無人機影像應急處理技術(shù)在尼泊爾地震中的應用

姚富山 韓瑞丹

（河南建筑職業(yè)技術(shù)學院，河南鄭州 450064）

引言

重大自然災害往往造成災區(qū)通訊中斷和道路交通破壞，因此獲取災情成為自然災害搶險救災的首要問題。無人機以其機動、快速、經(jīng)濟等優(yōu)勢，在災害應急領(lǐng)域的應用日益突出。但受自身條件限制，無人機影像數(shù)據(jù)存在畸變大、姿態(tài)差等問題，若使用傳統(tǒng)的航空攝影測量理論和技術(shù)[1]進行應急情況下的處理，耗時長效率低難以滿足時效性要求。而SfM[2](Structure form Motion)算法利用立體測量的基本原理，從靜態(tài)序列圖像中提取目標物的三維坐標進行場景重構(gòu)，對相機的拍攝位置、攝影焦距沒有特殊要求且無需給定初始值和控制點數(shù)據(jù)，因此利用簡單的無人機測量平臺采集地面的影像就能獲取災區(qū)高質(zhì)量的三維地形數(shù)據(jù)。

本文以2015年尼泊爾樟木震區(qū)無人機影像為例，使用SfM算法通過特征提取，影像匹配及三維重建得到震區(qū)點云數(shù)據(jù)，將點云濾波并構(gòu)網(wǎng)得到相對精確的數(shù)字高程模型(DEM)，并通過數(shù)字校正得到災區(qū)的正射影像(DOM)。基于上述數(shù)據(jù)進行水文分析、地質(zhì)災害點提取及災區(qū)影像解譯等工作，以為災情調(diào)查、災害損失快速評估及制定救災決策提供有益借鑒。

1 基于SfM算法的重建流程

基于SfM重建流程主要包括三個步驟，首先提取影像特征點，然后進行影像的匹配，最后利用SfM算法進行運動與結(jié)構(gòu)重建。

1.1 基于輔助信息和分塊特征提取

特征點提取的方法有Harris角點、SIFT和SURF等[3]，在寬基線條件下SIFT算子在旋轉(zhuǎn)、尺度縮放、光照不變和高斯模糊等衡量參數(shù)上優(yōu)點明顯[4]，且具有很好的魯棒性。但SIFT算法主要針對低分辨、小像幅的影像，在處理高分辨率無人機影像時易出現(xiàn)內(nèi)存溢出等問題，為此可以將原始影像分成大小均等的子塊且保證相鄰子快之間有一定的重疊，然后在每一子塊上建立尺度空間，檢測極值點，提取特征點；最后合并子塊，將特征點位置轉(zhuǎn)換到原始影像上。

而且在得知無人機GPS和IMU數(shù)據(jù)得到粗略的位置、姿態(tài)信息的情況下，可以獲取每幅影像近似的投影矩陣信息[5]。利用這些輔助信息將無人機影像的四個圖像角點投影到與地面平行且GPS高程值最大的平面，判斷投影四邊形區(qū)域是否有重疊，如果有就認為相鄰的兩幅影像(記為i，j圖像)具有匹配關(guān)系，并將加入集合S。雖然得到的匹配關(guān)系S只是一個粗略值，但在放寬重疊度的前提下，真實的匹配集合S'是S的一個子集。這樣就限定了圖像匹配的范圍，降低了匹配計算的復雜度提高匹配效率。圖1為一張無人機影像特征點提取樣圖。

1.2 影像匹配

圖1 特征點提取

在確定了影像特征點的位置并建立局部特征描述子后，可采用特征向量的歐式距離作為特征點的相似性度量，從而建立各影像間的關(guān)聯(lián)關(guān)系。首先基于K-D樹的近似最近鄰( Approximate Nearest Neighbors，ANN)算法進行影像粗匹配，再將隨機抽取一致性(Random Sample Consensus，RANASC)策 略和8點算法[6]相結(jié)合，估計一個魯棒性的基本矩陣，從而進一步剔除誤匹配點，最終得到滿足對極集合約束關(guān)系的匹配特征點對。設(shè)參與匹配的所有影像中，影像的最大關(guān)聯(lián)影像數(shù)為k，則影像匹配算法的時間復雜度為O(n)，公式化表達為：

