倾斜摄影与地面激光点云融合精细化建模研究

于 翔,包 琼

(1.三和数码测绘地理信息技术有限公司,甘肃 天水 741000; 2.甘肃省土地开发整理中心,兰州 730000)

0 引言

在信息技术、传感器等先进技术的推动下,城市数字化表征已经由2D逐步向三维转变,城市开发与建设呈现出大尺度、立体等特征。相对于2D图像,三维图像的信息更多、更逼真,可为人们提供更多的互动机会,因此快速、精确地构建出一个具有实际应用价值的城市3D数据具有重要意义。常规的人工建模方式需大量人工参与,采集的数据受限于设备布置,费用高,效率低,而三维激光扫描技术的应用可以很好地弥补人工测量的缺陷,令测量结果的精度大大提高。但扫描后的点云存在大量的冗余性,导致其处理效率低下,存在计算复杂等问题,且成本较高,不适用于大城市。近年来,斜视影像技术不断发展减少了人为因素的影响,覆盖区域更广,纹理图像的真实感更高,能够快速、有效、精确地得到城市3D模型,是城市规划及管理的重要技术。试验中,将倾斜照相与地基点云相结合来建立模型,采用双目斜视照相技术,对测区内有檐口的典型建筑进行拍摄,采用机架式3D激光扫描器,对该建筑进行多个站点的多角度成像,在此基础上利用 ContextCapture软件,对已获得的空间三次加密点云数据与已有的激光点云数据进行处理,与已有的空间三次加密数据处理结果进行比较,其技术路线如图1所示[1]。

图1 技术路线

1 倾斜摄影与地面激光点云的结合

倾斜照相技术是一种有效、快速、准确的城市建筑及地形图像成像方法,但因其飞得较高,极易被草木、屋檐等遮挡,导致地面纹理信息丢失,从而影响其在三次空三(Airbnb)中的点云数据质量,而利用地基3D激光扫描与斜射照相测量相结合的方法弥补了图像点云盲区。激光点云具有激光点云密集、高精度、空域三密点云构建高效等优点,二者相结合可保障制作效率,保持倾斜影像中受遮挡区域的点云完整,提升模型精度[2]。

1.1 坐标配准

1.1.1 激光点云配准

激光点云对齐是将扫描仪上的各个站点经点云拼接后由两个站点的扫描坐标系相互转化为一个坐标系的方法,由于观测角度的局限性,测量区域内必须有多个站点同时测量,而每个站点又具有单独的测量坐标。点云匹配的主要工作是把各个站点之间的不同坐标系转化为相同的坐标系。点云 A,B,P(X,Y,Z),Q(x,y,z),其中 P、Q分别为同一点在两个测量点上的坐标,为两个测量点汇聚在一起,代表两个测量点位置一致的点对,其匹配目标是(P,Q)、(R,T),公式如下:

X

Y

Z=R

X

Y

Z+T

式中,R为旋转正交矩阵,满足RT=R-1=|R|=±1。T为平移矩阵。以上公式是配准的基本公式。试验过程中必须将台网的扫描数据转化为绝对坐标,主要以控制点为基础进行单台网的配准。按照测区中现有的测量结果进行封闭导线,以保证控制网能够得到有效覆盖。将目标置于两个台之间的交界处,利用扫描器进行多个台站的扫描,获取目标的扫描坐标(x,y,z),利用全站仪获取目标的中心位置获取目标的绝对坐标(X,Y,Z),通过2组座标及座标转换公式获得座标转换参数,以完成激光点云的配准,并将扫描座标转换到绝对座标体系下。这一过程是在一个能够对点云数据进行降噪及配准的软件Faroscene中完成的,配准后的点云如图2所示[3]。

图2 点云配准

1.1.2 绝对定向

绝对定位是通过影像控制点的坐标来决定相对定位模式的方向与比例的过程,当目标定位完成后,图像间的相对方位要素已被确定,但是却无法得到图像在空间上的绝对方位,因此必须通过前向交汇来建立类似于地面的三维模型。绝对定向是地面布置的像控点坐标作为已知点,将已相对取向好的模型进行旋转、缩放及平移,使其与地面量测的数据相符,在模型中构建地面坐标体系。在测区内,由于要把三次空密所产生的点云数据放入地表绝对坐标系,故必须布设象控点。利用全站仪测量像控点的坐标及其绝对方位,把由倾斜照相得到的点云放入大地绝对坐标体系中。绝对方向的处理是在文本编码器软件中完成的[4]。

1.2 点云融合及三维建模

利用 ContextCapture对数据进行处理,合同模型支持多个数据源的融合,通过激光点云的配准与绝对定位,将激光点云与空三密点云数据统一在一个坐标系下,通过 ContextCapture实现两类点云的融合,在此基础上构造出一个三角形网络,对其进行光滑、简化,实现倾斜照片图像的纹理自动绘制,从而实现高精度3D建模,具体方法如下:新建项目并导入影像。点击“surveys”选项,导入像控点坐标并进行刺点,在波束法的区域网络中加入像素点的坐标,实现空基三密点云在绝对坐标系中的应用。图3为融合激光点云前的空域三次加密点云[5]。按“pointclouds”,在绝对坐标系中把点云数据输入到ContextCapture中,单击“3D视图”,查看二者的点云匹配情况,经过检测,这两个点云已经完全融为一体且在同一个坐标系中。融合后点云如图4所示。

