基于MVS倾斜摄影测量技术的城市三维模型研究
陈相帅
【摘 要】为了满足城市快速建设的需求,采用MVS倾斜摄影测量技术对城市三维模型进行研究,研究了基于MVS倾斜摄影测量的流程内容、运动获取结构、影像匹配算法、密集点云生成,并对该技术进行改进.改进技术采用原始三角格网数据中对单栋建筑物进行提取,在该流程中,采用水平切割对水平外轮廓进行切割;对外轮廓的凸包进行求解;根据一定比例求出建筑物外包围范围.研究得出,该方法能够稳定地处理建筑物的复杂性,具有很好的重建效果.研究成果对扩展城市三维模型的应用以及智慧城市的发展具有一定的研究价值.
【期刊名称】《中州煤炭》
【年(卷),期】2018(040)007
【总页数】6页(P136-141)
【关键词】MVS倾斜摄影测量技术;城市三维模型;影像匹配算法;密集点云;重建效果
【作 者】陈相帅
【作者单位】河南省航空物探遥感中心,河南 郑州 450053
【正文语种】中 文
【中图分类】TP391.41
0 引言
随着城市的发展和社会经济的发展，人们对城市的建设的需求越来越大，倾斜摄影测量技术在很多领域都得到了广泛的应用，例如灾害控制、城市规划、能源管理、导航等［1-3］。
现在城市建模的方法主要为3种:①利用三维建模软件对城市进行手工建模，该方法的特点为建模质量高，但是存在更新周期长、人力成本高的缺点;②利用激光LiDAR进行航空数据采集，该方法的特点为精度较高、采样点密集，但是存在设备昂贵等缺点;③采用MVS倾斜摄影技术对城市进行三维模型重建，该方法使用无人机等设备，从不同角度对城市建设进行数码航空影像，再利用某种算法实现自动建模，该方法的特点为成本低、采集简单、速度快等，
此方法建立的城市模型具有纹理丰富以及真实感强等优点，并成为城市模型重建的主流方法［4-10］。
1 基于MVS倾斜摄影测量技术
基于MVS倾斜摄影测量技术使用已经相当广泛，主要涉及计算几何学、计算机图形学、摄影测量学、计算机视觉等领域学科，关键技术方面主要包括线性几何、表面重建、特征点匹配与特征点提取等，MVS倾斜摄影测量的流程［11-13］如图1所示。
图1 MVS倾斜摄影测量的流程Fig.1 MVSflow of tilt photogrammetry
1.1 运动获取结构
通过相片得到地面点的三维空间坐标是解决倾斜摄影的根本办法，需要至少2幅图像得到点的三维坐标，其求解原理如图2所示。型的质量，影像匹配算法主要分为2类。
图2 求解原理Fig.2 To solve principle
(1)基于相关的匹配。此方法的原理主要是以待匹配点为中心，然后在原始图像创建一个窗口，
并以此窗口为模板，对目标图像进行遍历，于此同时对相似度进行计算。假如，目标窗口的灰矩阵为G(gi，j)(i=1，2，…，m，j=1，2，…，n)，其灰度函数为g(x，y)，其目标图像在搜索区域的灰度矩阵表示为 G'(g'i，j)(i=1，2，…，k，j=1，2，…，l)，其灰度函数为g'(x'，y')，r为模板在目标图像上的行位移，c为模板在目标图像上的列位移，则常见匹配的算法见表1。
表1 常见匹配的算法Tab.1 Common matching algorithm序号 匹配算法 函数1 相关函数 R(c，r)=∑m i=1∑n j=1gi，j× g'i+r，j+c 2 协方差函数 C(c，r)=∑m i=1∑n j=1(gi，j－g) × (g'i+r，j+c －g)3 相关系数 ρ(p，q)= C(p，q)CggCg'g'(p，q)槡4 差平方和 S2(c，r)=∑m i=1∑n j=1 gi，j－ g'i+r，j+c 2()5 差绝对值和 S2(c，r)=∑m i=1∑n j=1|gi，j－ g'i+r，j+c|2
(2)基于特征的匹配。整体流程主要分为2步:①特征点提取;②特征匹配，目前采用的特征值匹配算法主要有SURF算法以及SIFT算法，本文主要是采用SIFT算法，该算法具有尺度不变性与旋转不变形，该方法特点见表2。
tilt
由图2知，2个视图间的关系可以表示为:
式中，x1为视图1中的坐标点;x2为视图2中的坐标点;F为基础矩阵。
为了对基础矩阵F进行求解，通过对7对非线性的对应点或者8个线性的对应点进行求解，因此对两视图对应特征点的匹配是求解础矩阵F的关键。
1.2 影像匹配算法
三维重建的核心主要是对两幅或者多幅图像间的同名点进行识别，也是影像匹配的实质，SFM的正确性与点匹配的正确具有密切的关系，也与密集点匹配的正确率有密切的联系，这些决定着最终模
表2 SIFT算法特点Tab.2 SIFT algorithm features序号 特点 内容1 图像的局部特征 亮度变化、尺度缩放保持不变;仿射变换、视角变化保持稳定2 独特性好，信息量丰富 可以在海量特征数据库进行准确、快速匹配合3多量性 产生大量的SIFT特征向量4高速性 可以实现实时的要求5可扩展性 方便与其他形式特征向量进行联合
SIFT算法主要包括4个步骤:①在尺度空间进行极值探测;②对关键点进行精确定位;③对关键点的主方向进行确认;④对关键点进行描述。
