CN105046749A - 三视角航片自动生成三维模型的方法 - Google Patents

三视角航片自动生成三维模型的方法 Download PDF

Info

Publication number
CN105046749A
CN105046749A CN201510571517.0A CN201510571517A CN105046749A CN 105046749 A CN105046749 A CN 105046749A CN 201510571517 A CN201510571517 A CN 201510571517A CN 105046749 A CN105046749 A CN 105046749A
Authority
CN
China
Prior art keywords
point
image
depth
distance
dimensional
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510571517.0A
Other languages
English (en)
Inventor
龙永生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Shenzhoulong Information Service Co Ltd
Original Assignee
Shenzhen Shenzhoulong Information Service Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Shenzhoulong Information Service Co Ltd filed Critical Shenzhen Shenzhoulong Information Service Co Ltd
Priority to CN201510571517.0A priority Critical patent/CN105046749A/zh
Publication of CN105046749A publication Critical patent/CN105046749A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Image Processing (AREA)

Abstract

本发明公开了一种三视角航片自动生成三维模型的方法，包含以下步骤：取样，使用搭载三镜头相机的飞机进行取样，获取三个方向的二维图像；标定镜头，用黑白棋盘格子对镜头进行标定，为后续的运算过程提供校正条件；对特征点进行提取和匹配，得到特征点的景深图；生成点云，在匹配后的景深图的基础上对图像中精确的点进行匹配，并在景深图上均匀的覆盖点，最后由这些细节点组成密集点云；对上步中的密集点云进行空间网格拓展，通过点云获取空间的三维物理机构，从而生成网格，并从对应相片中获取纹理。本发明航片数量少，运算时间显著减少，具有精度高、工序简单、操作方便、真实感强的特点。