图3 空三加密点云

图4 融合后点云

提出重构任务,确定重构区域,因为这一次的数据很少,所以不必对其进行划分。提交重建任务,选取三维模型,生产融合后的三维模型成果[6]。

1.3 精细度对比

将仅利用倾斜照片生成的三维模型及以二者为基础的点云融合生成的三维模型之间的细节进行对比。点云融合前后生成的三维模型各方位视图如图5、图6所示。通过比较发现,在屋檐的阻挡作用下,对应部位的倾斜拍摄模式发生了显著的畸变,通过与地基激光点云的融合,有效解决了该地区的形变问题,改善了模型精度。

图5 倾斜摄影模型

2 倾斜摄影测量的关键技术

2.1 倾斜影像匹配

在3D模型构建中,倾斜影像可分为两类,即方向上的稀疏匹配和3D重建的稠密匹配。稀疏匹配要求匹配点的分布更加均匀,失配程度更小。由此提出了一种新的图像匹配方法,利用无人驾驶飞机、飞船等进行倾斜照相,其自身重量轻,流场不稳定,会引起航姿数据的不稳定。在复杂地形条件下,影像的几何形变及目标尺度改变尤为显著。目前,基于SIFT的特征匹配算法无法有效解决因角度较大导致的尺度不一致问题,采用固定窗方法得到的图像特征与实际图像特征之间存在着较大的偏差且精度较低,针对这一问题,人们已提出了多种方法。基于卷积神经网络的深度语义特征可以被有效地挖掘出来,突破传统的人工选择方法的限制,实现超高的匹配准确率[7]。

2.2 多视点图像区域网络调整

在对多视角倾斜影像进行协同校正时需解决因视角改变造成的影像几何形变及遮挡等问题。采用图象匹配方法确定出一幅倾斜图象的原始特征点,利用最小二乘法、相似度测度及对极法等对极法进行限制,通过对两个特征点的匹配,实现两个特征点的同步调节。目前,飞机倾斜航拍系统一般都装有一个 POS系统,以便得到一个多摄像机的姿态信息。主要研究内容包括:①非限制的联合定向算法。每幅影像采用单独的外定向因子,同一摄像机多幅影像采用共用的内定向因子。该算法存在很多未知变量,需要很长时间的运算。②一种额外的相对限制方向法。在相同的相机位置上把多台相机整合成一个调节装置,在调节装置中加入相机间的相关性,以限制信息的形式进行波束调节。该算法具有降低未知量,使网格型式更稳定的优势。③直接定位方法。使用AirTwin-III测量俯视影像的方位因子,并使用俯视摄影机的转动及移动参数,测量斜视影像的方位因子。本研究提出的方法是最简便的,但精度较差,无法完全发挥多种传感器的优势。根据各种调节方式的特性,为了取得较好的调节结果,一般会选择联合调节方式。

3 三维重建关键技术

3.1 点云三维构网

点云的三维结构要建立一种“白”的空间结构,而“白”又是一种“白”的空间结构,是进行纹理绘制的数据依据。点云三维模型的建立通常采用两种方式:①以几何重建为基础,从点云中抽取出具有几何意义的特征(如特征线、特征面、特征点等)。对于利用点云数据获取物体曲面模型而言,该方法还存在不足。②利用点云中的坐标信息,通过直接或间接构建曲面实现曲面的逼近,在此基础上将点云信息应用于物体的曲面建模中,这是目前应用最广的一种重构方法。本研究主要讨论了三角网格的构建及隐式函数的构建。网状结构可以用二进制(K,V)来描述,K代表网状结构的拓扑结构。现有的曲面重构算法虽然对点云的高密度、高噪音等都有较强的抗干扰能力,但生成的三角形网格过于光滑,无法保持图像的轮廓信息。城市建筑物的边界特征十分突出,故提出一种新的三角形网格划分方法。Delaunay三角形网格是在 Voronoi图形中将邻近的多边形中心与共同的边缘连接起来,它是一个无外接圆周性质,即任意一个三角形的外接圆周中没有其他数据点。最小角总和与最大性质为:德劳纳三角网中最小角总和与最大角总和,这两种特性为构造 Delaunay三角网提供了一种新的、高效的、能保证其生成的方法。从点云的密集程度、运算复杂性等方面考虑,Delaunay网络可划分为3种类型,其中分治方法采用递归式划分点云,构建子集点云,再逐步融合子三角形网络,但这种方法对存储空间的要求很高,且计算效率不高。该算法通过对点云中的每一个点进行标定,对每一个点进行遍历,寻找含有该点的三角,从而建立一个网格化模型,剔除含有特定个数的三角。这种算法健壮性强,占用的存储空间少,但时间利用率不高[8]。

3.2 点云纹理映射

三维网格模型不能有效地表示真实对象,且不具有可识别性。目前,纹理制图技术存在以下问题:如何选取最优图像,通过一定的测度指数对其进行筛选。如何准确地对纹理进行分类。针对上述问题,提出了基于结构相似性的纹理分类算法。该算法通过改进的层次聚类算法对网格模型进行分类,通过计算网格模型间的结构相似性实现对网格模型的分类。

4 结束语

采用斜视影像与地基3D扫描相结合的方法,对斜视影像中经过空中三次加密得到的点云数据与地基3D扫描得到的数据进行空间匹配及点云融合,以克服斜视影像因屋檐遮挡等造成的点云缺陷,有效解决三维模型的拉伸、变形等问题,从而极大地提升模型精度,达到精确的3D建模目的,为同类问题的解决提供借鉴。