城市三维地形模型中的关键技术讨论

本文以四元桥地区三维模型试验为例,阐述了城市三维地形模型中的关键技术。包括适用于地形模型的数字高程模型制作方法、传统影像重叠度条件下的真正射影像制作方法和渲染技术与立体建模相结合的道路建模方法。结果表明本方法在精度与真实性损失较小的条件下达到了整体美观效果,所建模型符合城市三维地形可视化的需要。     

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。     

面向光栅介质的立体地形景观生成方法

提出一种基于单张地形影像及其对应的数字地形模型,采用光栅制作生成祼眼可以观察的立体地形景观模型的方法。该方法采用三维透视变换原理,结合重采样算法,可以得到任意多幅可满足立体观察的影像。试验表明该方法简便有效,可满足实际生产需求。     

小基高比摄影测量方法及实验分析

传统摄影测量在影像分辨率给定的前提下,为获得尽可能高的高程精度,基本上都采用大基高比(0.6~1)的方案,以实现地形三维信息的可靠高精度的提取。在影像获取系统严格标定和影像匹配精度较高的情况下,小基高比摄影测量同样可以重建可靠的三维信息。文中从数学的角度探讨小基高比立体像对重建高程信息的可能性。对不同基高比的航空影像进行的实验表明,在特征明显区域小基高比立体像对可以获取可靠的高精度的高程信息。     

融合激光扫描和多视图影像的模型重建技术

针对在复杂的扫描环境下,三维激光扫描点云数据容易缺失、噪点多,点云预处理难度大且效果不理想,进而影响后期模型重建精度和效率的问题,该文对融合三维激光扫描和多视图影像重建两种技术进行了研究,提出了一种全新的快速精细化模型重建方法。结合某工程实例,基于分块建模的思想,运用该方法完成了数字三维模型的重建工作。实验结果表明,该方法可以建立高精度的三维模型,并在很大程度上提高了建模的效率。     

面向序列影像的三维场景重建方法

针对序列影像三维场景重建过程中存在的自动化程度不高、模型精度不够等问题,该文提出了一种基于序列影像的三维场景重建方法。该方法利用尺度不变特征变换算子获得了大量稳定的特征点后,结合K-D树搜索策略以及随机抽样一致性误匹配剔除方法得到稳定的匹配点对,然后采用稀疏光束法平差获取序列影像的相对位置姿态参数,最后采用多视密集匹配方法实现场景目标的密集重建。实验结果表明:该文所提方法可以快速得到准确、完整的三维重建结果。     

一种融合多源特征的建筑物三维模型重建方法

以激光点云数据和倾斜多视影像为研究对象,提出了一种结合机载点云、地面点云及倾斜多视纹理的融合多源特征的建筑物三维模型重建方法。该方法结合点云面元以及影像边界特征,利用倾斜影像的线特征对顶面及立面模型进行边界规则约束,实现了面元自动拓扑重建;通过交互编辑完成不同复杂程度的建筑模型重建,并对模型进行纹理映射。实验结果表明,该方法能够有效提升城市建筑物三维模型重建的效率和边界精度,为利用多源数据的空地联合建筑物三维精细重建提供了一套切实可行的解决方案。     

基于无人机遥感影像拓扑分析的三维重建

在无需任何地面控制点或其它先验知识前提下,探索一种基于无人机遥感影像的三维重建方法.利用无人机飞控数据建立的影像拓扑结构,依次通过特征点提取、影像匹配、从运动恢复结构等步骤估计出相机位置和姿态参数,并恢复出场景特征点云信息,最后对重建精度进行分析.试验结果表明,文中提出的方法可快速、可靠地实现较高精度的三维模型重建.     

