CN103606188B - 基于影像点云的地理信息按需采集方法 - Google Patents

Abstract

本发明公开了一种基于影像点云的地理信息按需采集方法。该方法根据多视摄影测量原理，先将输入的二维影像转换成具有照片级可视化效果、便于认知与交互操作的“所见即所得”的真三维数字化影像点云，然后在影像点云上根据需要进行数字高程模型（DEM）、数字正射影像（DOM）、数字线划图（DLG）等专业应用所需基础地理信息，或者空间位置、几何尺寸等其它大众应用所需地理信息的自动/半自动采集，这样可摆脱现有地理信息采集方法对专业软、硬件数据采集系统和专业技术人员的依赖，真正实现大众化、网络化的地理信息按需采集，解决现有地理信息采集方法的现势性较差和完整性不足的缺陷，促进新一代的地理信息按需采集与服务模式的发展。

Description

基于影像点云的地理信息按需采集方法

技术领域

本发明属于摄影测量、虚拟地理环境和地理信息系统领域，涉及基于多视摄影测量的影像点云生成、基于影像点云的地理信息自动/半自动采集等内容。

背景技术

随着社会信息化进程的加速，空间信息服务正朝着大信息量、高精度、可视化和可挖掘方向发展，对地理信息的完整性、准确性和现势性的要求也越来越高。网络、通信技术的快速发展和GoogleEarth的问世，使得原本只有专业人员才能使用的地理信息，让所有互联网用户能够在统一的空间信息服务平台上开展各种工作。这种大众化的空间信息服务更是大大促进了地理信息的快速采集需求，推动了整个地理信息产业链的增长。

目前的空间信息服务主要基于传统的4D基础地理信息产品（数字线划地图-DLG、数字高程模型-DEM、数字正射影像-DOM和数字栅格地图-DRG），这些4D产品的采集方法主要有以下几类：基于传统测绘、基于三维激光扫描和基于数字摄影测量。传统测绘方法存在采集周期长、采集效率低的缺点，无法满足大范围地理信息的快速更新需求；三维激光扫描方法存在设备昂贵、扫描点云自动化处理程度低、可视化效果差等问题；摄影测量虽然具有信息丰富、非接触式测量、受周围环境与条件限制较小等特点，但现有的摄影测量生产严重依赖于专业的数字摄影测量系统（VirtuoZo、JX4、Inpho等），需专门的技术人员经专业培训后才能熟练使用，而且需要相应的软硬件配套设备，很难适应网络时代对软件、数据共享的网络化要求，大众用户也很难使用。

另外，传统4D产品及其采集方法还存在如下的缺陷：（1）4D产品是根据规范的生产流程，利用各种测绘技术采集、加工制作的，它们是有限的基础地理信息，信息的完整性、现势性都很难满足社会各行各业对空间信息的需求。（2）现有的4D产品，无论是生产还是应用阶段，面向的人员主要是相关的专业技术人员；而且，生产方法和过程是固定的和封闭式的，生产出的产品密级高，存储、分发程序严格，相应产品和信息提取软件的网络共享程度不高，普通大众难以获取和共享。（3）基于4D产品的空间信息服务是一种“推送式”的服务，产品的比例尺、表示的内容、数据格式相对固定，测绘部门生产什么产品，就只提供给用户相对应的产品。大量用户需要与专业应用和个人生活相关的信息，如市政城管的市政设施、交通部门的交通信息、个人位置服务信息等众多信息，均无法涵盖在传统的4D产品中，无法实现大众所需地理信息的按需采集。

因此，若能在现有各种地理信息采集方法（基于影像的方法，基于点云的方法等）的基础上，综合各种方法的优点，发展一种同时具有三维几何信息和二维纹理信息的新型信息载体，并基于这种新型信息载体发展一种新的“所见即所得”的地理信息采集按需采集与服务模式，且能让普通大众便捷地参与到空间信息生产过程中来，这将对解决目前地理信息采集方法的现势性较差和完整性不足的缺陷具有重要的应用价值。

