基于圖像全站儀的橢圓目標自動測量

汪 晶

（中鐵第四勘察設計院集團有限公司，湖北 武漢 430063）

在利用全站儀進行測量的過程中，要使用全站儀自動照準目標，就需要在目標位置布設專用的測量棱鏡，全站儀通過發射紅外線，再根據接收到的紅外線強度來搜索、確定棱鏡中心的方向[1-2]。而在實際應用過程中，很多位置無法布設棱鏡，常常會在測點位置粘貼反射片靶標，由于受到反射片反射質量、天氣環境因素以及反射片角度等因素的影響，因此全站儀使用自動目標照準功能時常常無法自動搜索到反射片靶標或者搜索到的照準誤差很大，最終也需要通過人工進行照準。

該文基于智能型全站儀自動照準的原理[3]，通過終端設備上的應用程序控制圖像全站儀對測點靶標進行拍照獲取影像，利用圖像處理算法對靶標進行圖像處理擬合中心位置，最后利用終端設備控制圖像全站儀照準靶標中心并對其進行測量。

1 圖像全站儀

徠卡圖像全站儀[4-6]TS60是徠卡公司推出的第五代高精度智能型全站儀，它將精密機械技術、光電技術、計算機技術和影像技術等集成在一起，從單點測量模式躍進到多點和面測量模式。徠卡TS60圖像全站儀配備了廣角相機和望遠鏡相機，相機參數見表1。

表1 徠卡TS60的相機參數

2 技術方案

該文技術方案流程如圖1所示，首先，在測點位置布設專用的靶標，全站儀設站完成后與終端控制設備連接，通過終端設備上的應用程序控制全站儀對測點靶標進行拍照獲取影像，從影像中利用機器學習算法概略定位靶標范圍；其次，對靶標進行圖像處理擬合中心位置；最后，利用應用程序控制全站儀照準靶標中心并對其進行測量。

圖1 技術方案流程圖

2.1 靶標布設

為了便于從影像中自動定位靶標中心，選用如圖2所示的測量靶標，靶標內部是高反光材質的圓形區域，圓形區域外部為黑色的吸光材質，靶標中心的十字絲與圓形的圓心重合。圓從任意方向照準，在圖像中均顯示為橢圓（圓也可以看成是一種特殊的橢圓），圖像中的橢圓中心即為圓心。

圖2 測量靶標

根據現場實際需求，選取合適大小的靶標粘貼到目標位置。

2.2 全站儀設站與連接

按照常規測量方法對全站儀進行設站，例如在已知點上對中整平輸入坐標及方位角或者通過多個已知點進行后方交會自由設站計算設站坐標。設站完成后，通過串口數據線、藍牙或者Wi-Fi等連接方式將全站儀與終端設備（計算機、手機和平板電腦等）連接，啟動終端設備上的全站儀控制程序。

2.3 全站儀拍照

通過終端上的控制程序將全站儀的測距軸概略指向靶標方向，保證靶標在全站儀望遠鏡相機視場內可見?？刂瞥绦蚶门c全站儀測距軸同軸的望遠鏡相機進行拍照，然后將拍攝的圖像傳輸到終端設備。

2.4 靶標位置概略定位

在終端設備上，對包括靶標的影像進行處理，通過深度學習、模式匹配等圖像處理技術對圖像中的靶標進行識別[7-8]，概略框選出靶標在圖像中的位置和范圍，每個范圍框只包括1個靶標。