其中，n 為重建影像總數(shù)；k為所有重建影像中影像的最大拓撲關(guān)聯(lián)數(shù)( k＜n）。

圖2 影像幾何連接圖

本文根據(jù)無人機影像間的關(guān)聯(lián)關(guān)系建立高度簇聚集的影像幾何連接圖(如圖2所示)，其中藍點表示特征點，直線連接表示影像間的關(guān)聯(lián)。

1.3 運動與結(jié)構(gòu)重建

其中，n為影像總數(shù)；t為精匹配特征點個數(shù)；若點f在影像i上，為點 f在相機i投影面上的投影誤差。

本文參照Bundler開源軟件包，基于Levenberg-Marquardt(LM)算法的通用稀疏光束法平差(Sparse Bundler Adjustment)法[7]，通 過 逐步迭代不斷的減小投影點與觀測圖像點之間的重投影誤差，最終結(jié)算出相機的位置、姿態(tài)及精匹配特征點的三維坐標(圖3所示)。

圖3 匹配稀疏點云

圖4 測區(qū)生成的點云

2 尼泊爾地震災區(qū)重建應用

2.1 震區(qū)數(shù)據(jù)介紹

2015年4月25日，尼泊爾發(fā)生Ms 8.1級地震，震源深度20 km。地震引起的山體滑坡造成中尼聶拉木至樟木段部分公路阻斷，4月30日有關(guān)部門聯(lián)合北京安翔動力科技公司利用固定翼無人機對中尼邊境樟木段災區(qū)進行航拍，以為道路疏通及災后救援做準備工作。作業(yè)時3級微風、多云，飛行穩(wěn)定，平均相對航高450m，傳感器為SONY DSC-RX1數(shù)碼相機，焦距35mm，共6條航帶，拍攝3587張影像，影像大小為6000像素 4000像素，航向重疊預設(shè)為80%，旁向重疊預設(shè)為60%。選取其中典型的一塊區(qū)域共420張影像作為實驗數(shù)據(jù)影像。

2.2 震區(qū)數(shù)據(jù)處理與重建

本文結(jié)合上述理論，利用SfM通過運動結(jié)構(gòu)重建獲得了實驗測區(qū)的稀疏的三維點云（圖4(a)），通過稠密化擴散算法[8]，最終生成密度為20個/ ~40個/ 的密集點云(圖4(b))。為了得到相對精確的DEM數(shù)據(jù)，本文利用Terrasolid軟件，其采用漸進不規(guī)則三角網(wǎng)加密算法對密集點云進行濾波，從圖4(c)中可以看出經(jīng)過濾波去除了大部分人工建筑物并且保留了道路等重要地物，但在陡坡上一些植被受坡度的影像被錯分為人工地物，造成了一些點云漏洞需人工進行修補。

圖5 兩塊測區(qū)DEM及正射圖

3 震災區(qū)重建應用分析

將DEM建立的真實地形表面模型與DOM以及衍生的數(shù)據(jù)疊加生成三維地形影像，在計算機三維可視化技術(shù)的輔助下進行地形、水文和三維等分析，以在較短的時間內(nèi)對受災情況進行模擬，及時準確的掌握災區(qū)真實情況，從而為防災、減災以及救災工作提供可靠地依據(jù)。

圖6 水文提取流程圖

3.1 水文分析

流域信息是進行水文模擬的必要信息，也是相關(guān)部門結(jié)合氣象、植被分布等方面的資料進行防災減災的重要前提。圖6為基于ArcHydro水文分析工具從DEM數(shù)據(jù)中提取水文信息的流程圖[10]：

