基于无人机倾斜摄影测量影像处理与三维建模的研究

李明哲

（福州城建设计研究院有限公司，福建 福州 350000）

随着无人机技术的快速发展，无人机倾斜摄影测量成为了一种重要的遥感获取数据方式，而影像处理与三维建模作为无人机倾斜摄影测量的关键环节，直接影响着数据的准确性和三维模型的质量。在实际应用中，由于影像数据的复杂性和处理步骤的多样性，仍存在诸多挑战。因此，深入研究无人机倾斜摄影测量影像处理与三维建模的技术方法对于提高遥感数据处理的准确性和效率具有重要意义。

1 无人机倾斜摄影测量影像处理的特点

在数据采集方面，无人机倾斜摄影可以通过多角度拍摄和多视角重叠的方式获取大量的影像数据。这种采集方式能够提供非常丰富的地物信息，并且可以避免传统航测中的缺角问题。在后期处理方面，倾斜摄影影像处理软件可以根据影像之间的重叠度和匹配精度，实现高精度的三维建模和影像纠正。同时，无人机倾斜测量影像处理还可以利用现代计算机硬件和算法的优势，实现对大规模影像数据进行快速处理和分析，提高数据处理的效率[1]。

2 无人机倾斜摄影测量影像处理与三维建模的流程与要点

以某不动产测绘为例，对无人机倾斜摄影测量影像处理与三维建模进行分析。该测绘项目的总拍摄任务面积为0.53 km2,区域内部地势较为平缓，建筑为新建高层建筑，排列密集。在项目中，使用大疆M300RTK无人机和搭载五镜头的赛尔102SV3相机开展拍摄。其中，该型号相机的焦距为35 mm，影响单元的尺寸为3.9μm。已知，如果确定了像素的大小和焦距，则航高和地面的分辨率为正比关系。若航高定位在150 m的位置，则地面的分辨率能够达到1.6 cm，这一参数能够充分符合工程的实际需求。在无人机飞行的过程中，航向的重叠度与旁向的重叠度均为85%，航线呈东西方向，与测区平行；各个像控点的间隔距离为150 m，总共设置8个像控点。

2.1 图像预处理

图像预处理能够从根本上提高图像质量和准确性，为后续的特征点匹配和三维模型建立提供良好的数据基础。在图像预处理过程中，常涉及图像校正、去噪和图像增强等操作，具体来说：

（1）图像校正是针对无人机倾斜拍摄带来的几何畸变进行的修正过程。无人机倾斜摄影时，由于视角的变化，图像中的地物会出现形变现象，例如，地物的尺寸和形状会发生变化。为了消除这种几何畸变，通常需要使用校正方法，如可运用几何投影变换或者校正模型方法进行图像校正，利用无人机航摄系统中的定位和姿态信息，可以根据相机内外参数进行透视变换，将图像校正到正常的地理坐标系统下。

（2）图像去噪是为了去除图像中由于无人机飞行中的运动振动、光学系统的噪声等因素引入的噪声干扰。去噪的方法有很多种，常见的是使用滤波器对图像进行平滑处理，例如，中值滤波、均值滤波或者高斯滤波等。滤波器的选择和参数设置需要根据具体情况进行调整，以平衡去噪效果和图像细节保留之间的关系。

（3）图像增强是为了改善图像的视觉效果和特征提取能力。在图像增强过程中，可以应用一系列的算法和技术。例如，直方图均衡化、对比度拉伸、锐化等方法。这些方法旨在增强图像的对比度、细节和边缘等特征，使得图像更加清晰、鲜明，并提高后续处理算法的准确性。

（4）在实际应用中，图像预处理的具体工作细节可能会根据不同的无人机倾斜摄影系统、传感器型号和数据采集条件而有所差异。例如，在图像校正中，常常根据相机的内外参数（如焦距、主点坐标、倾斜角度等）进行几何投影变换，具体操作涉及向量矩阵运算等数学计算；在去噪过程中，根据噪声的类型和分布情况选择合适的滤波器，如使用3×3的中值滤波器对每个像素进行中值计算；在图像增强中，可以根据图像局部特征的统计信息进行灰度级调整，如通过直方图均衡化使得图像的灰度分布更加均匀[2]。

