基于多视角倾斜影像的DSM自动提取技术

朱方

（福建省地质测绘院 福建福州 350000）

1 引言

目前，城市三维模型已经成为构建数字城市的重要基础，也是城市数字化最重要的基础框架数据。数字表面模型（DSM）主要用来描述地形及地表地物的三维信息，是建立真三维模型的基础。由于城市地区存在建筑物密集，周围环境遮挡严重的突出问题，因而造成摄影测量中部分地物不可见，增加了城市DSM自动提取的难度[1]。多视角倾斜摄影技术通过在同一飞行平台上搭载多台传感器，并同时从一个垂直角度、多个倾斜角度来获取建筑物的正面影像与其立面纹理的倾斜影像，获取多种影像数据，避免了传统航空摄影技术仅以垂直角度方向获取单一影像的缺陷，可以更准确的反应地物的真实情况[2]。同传统三维建模方法相比，该技术具有节约人工，缩短建模周期，降低建模成本的优势，是现如今城市三维建模的主流趋势。在利用多视角倾斜影像进行城市三维建模的过程中，城市密集DSM自动提取技术是关键性技术，本文将利用多视角航空照相机系统AMC580获取的影像，围绕多视角倾斜影像的连接点提取、光束法平差以及密集DSM自动提取技术展开研究。

2 基于多视角倾斜影像的DSM自动提取技术

2.1 多视角倾斜影像的获取与预处理

目前常见的倾斜相机基本都是通过一个垂直下视镜头和四个倾斜镜头，一次同时拍摄一张下视和四张倾斜影像。本文就是利用我国自主研发的多视角航空照相机系统AMC580系统进行多视角倾斜影像的获取，该系统集成了五台8000万像素的大幅面量测型专业航空相机，包括一台垂直相机和四台倾斜相机。

为了提高匹配的可靠性和精度，首先要对获取的多视角倾斜影像进行预处理。影像预处理过程主要包括：相机畸变改正、影像去噪、影像增强、核线影像生成。第一步使用相机畸变参数进行自检校，通过利用自检校参数对影像进行几何校正，削弱相机镜头畸变的影响。其次通过去噪滤波对影像进行去噪处理，此步骤中，去噪滤波的选择直接影响着影像细节信息的保留程度，对保证匹配精度至关重要。双边滤波方法在有效滤除影像噪声的同时更好的保持了图像的边缘细节，是一种比较理想的去噪算法[3]，本文选择此滤波进行影像的去噪处理，较好的保留了细节信息。此外，为了减小由于拍摄环境影响产生的影像间辐射畸变影响，在影像预处理过程中必须对影像进行增强，通过减小辐射畸变，使待处理影像与基准影像的色调、亮度以及影像反差基本一致[4]。同时，由于在不同镜头影像间存在大视角仿射变形，对于多视角倾斜影像匹配十分困难，为了满足后续匹配的需要，可以通过POS获取的姿态参数以及摄影瞬间的位置数据生成近似核线影像来消除部分仿射变形，从而提高匹配的正确率。

2.2 多视角倾斜影像连接点提取

在城市三维建模的实际生产过程中，由于多视角倾斜影像的高重叠度，提取足够数量的高精度连接点成为影像区域网平差的主要问题[5]。本文根据多视角倾斜相机的特点，首先提取下视影像与斜视影像之间的连接点，再通过kd-tree搜索，建立一幅下视影像与多幅斜视影像匹配的连接点的关联，然后根据已提取连接点在某一斜视影像（如前视影像A）上的像点坐标和另一张同镜头获取的斜视影像（如前视影像A的相邻影像：前视影像B）进行匹配，采用核线约束下的相关系数匹配算法进行匹配获得连接点的多度重叠坐标。

2.3 多视角倾斜影像光束法平差

光束法平差方法通常采用分步法平差和整体法平差，相比于分步平差法，整体平差法计算每张影像的外方位元素，理论上定位精度更高[6]。本文比较两种方法的优缺点之后，选择更适合本区域的整体平差方法，首先利用提取到的连接点，通过LM算法进行平差计算，过程中使用相机出厂时标定的相机参数作为内方位元素，再利用POS系统所获外方位元素作为初值，根据标定的五镜头相对姿态参数以及同一时刻获取的下视影像的外方位元素计算得到斜视影像的外方位元素初值[7]。平差时将每张影像的外方位元素和连接点的地面坐标作为平差参数，按照共线条件方程进行平差计算。

