基于CMVS/PMVS多视角密集匹配方法的研究与实现

使用CMVS\PMVS密集匹配方法,不需要任何诸如可视壳、深度图、包围盒等先验知识.输入SFM点集,先通过CMVS对影像进行聚簇,以减少数据量,再由基于贴片模型的PMVS方案通过匹配、膨胀、过滤三个步骤,在局部光度一致性和全局可见性约束下完成密集匹配.整个过程中算法能自动剔除外点与障碍物,最终输出结果为覆盖整个重建目标表面的小型矩形贴片集.CMVS\PMVS密集匹配方法适用于对无序影像和室外场景的三维重建.实验结果表明:使用CMVS\PMVS密集方法得到的三维点云非常密集,具有很高的实用价值.     

一种倾斜影像密集匹配算法的设计与实现

计算机视觉领域的PMVS算法在多视角影像匹配中具有很好的匹配效果,但将其直接引入航空倾斜影像匹配还存在一些问题:随着影像数据量的增加,PMVS算法对计算机内存占用呈几何增长;PMVS算法针对大倾角的影像匹配存在一些问题;在候选面片生成时,PMVS算法采用固定大小的窗口采集待匹配影像像素,若窗口选择过小,则参与匹配的像素信息少,匹配效果不佳,若窗口选择过大,则将导致匹配耗时过长。针对上述问题,采用分块PMVS策略,提出了改进的自适应窗口匹配算法。实验结果表明,该算法能有效解决将PMVS算法直接引入航空倾斜影像密集匹配中存在的问题,具有一定的实用性。     

航空倾斜摄影系统多相机姿态安装误差检校

针对航空倾斜摄影系统多相机间相对关系的姿态误差,提出一种利用下视影像密集匹配点云约束的联合平差多相机姿态安装误差检校方法。文中方法以共线方程为基础,通过联立倾斜立体像对连接点、下视影像密集匹配点云数据提供的高程约束虚拟观测值,采用非线性最小二乘SQPM算法求解倾斜影像的外方位元素改正数,从而解算下视相机与倾斜相机间的姿态安装误差。为了保证连接点可靠性,提高虚拟观测值的有效性,采用下视影像密集匹配的点云约束倾斜影像立体连接点匹配和分布优化过程。利用SWDC-5倾斜摄影系统获取的数据进行实验,通过原始姿态检校参数将下视影像生成的密集点云投影至倾斜立体影像上,在像方有22个像素左右的误差,采用文中方法检校后,像方误差减少到0.29个像素。     

SFM的倾斜航空影像空中三角测量

针对传统空中三角(简称空三)测量方法处理倾斜航空影像的不足,提出了一种基于SFM算法的倾斜航空影像空三测量方法。首先利用垂直影像空三结果获取初始区域网模型,垂直影像空三解算可通过常规的空三算法或现有的软件获取。然后采用SFM算法,在初始区域网模型的基础上,递增式地恢复倾斜影像的外方位元素,最后将垂直影像和倾斜影像联合进行绝对定向、区域网光束法平差。选用玉树数据进行空三试验,结果表明:本文提出的SFM方法能够精确解算出倾斜航空影像的外方位元素,且空三结果优于现有倾斜影像空三软件Pix4Dmapper,可以作为一种倾斜航空影像定向方法。     

多像位姿估计的全景纹理映射算法

纹理映射技术作为获取具有丰富纹理信息的真彩色点云的有效手段，正以其独特的优势广泛地应用于众多行业领域。研究了一种利用三维激光扫描仪与外置数码相机联合标定解算多张影像位姿并获取全景真彩色点云的方法。其基本思想是利用摄像机与激光扫描仪固有的相对位置姿态，通过对首张影像进行标定得到其位置姿态后，利用摄像机空间旋转的几何特性，根据首张影像的位姿获取其余影像的位姿，继而完成多张影像的纹理映射，获取全景彩色点云。对比目前主流的全景影像纹理映射算法，该算法在精度与效率上均有一定提高。对多种点云数据进行纹理映射实验，结果表明，该方法能够快速准确地获取真三维全景彩色点云，为三维精细化建模提供了数据基础。     