Description

三视角航片自动生成三维模型的方法
技术领域
本发明涉及空间GIS技术领域，具体的说，是涉及一种利用三视角航摄影像进行三维重建，并自动生成三维模型的方法。
背景技术
计算机通过提取二维影像的特征点，然后进行相片之间的一对一比对，建立数学模型，将相片之间位置对齐，后建立点云生产成计算机表示的模型。目前该领域通常使用5视角照片进行运算，5视角即正摄以及前后左右四十度倾斜照片，这样在多组视角数据之间运算时，由于特征点比对运算消耗大量运算时间，需要大量人工和高端电脑建三维空间、制作投入大、周期长、数据量大，执行效率低。
上述缺陷，值得改进。
发明内容
为了克服现有的技术的不足,本发明提供一种三视角航片自动生成三维模型的方法。
本发明技术方案如下所述：
三视角航片自动生成三维模型的方法，其特征在于，包含以下步骤，
S1：取样，使用搭载三镜头相机的飞机进行取样，获取三个方向的二维图像；
S2：标定镜头，用黑白棋盘格子对镜头进行标定，为后续的运算过程提供校正条件；
S3：对特征点进行提取和匹配，得到特征点的景深图；
S4：生成点云，在匹配后的景深图的基础上对图像中精确的点进行匹配，并在景深图上均匀的覆盖点，最后由这些细节点组成密集点云；
S5：对步骤S4中的密集点云进行空间网格拓展，通过点云获取空间的三维物理机构，从而生成网格，并从对应相片中获取纹理。
进一步的，所述步骤S3中，目标特征点的提取是对每张相片进行特征点提取，具体包括以下步骤，
S31：计算目标点在不同视图上形成的视差；
S32：通过获得焦距、两图之间的视差以及两幅图的中心距离求得点的景深。
更进一步的，在所述步骤S31中，把目标特征点在左右视图上两个对应的像点匹配起来，再求得目标特征点在两幅图像上水平坐标间的差异，具体的包括，
S311：利用极线约束使得对应点的匹配由二维搜索降为一维搜索；
S312：通过图像校正，严格的将图像的对极限对应起来，于是两张图片中的同一点将处在同一水平线上；
S313：通过一维搜索就可以将同一水平线的特征点对应起来；
S314：求得目标特征点在两幅图像上水平坐标间的差异，这个差异和目标点到成像平面的距离成反比例关系，即
Z = π d
其中，d＝xl-xγ，Z为特征点与视点连线之间的距离，f为特征点视点连线之间的距离，T为两个相机视点的距离，xl和xγ为特征点在左右两幅图像中的位置。
进一步的，所述步骤S3中，对提取到的特征点进行立体匹配，将相片与相片之间的关系一一统计出来，并将多幅不同图像之间的同一物理空间中的点一一对应起来，拼合景深影像，取得真实物理系统的层次结构。
根据上述结构的本发明，其有益效果在于，本发明采用3视角的照片进行取样，较五视角照片，航片数量减少，运算时间显著减少，节约了(5*n)2-(3*n)2的时间，其中n表示航片组数；另外，本发明具有精度高、工序简单、操作方便、真实感强的特点。
附图说明
图1为本发明的流程图；
图2为本发明的对极线的示意图；
图3为图2中对极线的几何结构图；
图4为本发明相机取样时不同特征点距离对应视角的示意图；
图5为本发明距离和差距的函数关系示意图。
在图中，1、对极线；2、对极平面；3、对极点；4、投影面。
具体实施方式
下面结合附图以及实施方式对本发明进行进一步的描述：
如图1所示，一种三视角航片自动生成三维模型的方法，其特征在于，包含以下步骤，
(1)取样，使用搭载三镜头相机的飞机进行取样，获取三个方向的二维图像；
(2)标定镜头，用黑白棋盘格子对镜头进行标定，为后续的运算过程提供校正条件；
(3)对特征点进行提取和匹配，得到特征点的景深图，具体的为，计算目标点在不同视图上形成的视差，并通过获得焦距f、两图之间的视差以及两幅图的中心距离求得点的景深。
(4)生成点云，在匹配后的景深图的基础上对图像中精确的点进行匹配，并在景深图上均匀的覆盖点，最后由这些细节点组成密集点云；
(5)对步骤(4)中的密集点云进行空间网格拓展，通过点云获取空间的三维物理机构，从而生成网格，并从对应相片中获取纹理。
优选的，在步骤(3)中，把目标特征点在左右视图上两个对应的像点匹配起来，再求得目标特征点在两幅图像上水平坐标间的差异，具体的包括，
a.利用极线约束使得对应点的匹配由二维搜索降为一维搜索；
b.通过图像校正，严格的将图像的对极限对应起来，于是两张图片中的同一点将处在同一水平线上；
c.通过一维搜索就可以将同一水平线的特征点对应起来；
d.求得目标特征点在两幅图像上水平坐标间的差异，这个差异和目标点到成像平面的距离成反比例关系，即
对提取到的特征点进行立体匹配，将相片与相片之间的关系一一统计出来，并将多幅不同图像之间的同一物理空间中的点一一对应起来，拼合景深影像，取得真实物理系统的层次结构。
如图2-3所示，差异和目标点到成像平面的距离的关系可通过几何图形的计算得到。
在图2对应到图3的几何图形中，可在对极平面2上得到对应的相似三角形，由对极线1和对极点3进一步得到投影面4，再通过相似三角形的特性可以得到进而可以得到
在图2中，T表示两个相机视点的距离；Z表示特征点与视点连线之间的距离；xl和xγ为特征点在左右两幅图像中的位置；两个f表示xl和xγ到视点连线之间的距离；P表示目标位置的特征点。
在图3中，Pl和Pγ表示同一点在左右两幅图中的位置；el和eγ表示另一个点在左右两幅图中的位置；Ol和Oγ表示左右两个视点的位置；f和Z表示两个相似三角形的边长，与d和T成等比。
如图4-5所示，通过上述过程可以得到，标特征点在两幅图像上水平坐标间的差异与目标点到成像平面的距离成反比例关系。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
上面结合附图对本发明专利进行了示例性的描述，显然本发明专利的实现并不受上述方式的限制，只要采用了本发明专利的方法构思和技术方案进行的各种改进，或未经改进将本发明专利的构思和技术方案直接应用于其它场合的，均在本发明的保护范围内。

