基于无人机倾斜摄影技术的三维地形辅助测量方法研究

曾聪

（梅州市测绘与地理信息中心，广东 梅州 514071）

1 引言

建立具有真实纹理的地形三维模型有着巨大的市场价值和广阔的发展前景。不少专家学者针对地形三维模型构建方法开展了研究[1]，将传统航拍技术和数字地表采集技术相结合，研究了一种高新技术，即机载多角度倾斜摄影。该技术突破常规航拍技术仅从单一视角对地形进行成像的局限，可实现单幅和多幅斜视图像的同步采集，有效解决正向影像无法精确反映地表真实状况的问题[2]。同时，基于航空POS 数据和其他矢量数据，可实现对倾斜影像的三维测量，进而对真实三维地形建模。

目前，实际构建地形三维模型时仍存在诸多问题，例如获取影像数据速度慢、成本高等。本文引入无人机倾斜摄影技术，对三维地形辅助测量方法开展设计研究，为地形三维模型的构建提供参考。

2 基于无人机倾斜摄影技术的影像获取

基于无人机倾斜摄影技术，利用携带多角度航拍相机的多功能八旋翼无人机飞行平台获取测区影像数据，其中包含垂直影像和倾斜影像两种。垂直摄影的飞行器摄影机主光轴与目标物顶部保持垂直，可获取目标物的顶部视图，清晰展示目标物的顶部形状和特征。然而，这种方式无法获取目标物的侧面信息，存在一定的局限性。而倾斜摄影是在同一载体搭载多台传感器，可同时从多个角度采集影像，其飞行器摄影机主光轴偏离垂线，使得拍摄角度大于3°，从而能获取目标物侧面信息。倾斜影像具有传统垂直影像与地面影像的双重特性，能同时获得地物的顶面和侧面信息，呈现的效果更加真实、完整。

无人机航拍前应严格按照特定的作业任务要求来规划航拍流程：（1）了解测区概况，全面掌握测区的地形地貌、植被分布、气候特征等，以判断可能遇到的飞行挑战和安全风险。（2）确定测区范围，精确划定航拍的目标区域，确保无人机能全面覆盖所需拍摄范围。（3）选择合适的照相机[3]，挑选出高分辨率、高精度、稳定性好的照相机。同时考虑照相机的重量、体积以及续航能力等因素，确保其与无人机飞行平台兼容。（4）决定照相尺度与高度，根据测区分辨率要求和无人机飞行高度，计算出合适的照相尺度，确保拍摄到的影像既清晰又完整。（5）选择合适的照相时间，避开阴雨、大风等恶劣天气，选择晴朗、风力较小的时段进行航拍，确保无人机飞行稳定，减少因天气因素导致的影像质量下降。（6）确定无人机起飞与降落的确切地点，选择平坦、开阔且远离高大建筑物的场地作为起降点，确保无人机能够安全起降。

为了保证无人机低空飞行的安全性，提高空域资源的利用率，航拍前必须根据有关规定，向空域管理部门提出申请，取得对该区域的飞行许可。如未获许可，则须重新制订飞行计划，做好充分准备后再向空域管理部门申请。结合无人机飞行任务和低空数字航空摄影的相关规范，确定航摄参数，确保无人机能够按照规定轨迹完成飞行任务。对于飞行高度，需要结合不同比例尺航摄成像要求设定，不同测图比例尺的地面分辨率标准如表1 所示。

表1 不同测图比例尺的地面分辨率标准

结合表1 数据与公式（1），确定无人机飞行高度：

公式（1）中，H 表示无人机的飞行高度，f 表示物镜镜头焦距，GSD 表示航摄影像地面分辨率，a 表示像元尺寸。结合测区规模，确定无人机飞行的航向和航线长度，计算公式为：

公式中，Bx 表示实地拍摄长度，Dx 表示实地航线间宽，Lx 表示相幅长度，Ly 表示相幅宽度，px 表示航向重叠度，qy 表示旁向重叠度。选择在晴朗无云天气开展航摄，避免环境因素对测量精度的影响。

采用Wallis 滤波变换处理影像数据，公式如下：

公式(4)中，f(x，y)表示滤波转换后影像灰度值 ，g（x，y）表示原始影像灰度值，c 表示方差扩展系数，mg表示原始影像灰度均值，sg表示灰度标准方差，sf表示方差目标值，mf表示影像灰度均值，b表示影像亮度系数。利用上述公式对影像进行处理，目的是增强影像反差，减少噪声。无人机倾斜摄影获取的影像数据如图1 所示。