2.5 靶標中心擬合

在每個范圍框內的靶標影像中，通過以下9步處理流程得到靶標在圖像中的坐標位置：1） 灰度化。對初始拍攝的三波段彩色影像進行灰度化處理，將其轉換為單波段的灰度圖，方便后續處理。2） 灰度變換增強。由于天氣因素、光照以及陰影等因素降低了靶標中間白色圓形與外部黑色背景框之間的對比度，因此通過分段線性變換，增加圖像的對比度。3） 二值化。利用最大類間方差算法確定二值化灰度閾值，然后根據閾值利用二值化將圖像轉換為黑白圖像。4）圖像平滑。二值化后的圖像可能存在噪聲點，采用中值濾波或者高斯濾波等算法對圖像進行平滑處理。5） 邊緣檢測。利用Canny算子或其他邊緣檢測算法提取圖像對象的邊界信息，得到邊界影像圖。6） 矢量化。為提高靶標圓形的擬合精度，根據橫縱坐標將邊界圖像中的邊界點像素轉換為矢量點數據。7） 噪聲剔除。剔除轉換后的矢量點數據中一些顯著的孤立點數據，減少對擬合結果的影響。8） RANSAC算法擬合。使用隨機抽樣一致性算法（Random Sample Consensus，RANSAC）和最小二乘算法相結合的方法對矢量點數據進行中心擬合。9） 圓心坐標輸出。輸出擬合的中心在圖像中的坐標值。

2.6 靶標中心測量

根據擬合的靶標中心在圖像上的坐標值、全站儀測距軸在圖像上的坐標值（固定參數，根據全站儀二次開發接口獲取）以及拍攝的圖像大小對應全站儀望遠鏡相機的視場角參數（根據全站儀二次開發接口指令獲取）可以計算出靶標中心相對測距軸的偏轉角度，具體過程如下。

如圖3所示，已知圖像寬度為w，圖像寬度對應的水平方向視場角大小為Ax，圖像高度為h，圖像高度對應的豎直方向視場角大小為Ay，全站儀測距軸在圖像上的位置為（xo，yo），擬合得到的靶標在圖像上的位置為（x′，y′）。因此，靶標中心點相對測距軸在圖像上的位置點的偏移值為Δx=x′-xo和Δy=y′-yo，相應的角度偏移值分別為ΔAx=Δx·Ax/w和ΔAy=Δy·Ay/h，使全站儀在水平方向上旋轉ΔAx、在豎直方向上旋轉ΔAy后測距軸指向靶標中心點，最后進行坐標測量。

圖3 計算靶標中心方向

3 測試結果

該文測試中設置相機分辨率為最高的2 560×1 920，放大倍率為1。

通過徠卡GeoCOM提供的API接口，開發基于筆記本電腦的終端應用程序，通過RS232串口數據線、藍牙或者Wi-Fi等方式連接全站儀。設站完成后，通過筆記本電腦上的應用程序控制全站儀對靶標進行拍照，如圖4所示。

圖4 全站儀拍攝的靶標影像

通過訓練Faster-RCNN深度學習神經網絡對拍攝中的圖像進行靶標識別，靶標概略定位結果如圖5所示。

圖5 標靶概略定位

截取概略定位范圍內的圖像，按照2.5節處理流程進行靶標中心擬合，結果如圖6所示。

圖6 標靶中心擬合

首先，根據擬合得到的靶標中心點的圖像坐標計算全站儀在水平方向上的旋轉角度ΔAx和在豎直方向上的旋轉角度ΔAy；其次，根據旋轉角度控制全站儀測軸指向靶標中心點；最后，控制全站儀進行坐標量測并獲取測量結果。

為驗證該文自動測量方法在不同距離下的精度，選擇在35 m、85 m以及135 m不同距離下分別對7個測點進行測量，結果見表2～表4。

觀察表2～表4可知，較差均在mm級且隨著觀測距離變長，較差絕對值的平均值也會變大。

表2 35 m處的測量坐標對比結果

表3 85 m處的測量坐標對比結果

表4 135 m處的測量坐標對比結果

4 結語

該文基于全站儀自動照準原理，提出了利用圖像全站儀的相機實現目標中心自動照準的方法。通過測試分析可以得出結論：在135 m的觀測距離內，利用該文的自動照準方法，圖像全站儀可以達到mm級別的測量精度，具有廣闊的應用前景；隨著觀測距離的變長，該文的自動照準測量誤差也開始變大。

但是在該測試中也發現，對部分場景下的靶標無法做到自動識別，圖像識別后的中心擬合精度也有待進一步提高。