1.3 密集点云生成
为了得到三维模型，需要对场景的密集三维点云进行获取，也就是对所有像素点的信息进行获取。
密集点匹配的方法有很多，MVS工作流采用PMVS方法对密集点云进行获取，该方法的初始输入一般采用SFM相机网络，对于匹配的小场景对象的物方面元，反投影到图像得到密集点云，首先使用DoG算子和Harris算子进行特征点识别，然后对物方面元进行定义并进行点匹配，最后采用最小化光度差异函数对物方面元进行优化。受到拍摄角度、航空摄影中的光线、密集点匹配算法的限制，现得到密集云点存在较多的缺陷，从而导致模型质量存在缺陷的直接原因，3D密集点云的缺陷如图3所示。
1.4 表面重建
为了表面重建进行研究，需要对几何结构进行提取(密集点元已经获取)，目前表面重建有诸多的缺点，本文采用泊松重建的方法，该方法具有重建精度高、运行速度快等特点，并集成了局部拟合和全局拟合的优点。
图3 3D密集点云的缺陷示意Fig.3 Defects in 3D dense point cloud
2 方法改进
针对目前基于MVS倾斜摄影测量技术的存在缺点，采用基于轮廓的建筑物三维重建方法对基于MVS倾斜摄影测量技术进行技术改进［14-20］，重建的流程如图4所示。
图4 重建的流程Fig.4 Process of reconstruction
2.1 建筑物的提取
改进技术采用原始三角格网数据中对单栋建筑物进行提取，在该流程中，首先采用水平切割对水平外轮廓进行切割，然后对外轮廓的凸包进行求解，最后根据一定比例求出建筑物外包围范围。
2.1.1 坐标系转换
在进行建筑物提取时，需要把输入的数据由相对坐标系转换为世界坐标系，转换方程为:
式中，R为旋转矩阵;k为缩放比例;P0为相对坐标系的原始点V为平移向量为转换后世界坐标系的目标点，
2.1.2 建筑物范围提取
为了得到建筑的轮廓，采用一个和XOY平面平行的平面在高度h处对三角格网进行切割，求解交点的原理如图5所示。在得到外轮廓后，对建筑物的外包范围进行提取，由于使用泊松重建得到的三角格网并不是很规则，因此需要把轮廓范围进行扩大。首先对轮廓的凸包求解，然后进一步扩大尺度倍数，获得建筑物的包围范围，建筑物轮廓和外包围盒如图6 所示［21-26］。
图5 求解交点的原理Fig.5 To solve the principle of intersection
图6 建筑物轮廓和外包围盒Fig.6 Building silhouette and outer bounding box
2.1.3 分割
本文依据所得建筑物外包围范围对原始三角格网进行分割，然后判断三角面片中是否在环内，判断公式如式(3)。
式中，ri为一个环;np从点p做的一条射线;p为一个点;L为所有三角面片点的集合，函数E用于计算点p是否在ri中。
根据每一个环进行分割，最终会分割出所有建筑物，建筑物分割如图7所示。
图7 建筑物分割Fig.7 Building segmentation
2.2 多边形3D模型重建
为了对输入的数据进行精简，需要对建筑物几何结构进行抽象化建模，重建方法主要涉及切片，3D模型的简历以及层次的调整。
3 实验结果及分析
采用MVS倾斜摄影测量技术对城市三维模型进行研究，算法中参数和实验中参数值见表3。建筑物数目和处理时间见表4。
表3 算法中参数和实验中使用的参数值Tab.3 Algorithm parameters and experimental parameters used in the experiment处理过程 参数 值建筑物提取 建筑物提取切割的高度h 20 m重建 重建切割的起始高度 20 m建筑物提取 凸包缩放的比例 1.1重建 识别新面的面积差阈值 100 m2重建 Alpha Shape的半径r 7 m重建 显示细节块的最小面积 100 m2重建 切割的垂
直间隔 5 m重建 进行环聚类的形心距离 15 m重建 拟合直线夹角变化阈值 0.4 rad重建 调整层间差异的线段最大距离2.5 m
表4 建筑物数目和处理时间Tab.4 Number of buildings and processing time/s单栋建筑物数据输入原始建筑物数目/栋提取所耗时间/s提取出的建筑物数目/栋重建所耗时间0.079 1 0.311城市地块1 240 212.788 211 2 121.340
实验1输入的为单栋建筑物，单栋建筑物试验结果如图8所示。实验2输入的为大规模城市场景地块，大规模城市场景地块试验结果如图9所示。
由实验结果可知，采用MVS倾斜摄影测量技术对城市三维模型进行重建，能够稳定地处理建筑物的复杂性，得到很好的重建效果。
图8 单栋建筑物试验结果Fig.8 Single building test results
图9 大规模城市场景地块试验结果Fig.9 Large-scale urban scene plots test result

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。