图1 无人机倾斜摄影获取的影像数据

3 布设外业像控点

外业像控点的布设直接影响最后结果的准确性，因此，要遵循布点原则，选择科学合理的像控点布设方案[4]，具体如图2 所示。

图2 外业像控点布设方案

根据不同成图比例尺对平面点和高程点的检查标准，确定像控点航向和旁向的基线数间隔，合理布设像控点。运用GPS-RTK（1+N）测量方法获取像控点的大地坐标。GPS-RTK 由一个参考站和几个流动站构成，在测区设置一个参考站，实时接收GPS 卫星信号，并对其进行载波相位、伪距离等测量，通过数据链路向流动站实时传送其准确坐标及卫星观测资料。利用内置的实时处理软件，对参考站差分数据进行处理，求解参考站之间的基线矢量、各点坐标，最终获得较高的参考站坐标。

4 多视影像密集匹配

采用CMVS 方法进行三维地形多视影像密集匹配测量，通过多视影像空中三角测量，获得测区影像的外方位元素，并与CMVS 相结合，对其进行聚簇分类，以减少数据量。假设在图像I1和Im上存在两个SFM 点，并且图像I1和Im相邻，两个图像集相邻是指两个图像集有某些图像相邻。若P1和Pk分别对应图像集Vj和Vk，则具有相似可见性。P1和Pk点的投影位置差小于ω1，ω1的取值为64。

首先，将局部邻居中某一SFM 特征点的视觉信息设定为各区域位置的平均，反复进行，直至得到点集的输出。其次，检索时先剔除分辨率较差的图片，再选取满足覆盖率要求的图片[5]。然后，将图像大小作为约束条件，对不满足图像大小的簇进行分割。对MVS 重构贡献的边缘值越小，则被去除的希望越大[6]。最后，增加图像，由公式（5）作为每个未键入SFM 特征点Pj构建的一个图像簇Ck：

再将公式（6）作为评判效率的标准，最后选择最大的g值作为加入簇的行为。

不断重复上述操作，直到最终结果能覆盖范围约束和图像大小约束条件，输出结果即为匹配测量结果。

5 对比实验

为验证基于无人机倾斜摄影技术的三维地形辅助测量方法在实际应用中的可行性，设计了对比实验。

将本文测量方法作为实验组，将基于Web 的测量方法作为对照A 组，将基于AutoCAD 的测量方法作为对照B 组，以某城市村寨社区为实验区，采用三种方法进行辅助测量。实验区东西方向长度为880m，南北方向长度为450m，地形复杂，交通便利，气候四季分明，季节过渡明显，雨量适中，平均降水量为720.4mm，自然灾害频繁发生。基于本文测量方法，实验选用IFA2022i 无人机采集影像数据，无人机及其航摄技术参数分别如图3 和表2 所示。

图3 IFA2022i无人机

表2 航摄技术设置参数

利用三种方法完成测量后，对测量结果与实际数据进行对比，得到平面坐标中误差、高程坐标中误差、高度中误差及长度中误差，并计算各项指标对应的最大误差，计算公式如下：

公式中，mx表示测量结果横坐标误差，x表示测点横坐标测量结果，Ax表示测点横坐标标准值，n表示测点数量，my表示测量结果纵坐标误差，y表示测点纵坐标测量结果，Δy表示测点纵坐标标准值，m表示中误差。计算出各个中误差值后，对结果进行统计对比，具体如表3 所示。

表3 三种测量方法测量精度对比（单位：m m）

从表3 数据可以看出，实验组测量方法各项指标的数值均小于其他两组。由此可以得出，实验组测量方法的精度更高。将该方法应用于实际，可以为三维地形模型构建、灾害监测、矿产资源开发等提供更加有利的数据依据。

6 结束语

基于无人机倾斜摄影技术的应用优势，本文设计了一种全新的三维地形辅助测量方法，并与现有测量方法进行实验对比，验证了该方法的可行性。无人机倾斜摄影获取的影像是多角度的，尺度差别较大，加之存在遮挡和阴影等问题，会导致后续与模型匹配时出现扭曲变形现象，在一定程度上影响该方法的应用性能，后续将通过后期补修和改正等精细化处理技术，改善这一问题。