將得到的DEM數(shù)據(jù)經(jīng)過上述步驟處理之后，把提取的水系網(wǎng)絡(luò)、匯水流域及出水口數(shù)據(jù)與三維地形和影像進行疊合以真實模擬當?shù)氐乃木W(wǎng)絡(luò)分布及其特征，其中紅色曲線為該區(qū)干流，藍色為支流，黃色圓點為流域的出水口，不同顏色的面狀區(qū)域則代表了不同的匯流區(qū)域。從圖7(a)中可以直觀清晰的識別該區(qū)域河流的主支流分布、河網(wǎng)的密度及流向等水文特征；7(b)是在左圖的基礎(chǔ)上疊加了匯水流域數(shù)據(jù)，不同的顏色代表不同的匯水流域，顏色分布越廣則說明該流域的集水能力越強，相同降水條件下河網(wǎng)獲得的雨水越多，徑流越大；黃色圓點則是該區(qū)域最終的出水口點，也是該區(qū)域徑流量最大的地方；圖7(c)是該區(qū)域洪水淹沒模擬圖，根據(jù)預測降水量模擬山洪水位，以直觀的獲取淹沒范圍同時對災害作出評估。

圖7 區(qū)域2水文分布

3.2 地質(zhì)隱患提取及災害評估

實驗區(qū)域地勢陡峻，溝壑密布，河流的沖刷切割作用強烈，因而會形成眾多的具有足夠滑動空間的斜坡體和切割面，受地形地貌、水文地質(zhì)等條件的影響，極易在坡度10到45度的上陡下緩地區(qū)堆積較厚的松散層形成滑坡等地質(zhì)災害。

圖8是利用eCognition軟件使用面向?qū)ο蟮乃枷雽嶒瀰^(qū)域一塊子區(qū)域進行影像解譯分類的結(jié)果圖，其中綠色區(qū)域為植被區(qū)，藍色區(qū)域為居民區(qū)，白色區(qū)域為道路，黃色區(qū)域為地質(zhì)隱患區(qū)域，紅色區(qū)域為滑坡區(qū)域。從光譜信息上看道路、房屋及巖土裸露的區(qū)域亮度高，而植被覆蓋區(qū)域亮度低；從坡度信息上看，坡度陡的區(qū)域易發(fā)生災害，坡度平緩的地區(qū)不易發(fā)生災害。因此把亮度較小的區(qū)域分為植被覆蓋區(qū)，把亮度較高而且長寬比較大的區(qū)域分類為道路區(qū)，坡度大且植被覆蓋少的區(qū)域分為地質(zhì)隱患區(qū)域，把坡度較大無植被覆蓋的高亮區(qū)域分為滑坡區(qū)。

圖8 解譯分類圖

圖9 滑坡掩埋公路

經(jīng)統(tǒng)計，該子區(qū)域滑坡區(qū)域像元總個數(shù)為199955個，面積約為2000；地質(zhì)隱患區(qū)域像元總個數(shù)為87536個，面積約為880 ；滑坡掩埋公路區(qū)域(如圖9所示)總像元個數(shù)為15631個，面積約170，滑坡體的土方量約為3970，這為道路疏通工作提供了有力參考。從統(tǒng)計數(shù)據(jù)中可以看出該子區(qū)域滑坡主要發(fā)生在無人區(qū)，對道路的影響比較小；人們應當重點關(guān)注道路及居民區(qū)附近的地質(zhì)隱患區(qū)域，防患于未然。

結(jié)論

本文基于SfM算法，提取震區(qū)無人機影像的特征點并進行影像匹配，通過運動與結(jié)構(gòu)重建恢復震區(qū)三維點云。并通過濾波、構(gòu)網(wǎng)和正射糾正得到震區(qū)DEM和DOM數(shù)據(jù)。最后，將無人機影像衍生的數(shù)據(jù)進行融合實現(xiàn)對受災地區(qū)的三維重建，并通過仿真模擬為防災、減災和災害評估工作提供了可行性的理論方案。事實表明基于SfM的無人機影像后處理方法對受災區(qū)域進行精確三維描述是切實可行并具有現(xiàn)實意義的，當然，如何在現(xiàn)有的硬件條件基礎(chǔ)上，近一步提高數(shù)據(jù)處理的效率和精度，減小無人機姿態(tài)的不利影響等方面，還需要進行更加深入的研究。