基于微型無人機的全自動三維重建方法實驗

王海英，胡震天，劉容

(南寧市勘測院，廣西南寧 530022)

基于微型無人機的全自動三維重建方法實驗

王海英?，胡震天，劉容

(南寧市勘測院，廣西南寧 530022)

針對測繪無人機應急響應能力較差的局限，基于微型無人機系統，設計靈活機動的地理信息快速獲取流程，利用MAV平臺獲取的超低空影像進行全自動大場景三維重建的實驗。方法分3個步驟，包括提取特征點并匹配，計算相機姿態參數，多視立體重建生成3D模型。最后，對 0.2 km2測區進行了MAV航拍得到154張照片，全自動生成DOM、DSM及紋理貼圖場景3D模型，實驗結果表明了本文方法的可行性和有效性。

MAV Multi－view stereo；3D reconstruction；DAISY

1 引 言

高空遙感影像近年來已成為空間數據獲取的重要數據源。主要以衛星遙感和普通航攝技術為主的繪圖手段，往往暴露出數據獲取能力不足和現勢性差等技術局限。測繪無人機以低成本，高精度，操作簡便等特點，在測繪、數字城市建設、災害應急處理、重大工程建設、國土監察等領域擁有獨特的優勢。而國內無人機系統大多面向測繪，設備專業、精度高，但部件繁多、體積龐大、工業制造集成度不高、應急響應能力較差[1]。得益于MEMS姿態傳感電子器件的普及應用(iPhone 4等智能手機均內置MEMS三軸陀螺儀)以及相關技術的快速發展，近年出現了多種微型無人機系統(Micro Air Vehicle，MAV)，成為靈活與便捷的超低空影像獲取平臺。

圖1 Gatewing X100微型無人機

MAV具有體積小巧、重量輕、集成度高、響應快速及作業靈活等特點。例如比利時Gatewing公司[2]推出的測繪無人機X100，其重量不到 2 kg，如圖1所示。X100采用彈射起飛，滑行降落方式，對起降條件限制很小，能夠適應小區域突發事件的快速反應。由于機上載荷的限制，只能搭載普通數碼相機，而非專業數碼相機，這就給相應的數據處理技術方法帶來了很高的挑戰性。因此，本文就微型無人機搭載便攜數碼相機獲取的超低空影像全自動三維重建方法進行實驗。

2 MAV遙感影像獲取平臺

MAV系統用于遙感影像獲取的主要特點是高度靈活性，能夠從各種不同的超低空視角獲取高分辨率的數碼照片；此外由于微型無人機系統本身的翼展、起飛重量局限了其飛行姿態的穩定性，照片會呈現無規律的較大角度差異；對于低價位的自駕儀[3]，甚至無法提供每一張照片拍攝時候對應的粗略GPS、姿態數據。這些特點使得目前的無人機航測流程難以直接應用于微型無人機搭載便攜DC獲取的照片集。

本文實驗采用廣西大學計算機與電子信息學院正在研制中的微型無人機——慧視I型MAV系統，搭載的便攜數碼相機為Panasonic LUMIX LX3，照片分辨率377 6×252 0像素，使用焦距24 mm超廣角，獲取的影像數據如圖2所示。

圖2 慧視I型MAV系統獲取的影像數據

3 全自動三維重建方法

全自動三維重建方法分為3個步驟，首先對圖像進行特征點提取并匹配，接著通過運動獲取結構(Structure from motion，SFM)分析計算得到相機標定信息，然后進行多視立體重建(Multi－view stereo，MVS)生成表面格網模型，最后得到三維立體紋理模型。

圖3 全自動三維重建方法框圖

3.1 特征點提取與匹配

特征點提取的方法有Harris角點、SIFT和SURF等。本實驗采用改進的SIFT方法[4]提取特征點，SIFT特征點具有尺度不變、旋轉不變和光照不變的特點，有著很好的魯棒性，非常適合用于寬基線匹配，因此能夠一定程度的適應MAV采集圖像姿態不穩定的問題。特征點匹配過程使用KD樹提高搜索效率，同時采用由粗到精的匹配策略，以處理冗余度較高的數碼照片集。

3.2 運動獲取結構分析

SFM已經成為計算機視覺領域的所謂黃金標準技術[5]，基于照片間特征點匹配關系，使用非線性優化方法回算相機參數及稀疏三維點云。本文實驗采用與文獻[6]相似的貪婪搜索SFM方法，采用遞進的方法在RANSAC過程中逐臺加入相機，初始相機對的標定采用五點法[7]確定穩定初值，避免非線性收斂到局部極值，得到錯誤相機標定結果。

3.3 多視立體三維重建

MVS是近年發展很快的計算機視覺技術，由已標定的多視角照片進行三維重建，目前比較好的方法有基于面片、基于法向量[8]和深度圖融合的方法[9]。本文采用深度圖融合的三維重建方法，其關鍵在于確定立體圖像對進行深度圖恢復，并將可靠性高的多深度圖融合得到密集三維點云，以下闡述具體過程。

