大高差困難地區多平臺影像建模融合處理方法

孫保燕，張小可，姚學杰，黃邦偉

(桂林電子科技大學 建筑與交通工程學院，廣西 桂林 541004)

0 引言

多平臺融合是時代發展的趨勢。利用各個平臺的優勢解決大高差困難地區的區域建模往往受制于環境、地形、天氣、設備因素的影響。如何高效、高精度地建立大高差困難地區的地理信息模型，一直都是低空傾斜攝影的研究重點。

國內外的多平臺融合常見的有旋翼無人機和單反相機、旋翼無人機和固定翼無人機的平臺融合，如孫保燕等[1]利用旋翼無人機和相機融合，提出了一種空地結合的方式，用于文物保護的精細化建模；陳蘋[2]結合固定翼無人機和旋翼無人機的特點，解決了大區域建模的難題；李亞東等[3]提出利用固定翼無人機搭載高精度RTK獲取較為精確的影像姿態數據，構建出大比例尺的帶狀河道地形地貌。在重疊度和匹配算法上，Ajay等[4]使用一種影像低重疊度，借助Photoscan完成精度匹配；涂繼輝等[5]提出了一種自動檢測和解決高空影像陰影的算法。在大高差航線規劃上，大都為KML模式的地形跟隨方式來規劃立面的航線，對無人機的性能要求和地圖精度都有一定的限制，如鄒楊等[6]提出了有機分布正射航線和傾斜航線的方法在大高差鐵路工程施工中的應用；馮威[7]利用無人機仿地飛行，解決了高寒高海拔困難地區的勘測問題。

本文利用無人機傾斜攝影的方法，對不同像元尺寸相機拍攝的圖像進行融合做了探究。利用固定翼和旋翼無人機有機融合可以突破旋翼無人機飛行時長的限制，解決固定翼無人機無法近距離拍攝的問題。本文對空中三角測量點云融合作了理論分析，研究一種大高差航攝分區的公共接邊方法和高效率解決空中三角測量出現的不匹配的情況。利用公共接邊區域的控制點進行二次空三可消除曝光點接近基線過短的影像，能夠快速匹配傾斜影像。

1 技術流程

本文的技術流程如圖1所示。

圖1 技術流程圖

2 案例分析

該縣城境內三面高山環繞，主要的山峰高度超過1 000 m。以縣城為中心測區面積約為15 km2，如圖2所示，上方的白色區域為大疆旋翼飛行區域，飛行高度為200 m、航向重疊率75%、旁向重疊率60%、搭載相機為DJI FC6310。飛行28個架次獲取9 578張照片。下方的黃色區域為固定翼飛行區域，采集照片五鏡頭固定翼飛控平臺為飛宇Panda3，飛行高度為450 m，相機搭載SONY ILCE-5100，飛行3個架次獲取16 145張照片，通過勻色勻光處理剔除無效照片為1 146張，照片的有效使用率為95.5%。通過RTK對布設區域布置24個檢查點，如圖2所示位置為黃色的點。圖2中灰色點為旋翼無人機和固定無人機公共接邊的控制點。圖3所示為旋翼無人機和固定翼無人機飛行高度導致航帶存在大高差的情況。

圖2 航測區域圖

在大疆旋翼無人機和五鏡頭固定翼無人機連接處對大落差航帶公共接邊進行了分析，在公共接邊區域設置了4個公共點(用紅線注明)和5個檢查點作為公共接邊區域精度核定，驗證是否滿足公共接邊地區的標準。

