基于無(wú)人機(jī)傾斜攝影測(cè)量影像處理與三維建模的研究

李明哲

（福州城建設(shè)計(jì)研究院有限公司，福建 福州 350000）

隨著無(wú)人機(jī)技術(shù)的快速發(fā)展，無(wú)人機(jī)傾斜攝影測(cè)量成為了一種重要的遙感獲取數(shù)據(jù)方式，而影像處理與三維建模作為無(wú)人機(jī)傾斜攝影測(cè)量的關(guān)鍵環(huán)節(jié)，直接影響著數(shù)據(jù)的準(zhǔn)確性和三維模型的質(zhì)量。在實(shí)際應(yīng)用中，由于影像數(shù)據(jù)的復(fù)雜性和處理步驟的多樣性，仍存在諸多挑戰(zhàn)。因此，深入研究無(wú)人機(jī)傾斜攝影測(cè)量影像處理與三維建模的技術(shù)方法對(duì)于提高遙感數(shù)據(jù)處理的準(zhǔn)確性和效率具有重要意義。

1 無(wú)人機(jī)傾斜攝影測(cè)量影像處理的特點(diǎn)

在數(shù)據(jù)采集方面，無(wú)人機(jī)傾斜攝影可以通過(guò)多角度拍攝和多視角重疊的方式獲取大量的影像數(shù)據(jù)。這種采集方式能夠提供非常豐富的地物信息，并且可以避免傳統(tǒng)航測(cè)中的缺角問(wèn)題。在后期處理方面，傾斜攝影影像處理軟件可以根據(jù)影像之間的重疊度和匹配精度，實(shí)現(xiàn)高精度的三維建模和影像糾正。同時(shí)，無(wú)人機(jī)傾斜測(cè)量影像處理還可以利用現(xiàn)代計(jì)算機(jī)硬件和算法的優(yōu)勢(shì)，實(shí)現(xiàn)對(duì)大規(guī)模影像數(shù)據(jù)進(jìn)行快速處理和分析，提高數(shù)據(jù)處理的效率[1]。

2 無(wú)人機(jī)傾斜攝影測(cè)量影像處理與三維建模的流程與要點(diǎn)

以某不動(dòng)產(chǎn)測(cè)繪為例，對(duì)無(wú)人機(jī)傾斜攝影測(cè)量影像處理與三維建模進(jìn)行分析。該測(cè)繪項(xiàng)目的總拍攝任務(wù)面積為0.53 km2,區(qū)域內(nèi)部地勢(shì)較為平緩，建筑為新建高層建筑，排列密集。在項(xiàng)目中，使用大疆M300RTK無(wú)人機(jī)和搭載五鏡頭的賽爾102SV3相機(jī)開(kāi)展拍攝。其中，該型號(hào)相機(jī)的焦距為35 mm，影響單元的尺寸為3.9μm。已知，如果確定了像素的大小和焦距，則航高和地面的分辨率為正比關(guān)系。若航高定位在150 m的位置，則地面的分辨率能夠達(dá)到1.6 cm，這一參數(shù)能夠充分符合工程的實(shí)際需求。在無(wú)人機(jī)飛行的過(guò)程中，航向的重疊度與旁向的重疊度均為85%，航線呈東西方向，與測(cè)區(qū)平行；各個(gè)像控點(diǎn)的間隔距離為150 m，總共設(shè)置8個(gè)像控點(diǎn)。

2.1 圖像預(yù)處理

圖像預(yù)處理能夠從根本上提高圖像質(zhì)量和準(zhǔn)確性，為后續(xù)的特征點(diǎn)匹配和三維模型建立提供良好的數(shù)據(jù)基礎(chǔ)。在圖像預(yù)處理過(guò)程中，常涉及圖像校正、去噪和圖像增強(qiáng)等操作，具體來(lái)說(shuō)：

