ContextCapture與INPHO結合的無人機空三加密方法研究

李驍，葉進勇，魏霖，譚明珠

(成都市勘察測繪研究院，四川 成都 610081)

1 引 言

由于無人機測繪技術具有數據獲取效率高、外業時間少、成本低等顯著優勢，得到越來越廣泛的應用[1，2]。同時，無人機測繪存在一些自有的局限性。首先，出于成本和載荷限制的考慮，無人機上多數使用單反或微單等非量測相機，因此影像的像幅尺寸、成像質量等遠低于大像幅量測型相機。其次，無人機自重輕，飛行高度低，飛行時極易受到氣流擾動影響，從而使得航線和姿態的穩定性較差。

目前測繪單位所使用的主流攝影測量系統如INPHO、航天遠景、JX4等，都是設計用于處理大像幅量測型相機的影像。這類軟件在處理像幅較小、噪點較重、影像姿態變化較大的無人機影像時，經常會出現影像連接點提取不足的情況，從而導致空三平差失敗或成果質量較差。為解決這類問題，通常需要人工添加足夠數量的連接點，而無人機影像數量遠多于普通航空影像，因此這類處理補點工作通常需要耗費大量的時間。

2 ContextCapture與INPHO軟件特點

2.1 ContextCapture軟件特點

Bentley公司的ContextCapture軟件原名Smart3D。該軟件是目前使用最廣泛的影像自動建模軟件，大量用于傾斜攝影的影像處理與自動建模工作中[3～5]。

ContextCapture軟件具有強大的影像匹配功能，可以極高的速度完成海量影像的自動匹配工作。自動匹配獲取的連接點數量大、密度高、準確可靠，并且可以指定區域的三維模型、DOM、DEM、DSM等成果。但該軟件無法用于DLG的生產，同時導出的空三結果由于外方位角元素和文件數據結構的差異，不能用于其他攝影測量軟件。

2.2 INPHO軟件特點

Trimble公司的INPHO軟件是目前廣泛應用的攝影測量軟件。INPHO中各類模塊涵蓋了畸變糾正、空三加密、地形建模、正射糾正等功能。其中用于空三加密與平差的MATCH-AT模塊使用PATB軟件包的光束法區域網平差模型，可以滿足高質量、高效率的空三加密工作。而且空三加密平差成果可以輸出為多種數據格式用于不同平臺的立體測圖工作[6，7]。

但是對于像幅較小、噪點較重、影像姿態變化較大的無人機影像，INPHO的影像自動匹配實際效果往往較差，會出現連接點數量稀少、分布不均勻、匹配錯誤等問題，對后續的空三處理造成不良影響。

2.3 ContextCapture與INPHO相結合的新方法

根據ContextCapture和INPHO的各自優勢，本文提出將兩種軟件處理流程結合使用的空三加密方法。首先使用ContextCapture對影像進行處理，獲取高密度、高精度的影像連接點和影像外方位元素成果。然后在INPHO中導入上述成果進行光束法區域網平差計算，最終獲得精確的影像外方位元素。最后可以將平差結果導出為PAT-B、ZI等格式，在航天遠景等測圖工作站中恢復立體像對完成DLG的生產制作。

3 數據成果轉換

3.1 ContextCapture工程導出與XML文件解析

ContextCapture軟件中可以將工程導出為XML文件。導出XML文件中包含了項目所有參數信息，包括相機參數、影像外方位元素、像控點坐標與圖像量測值以及影像連接點。

XML文件作為可擴展標記語言，具有結構清晰、規則簡單、擴展性好等特點，因此可以較方便地獲取文件中的信息。在ContextCapture導出的XML文件中的Photogroups、ControlPoints、TiePoints三個三級標簽，分別記錄了影像、控制點、連接點的全部信息。

Photogroups下有若干個Photogroup四級標簽，每個Photogroup標簽內的ImageDimensions、FocalLength、SensorSize、PrincipalPoint、Distortion標簽中的內容分別記錄了相機的像素尺寸、焦距、像幅大小、像主點位置、畸變參數。Photogroup標簽內的每個Photo標簽均對應工程中的每一張影像。每個Photo內部的Id、ImagePath、Pose標簽中的內容分別對應影像的序列號、文件名、外方位元素。

ControlPoints下的ControlPoint標簽對應每個像控點。ControlPoint中的Name、Position、Measurement標簽中的內容對應像控點的名稱、XYZ坐標以及影像的量測值。

TiePoints下的TiePoint標簽均對應每個連接點。TiePoint中的Name、Position、Measurement標簽中的內容均對應像控點的名稱、XYZ坐標以及影像的量測值。

