傾斜攝影空中三角測量解算優化研究

吳英梅

(山東省核工業二七三地質大隊,山東 煙臺 264006)

0 引言

隨著相機重量的減輕及相機集成技術的迅猛發展,傾斜攝影測量逐漸取代了傳統的垂直攝影測量,成為航攝產品制作的主要手段。傳統的垂直攝影測量搭載垂直相機,從空中對地面進行垂直攝影,這種方式獲取的影像分辨率基本一致,數據解算較容易。而傾斜攝影測量由于搭載的相機鏡頭與被攝物體呈現一定的夾角,這種數據源采用傳統的空三加密解算算法很難實現對數據的準確解算,解算成果容易出現分層、彎曲,解算失敗率高、效率低、精度低[1-3]問題。不同的軟件在對數據解算時采用的算法不同。如:Mirauge 3D軟件,解算數據成功率高,但精度較低,以犧牲精度來提高空三解算成功率;Photo scan軟件,解算數據精度較高,成功率較高,但效率低;Context Capture軟件,解算空三失敗率高,但對于成功解算的數據,其精度較高,只適合解算10 000左右的影像數據,不適合對海量影像數據進行一次性解算。雖然不同軟件解算的優缺點不同,但影響數據解算的因素主要與輸入軟件的數據有關,因此對輸入數據進行優化,可有效提升數據解算的成功率、解算精度及效率[4-8]。本研究分析了多視影像密集匹配技術,提出了幾種措施,對輸入數據進行優化,以實際生產數據為例,對提出的方案進行驗證。通過對比分析可知,采用優化后的數據作為輸入數據,可有效提升空中三角測量解算成果的精度、成功率及效率,可為海量數據的高效高精度解算提供借鑒。

1 多視影像密集匹配技術

影像匹配是通過一定的匹配算法,在兩幅或多幅影像之間識別同名點的過程,其針對較傳統的影像匹配來說,重疊度更高,分辨率更高,冗余度更高,影像畸變更嚴重,采用傳統的匹配算法已無法準確對其進行匹配。多視影像密集匹配需充分利用像方與物方的相關幾何信息,在海量影像中準確找到有重疊度的像片并對其進行準確匹配,得到同名點。雖然高冗余影像對影像解算來說并不友好,會浪費大量時間,但高冗余影像包含了更加豐富的地物信息,可使匹配得到的加密點精度更高、數量更多,這為高精度實景三維模型的生產提供了保障。

2 空中三角測量解算優化措施

2.1 提升影像質量

航攝影像的質量決定著最終成果的表征質量,對空中三角測量解算結果也有著一定的影響。通常來說,當影像分辨率相同時,高清晰的影像解算精度要比影像模糊時的精度高,且在相同條件下解算速度更加快。傾斜攝影搭載的相機與被攝物體呈現的夾角大,因此在航攝時會出現更多的陰影遮擋區域,對于該部分區域,采用專業的影像處理軟件(如Photoshop、EPT等),可有效提升遮擋區域的影像質量,減弱陰影覆蓋區域,從而提升影像的整體質量,有利于影像數據的準確高效解算。

2.2 基于多鏡頭相機安置參數解算高精度POS數據

目前市面上的主流傾斜相機,其記錄POS的裝置只記錄下視鏡頭相機曝光時的位置及姿態,并未記錄側視鏡頭的外方位線元素及角元素,作業時用下視鏡頭的POS數據作為側視鏡頭的POS輸入軟件中進行解算。這種方式在大多數情況下可順利解算得到符合要求的空三加密成果,但是對于高精度的測繪產品來說,這種誤差是不允許的,需對其進行優化。以5拼相機為例,其由4個側視與1個下視組成,相機組裝時,4個側視相機與下視相機之間的安置方位與距離及旋轉角度是可以計算得到的,結合相機安置參數,以下視鏡頭POS數據為基準,就可以準確解算得到4個側視相機在空中曝光時的位置和姿態,起到優化POS數據的作用,可解算得到精度更高的空中三角測量解算成果。