（1）圖像校正是針對(duì)無(wú)人機(jī)傾斜拍攝帶來(lái)的幾何畸變進(jìn)行的修正過(guò)程。無(wú)人機(jī)傾斜攝影時(shí)，由于視角的變化，圖像中的地物會(huì)出現(xiàn)形變現(xiàn)象，例如，地物的尺寸和形狀會(huì)發(fā)生變化。為了消除這種幾何畸變，通常需要使用校正方法，如可運(yùn)用幾何投影變換或者校正模型方法進(jìn)行圖像校正，利用無(wú)人機(jī)航攝系統(tǒng)中的定位和姿態(tài)信息，可以根據(jù)相機(jī)內(nèi)外參數(shù)進(jìn)行透視變換，將圖像校正到正常的地理坐標(biāo)系統(tǒng)下。

（2）圖像去噪是為了去除圖像中由于無(wú)人機(jī)飛行中的運(yùn)動(dòng)振動(dòng)、光學(xué)系統(tǒng)的噪聲等因素引入的噪聲干擾。去噪的方法有很多種，常見(jiàn)的是使用濾波器對(duì)圖像進(jìn)行平滑處理，例如，中值濾波、均值濾波或者高斯濾波等。濾波器的選擇和參數(shù)設(shè)置需要根據(jù)具體情況進(jìn)行調(diào)整，以平衡去噪效果和圖像細(xì)節(jié)保留之間的關(guān)系。

（3）圖像增強(qiáng)是為了改善圖像的視覺(jué)效果和特征提取能力。在圖像增強(qiáng)過(guò)程中，可以應(yīng)用一系列的算法和技術(shù)。例如，直方圖均衡化、對(duì)比度拉伸、銳化等方法。這些方法旨在增強(qiáng)圖像的對(duì)比度、細(xì)節(jié)和邊緣等特征，使得圖像更加清晰、鮮明，并提高后續(xù)處理算法的準(zhǔn)確性。

（4）在實(shí)際應(yīng)用中，圖像預(yù)處理的具體工作細(xì)節(jié)可能會(huì)根據(jù)不同的無(wú)人機(jī)傾斜攝影系統(tǒng)、傳感器型號(hào)和數(shù)據(jù)采集條件而有所差異。例如，在圖像校正中，常常根據(jù)相機(jī)的內(nèi)外參數(shù)（如焦距、主點(diǎn)坐標(biāo)、傾斜角度等）進(jìn)行幾何投影變換，具體操作涉及向量矩陣運(yùn)算等數(shù)學(xué)計(jì)算；在去噪過(guò)程中，根據(jù)噪聲的類型和分布情況選擇合適的濾波器，如使用3×3的中值濾波器對(duì)每個(gè)像素進(jìn)行中值計(jì)算；在圖像增強(qiáng)中，可以根據(jù)圖像局部特征的統(tǒng)計(jì)信息進(jìn)行灰度級(jí)調(diào)整，如通過(guò)直方圖均衡化使得圖像的灰度分布更加均勻[2]。

2.2 特征點(diǎn)匹配與建立三維模型

特征點(diǎn)匹配與建立三維模型是無(wú)人機(jī)傾斜攝影測(cè)量中的重要環(huán)節(jié)，其目的是利用圖像處理技術(shù)對(duì)圖像中的同名點(diǎn)進(jìn)行匹配，并根據(jù)同名點(diǎn)求取相應(yīng)地物特征的三維坐標(biāo)，從而建立地物三維模型。在特征點(diǎn)匹配過(guò)程中，需要對(duì)景物進(jìn)行特征提取和描述，具體來(lái)說(shuō)：

（1）需要對(duì)圖像進(jìn)行預(yù)處理，去除噪聲、光照不均和其他干擾因素，以保證提取出的特征具有穩(wěn)定性和可重復(fù)性。然后，可以利用現(xiàn)有的特征提取算法（如SIFT、SURF、ORB等）提取圖像中的特征點(diǎn)。這些算法可以在不同尺度和旋轉(zhuǎn)角度下提取具有良好特征描述性的關(guān)鍵點(diǎn)，并計(jì)算各個(gè)關(guān)鍵點(diǎn)的局部特征描述值。