基于多视影像匹配模型的倾斜航空影像自动连接点提取及区域网平差方法

自动可靠地获取精确且均匀分布的连接点并进行区域网平差解算,是使用倾斜航空影像进行高精度测绘、三维信息提取和三维城市模型构建等应用的前提。本文提出了一种实用化的大重叠率倾斜航空影像的全自动连接点匹配和联合区域网平差方法。一方面,针对倾斜航空影像因遮挡严重、尺度变化大和几何变形严重而引起的同名点匹配困难问题,充分利用POS数据和平均飞行高度等初始数据,同时顾及这些数据的误差,通过有效组合一种改进的ASIFT算法和基于窗口的多角度多视影像匹配模型(WMVM),使用由粗到细的多分辨率分层匹配策略完成连接点的全自动提取;另一方面,在传统的最小二乘光束法平差的基础上,根据倾斜航空影像数据的特点,提出了基于稳健估值原理的粗差自动探测与剔除关键算法。最后,利用多组典型试验区域的倾斜航空影像数据试验结果验证了所提算法的可靠性、精度和实际性能。     

面向对象的倾斜摄影测量点云分类方法

随着影像密集匹配方法的发展,目前可以从多视倾斜航空影像获得大量类比于激光扫描数据密度甚至精度的点云,但获取结果以着色的点云为主,缺乏分类信息。针对此问题,提出了一种面向对象的倾斜摄影测量点云分类方法。首先,计算单点特征向量;然后,利用SLIC(simple linear iterative clustering)算法将点云对应的影像分割成超像素,再根据点云和影像间的关系,将点云聚类成超体素对象,并计算每个对象的特征向量;在此基础上,采用随机森林算法对超体素进行分类;最后,根据语义信息对分类结果进行后处理获得最终的点云分类结果。2组典型实验数据结果表明,总体分类精度分别达到91.2%和88.1%,比基于单点的分类方法分别提高了2.3%和8.2%。     

基于非固定初始面元的无人机影像点云优化算法

获取平台的不稳定性容易导致无人机影像的几何变形增大。如何高精度匹配这类影像是当前摄影测量与遥感领域的研究热点之一。针对这个问题,提出基于非固定初始面元的无人机点云优化算法,采用差分代替微分计算地物表面局部正切平面的近似法向量,以此为初值建立初始物方面元进行匹配计算,并用两组数据进行实验验证。结果表明,基于非固定初始面元的无人机影像点云优化算法改进了基于物方面元的最小二乘匹配方法,优于基于面元的多视立体匹配(patch-based multi-view stereo matching and reconstruction,PMVS)中的点云优化方法,提高了点云优化的效率和精度。     

倾斜影像自动空三及其在城市真三维模型重建中的应用

在一种具有视点不变性的改进的倾斜影像自动匹配方法的基础上,针对多视倾斜影像光束法平差方法中未知参数多的问题(例如可能导致平差解算不稳定),提出了带有相对姿态参数的倾斜影像光束法平差模型,并给出了该模型的适用范围。对一套典型的数字倾斜摄影仪SWDC-5的倾斜影像数据进行实验,结果表明:当相机之间曝光延迟小,且相对姿态参数可以看作比较严格的刚体时,该方法的自动空中三角测量(简称空三)处理精度较高,单位权中误差为0.46像素,像点平均残差为0.27像素。将该空三成果应用到城市真三维模型重建中,计算机自动得到的三维表面模型纹理比较自然、真实,能够满足一定程度的视觉需求,为大规模城市真三维模型重建提供了参考。     