发明内容

本发明的目的在于针对大众化的地理信息按需服务需求，提出一种基于影像点云的地理信息按需采集方法，以最大限度地保留原始影像所蕴含的丰富信息，重构测绘生产流程，降低地理信息获取及应用门槛，为大众利用互联网自主采集所需的三维地理信息提供一个便于认知与交互操作的信息载体。

本发明采用的技术方法如下：

基于影像点云的地理信息按需采集方法包括如下步骤：

步骤一，输入地理场景的序列航空或航天摄影影像，及其对应的定向参数文件，基于多视摄影测量原理，生成表达实际地理场景的真三维数字化影像点云；

步骤二，基于影像点云进行数字高程模型和数字正射影像的自动生成，以及进行数字线划图的半自动采集；

步骤三，按照个人需求，基于影像点云进行大众化地理信息的按需人机交互采集。

所述步骤一具体包括：

（1）输入地理场景的序列航空或航天摄影影像，及其对应的定向参数文件；

（2）利用多视影像逐像素匹配和多像光束法平差，将多幅影像的重叠区域内的所有平面像素转换成具有三维坐标和RGB颜色的彩色点，再按照一定的数据组织结构，得到多像重叠区域地理场景的真三维数字化影像点云；

（3）将不同位置的基于多视影像生成的影像点云进行融合、去冗余处理，得到覆盖整个测区的完整影像点云。

所述步骤二具体包括：

（1）对影像点云的平面坐标范围进行m×m的规则格网划分，将一幅完整的影像点云均匀分割成m²个分块影像点云Part_jk，j∈[1,m],k∈[1,m]，并定义一个m×m×4的影像点云多维索引矩阵D，其每一个元素D_jk都是一个一维矩阵，记录了每一小分块影像点云的平面坐标范围：最小X坐标minX^k _j、最大X坐标maxX^k _j、最小Y坐标minY^k _j、最大Y坐标maxY^k _j，为后续的地理信息采集提供高效的索引调度；

（2）基于影像点云所能提供的地面分辨率和三维坐标信息，按照选定的DEM采样间隔，采用移动曲面拟合内插法自动生成所需的数字高程模型；按照选定的DOM空间分辨率，采用间接法数字纠正方式，从输入的原始影像中自动生成所需的数字正射影像；

（3）基于影像点云提供的三维坐标和RGB颜色信息，按照行业规范规定的要求，采用人机交互的操作方式在影像点云上进行指定比例尺数字线划图的半自动采集。

所述步骤三具体包括：

（1）采用人机交互的操作方式，对影像点云进行任意旋转、平移、放大、缩小的操作，以使其处于最有利的观测视点，达到最佳的场景浏览效果，从而在影像点云上移动鼠标来拾取任意所感兴趣地物点的三维空间坐标，实现“所见即所得”的信息采集；

（2）基于影像点云上拾取的任意点的三维坐标，进行不同地物点间的距离、面积、体积的几何信息量测，或者，绘制自己所需要的任意比例尺的数字线划图，或者，在影像点云上用鼠标绘制一个空间包围盒，可以把所选目标的三维模型按一定的格式进行输出。

本发明旨在解决传统地理信息采集方法中信息完整性不足、信息现势性较差、生产过程封闭、大众参与度不高等问题，基于多视摄影测量原理，将只有在专业的数字摄影测量系统中才能看到和使用的虚拟视觉模型，转换成可视化效果好、认知感强、人机交互操作方便的真三维数字化影像点云，从而真正实现“所见即所得”的地理信息按需采集。