Claims (4)

1.三视角航片自动生成三维模型的方法，其特征在于，包含以下步骤，
S1：取样，使用搭载三镜头相机的飞机进行取样，获取三个方向的二维图像；
S2：标定镜头，用黑白棋盘格子对镜头进行标定，为后续的运算过程提供校正条件；
S3：对特征点进行提取和匹配，得到特征点的景深图；
S4：生成点云，在匹配后的景深图的基础上对图像中精确的点进行匹配，并在景深图上均匀的覆盖点，最后由这些细节点组成密集点云；
S5：对步骤S4中的密集点云进行空间网格拓展，通过点云获取空间的三维物理机构，从而生成网格，并从对应相片中获取纹理。
2.根据权利要求1所述的三视角航片自动生成三维模型的方法，其特征在于，所述步骤S3中，目标特征点的提取是对每张相片进行特征点提取，具体包括以下步骤，
S31：计算目标点在不同视图上形成的视差；
S32：通过获得焦距、两图之间的视差以及两幅图的中心距离求得点的景深。
3.根据权利要求2所述的三视角航片自动生成三维模型的方法，其特征在于，在所述步骤S31中，把目标特征点在左右视图上两个对应的像点匹配起来，再求得目标特征点在两幅图像上水平坐标间的差异，具体的包括，
S311：利用极线约束使得对应点的匹配由二维搜索降为一维搜索；
S312：通过图像校正，严格的将图像的对极限对应起来，于是两张图片中的同一点将处在同一水平线上；
S313：通过一维搜索就可以将同一水平线的特征点对应起来；
S314：求得目标特征点在两幅图像上水平坐标间的差异，这个差异和目标点到成像平面的距离成反比例关系，即
z = π d
其中，d＝xl-xr，Z为特征点与视点连线之间的距离，f为特征点视点连线之间的距离，T为两个相机视点的距离，xl和xr为特征点在左右两幅图像中的位置。
4.根据权利要求1所述的三视角航片自动生成三维模型的方法，其特征在于，所述步骤S3中，对提取到的特征点进行立体匹配，将相片与相片之间的关系一一统计出来，并将多幅不同图像之间的同一物理空间中的点一一对应起来，拼合景深影像，取得真实物理系统的层次结构。
CN201510571517.0A 2015-09-10 2015-09-10 三视角航片自动生成三维模型的方法 Pending CN105046749A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510571517.0A CN105046749A (zh) 2015-09-10 2015-09-10 三视角航片自动生成三维模型的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510571517.0A CN105046749A (zh) 2015-09-10 2015-09-10 三视角航片自动生成三维模型的方法

Publications (1)

Publication Number Publication Date
CN105046749A true CN105046749A (zh) 2015-11-11

Family

ID=54453265

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510571517.0A Pending CN105046749A (zh) 2015-09-10 2015-09-10 三视角航片自动生成三维模型的方法

Country Status (1)

Country Link
CN (1) CN105046749A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110544311A (zh) * 2018-05-29 2019-12-06 百度在线网络技术（北京）有限公司 安全警示方法、装置及存储介质
WO2020107480A1 (zh) * 2018-11-30 2020-06-04 深圳市大疆创新科技有限公司 图像特征点的评价方法和可移动平台