（2）需要進(jìn)行特征點(diǎn)匹配。一般使用最近鄰匹配方法進(jìn)行特征點(diǎn)的匹配。具體地，對(duì)于每個(gè)圖像中的特征點(diǎn)，都會(huì)在另一個(gè)圖像中找到距離該點(diǎn)最近的幾個(gè)特征點(diǎn)，然后通過(guò)比較它們的局部特征描述子的相似度，選擇相似度最高的一個(gè)作為匹配點(diǎn)。同時(shí)也需要一些準(zhǔn)則來(lái)判斷一些特征點(diǎn)是否是誤匹配。一般來(lái)說(shuō)，會(huì)根據(jù)最短距離與次短距離之間的比值，來(lái)判斷兩個(gè)特征點(diǎn)是否匹配。

（3）可以利用攝影測(cè)量學(xué)的原理，根據(jù)圖像坐標(biāo)和攝影測(cè)量系統(tǒng)的內(nèi)外參數(shù)，求解出匹配點(diǎn)的三維坐標(biāo)。其中，內(nèi)參數(shù)包括相機(jī)的焦距、主點(diǎn)坐標(biāo)、徑向畸變等，并由標(biāo)定板進(jìn)行標(biāo)定得到；外參數(shù)包括相機(jī)的位置和朝向等，可以利用無(wú)人機(jī)航攝系統(tǒng)中的定位和姿態(tài)信息獲取。

（4）利用這些參數(shù)，可以根據(jù)空間前方交匯法則和光線三角測(cè)量法，對(duì)三維坐標(biāo)進(jìn)行計(jì)算。在建立三維模型時(shí)，還需要考慮如何對(duì)已經(jīng)求得的三維點(diǎn)進(jìn)行濾波和擬合，以消除誤差并獲得更加平滑的地表模型。這里常用的方法有曲面擬合、點(diǎn)云分割、點(diǎn)云配準(zhǔn)等技術(shù)。例如，在對(duì)植被進(jìn)行三維重建時(shí)，可以基于點(diǎn)云數(shù)據(jù)進(jìn)行體元細(xì)分和形態(tài)解析，實(shí)現(xiàn)植被的快速重建和精細(xì)化表征；在對(duì)建筑物進(jìn)行三維建模時(shí)，可以使用面元擬合方法，將建筑物表面抽象成一系列三角形表面網(wǎng)格，以更好地反映建筑物的幾何和色彩特征[3]。

（5）本次無(wú)人機(jī)傾斜攝影所構(gòu)建的真三維模型非常出色。圖1展示了整個(gè)測(cè)區(qū)的真實(shí)地理環(huán)境和房屋分布，反映了測(cè)區(qū)的整體情況。而圖2則展示了測(cè)區(qū)內(nèi)局部的細(xì)節(jié)模型，房屋的結(jié)構(gòu)非常清晰，屋角也變形很少，同時(shí)房屋的屬性信息也得到了詳細(xì)記錄。這些模型將為后續(xù)的矢量化信息采集提供重要的支撐。

圖1 測(cè)區(qū)地理環(huán)境與房屋分布的三維模型

圖2 測(cè)區(qū)內(nèi)部的細(xì)節(jié)模型

2.3 相機(jī)定向

通過(guò)計(jì)算相機(jī)的位置和姿態(tài)參數(shù)，將圖像特征點(diǎn)的二維坐標(biāo)與地物三維模型進(jìn)行對(duì)應(yīng)，實(shí)現(xiàn)圖像與地物之間的空間關(guān)系的精確匹配，在實(shí)際的工作中要做到以下幾點(diǎn)。