倾斜立体影像自动准稠密匹配与三维重建算法

倾斜影像之间因存在较大几何畸变,已有算法尚难取得可靠准稠密匹配,严重阻碍后续的三维重建。本文提出一种基于仿射不变特征的自动准稠密匹配与三维重建算法。算法分三个阶段:1)种子匹配。先利用仿射不变特征获取初始匹配,在此基础上进行最小二乘匹配(least square matching,LSM),并自适应迭代求取LSM最大收敛区域(maximum convergence region,MCR);2)准稠密匹配。对位于MCR内部的格网点采用透视变换模型的归一化互相关(normalized cross correlation,NCC)测度进行匹配,其余格网点则采用对极几何改正模型的加权差值平方和测度进行匹配,对于匹配结果中可能存在的外点根据几何一致性关系剔除;3)三维表面重建。利用影像定向与共线方程对2)步结果重建三维点云,然后根据三维点云生成三维网格并贴上纹理,得到最后的重建结果。实际的倾斜立体影像实验验证了算法的优越性。     

多源数据融合的DIM点云滤波及DEM生成

针对已有密集影像匹配(DIM)点云滤波算法通用性差,滤波效果受限于参数设置,且均未利用生成点云的影像信息等问题,该文提出一种融合多源数据的DIM点云滤波算法。首先融合影像和DIM点云高程多源信息;再引入新型分类器对融合影像进行分类,其分类结果作为知识引导用于点云滤波中,即将分类专题图与DIM点云叠加以过滤非地面点,实现点云滤波并生成数字高程模型;最后选用航空影像进行密集匹配和滤波实验。实验结果表明,利用该点云滤波算法生成的DEM与参考DEM呈现高度相关性,可大大减少生产DEM人工后处理的工作量。     

深度图像分割的城市区域倾斜影像密集匹配点云滤波算法

倾斜摄影测量作为一个新兴领域发展势头迅猛,在众多领域得到了广泛应用。但倾斜影像密集匹配点云处理技术研究却相对较少。倾斜影像密集匹配点云分布不均匀、表面粗糙,因而传统的激光扫描点云处理算法在用于倾斜影像密集匹配点云处理时的适用性较低。本文从倾斜影像密集匹配点云特点出发,提出了一种利用点云高程信息生成深度图像提取建筑物非连通区域,在全局范围选取种子点实现多种子点区域生长的点云快速滤波算法。实验结果表明,该算法滤波效果好、速度快,可以改善密集匹配点云部分地物底部边缘不清晰引起错分和区域生长无法分割建筑物非连通区域的问题。     

利用摄影基线改进SIFT算法

影像匹配是利用航空影像获取同名点和DEM的关键技术之一,而大倾斜影像的匹配问题也是目前匹配技术发展的难点。针对这一问题,本文研究了SIFT和ASIFT算法,并基于航空影像之间的摄影基线对ASIFT算法进行了改进,在成像模型中加入倾斜角度和平移变量,在一定程度上解决了大倾斜航空影像的自动匹配问题,并给出了试验结果。     

基于贴近摄影测量技术的实景精细建模

近年来,随着倾斜摄影技术以及建模软件的不断成熟,实景三维建模技术取得了迅速的发展与广泛应用.但受到航摄死角、地物遮挡以及影像错误匹配等影响,通过倾斜摄影技术构建的实景模型存在局部几何结构粗糙、空洞等现象.本文主要研究基于航空摄影测量和贴近摄影测量技术采集影像,并利用实景三维建模技术将无人机影像处理得到的点云与贴近地面采集的地面影像处理后得到的点云融合进行精细化实景建模.并以山西省大同市煤炭地质公园试验数据为例,融合无人机倾斜影像数据与贴近地面影像数据,使用Context Cap-ture(原名Smart 3D)处理软件进行点云融合局部精细建模,使模型精细化程度大大提高,能够真实反映地形地貌.     

基于无人机重建点云与影像的城市植被分类

针对以往无人机遥感用于城市植被分类时多利用影像光谱、纹理和形状等特征,影像重建点云数据未能充分利用的问题,提出一种综合影像重建点云与光谱信息的城市植被分类方法。首先,基于运动恢复结构(structure from motion,SFM)、多视图聚簇(cluster multi view stereo,CMVS)和基于面片模型的密集匹配(patch based multi view stereo,PMVS)算法重建研究区密集点云;然后,经滤波、插值生成研究区数字高程模型(digital elevation model,DEM)和归一化数字表面模型(normalized digital surface model,n DSM),同时结合影像光谱信息对不同高度的城市植被进行分类提取;最后,采用面向对象的影像分析方法,根据n DSM信息与归一化绿红差异指数(normalized greenred difference index,NGRDI)及可见光波段差异植被指数(visible-band difference vegetation index,VDVI)等光谱信息,分别建立了水生植被、草地、灌木、小乔木和乔木等不同植被的分类规则。实验结果表明综合利用影像重建点云得到的n DSM信息与影像光谱信息提取不同高度的植被是可行的,总体分类精度达到92. 08%。该方法可为城市植被分类与制图提供理论支持和应用参考。     