給定一圖像對，Yi＝(Is，It)，其基線應該相對較大，使用DAISY描述子[10]沿對極線量測相識度，并計算稠密深度圖。DAISY是由一系列梯度直方圖串聯組成，其計算先是分多個獨立方向進行梯度計算，再將每個方向的梯度模值綜合起來形成方向直方圖，該計算過程可通過對各方向梯度進行不同尺寸的高斯濾波和簡單閾值化實現。DAISY得到和SIFT直方圖計算過程相類似的不變性，但其效率高很多，適合對圖像逐個像素點計算描述子，因此非常適合用于密集匹配生成深度圖。

為提高計算效率，直接使用DAISY匹配度分值來計算一幅圖像中像素x擁有深度d的概率:

為決定是否將一個深度值賦給某個像素，沿對極線均勻采樣選出最大概率前兩位，并計算兩者比值:

當RX大于某個閾值時，該深度值被認為是有效的，本文所有實驗采用的閾值均為0.75，結果顯示產生的3D點外點比較少。生成的稠密點云，經過泊松重構的方法能夠生成3D表面格網模型。

4 實驗結果

MAV設定航線自動飛行，拍攝區域在廣西南寧市郊沙井某開發區，覆蓋面積約 0.2 km2。搭載松下LX3數碼相機，快門設置1/2 000 s，焦距24 mm，飛行相對高度 200 m，成圖分辨率 0.1 m。航向重疊率70%，旁向重疊率40%，照片總數154張，圖4所示為部分航拍照片。

圖4 部分試驗照片

SFM過程得到相機參數及稀疏三維點云，由圖5可以看出微型無人機的飛行姿態不穩定，這是與一般航測無人機數據最大的不同，導致目前的無人機數據處理流程無法適用。圖6所示為拼接影像及DSM，圖7為DOM勻色前后對比，圖8為進行紋理貼圖后的3D模型。

圖5 航拍照片姿態可視化示意圖

圖6 DOM與DSM

圖7 DOM勻色前后對比

圖8 紋理3D模型

5 結 論

本文針對測繪無人機應急響應能力較差的局限，基于微型無人機系統，設計了靈活機動的地理信息快速獲取流程，進行了針對MAV平臺獲取的超低空影像進行全自動大場景三維重建的實驗。實驗共處理了154張1 000萬像素的數碼照片，自動計算每一張照片的姿態參數，篩選最佳立體像對進行DOM與DSM的自動生成，在此基礎上最終得到紋理貼圖三維模型。實驗結果顯示，本文數據處理流程能夠順利地完成整個三維重建過程，所得成果令人滿意。未來工作將進行精度評估，以便將該技術更好地服務于測繪生產。

[1] 中國測繪科學研究院赴德國參加國際測繪技術與設備博覽會的總結報告，2010.12

[2] Gatewing，http://www.gatewing.com/，2011.7

[3] 桂林飛宇科技公司，FY3ZT使用手冊.2011

[4] Lowe，D.，Distinctive image features from scale invariant keypoint.Int.Journal of Computer Vision 60(2)，2004，pp.91～110

[5] Hartley R I，Zisserman A.Multiple View Geometry in Computer Vision.Cambridge University Press，2004

[6] Hernandez Esteban C，Schmitt F，Cipolla R，Silhouette coherence for camera calibration under circular motion.PAMI 29，2007

[7] M.Goesele，N.Snavely，B.Curless，H.Hoppe，and S.M. Seitz，Multiview stereo for community photo collections.in ICCV，2007

[8] C.Strecha，R.Fransens，and L.V.Gool，Combined depth and outlier estimation in multi－view stereo.in CVPR，2006，pp.2394～2401

[9] D.Bradley，T.Boubekeur，and W.Heidrich，Accurate multiview reconstruction using robust binocular stereo and surface meshing.in CVPR，2008

[10] Tola，E.，Lepetit，V.，Fua，P.:Daisy:an efficient dense descriptor applied to wide baseline stereo.IEEE Trans.Pattern Anal.Mach.Intell.32(5)，2010，pp.815～830

Research the Technology for Automatic 3D Map Rebuild Based on Mini－UAV

Wang Haiying，Hu Zhengtian，Liu Rong
(Nanning Exploration＆Survey Institute，Nanning 530022，China)

For the limitations of the poor emergency response capability of mapping UAV，based on micro uav system，the design of flexible geographic information quickly get process，the automatic big scene 3D reconstruction for the micro low image acquired through the MAV platform is experimented in this article.It take three steps，including the extracting and matching feature points，calculating the structure parameters for camera and generating 3D model based on multi－view reconstruction.Finally，geting 154 imgaes from the 0.2 squar kilometers test area based on the MAV，and generating DOM，DSM and texture map scene 3D model automaticlly.The experimental result approve the feasibility and effectiveness of the method.

MAV Multi－view stereo；3D reconstruction；DAISY

2011—07—27

王海英(1977—)，女，工程師，主要從事工程測繪及數據處理工作。

南寧市科學研究與技術開放計劃項目(201002010A)

1672－8262(2012)01－42－03

P237

B