（1）在相機(jī)定向之前，需要進(jìn)行相機(jī)的內(nèi)方位元素標(biāo)定。內(nèi)方位元素包括相機(jī)的焦距、主點(diǎn)坐標(biāo)以及徑向畸變等參數(shù)。一般來(lái)說(shuō)，可以使用相機(jī)標(biāo)定板進(jìn)行標(biāo)定，通過(guò)拍攝多張已知幾何形狀的標(biāo)定板圖像，利用攝影測(cè)量的原理和非線性最小二乘法的思想，根據(jù)標(biāo)定板上的特征點(diǎn)和其真實(shí)世界坐標(biāo)的對(duì)應(yīng)關(guān)系，求解出相機(jī)的內(nèi)方位元素。例如，使用相機(jī)型號(hào)為Sony ILCE-7RM4的全畫(huà)幅無(wú)反相機(jī)，通過(guò)標(biāo)定板標(biāo)定得到的內(nèi)方位元素為焦距f=35 mm，主點(diǎn)坐標(biāo)為(x0，y0)=(1280，720)，徑向畸變參數(shù)為k1=-3.7，k2=2.1。

（2）利用已知地物三維模型，通過(guò)數(shù)學(xué)方法計(jì)算相機(jī)的外方位元素，主要包括相機(jī)的位置和姿態(tài)參數(shù)。其中，位置參數(shù)包括相機(jī)的XYZ坐標(biāo)，姿態(tài)參數(shù)包括方位角（azimuth angle）、俯仰角（pitch angle）和傾斜角（inclination angle）。為了簡(jiǎn)化計(jì)算，常常以某一參考點(diǎn)的坐標(biāo)作為世界坐標(biāo)系原點(diǎn)，將三維模型中的點(diǎn)與圖像中的特征點(diǎn)進(jìn)行對(duì)應(yīng)。在計(jì)算相機(jī)外方位元素時(shí)，可以利用數(shù)學(xué)公式和解析幾何的知識(shí)。例如，在計(jì)算相機(jī)位置時(shí)，可以使用空間后方交會(huì)法（或稱為重心法）來(lái)求解。該方法基于三角測(cè)量原理，通過(guò)已知地物三維點(diǎn)的空間坐標(biāo)和其在圖像中的二維坐標(biāo)，求解出相機(jī)的位置坐標(biāo)。

（3）具體做法是：在攝影坐標(biāo)系下，根據(jù)相機(jī)的內(nèi)方位元素和外方位元素，將地物三維點(diǎn)的空間坐標(biāo)轉(zhuǎn)換為像平面坐標(biāo)系下的投影坐標(biāo)，然后與對(duì)應(yīng)的圖像特征點(diǎn)進(jìn)行比較，通過(guò)最小二乘法求解出相機(jī)的位置坐標(biāo)。在計(jì)算相機(jī)姿態(tài)參數(shù)時(shí)，常使用旋轉(zhuǎn)矩陣或歐拉角來(lái)描述相機(jī)的方位、俯仰和傾斜角。通過(guò)將空間坐標(biāo)系下的地物三維點(diǎn)轉(zhuǎn)換到攝影坐標(biāo)系下，并與對(duì)應(yīng)的圖像特征點(diǎn)進(jìn)行比較，可以通過(guò)最小二乘法求解出相機(jī)的姿態(tài)參數(shù)。此外，為了提高定向精度，還可以采用多視幾何方法，利用多個(gè)圖像之間的重疊區(qū)域和共同特征點(diǎn)，進(jìn)行區(qū)域匹配和聯(lián)合定向，從而提高相機(jī)定位和姿態(tài)估計(jì)的精確度[4]。

2.4 影像拼接

（1）將不同視角下的圖像進(jìn)行無(wú)縫連接，生成具有大幅覆蓋區(qū)域的全景圖，主要包括圖像預(yù)處理、特征提取與匹配、幾何變換和圖像融合等工作。在進(jìn)行影像拼接之前，需要對(duì)輸入的圖像進(jìn)行預(yù)處理。預(yù)處理的目的是消除圖像的畸變以及色彩、亮度等差異，以便后續(xù)的特征提取和匹配。例如，可以使用型號(hào)為Canon EOS 5D Mark IV的全畫(huà)幅單反相機(jī)拍攝得到的圖像，通過(guò)去除鏡頭畸變和圖像校正，使得每張圖像都具備相同的格式和視角。