附图说明

图1是本发明实施例的方法框架图；

图2是本发明实施例的地理场景影像点云生成技术流程图；

图3是本发明实施例的基于影像点云的格网DEM自动生成技术流程图；

图4是本发明实施例的基于影像点云的DOM自动生成技术流程图；

图5是本发明实施例的基于影像点云的DLG测绘流程图；

图6是本发明实施例的基于影像点云的大众化地理信息按需采集流程图。

具体实施方式

以下结合具体实施例，并参照附图，对本发明作进一步详细说明。

本发明根据多视摄影测量原理，先将输入的二维影像转换成同时具有三维几何信息和二维颜色纹理信息的影像点云，以充份利用影像中所蕴含的丰富的几何、属性等信息，为地理信息的采集提供了一个具有照片级可视化效果、便于认知与交互操作的“所见即所得”的真三维数字化信息载体；然后在影像点云上根据需要进行数字高程模型（DEM）、数字正射影像（DOM）、数字线划图（DLG）等专业应用所需的基础地理信息，或者空间位置、几何尺寸等其它大众应用所需地理信息的自动/半自动采集，这样可摆脱现有地理信息采集方法对专业软、硬件数据采集系统和专业技术人员的依赖，真正实现大众化、网络化的地理信息按需采集，解决现有地理信息采集方法的现势性较差和完整性不足的缺陷，促进新一代的地理信息按需采集与服务模式的发展。

如图1所示，基于影像点云的地理信息按需采集方法包括三部分：（1）地理场景影像点云的生成；（2）专业地理信息的自动/半自动采集；（3）大众地理信息的按需交互采集。具体实施步骤为：

第一步：地理场景影像点云的生成。

利用序列航空或航天影像生成实际地理场景的影像点云的技术流程如附图2所示，具体过程如下：

（1）输入地理场景的序列航空或航天摄影影像，及其对应的定向参数文件，参数文件包括数码传感器的检校参数文件、每幅影像的外方位元素文件（航天摄影影像则是RPC参数文件）、测区的最大和最小地面高程参数，这些参数为后续的多视影像逐像素匹配提供了必需的物方约束信息；

（2）利用多视影像逐像素匹配和多像光束法平差，将多幅影像的重叠区域内的所有平面像素转换成具有三维坐标和RGB颜色的彩色点，再按照一定的数据组织结构，得到多像重叠区域地理场景的真三维数字化影像点云；

对于m幅影像构成多像重叠区域内的任一个像素p，利用物方信息约束的多视影像匹配，得到其在基准影像上的行列坐标(x_p,y_p)，及剩余m-1幅影像上的m-1个同名像点的行列坐标(x'₁,y'₁)、(x'₂,y'₂)、…、(x'_m-1,y'_m-1)；再将此m个像点的像平面坐标带入多像光束法平差公式，计算出该像素对应地物点的绝对地理空间的三维坐标(X_p,Y_p,Z_p)；再结合此像素的颜色信息(R_p,G_p,B_p)，将像素p转换成三维彩色点(X_p,Y_p,Z_p,R_p,G_p,B_p)。因此，将m幅影像重叠区域内的所有像素都经多像匹配和多像光束法平差后，即可得到重叠区域地理场景的真三维数字化影像点云ImagePointCloud——同时具有三维几何信息和二维颜色纹理属性的三维彩色点集，其数学定义如下：

ImagePointCloud={X_i,Y_i,Z_i,R_i,G_i,B_i,σ_i|i=1,2,…,N}（1）

式中，N为多像重叠区域内经多视影像匹配后的有效像素总数，σ_i为标示i点在多视影像匹配时的匹配质量标记。

（3）将不同位置的基于多视影像生成的影像点云进行融合、去冗余处理，得到覆盖整个测区的完整影像点云。

由于完整的地理场景需要经多次多视摄影测量处理才能完全覆盖，所以，多次多视摄影测量处理得到的不同位置的影像点云必需经拼接才能构成一幅完整的测区影像点云。又由于各影像点云的空间基准都是一致的，这时只需要将各个位置的影像点云直接叠加并进行去冗余处理即可。去冗余处理的方法为：若多个影像点云中n个点(X₁,Y₁,Z₁,R₁,G₁,B₁)、(X₂,Y₂,Z₂,R₂,G₂,B₂)、…、(X_n,Y_n,Z_n,R_n,G_n,B_n)处于相同的位置，即满足（|X_i-X_j|<ω&|Y_i-Y_j|<ω&|Z_i-Z_j|<ω|i≠j,i∈[1,n],j∈[1,n]），ω为阈值（根据影像点云对应的原始输入影像的地面分辨率确定，如分辨率为0.2米，则ω可取0.2米），则将多个点的三维坐标和RGB颜色分量取平均值，作为此空间点的空间坐标和颜色分量。