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101271591A (zh) * 2008-04-28 2008-09-24 清华大学 一种交互式多视点三维模型重建方法
CN101866497A (zh) * 2010-06-18 2010-10-20 北京交通大学 基于双目立体视觉的智能三维人脸重建方法及系统
CN102938164A (zh) * 2012-12-05 2013-02-20 上海创图网络科技发展有限公司 一种基于航空遥感摄影测量的快速建模方法
CN103279987A (zh) * 2013-06-18 2013-09-04 厦门理工学院 基于Kinect的物体快速三维建模方法
CN103868460A (zh) * 2014-03-13 2014-06-18 桂林电子科技大学 基于视差优化算法的双目立体视觉自动测量方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101271591A (zh) * 2008-04-28 2008-09-24 清华大学 一种交互式多视点三维模型重建方法
CN101866497A (zh) * 2010-06-18 2010-10-20 北京交通大学 基于双目立体视觉的智能三维人脸重建方法及系统
CN102938164A (zh) * 2012-12-05 2013-02-20 上海创图网络科技发展有限公司 一种基于航空遥感摄影测量的快速建模方法
CN103279987A (zh) * 2013-06-18 2013-09-04 厦门理工学院 基于Kinect的物体快速三维建模方法
CN103868460A (zh) * 2014-03-13 2014-06-18 桂林电子科技大学 基于视差优化算法的双目立体视觉自动测量方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
韩慧妍: "基于双目立体视觉的三维模型重建方法研究", 《中国博士学位论文全文数据库》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110544311A (zh) * 2018-05-29 2019-12-06 百度在线网络技术（北京）有限公司 安全警示方法、装置及存储介质
WO2020107480A1 (zh) * 2018-11-30 2020-06-04 深圳市大疆创新科技有限公司 图像特征点的评价方法和可移动平台
CN111433815A (zh) * 2018-11-30 2020-07-17 深圳市大疆创新科技有限公司 图像特征点的评价方法和可移动平台

Similar Documents

Publication Publication Date Title
Alidoost et al. Comparison of UAS-based photogrammetry software for 3D point cloud generation: a survey over a historical site
CN107862744B (zh) 航空影像三维建模方法及相关产品
CN104596502B (zh) 一种基于cad模型与单目视觉的物体位姿测量方法
CN104182982B (zh) 双目立体视觉摄像机标定参数的整体优化方法
Verhoeven Taking computer vision aloft–archaeological three‐dimensional reconstructions from aerial photographs with photoscan
CN101785025B (zh) 用于从二维图像进行三维对象重构的系统和方法
CN104050662B (zh) 一种用光场相机一次成像直接获取深度图的方法
CN103604417B (zh) 物方信息约束的多视影像双向匹配策略
CN107767442A (zh) 一种基于Kinect和双目视觉的脚型三维重建与测量方法
CN108288292A (zh) 一种三维重建方法、装置及设备
quan Li et al. Construction and accuracy test of a 3D model of non-metric camera images using Agisoft PhotoScan
Pepe et al. Techniques, tools, platforms and algorithms in close range photogrammetry in building 3D model and 2D representation of objects and complex architectures
CN103971404A (zh) 一种高性价比的3d实景复制装置
CN107545586B (zh) 基于光场极线平面图像局部的深度获取方法及系统
CN103971378A (zh) 一种混合视觉系统中全景图像的三维重建方法
CN104156957A (zh) 一种稳定高效的高分辨率立体匹配方法
CN102509354A (zh) 一种与影像同步变化的投影数字高程模型制作方法
CN108399631B (zh) 一种尺度不变性的倾斜影像多视密集匹配方法
d'Angelo et al. Dense multi-view stereo from satellite imagery
CN105654547A (zh) 三维重建方法
Zhang et al. The light field 3D scanner
CN105277144A (zh) 基于双目视觉的土地面积快速检测方法及其检测装置
CN108010125A (zh) 基于线结构光和图像信息的真实尺度三维重建系统及方法
Haala et al. High density aerial image matching: State-of-the-art and future prospects
CN102930551A (zh) 利用圆心的投影坐标和极线求解摄像机内参数

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20151111