（2）進(jìn)行特征提取與匹配，特征可以通過(guò)局部紋理、邊緣等特征描述來(lái)表示。在這一步驟中，常用的特征提取算法包括SIFT（尺度不變特征變換）、SURF（加速穩(wěn)健特征）和ORB（oriented FAST and rotated BRIEF）等。通過(guò)提取每張圖像中的特征點(diǎn)，并計(jì)算其特征描述子，進(jìn)而進(jìn)行特征匹配，找到各個(gè)視角下對(duì)應(yīng)的特征點(diǎn)對(duì)。匹配算法常用的有暴力匹配和基于最近鄰的匹配方法。然后，進(jìn)行幾何變換，將各個(gè)視角下的圖像進(jìn)行對(duì)齊，使得它們?cè)谕蛔鴺?biāo)系下能夠無(wú)縫連接。其中，常用的幾何變換模型包括仿射變換和透視變換。仿射變換適用于平面上的圖像拼接，而透視變換適用于投影到三維場(chǎng)景中的圖像拼接。通過(guò)對(duì)特征點(diǎn)對(duì)進(jìn)行RANSAC（隨機(jī)采樣一致性）或最小二乘法估計(jì)，可以獲得幾何變換所需的變換矩陣或變換參數(shù)。

（3）進(jìn)行圖像融合，消除拼接過(guò)程中產(chǎn)生的過(guò)渡區(qū)域的不連續(xù)性，使得拼接后的全景圖具有良好的視覺(jué)效果。常用的圖像融合方法包括加權(quán)平均、拉普拉斯金字塔和多重分辨率合成等。通過(guò)在過(guò)渡區(qū)域內(nèi)進(jìn)行像素值的平滑過(guò)渡和融合處理，可以使得拼接后的圖像看起來(lái)更加自然。

（4）還可以利用顏色校正和亮度調(diào)整等技術(shù)，進(jìn)一步提高拼接圖像的質(zhì)量。進(jìn)行精度評(píng)價(jià)，將計(jì)算得到的模型結(jié)果與地面真實(shí)情況進(jìn)行比對(duì)，并進(jìn)行誤差分析。比對(duì)可以通過(guò)計(jì)算模型與地面控制點(diǎn)的偏差、測(cè)量圖像上物體的位置差異等指標(biāo)來(lái)實(shí)現(xiàn)。誤差分析可以包括定性和定量?jī)煞矫娴脑u(píng)估，根據(jù)測(cè)量要求和精度標(biāo)準(zhǔn)來(lái)判斷數(shù)據(jù)的準(zhǔn)確程度。例如，可以使用根據(jù)國(guó)家測(cè)繪標(biāo)準(zhǔn)要求計(jì)算得到的相對(duì)定位精度和絕對(duì)定位精度等指標(biāo)，來(lái)評(píng)估測(cè)量數(shù)據(jù)的精度水平。

3 結(jié)語(yǔ)

綜上所述，無(wú)人機(jī)傾斜攝影測(cè)量影像處理具有高分辨率、大數(shù)據(jù)量和高精度等特點(diǎn)；無(wú)人機(jī)傾斜攝影測(cè)量影像處理與三維建模的關(guān)鍵步驟包括圖像預(yù)處理、特征點(diǎn)匹配與建立三維模型、相機(jī)定向和影像拼接等；通過(guò)精確地處理無(wú)人機(jī)傾斜攝影測(cè)量影像數(shù)據(jù)，可以實(shí)現(xiàn)準(zhǔn)確的三維建模。無(wú)人機(jī)傾斜攝影測(cè)量影像處理與三維建模具有重要的應(yīng)用前景，可廣泛應(yīng)用于地理信息系統(tǒng)、城市規(guī)劃、土地管理等領(lǐng)域。