第二步：专业地理信息的自动/半自动采集。

专业地理信息主要是指由测绘部门按照行业规范加工制作的供各种专业部门（规划、工程等）使用的基础地理信息（DEM、DOM、DLG等）。基于影像点云进行专业地理信息的采集，不仅可以生产符合行业规范要求的规定比例尺的基础地理信息，还可以生产影像点云地面分辨率所能满足的其它任意比例尺的地理信息，具体过程如下：

（1）对影像点云的平面坐标范围进行m×m的规则格网划分，将一幅完整的影像点云均匀分割成m²个分块影像点云Part_jk，j∈[1,m],k∈[1,m]，并定义一个m×m×4的影像点云多维索引矩阵D，其每一个元素D_jk都是一个一维矩阵，记录了每一小分块影像点云的平面坐标范围：最小X坐标minX^k _j、最大X坐标maxX^k _j、最小Y坐标minY^k _j、最大Y坐标maxY^k _j，为后续的地理信息采集提供高效的索引调度；

（2）基于影像点云所能提供的地面分辨率和三维坐标信息，按照选定的DEM采样间隔，采用移动曲面拟合内插法自动生成所需的数字高程模型；按照选定的DOM空间分辨率，采用间接法数字纠正方式，从输入的原始影像中自动生成所需的数字正射影像；

如附图3所示，基于影像点云的规则格网DEM自动生成的过程为：

a)根据输入的DEM格网间距Δ、及测区坐标范围[X_min,X_max]与[Y_min,Y_max]，按下式计算测区DEM的每个格网点的平面坐标(X,Y)。

$\left\{\begin{array}{c}X=X_{\min }+i\&times;\mathrm{\&Delta;}\\ Y=Y_{\min }+j\&times;\mathrm{\&Delta;}\\ i\&Element;[1,\mathrm{int}\left(\frac{X_{\max }-X_{\min }}{\mathrm{\&Delta;}}\right)]\\ j\&Element;[1,\mathrm{int}\left(\frac{Y_{\max }-Y_{\min }}{\mathrm{\&Delta;}}\right)]\end{array}\right.---\left(2\right)$

式中，int为取整运算。

b)对于DEM的每一个格网点P(X_P,Y_P)，从索引矩阵D中找到包含此格网点的矩阵元素D_jk，以此点为中心、以r为半径画一个圆，统计如下9块影像点云Part_j-1k-1、Part_j-1k、Part_j-1k+1、Part_jk-1、Part_jk、Part_jk+1、Part_j+1k-1、Part_j+1k、Part_j+1k+1中落入此圆内的n个数据点 $\{X_i,Y_i,Z_i|d_i=\sqrt{{(X_i-X_P)}^2+{(X_i-X_P)}^2}<r\},i=\mathrm{1,2},...,n,$ 若数据点个数n<6，则将圆的半径r放大一倍，直至数据点个数满足要求为止。

c)利用基于二次曲面函数的移动曲面拟合法，根据所选择的n个数据点的坐标来内插格网点P的高程Z_P。

二次曲面函数如下式：

Z=a₁X²+a₂XY+a₃Y²+a₄X+a₅Y+a₆（3）

利用所选择的n个数据点的{X_i,Y_i,Z_i}来求解内插函数的6个系数时，首先对数据点的平面坐标按下式进行归一化处理：

${\stackrel{\&OverBar;}{X}}_i=X_i-X_P;{\stackrel{\&OverBar;}{Y}}_i=Y_i-Y_P---\left(4\right)$