2.2 特征点匹配与建立三维模型

特征点匹配与建立三维模型是无人机倾斜摄影测量中的重要环节，其目的是利用图像处理技术对图像中的同名点进行匹配，并根据同名点求取相应地物特征的三维坐标，从而建立地物三维模型。在特征点匹配过程中，需要对景物进行特征提取和描述，具体来说：

（1）需要对图像进行预处理，去除噪声、光照不均和其他干扰因素，以保证提取出的特征具有稳定性和可重复性。然后，可以利用现有的特征提取算法（如SIFT、SURF、ORB等）提取图像中的特征点。这些算法可以在不同尺度和旋转角度下提取具有良好特征描述性的关键点，并计算各个关键点的局部特征描述值。

（2）需要进行特征点匹配。一般使用最近邻匹配方法进行特征点的匹配。具体地，对于每个图像中的特征点，都会在另一个图像中找到距离该点最近的几个特征点，然后通过比较它们的局部特征描述子的相似度，选择相似度最高的一个作为匹配点。同时也需要一些准则来判断一些特征点是否是误匹配。一般来说，会根据最短距离与次短距离之间的比值，来判断两个特征点是否匹配。

（3）可以利用摄影测量学的原理，根据图像坐标和摄影测量系统的内外参数，求解出匹配点的三维坐标。其中，内参数包括相机的焦距、主点坐标、径向畸变等，并由标定板进行标定得到；外参数包括相机的位置和朝向等，可以利用无人机航摄系统中的定位和姿态信息获取。

（4）利用这些参数，可以根据空间前方交汇法则和光线三角测量法，对三维坐标进行计算。在建立三维模型时，还需要考虑如何对已经求得的三维点进行滤波和拟合，以消除误差并获得更加平滑的地表模型。这里常用的方法有曲面拟合、点云分割、点云配准等技术。例如，在对植被进行三维重建时，可以基于点云数据进行体元细分和形态解析，实现植被的快速重建和精细化表征；在对建筑物进行三维建模时，可以使用面元拟合方法，将建筑物表面抽象成一系列三角形表面网格，以更好地反映建筑物的几何和色彩特征[3]。

（5）本次无人机倾斜摄影所构建的真三维模型非常出色。图1展示了整个测区的真实地理环境和房屋分布，反映了测区的整体情况。而图2则展示了测区内局部的细节模型，房屋的结构非常清晰，屋角也变形很少，同时房屋的属性信息也得到了详细记录。这些模型将为后续的矢量化信息采集提供重要的支撑。

图1 测区地理环境与房屋分布的三维模型

图2 测区内部的细节模型

2.3 相机定向

通过计算相机的位置和姿态参数，将图像特征点的二维坐标与地物三维模型进行对应，实现图像与地物之间的空间关系的精确匹配，在实际的工作中要做到以下几点。

（1）在相机定向之前，需要进行相机的内方位元素标定。内方位元素包括相机的焦距、主点坐标以及径向畸变等参数。一般来说，可以使用相机标定板进行标定，通过拍摄多张已知几何形状的标定板图像，利用摄影测量的原理和非线性最小二乘法的思想，根据标定板上的特征点和其真实世界坐标的对应关系，求解出相机的内方位元素。例如，使用相机型号为Sony ILCE-7RM4的全画幅无反相机，通过标定板标定得到的内方位元素为焦距f=35 mm，主点坐标为(x0，y0)=(1280，720)，径向畸变参数为k1=-3.7，k2=2.1。