3.2 INPHO的工程文件與連接點文件解析

INPHO的工程文件PRJ以及空三連接點文件XPF都采用ASCII編碼。在PRJ工程文件中每個$PHOTO的內容對應工程中的每張影像。$PHOTO內部的$EXT_ORI、$PHOTO_POINTS分別對應該影像的內外方位元素和像控點量測值。$CAMERA_DEFINITION項內記錄著相機的所有參數，$CONTROL_POINTS項內記錄控制點的點名和坐標值。

在XPF連接點文件中，每個$PHOTO項均對應工程中的每張影像。$PHOTO_POINTS項記錄了該影像上所有連接點的點名、影像量測值等。文件最末的$ADJUSTED_POINTS項里記錄了所有連接點的點名和XYZ坐標值等。

3.3 數據轉換過程實現

在ContextCapture和INPHO的數據文件中相機、影像、像控點、連接點所有關鍵信息均可對應，因此可以用編程實現兩者之間的轉換。

在實現對XML文件的讀取中，可以利用正則表達式“”來實現對XML標簽中內容的讀取。根據兩類軟件的各自文件編碼規則，可以建立如表1所示的數據項映射關系，從而實現ContextCapture與INPHO中所有關鍵數據的相互轉換。

INPHO文件與XML文件映射關系表 表1

3.4 轉角系統矩陣轉換

絕大部分參數均可以直接建立直接的映射關系即可實現轉換。但這兩類軟件對影像外方位角元素的旋轉矩陣的定義有所差別，不能直接復制使用。

INPHO中影像外方位角元素采用ω-φ-k轉角系統。工程文件中旋轉矩陣M與外方位角元素ω、φ、k的對應關系為：

(1)

而在ContextCapture中使用的外方位角元素和旋轉矩陣與式(1)不同。經過測試發現在ContextCapture中ω角的起始方向以及φ角與k角的旋轉方向均與INPHO中對應的方向相反。將兩類軟件的定義角度分別式(1)中進行計算展開，則會發現兩個矩陣中對應元素的解析式之間有準確的對應關系，即第一行所有元素相等，第二、第三行所有元素的正負相反。因此矩陣轉換僅需要在讀取XML文件中矩陣后，對矩陣中第二、第三行的對應元素取反，即可轉換為INPHO中的矩陣。

4 案例驗證

4.1 外業概況

為驗證該方案的準確性，選取了某次無人機數據進行技術驗證。該測區地形為高山地，成圖比例尺為 1∶1 000。無人機相對飛行高度為 600 m。航線如圖1所示共三條平行航線，設計的航向重疊度為80%，旁向重疊度為50%。在飛行前預先布設了19個地面標記點(如圖2所示)并測量了點位坐標。在后期處理中將其中10個點作為基本定向控制點，其余9個點作為定向檢查點。飛行中共獲取有效影像108張。

圖1 設計航線與像控點分布

圖2 像控點的實地照片與無人機影像

4.2 內業處理流程

首先對影像數據進行畸變糾正處理以消除光學畸變。隨后在INPHO中以標準流程進行空三處理。最終共提取出連接點 2 626個，但連接點分布極其不均勻，大部分區域連接點數量稀少(如圖3所示)，自動空三平差處理失敗。

圖3 連接點稀少且分布不均勻

按照本文所設計的技術路線，對畸變糾正處理的影響使用ContextCapture進行處理。在運行完空三處理后可以看出軟件自動匹配出的大量連接點。隨后將該工程導出為XML文件，導出時同樣將連接點一并導出。將該XML轉換為INPHO的工程文件和連接點文件。在INPHO中將該工程文件打開，由圖4、圖5可見連接點的數量和密度均有極大的改善。

圖4 連接點數量較多

圖5 每張影像都有數量較多的連接點

4.3 空三平差與精度評定

最后在INPHO中運行光束法空三平差計算，得到定向點的殘差和檢查點誤差如表2、表3所示。

空三加密基本定向點殘差 表2

空三加密檢查點誤差 表3

基本定向點平面殘差中誤差為 0.416 m，高程殘差中誤差為 0.045 m，檢查點誤差中誤差為0.639，高程誤差中誤差為 0.336 m，均符合規范中該比例尺下的各類誤差的要求[10]。

后續工作根據實際需要，在INPHO中完成DEM、DOM的編輯和生產。并將空三成果導出為PAT-B、ZI等格式，在立體測圖工作站上完成DLG生產。

5 結 語

無人機數據由于像幅較小、姿態較差等，在常規的空三平差中無法提取出足夠多的連接點，從而導致空三平差失敗。本文提出的利用ContextCapture進行連接點提取，數據成果經過轉換后在INPHO進行空三平差計算解決這一問題，從而減少無人機空三平差的處理時間、提高成果精度。目前該技術流程已在多個無人機地形圖測繪的生產項目中得到應用，取得良好的效果。