2.4 多视角倾斜影像DSM自动提取

由于不同视角获取的影像间畸变较大，所以多视角倾斜影像DSM的提取时需要加入多重限制条件进行约束匹配，从而提高提取精度。本文提取DSM的方法有效利用了影像的冗余信息来提高DSM精度[8]，具体流程如下：

（1）同名点坐标转换。为了获取密集匹配所需要的原始影像像平面坐标，首先利用外方位元素根据共线条件方程将核线影像上的坐标换算为原始影像上的坐标。

（2）空间前方交会。根据平差得到的外方位元素，对同名点在原始影像像平面坐标逐一进行前方交会，得到像点对应的地面点的地面模型坐标。

（3）粗差剔除。为了使三维点云和地表形态一致，在生成三维点云时必须剔除由于影像匹配不可避免产生的匹配粗差点。以同名点的交会误差作为评价指标，若交会误差大于三倍的残差中误差，则认定存在粗差，该点为误匹配点。

（4）点云融合。根据分镜头自动提取的多个DSM，以下视影像生成的DSM作为基准，根据斜视影像生成DSM地面点与下视DSM中地面点之间距离，对DSM点云数据进行配准融合，得到最终DSM。

3 DSM自动提取实验与结果分析

本文选取一组西安某地区航空影像进行实验，实验影像基本信息如下：获取时间：2016年9月22日；飞行高度：850m；地面分辨率：7.5cm；像幅：53.2mm×42.4mm。

本次实验选取五个镜头获取的地面同一区域影像作为实验影像，每个镜头2张，共计10张影像。通过本文提出的DSM自动提取流程生成该区域DSM。DSM区域的原始影像对应图如图1所示，DSM点云效果如图2所示（图中从左到右依次是：多视融合、下视、右视、左视、后视、前视）。通过与原始影像图1的对比可以看出，图2可以更好的反应拍摄区域地表情况，更真实的反应地面部分、建筑顶部和拍摄方向的建筑物立面，提取的多视DSM效果较好。

图1 DSM区域的原始影像对应图

图2 DSM点云效果图

3.1 DSM相对精度评价

选择影像上一处平顶房屋屋顶作为评价区域，对DSM的相对精度进行评价，利用DSM屋角点数据作为待评价点。评价区域的坐标范围如表1所示

表1 精度评价区域范围

评价方法：首先选择像片上的10对同名点作为控制点，利用平差计算得到的外方位元素通过前方交会得到像点对应的地面点的物方坐标，根据物方坐标拟合出屋顶的平面方程，然后利用DSM高程值作为观测值，同拟合平面方程求得的对应点高程作比较。

以中误差和最大误差作为评价指标，评价区域内五个镜头匹配的DSM点高程相对精度，结果如表2所示。

表2 评价区域的DSM精度（m）

从表2精度统计情况可以看出，通过匹配可以得到数量可观的物方点，各镜头DSM中下视镜头影像匹配得到的误差点最大误差在1m内，精度较高且较为稳定，而四个倾斜镜头得到的物方点虽然中误差均在1m内，但最大误差较大，尤其是前视和后视镜头。通过分析可以推断，主要是由于摄影角度差异，前视和后视镜头相邻影像上存在遮挡范围较大的问题，这是影响影像匹配的精度和可靠性的主要因素。

3.2 DSM绝对精度评价

评价方法：外业测量获取10个点的地面坐标（X，Y，Z），选择这10个点作为检查点对DSM的绝对精度进行评价。利用DSM中的平面坐标（X，Y）进行搜索，从而内插得到高程值Z'。通过计算外业测量高程值Z和DSM高程值Z'的不符值，对DSM的绝对精度进行评价，结果如表3所示。

表3 外业检查点高程与DSM内插高程比较

从表3中可以看出，10个检查点中误差为0.198m，最大高程误差为0.41m，DSM精度较高。

4 结束语

相比较传统三维建模人工交互量大、周期长、真实性较差的缺点，基于多视角倾斜影像的三维自建模技术以其全自动、周期短、高效实时、精度高且实景逼真的优势，已经成为城市大规模三维实景建模的主流技术。其中，基于多视角倾斜影像的DSM自动提取技术是关键，本文针对多视角倾斜影像DSM自动提取技术进行了系统研究，提出了自动提取DSM的完整流程方法，并通过实验验证了利用此方法从多视角倾斜影像中自动提取DSM的可靠性。