（2）利用已知地物三维模型，通过数学方法计算相机的外方位元素，主要包括相机的位置和姿态参数。其中，位置参数包括相机的XYZ坐标，姿态参数包括方位角（azimuth angle）、俯仰角（pitch angle）和倾斜角（inclination angle）。为了简化计算，常常以某一参考点的坐标作为世界坐标系原点，将三维模型中的点与图像中的特征点进行对应。在计算相机外方位元素时，可以利用数学公式和解析几何的知识。例如，在计算相机位置时，可以使用空间后方交会法（或称为重心法）来求解。该方法基于三角测量原理，通过已知地物三维点的空间坐标和其在图像中的二维坐标，求解出相机的位置坐标。

（3）具体做法是：在摄影坐标系下，根据相机的内方位元素和外方位元素，将地物三维点的空间坐标转换为像平面坐标系下的投影坐标，然后与对应的图像特征点进行比较，通过最小二乘法求解出相机的位置坐标。在计算相机姿态参数时，常使用旋转矩阵或欧拉角来描述相机的方位、俯仰和倾斜角。通过将空间坐标系下的地物三维点转换到摄影坐标系下，并与对应的图像特征点进行比较，可以通过最小二乘法求解出相机的姿态参数。此外，为了提高定向精度，还可以采用多视几何方法，利用多个图像之间的重叠区域和共同特征点，进行区域匹配和联合定向，从而提高相机定位和姿态估计的精确度[4]。

2.4 影像拼接

（1）将不同视角下的图像进行无缝连接，生成具有大幅覆盖区域的全景图，主要包括图像预处理、特征提取与匹配、几何变换和图像融合等工作。在进行影像拼接之前，需要对输入的图像进行预处理。预处理的目的是消除图像的畸变以及色彩、亮度等差异，以便后续的特征提取和匹配。例如，可以使用型号为Canon EOS 5D Mark IV的全画幅单反相机拍摄得到的图像，通过去除镜头畸变和图像校正，使得每张图像都具备相同的格式和视角。

（2）进行特征提取与匹配，特征可以通过局部纹理、边缘等特征描述来表示。在这一步骤中，常用的特征提取算法包括SIFT（尺度不变特征变换）、SURF（加速稳健特征）和ORB（oriented FAST and rotated BRIEF）等。通过提取每张图像中的特征点，并计算其特征描述子，进而进行特征匹配，找到各个视角下对应的特征点对。匹配算法常用的有暴力匹配和基于最近邻的匹配方法。然后，进行几何变换，将各个视角下的图像进行对齐，使得它们在同一坐标系下能够无缝连接。其中，常用的几何变换模型包括仿射变换和透视变换。仿射变换适用于平面上的图像拼接，而透视变换适用于投影到三维场景中的图像拼接。通过对特征点对进行RANSAC（随机采样一致性）或最小二乘法估计，可以获得几何变换所需的变换矩阵或变换参数。

（3）进行图像融合，消除拼接过程中产生的过渡区域的不连续性，使得拼接后的全景图具有良好的视觉效果。常用的图像融合方法包括加权平均、拉普拉斯金字塔和多重分辨率合成等。通过在过渡区域内进行像素值的平滑过渡和融合处理，可以使得拼接后的图像看起来更加自然。

（4）还可以利用颜色校正和亮度调整等技术，进一步提高拼接图像的质量。进行精度评价，将计算得到的模型结果与地面真实情况进行比对，并进行误差分析。比对可以通过计算模型与地面控制点的偏差、测量图像上物体的位置差异等指标来实现。误差分析可以包括定性和定量两方面的评估，根据测量要求和精度标准来判断数据的准确程度。例如，可以使用根据国家测绘标准要求计算得到的相对定位精度和绝对定位精度等指标，来评估测量数据的精度水平。

3 结语

综上所述，无人机倾斜摄影测量影像处理具有高分辨率、大数据量和高精度等特点；无人机倾斜摄影测量影像处理与三维建模的关键步骤包括图像预处理、特征点匹配与建立三维模型、相机定向和影像拼接等；通过精确地处理无人机倾斜摄影测量影像数据，可以实现准确的三维建模。无人机倾斜摄影测量影像处理与三维建模具有重要的应用前景，可广泛应用于地理信息系统、城市规划、土地管理等领域。