空地多视角影像的古村落三维重建应用

针对古村落对三维实景模型的高精度、精细化真实还原需求,该文设计了一种基于影像进行三维实景重建的技术方法。采用多旋翼无人机和手持三轴云台相机分别采集低空和地面的多视角影像,通过Context Capture软件对来自地面、低空的多视角影像分别进行空中三角测量和区块合并,实现了地面、低空多视角影像的集成,并进行三维实景建模。该方法应用于东莞市南社古村落的三维实景建模工作中,结果表明,该方法建模成果的几何精度和纹理贴图满足相关规范要求,适用于大型文化遗产的三维实景建模。该方法充分利用低空和地面不同位置的视角的优势,能够为大型文化遗产采集较为完整的影像信息,在构建高精度、还原效果好的三维实景模型方面具有明显的优势。     

利用三视匹配元进行多视影像批处理重建

无序多视影像的三维重建对噪声非常敏感,错误的匹配关系会影响重建的精度,甚至直接导致重建失败。提出了一种稳健的批处理重建算法,首先利用回路闭合约束剔除可能存在误匹配的三视匹配元,然后以三视匹配元中的三焦张量约束代替传统算法的核线约束来计算所有影像旋转矩阵和相机中心位置的全局最优解。重建过程中引入高效的并查集算法来提取多视匹配点,并利用迭代线性三角形算法计算空间点的三维坐标。实验结果表明,所提算法在重建效率和计算精度方面都能取得较好的结果。     

联合空-谱信息的高光谱影像深度三维卷积网络分类

针对高光谱影像分类高维和小样本的特点,提出一种基于深度三维卷积神经网络的高光谱影像分类方法。首先,该方法直接以高光谱数据立方体为输入,利用三维卷积操作提取高光谱数据立方体的三维空-谱特征。然后,利用残差学习构建深层网络,提取更高层次的特征表达,以提高分类精度。最后,采用Dropout正则化方法防止过拟合。利用Pavia大学、Indian Pines和Salinas 3组高光谱数据进行试验验证,结果表明,与支持向量机和现有的基于深度学习的高光谱影像分类方法相比,该方法能有效提高高光谱影像的地物分类精度。     

Smart 3D数据的三维模型重建

针对Smart 3D生成的实景三维模型是一个三角网集合,并不能直接应用于数字城市建设、土地利用管理与城市规划的问题,该文提出了Smart 3D数据三维模型重建的方法:研究了基于分割过滤方法,提取高精度数字高程模型;基于参数化建模、纹理重建方法构建了建筑物三维模型。利用敦化市的倾斜影像进行了实验。实验结果表明:三维重建模型精度高、效果好、提高了自动化的程度,实现了城市建筑物模型的单体化。     

基于深度残差网络的机载LiDAR点云分类

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。     

影像信息驱动的三角网格模型优化方法

提出一种基于影像信息驱动的三角网格优化方法,以解决现有利用三角网格实现三维重建出现的问题。根据影像信息,将影像利用物方三角面片重投影至其他可视影像上,利用梯度下降法,通过影像归一化互相关系数对物方顶点坐标进行求导,得到其梯度变化值。根据该变化值在法向量方向上调整物方三角网的顶点,使得区域的匹配代价最小,实现三角网格模型的优化,进而达到改善三维重建的目的。试验结果表明,本文方法可有效地提高物方三角网的结果精度,从而有效地改善重建三维模型的效果。     

优化先验模型参数的矿区多轨InSAR三维形变监测

监测煤矿开采导致的地表三维形变对于矿区地质灾害防控和开采沉陷机理研究至关重要。针对单轨道InSAR和先验模型融合解算矿山三维形变存在精度不高、时间分辨率差的问题,本文提出了一种通过优化先验模型参数的矿区多轨InSAR三维形变解算方法。首先,利用Weibull模型同步4个轨道LOS向形变位移,以此削弱不同轨道之间时间异步对三维形变解算精度的影响,并采用加权最小二乘求解矿区垂直向和东西向形变;然后,根据垂直向和东西向形变优化矿区开采先验模型参数;最后,解算南北向形变位移。利用覆盖大同矿区的TerraSAR-X数据和3个轨道Sentinel-1 InSAR数据集对本文方法进行验证。研究结果表明,与地面GPS监测点相比,本文方法可以获得相对精确的三维形变结果,垂直向RMSE、东西向RMSE和南北向RMSE约为1.1、1.4和2.1 cm。     