2.3 基于部分影像解求高精度相機參數

傾斜攝影相機所獲取的影像畸變大,且相機檢校一次成本高,因此在實際作業中很少有人對相機參數進行檢校。相機參數作為輸入軟件中的一種數據,其精確度直接影響著后續空中三角測量解算精度。對于海量數據而言,準確的相機參數不但可以提升數據解算精度,也可以縮短數據解算時間。對于少量影像解算來說,軟件可準確解算得到空中三角測量成果,條件允許時,再導入并轉刺至少3個像控點,完成空三成果的平差優化,這樣就可以得到準確的相機焦距及像主點值,將優化后的相機參數導入軟件中,對海量影像數據進行解算,可有效提升空三解算成功率及精度,縮短數據解算時長。

2.4 基于航攝范圍剔除無效影像

傾斜攝影相對于垂直攝影測量數據來說,其冗余度高,無效影像較多,如果能夠有效剔除無效影像,對于空三解算來說,可有效縮短數據解算時長,提高數據解算成功率。正常作業過程中,為了保證測區邊緣數據的精度及完整性,航攝時會要求航攝范圍至少外擴一個航高,這樣任務區邊緣模型成果才不會拉花,模型才會完整。但是由于是邊緣區域,部分鏡頭的影像重疊度并不能滿足設計要求,由于重疊影像少,該部分在解算時容易產生解算失敗的問題,且5鏡頭中對著范圍線外面拍攝的影像,在后期不會對模型的完整性及精度帶來影響,因此為了減少數據量,邊緣區域無效影像可以完全剔除。結合傾斜相機在無人機航攝前進方向的安裝位置及無人機的航攝軌跡,可將無效影像進行剔除,只保留后期實際參與三維模型生產的影像,這樣就可以減少影像數量,提升空中三角測量解算精度及效率。

2.5 基于第三方軟件優化POS數據

對于影像數據解算來說,空中三角測量解算是最為重要的,其直接決定著后續數據的生產。對于目前主流的建模軟件Context Capture來說,其空三解算成功主要與POS數據精度及影像航飛質量有關。數據解算時,一般會根據不同軟件與數據特點進行軟件選擇。目前,主流的幾款傾斜攝影數據解算軟件的優缺點比較明顯。如Mirauge 3D軟件,其處理數據能力強,空三解算成功率高,但是解算成果精度較低。Context Capture軟件的解算精度較高,但是空三成功率低。Photoscan軟件,解算空三成功率高,但是精度相對來說較低,空三成功率高。對于不同軟件,在實際應用中,應對其進行組合使用,以提高數據解算精度及成功率,從而提升解算成果質量。

3 項目驗證

3.1 影像質量提升的可行性

測試數據來源于農村房地一體項目,該航攝傾斜影像分辨率為1.5 cm,但是航攝成果亮度整體偏暗,在對其進行解算時,得到的空三加密成果精度較差,無法滿足項目要求。為了能充分利用航攝影像,決定采用Photoshop軟件對其亮度進行調整。在Photoshop軟件中對影像的亮度、飽和度、色調等進行調整,得到一幅對比度明顯、地物分辨率高的影像,將調整參數記錄下來并創建為動作,對剩余影像進行批處理。在保證其他輸入數據相同的前提下輸入調整亮度前后的影像數據,分別進行空中三角測量解算,得到表1統計數據。