圖3 公共區域接邊公共點和檢查布置圖

表1 公共接邊區域控點誤差表

考慮到固定翼無人機和旋翼無人機的像元尺寸不一樣，為更好地拼接公共接邊區域的連接精度，在二者航帶落差區域按階梯式增加了連接影像，如圖4所示。

圖4 公共接邊影像分布圖

圖5 增加連接影像的布置圖

表2 增加航帶落差影像的公共接邊點誤差表

表3 公共接邊公共點檢查點中誤差分析表

通過分析航帶公共接邊的公共點和檢查點的中誤差，發現通過添加航帶之間的連接影像可以有效地降低檢查點的中誤差，進一步提高航帶分區的特征匹配精度。

3 航帶分區連接影像分析

由于固定翼搭載的相機CMOS(complementary metal oxide semiconductor)尺寸為23.5 mm×15.6 mm，遠大于大疆旋翼無人機相機CMOS尺寸13.2 mm×8.8 mm，因此，考慮到重疊度的問題，取最小像元尺寸相機的CMOS進行計算。

設CMOS1(a1×b1)的尺寸大于CMOS2(a2×b2)的尺寸，當搭載CMOS1尺寸相機的無人機在上方，搭載CMOS2尺寸相機的無人機在下方時，有

(1)

hL=H2

(2)

式中：hn為第n次CMOS2尺寸相機拍攝的高度；H1為搭載CMOS1尺寸相機的無人機航高；q為連接影像之間的重疊率；H2為搭載CMOS2尺寸相機的無人機航高。

當搭載CMOS1尺寸相機的無人機在下方，搭載CMOS2尺寸相機的無人機在上方時，有

(3)

hL=H1

(4)

式中：f1為為搭載CMOS1尺寸相機的焦距；f2為搭載CMOS2尺寸相機的焦距。

本文使用的是第一種情況，如表4所示。

表4 高低航帶連接影像計算表

4 影像匹配

針對影像處理時，本文所使用的方法為尺度不變特征變換算法[8](式(5))。

(5)

式中：m(x，y)和θ(x，y)分別為高斯金字塔影像(x，y)處梯度的大小和方向；L為每個關鍵點所在的尺度[9-10]。

拍攝的正射影像(包含旋翼和固定翼無人機)由于相機CMOS尺寸不同，在公共連接區域可能會出現曝光點坐標接近情況。因此，借助連接公共區域的4個公共點作為控制點，消除曝光點接近基線過短的影像，處理后的影像作為結構信息先進行一次空中三角測量解算點云，建立局部框架模型。因為在尺度空間金字塔中，主要構建尺度不變特征，將原始影像的主要結構信息作為金字塔頂層，故匹配性較高[11-12]。加入傾斜影像在第二次空中三角測量解算點云時，由于第一次空三框架的存在，在匹配的過程中由主體框架限定搜索區域減小，提高了第二次運算的效率，并且根據第一次空三運算的特征點快速匹配傾斜影像的特征點。

圖6 一次空三點云圖

圖7 二次空三點云圖

5 模型重建與紋理映射

將大疆無人機和固定翼無人機的姿態角數據聯合形成外方位元素，通過空三解算和影像的自動匹配技術對拍攝區域進行場景重建生成TIN(triangulated iregular network)網格模型[13]。紋理映射主要是通過拍攝多視圖片的影像作為紋理圖，結合TIN模型的邊界輪廓進行重映射生成紋理[14]，如圖8所示。

圖8 TIN模型圖

6 精度分析

產出TIN模型后，找出布設檢查點的對應點坐標，之后與檢查點作誤差分析(表5)，最后進行中誤差分析(表6)。融合精度滿足1∶1 000的限差。

表5 誤差分析表

表6 中誤差分析表

7 結束語

本文通過對大高差重疊航帶融合情況進行了討論，提出不同高差設置連接影像的辦法，針對空空結合、空地結合都具有很好的拓展性。

多旋翼與固定翼的結合解決了區域建模的難題。旋翼受制于飛行時長的限制，但可以小區域高精度建模；固定翼雖解決了飛行時長的限制但是針對細部建模往往受到飛控方式的限制。二者的有機結合能夠相互彌補。

通過二次空中三角測量解算，第一次空三聯合控制點構建重建區域的大框架，第二次利用第一次空三的特征不變的原則高效率重建細部模型，有效解決了目前航測建模會出現的點云錯層、影像丟失、拉花、球面的現象。