然后，由n个数据点可列出如下的关于内插函数系数的误差方程：

V=AX-L（5）

式中，V=[v₁,v₂,…,v_n]^T,X=[a₁,a₂,a₃,a₄,a₅,a₆]^T

$\left[\begin{array}{cccccc}{\stackrel{\&OverBar;}{X}}_1^2& {\stackrel{\&OverBar;}{X}}_1{\stackrel{\&OverBar;}{Y}}_1& {\stackrel{\&OverBar;}{Y}}_1^2& {\stackrel{\&OverBar;}{X}}_1& {\stackrel{\&OverBar;}{Y}}_1& 1\\ {\stackrel{\&OverBar;}{X}}_2^2& {\stackrel{\&OverBar;}{X}}_2{\stackrel{\&OverBar;}{Y}}_2& {\stackrel{\&OverBar;}{Y}}_2^2& {\stackrel{\&OverBar;}{X}}_2& {\stackrel{\&OverBar;}{Y}}_2& 1\\ .& .& .& .& .& .\\ .& .& .& .& .& .\\ .& .& .& .& .& .\\ {\stackrel{\&OverBar;}{X}}_n^2& {\stackrel{\&OverBar;}{X}}_n{\stackrel{\&OverBar;}{Y}}_n& {\stackrel{\&OverBar;}{Y}}_n^2& {\stackrel{\&OverBar;}{X}}_n& {\stackrel{\&OverBar;}{Y}}_n& 1\end{array}\right],L=\left[\begin{array}{c}{Z}_1\\ Z_2\\ .\\ .\\ .\\ Z_n\end{array}\right]$

另外，误差方程平差解算时，权阵P采用对角阵，对角线上每一个权值p_i利用数据点离格网点的距离d_i来计算p_i=1/d_i，则按最小二乘原理解算出内插函数的系数：

X=(A^TPA)^-1(A^TPL)（6）

解算出内插函数系数后，将格网点P的平面坐标(X_P,Y_P)带入式（3），即可计算出该点的地面高程Z_P。

d)当DEM中的所有格网点都经上述步骤得到对应的高程值后，即完成了测区DEM的自动构建。当然，还可以根据需要对自动生成的DEM进行人机交互编辑，以修正DEM自动构建结果中的一些错误。

如附图4所示，基于影像点云的DOM自动生成的过程为：

a)根据输入的DOM的X和Y方向的空间分辨率ΔX和ΔY、及测区坐标范围[X_min,X_max]与[Y_min,Y_max]，按下式计算测区DOM的行数M和列数N。

$\left\{\begin{array}{c}M=\mathrm{int}\left(\frac{Y_{\max }-Y_{\min }}{\mathrm{\&Delta;Y}}\right)\\ N=\mathrm{int}\left(\frac{X_{\max }-X_{\min }}{\mathrm{\&Delta;X}}\right)\end{array}\right.---\left(7\right)$

b)对于DOM中的每一个像素p，其行号为J、列号为I（I∈[1,N],J∈[1,M]），计算该像素点对应的平面坐标为：X_p=X_min+I×ΔX，Y_p=Y_min+J×ΔY；并根据影像点云的索引矩阵，从影像点云中搜索和该点的距离小于一定阈值r的n个数据点，同样采用式(3)～式(6)的移动曲面拟合法来内插出该像点对应的地面高程Z_p。

c)利用原始影像的外方位元素，根据影像的成像模型(h_p,l_p)=F(X_P,Y_P,Z_P)，计算正射影像上像素点的物方坐标(X_P,Y_P,Z_P)在原始影像上的对应像点的行列号(h_p,l_p)。

d)由于计算的行列号(h_p,l_p)不落在原始影像的整数行号、整数列号处，需要在红、绿、蓝三个通道内分别采用灰度双线性内插的灰度重采样方法，计算正射影像上像素点p的红、绿、蓝三个灰度值R_p、G_p、B_p，从而完成正射影像上每个像素点的颜色赋值。当DOM的所有像素点都经过上述的坐标计算和颜色赋值后，即完成了DOM的自动生成。

（3）基于影像点云提供的三维坐标和RGB颜色信息，按照行业规范规定的要求，采用人机交互的操作方式在影像点云上进行指定比例尺数字线划图的半自动采集。

如附图5所示，在影像点云上采用人机交互的方式进行DLG的半自动测绘和编辑，基本过程为：首先，将影像点云旋转到便于观察的视角，根据影像点云的颜色信息，利用鼠标选择所要测图的地物特征点，从而拾取地物特征点的三维坐标；其次，根据行业规范的要求，按点、线、面三种对象类型，进行点、线、面三种地物对象的符号绘制，并标注相应的文字注记信息；最后，对绘制的图形进行人机交互编辑和相关图形整饰，完成“所见即所得”的DLG绘制。