影像密集匹配点云的单体化提取

以倾斜影像密集匹配点云数据为研究对象,提出了一种快速提取建筑物单体点云模型的方法。首先通过过滤地面点云数据以实现地物分离,采用高程频率直方图确定植被点云的高程区间并予以剔除。然后采用基于密度的聚类分析算法对剩余建筑物顶部点云进行了聚类。最后根据每栋独立建筑物屋顶点云的坐标范围,从原始点云数据中提取了每栋独立建筑物的完整点云,实现了对于倾斜影像密集匹配点云的单体化提取。     

多分辨率倾斜影像与GeoSLAM激光点云融合精细化建模方法

针对无人机常规倾斜影像建模过程中存在的拉花、空洞、地物悬浮等问题,提出了多分辨率倾斜影像融合GeoSLAM激光点云进行精细化建模的方法。该方法选用无人机和GeoSLAM激光扫描仪采集数据,将多分辨率倾斜影像匹配点云与激光点云进行拼接、点云配准、噪点过滤处理,通过重建大师软件完成倾斜影像和激光点云数据融合建模,并从模型精度、纹理结构上对融合建模模型进行质量评价。结果表明：融合后的三维模型几何结构完整,细节纹理清晰,模型精细度明显提升。     

改进的AKAZE特征提取的全局式SFM三维重建算法

针对增量式SFM算法过渡依赖初始图像的选择,重建时误差累积导致场景漂移且计算效率低的问题,设计了一种改进的加速KAZE特征提取的全局式SFM三维重建算法.首先通过增强特征接受阈值并构造非线性尺度空间来提取图像的特征,使用改进局部差分二进制MLDB描述符对特征进行描述;然后利用全局式SFM算法对整个场景的相机位姿进行估计,从而减小误差并减少光束法平差BA的使用次数,降低了算法的复杂度,大大提高计算效率;最后利用基于面元的多视立体匹配PMVS算法得到稠密重建结果.实验结果表明,同等条件下该方法能够得到更多的有效点对,计算效率约为增量式SFM算法的2倍,且特征匹配准确率提高5％,稠密重建的点云精度高,信息丰富且纹理清晰,是一种有效的三维重建方法.     

基于密集匹配点云的DEM生产可行性研究

无人机倾斜摄影直接生产的成果通常包括三维模型、TDOM、DSM等,然而规划设计通常不能直接利用倾斜数据输出的DEM,需要辅以人工编辑。作为倾斜摄影影像处理的过程成果,密集匹配点云未得到充分利用。其与激光雷达点云具备相似的结构,且点云密度可自由选择,在不考虑数据量的情况下,密集匹配点云的点密度可数倍于激光雷达点云。此外,密集匹配点云无需单独赋色,即具有纹理信息, 对人工目视编辑自动分类后的地面点具有一定的辅助作用。本文对比分析了同一测区的密集匹配点云与激光雷达点云,验证了密集匹配点云用于房屋建筑区及稀疏林区地面点滤波并生产DEM的可行性。     

机载激光雷达点云的阶层式分类

激光雷达是一种快速获得高密度高精度的三维数字地面信息的新技术。本文介绍了几种激光雷达数据过滤算法,提出了激光雷达点云数据的阶层式分类策略,并将基于航拍影像数据进行着色后的机载激光雷达点云数据作为研究对象,对其应用激光雷达数据过滤算法进行阶层式分类。实验结果表明,此种方法能有效地对大部分地物信息进行过滤和分类。