高光谱遥感影像多级联森林深度网络分类算法

高光谱遥感技术在环境监测、应急保障、精细地物提取等方面有着广泛的应用,随着高分五号高光谱数据的正式发布,高光谱遥感技术将发挥更重要的作用。遥感影像分类作为高光谱遥感影像信息处理的重要部分,已成为当前研究重点。本文针对传统多级联森林深度学习中模型复杂、无法利用基分类器差异信息、对类间差异较小的样本无法正确区分等不足,提出了一种改进的多级联森林深度学习模型,在模型框架中,分别采用了随机森林和旋转森林作为基分类器,并引入逻辑回归分类器作为判别器用于训练层扩展。相较于传统的深度神经网络,改进的多级联森林深度网络超参数较少且能够自适应确定训练层,更方便进行模型优化。实验采用了高分五号数据集及两个公开的高光谱数据集(Indian Pines数据集及Pavia University数据集)进行精度评定,同时选择了传统分类器支持向量机、深度置信网等模型作为对比分析。实验结果表明,改进的多级联森林深度学习模型能有效地进行高光谱遥感影像分类,且较传统的分类方法精度有所提升。     

高分辨率光学遥感场景分类的深度度量学习方法

针对高分辨率光学遥感影像场景具有同类型内部差异大、不同类型间相似度高导致部分场景识别困难的问题,本文提出了一种深度度量学习方法。首先在深度学习模型的特征输出层上为每类预设聚类中心,其次基于欧氏距离方法设计均值中心度量损失项,最后联合交叉熵损失项以及权重与偏置正则项构成模型的损失函数。该方法的目标是在特征空间上使同类型特征聚集并扩大类型间的距离以提高分类准确率。试验结果表明,本文方法有效地提升了分类准确率。在RSSCN7、UC Merced和NWPU-RESISC45数据集上,与现有方法相比,分类准确率分别提高了1.46%、1.09%和2.51%。     

基于无人机实景三维模型的真数字正射影像生成方法

传统数字正射影像图(DOM)采用微分纠正方法消除相机倾斜与地形起伏所带来的投影误差,但会产生双重投影现象. 真数字正射影像(TDOM)可有效解决DOM的双重投影问题. 文中提出一种基于无人机影像的实景三维模型TDOM制作方法, 首先通过无人机挂载五镜头相机获取航空摄影测量影像并生成实景三维模型;然后采集实景三维模型建筑物顶部轮廓边界线,并构建其三维体模型;最后基于建筑物顶部轮廓边界线三维体模型进行遮蔽检测和遮蔽补偿生成TDOM. 以云南师范大学呈贡校区无人机影像实验数据验证了本文方法,实验表明本文的方法可作为一种生成高质量的TDOM方法.      

基于二维图像特征的点云配准方法

为了提高低覆盖率点云的配准精度和收敛速度,提出了一种基于二维图像特征的点云配准方法。首先采用基于区域层次的点云配准算法实现粗配准;然后将三维点云转换成二维图像,再采用SURF算法提取二维图像的特征,并求解其匹配像素点对;最后根据二维匹配点获取相应的三维点云相关点,并计算刚体变换,由此实现点云的快速精确配准。试验结果表明,与迭代最近点（ICP）算法相比,该点云配准方法的配准精度和耗时分别提高了约20%和60%,是一种快速、高精度的点云配准算法。     

一种面向倾斜影像三维建模的影像筛选方法

倾斜摄影为城市三维建模提供更好数据源,同时增加摄影测量处理的数据量。文中提出一种基于自动空三结果稀疏点构建粗略表面模型的影像筛选方法,在保证精度相当情况下,减少参与三维重建的影像数据量,提高建模的效率。利用SWDC-5获取的航空倾斜摄影影像进行实验,当使用原始24.5%的影像数据时,模型优化时间减少为原来的36.1%,除个别植被区域外,利用筛选后影像重建的模型精度与采用全部影像重建的结果相当。