表1 影像質量提升前后各指標統計

由表1可知,調整影像亮度后,空中三角測量解算時間有了一定的縮短,加密點重投影中誤差變小了,小于規范規定的2/3個像元大小,成果精度符合規范要求。

3.2 基于多鏡頭相機安置參數解算高精度POS數據的可行性

測試數據來源于1∶500地形圖測繪項目。搭載的航攝控制設備在記錄相機曝光位置及空間姿態時,只記錄下視鏡頭的數據,并未對側視鏡頭的數據進行記錄。這樣對于普通數據解算來說,完全是可以使用的,但是由于側視鏡頭POS是用下視鏡頭POS來代替的,因此其精度較低,不利于傾斜數據空三加密解算。為了解求側視鏡頭POS數據,在分析了5拼相機安裝關系后,利用C++語言開發了多鏡頭POS數據解算軟件。在軟件中導入下視鏡頭POS數據,輸入側視鏡頭與下視鏡頭之間的距離、方位及旋轉角度,從而解求出側視鏡頭的POS數據。將解求出來的POS數據進行重命名,使影像與POS數據一一對應。利用Context Capture軟件,對兩種類型下的影像數據進行解算,得到兩組空三加密成果,對空三加密報告進行查看可知,利用軟件解求的POS數據導入軟件中解算的空三成果,其精度更高,匹配得到的同名點更加準確,兩種情況下得到同一張影像的部分加密點分布情況如圖1所示(左圖為POS解算前,右圖為POS解算后)。從圖1可以看到,解算前所有影像加密點的重投影中誤差為0.49 px,當前影像加密點重投影中誤差為0.59 px,解算后所有影像加密點的重投影中誤差為0.39 px,當前影像加密點重投影中誤差為0.45 px,空三精度有了一定的提升。

圖1 POS數據解算前后某一影像加密點對比圖

3.3 基于部分影像解求高精度相機參數的可行性

本次測試數據來源于實景三維中國項目,某區域要生產高分辨率、高精細度的實景三維模型,航攝相機采用5拼相機,焦距為下視35 mm,側視50 mm,像幅均為7952×5304,像主點單位為像素,其值為(3976,2652)。數據解算時采用Context Capture軟件,一次性加載了20 000多張影像,但是解算失敗了。每個鏡頭抽取了100張影像,共5個鏡頭500張影像進行了空中三角測量解算,抽取的數據包括高樓、低樓、平房及公園植被等,具有一定的代表性。空三解算完成后,查看軟件中的相機參數,相機焦距與像主點均發生了變化。導入范圍內的4個像控點,對位于影像內部的點位進行轉刺,然后平差,得到平差優化后的相機內方位元素。將優化后的內方位元素導入20 000多張影像的工程中,再次進行空中三角測量解算。本次解算順利完成,查看輸入的內方位元素,其變化微小,具體統計見表2。采用人機交互方式查看空三成果,無分層、彎曲現象,查看空三加密報告,加密點重投影中誤差為0.45個像素,精度良好,影像匹配重疊度高,空三成果可用。

表2 相機優化前后各參數統計

3.4 基于航攝范圍剔除無效影像的可行性

本次測試數據來源于某一規劃項目,要求為任務區范圍內進行實景三維模型的生產。獲取數據時,搭載的是5鏡頭傾斜相機,獲取了15 850張影像。利用自主開發的冗余影像剔除軟件,對后期不參與模型數據生產的部分進行了自動剔除。剔除后得到有效影像數為12 543張,無效影像剔除率為20.7%。通過數據解算,影像剔除前空三解算所用時長為21.5 h,剔除后空三解算所用時長僅為16 h,時間縮短了25.6%,具體統計見表3。通過人機交互方式對模型查看對比,影像剔除前后的三維模型精細度一致,利用檢查點對模型精度進行檢測,其平面、高程中誤差基本一致,因此剔除無效影像有利于數據解算,可提升數據解算效率,縮短數據處理時長。

表3 無效影像剔除前后各指標對比統計

3.5 基于第三方軟件優化POS數據的可行性

某區域要生產1∶2000地形圖,由于面積小,航飛時采用大疆無人機航飛,共獲得航飛影像407張?？杖龜祿馑銜r,使用Context Capture軟件解算,解算得到如圖2(左圖)的結果。為了順利完成空三數據解算,使用PhotoScan軟件對其進行解算,得到圖2(右圖)的結果。查看PhotoScan得到的空三加密點重投影中誤差,為0.45個像素,可以滿足1∶2000地形圖測繪。將其POS連同加密點一并導出為xml文件,導入Context Capture軟件中進行后續三維模型的生產。

圖2 POS數據優化前后空三成果對比圖

4 結束語

以某生產項目數據為測試數據,對提出的幾種空三優化方法進行驗證,對優化前后的空三加密成果進行對比分析。通過試驗可知,采用本方案對空三優化后可有效提升空三加密精度及成功率,為傾斜攝影數據的成功解算提供保障。