方向θ 選擇和描述關鍵點。其次，選擇符合要求的局部極值點定位關鍵點，把高斯尺度空間中的插值LOG 空間中不同尺度下穩(wěn)定性較高的候選點標記為關鍵點，將具有低對比度或位于邊緣的候選點用DOG 值的閾值和Hessian 矩陣準則進行過濾。圖像為I（x，y），圖像大小為m×n 像素。

設地標圖像像素點的二維高斯函數(shù)為：

改進SIFT 算法中卷積核計算如下：

式中：α 為尺度因子；G（x，y，α）為地標圖像像素點（x，y）的二維高斯函數(shù)。

依據(jù)式（1）和式（2）定義DOG 函數(shù)：

式中：?為卷積算子；I 為卷積核；L＝G?I；D（x，y，α）為地標圖像像素點（x，y）的高斯差分函數(shù)。

將差分金字塔上的每1 個像素點，與其上層、下層以及相鄰的26 個像素點進行灰度比較，由此獲得極值點并將其作為候選特征點。在獲取圖像候選特征點后，對DOG 函數(shù)進行泰勒展開，利用提取的特征點X 的位置信息D（X）：

由式（3）、式（4）可以得出特征點的實際偏移量K（m）為：

基于傳統(tǒng)算法存在匹配精度不足，利用改進的SIFT 算法提取特征點，可實現(xiàn)圖像的準確匹配。

4 三維實景建模

鞍本地區(qū)是我國重要的鐵礦石生產(chǎn)基地，具有鐵礦資源豐富、開發(fā)歷史早、開采時間長，開發(fā)強度大等不足，給已有礦山的深部鐵礦資源開采利用帶來極大困難和安全威脅，其中尤以何家采區(qū)露天鐵礦最為顯著。何家采區(qū)露天鐵礦開采作業(yè)區(qū)域地形構成復雜，作業(yè)流程主要涵蓋勘探、采掘、運輸、裝卸等，整體過程簡單粗放，地形環(huán)境隨作業(yè)進程動態(tài)變化，都將直接影響露采作業(yè)安全。目前何家采區(qū)三維地表模型構建，相對于靜態(tài)室內(nèi)三維景物，面向空間更大，地表地形更復雜，因此需要對何家采區(qū)的多空間、多地表參數(shù)進行視頻掃描建立模型，以提供露天采礦的多場景信息。鞍鋼集團礦業(yè)公司弓長嶺露天鐵礦是國內(nèi)著名的大型露天礦山企業(yè)，礦區(qū)資源儲量大，占地面積1 446.78 萬m2。針對以上問題，為推動礦山智能化建設目標，對弓長嶺礦區(qū)進行三維建模[7]。具體流程如下：①打開無人機移動端，連接多旋翼飛機，在實景地圖上搜尋目標物體的位置點；②在目標物底部創(chuàng)建1 個多邊形，確保多邊形能位于目標物垂直投影區(qū)域中；③設定多邊形的高度、航向重疊率和旁向重疊率，則可在無人機中上預覽立體多邊形的航線；④最后開始執(zhí)行航拍任務。

任務執(zhí)行完成后，則可獲取全方位的攝影圖片，再通過ContextCapture 合成3D 建模。無人機航拍位置圖如圖3。

圖3 無人機航拍位置圖

位置不確定性：計算照片位置（黑點）的俯視圖（xy 平面）、側視圖（zy 平面）和前視圖（xz 平面）。藍色的線表示位置的不確定性，根據(jù)可讀性進行縮放，可以找到最小值和最大值，以及平均值，航拍點坐標位置見表2。

表2 航拍點坐標位置

三維建模主要由空三運算和三維建模組成[8]。通過無人機5 向航拍，從多方位、多角度采集影像，整個項目共采集有效影像576 張，結合弓長嶺何家礦區(qū)地貌完成了三維實景建模，并通過精度對比分析得出模型能滿足技術規(guī)范要求。弓長嶺何家礦區(qū)三維建模模型如圖4。

圖4 弓長嶺何家礦區(qū)三維建模模型

由于無人機航拍圖像的采樣節(jié)點重疊度較高，因此在無人機航拍圖像配準過程中無法避免像素點錯誤匹配的問題。根據(jù)無人機航拍圖像配準區(qū)域劃定標準，識別關鍵圖像標注點，通過計算一致性測度值指標設計基于鄰域一致性的無人機航拍圖像融合方法，無人機航拍圖像采樣節(jié)點之間的重疊度明顯下降，像素點錯誤匹配問題得到了解決，配準效果好。連接點的質(zhì)量措施見表3。

表3 連接點的質(zhì)量措施

5 結語

為提高露天鐵礦三維建模的圖像特征匹配率，提出了1 種改進的SIFT 算法，利用改進的SIFT 算法提取目標特征點，提高特征匹配的效率和匹配精度。實驗結果證明，與傳統(tǒng)的SIFT 算法相比，提出的算法可有效滿足無人機對目標特征提取的準確性及效率要求。與傳統(tǒng)建模方式來說，三維實景建模具有更清晰的色彩、更清晰建筑細節(jié)或是地貌特征等，從而真實地還原建筑物本身或是地形地貌等的真實情況。尤其在地形測繪、城市建設等方面具有廣闊市場前景，可為某些建模項目提供借鑒和參考作用。未來計劃加強無人機圖像采集穩(wěn)態(tài)控制、自動化采集等方面研究，提高圖片精度。