第三步：大众地理信息的按需交互采集。

大众地理信息主要是指普通大众用户需要的与专业应用和个人生活相关的地理信息，如市政城管的市政设施的位置、个人位置服务信息等众多信息，用户所居住小区的1:100数字线划图，等等。这些信息均无法涵盖在专业部门提供的基础地理信息产品中，而在影像点云上，用户则可按照自己的需求进行各种个性化地理信息的“所见即所得”的按需采集，其技术流程如附图6所示。

（1）采用人机交互的操作方式，对影像点云进行任意旋转、平移、放大、缩小等操作，以使其处于最有利的观测视点，达到最佳的场景浏览效果，从而在影像点云上移动鼠标来拾取任意所感兴趣地物点的三维空间坐标，实现“所见即所得”的地理信息采集；

（2）基于影像点云上拾取的任意点的三维坐标，进行不同地物点间的距离、面积、体积等几何信息的量测，或者，绘制自己所需要的任意比例尺的数字线划图，或者，在影像点云上用鼠标绘制一个空间包围盒，把包围盒内目标的三维表面模型从影像点云中选取出来，并按一定的格式进行输出。

Claims (1)

1.基于影像点云的地理信息按需采集方法，其特征在于，包括如下步骤：

步骤一，输入地理场景的序列航空或航天摄影影像，及其对应的定向参数文件，基于多视摄影测量原理，生成表达实际地理场景的真三维数字化影像点云；具体过程为：

(1)输入地理场景的序列航空或航天摄影影像，及其对应的定向参数文件；

(2)利用多视影像逐像素匹配和多像光束法平差，将多幅影像的重叠区域内的所有平面像素转换成具有三维坐标和RGB颜色的彩色点，再按照一定的数据组织结构，得到多像重叠区域地理场景的真三维数字化影像点云；

(3)将不同位置的基于多视影像生成的影像点云进行融合、去冗余处理，得到覆盖整个测区的完整影像点云；

步骤二，按照行业规范，基于影像点云进行数字高程模型和数字正射影像的自动生成，以及进行数字线划图的半自动采集；具体过程为：

(1)对影像点云的平面坐标范围进行m×m的规则格网划分，将一幅完整的影像点云均匀分割成m²个分块影像点云Part_jk，j∈[1,m],k∈[1,m]，并定义一个m×m×4的影像点云多维索引矩阵D，其每一个元素D_jk都是一个一维矩阵，记录了每一小分块影像点云的平面坐标范围：最小X坐标minX_jk、最大X坐标maxX_jk、最小Y坐标minY_jk、最大Y坐标maxY_jk，为后续的地理信息采集提供高效的索引调度；

(2)基于影像点云所能提供的地面分辨率和三维坐标信息，按照选定的数字高程模型采样间隔，采用移动曲面拟合内插法自动生成所需的数字高程模型；按照选定的数字正射影像空间分辨率，采用间接法数字纠正方式，从输入的原始影像中自动生成所需的数字正射影像；

(3)基于影像点云提供的三维坐标和RGB颜色信息，按照行业规范规定的要求，采用人机交互的操作方式在影像点云上进行指定比例尺数字线划图的半自动采集；

步骤三，按照个人需求，基于影像点云进行大众化地理信息的按需人机交互采集；具体过程为：

(1)采用人机交互的操作方式，对影像点云进行任意旋转、平移、放大、缩小的操作，以使其处于最有利的观测视点，达到最佳的场景浏览效果，从而在影像点云上移动鼠标来拾取任意所感兴趣地物点的三维空间坐标，实现“所见即所得”的信息采集；

(2)基于影像点云上拾取的任意点的三维坐标，进行不同地物点间的距离、面积、体积的几何信息量测，或者，绘制自己所需要的任意比例尺的数字线划图，或者，在影像点云上用鼠标绘制一个空间包围盒，把所选目标的三维模型按一定的格式进行输出。