CN106228609A - 一种基于空间特征信息的倾斜摄影三维建模方法 - Google Patents

Abstract

本发明公开了一种基于空间特征信息的倾斜摄影三维建模方法，该方法的步骤是：S1、首先进行空三解算生成航片外方位元素；S2、相机自动标定生成三维维密集点云；S3、基于三维空间密集点云，提取特征线；S4、基于特征约束线的三维空间TIN网构造、基于法向量的模型简化；S5、影像拼接、边缘融合，生成模型纹理，压缩存储输出。本发明的基于空间特征信息的倾斜摄影三维建模方法，可快速获取高质量、高精度全三维实景模型；有效解决了目前倾斜摄影测量三维建模数据精度低、纹理扭曲畸变大等问题。

Description

一种基于空间特征信息的倾斜摄影三维建模方法

技术领域

本发明涉及城市规划、建设和管理技术领域，具体地说涉及一种基于空间特征信息的倾斜摄影三维建模方法。

背景技术

目前，随着数字地球、数字省市、数字小区的提出和建设，以及信息和遥感数据获取技术的迅猛发展，以三维建模为主要内容的数字虚拟系统引起了人们的极大关注。三维建模通俗来讲就是通过三维制作软件通过虚拟三维空间构建出具有三维数据的模型。三维建模是当前三维数字城市建模、城市规划、建设和管理、公共安全与应急反恐的需要。

目前，已知的三维建模方法主要有倾斜地理定位与测量系统、航空机载激光雷达扫描系统、面激光雷达扫描系统；倾斜地理定位与测量系统根据斜拍照片、GPS、IMU等信息实现了在斜片上定位得到某些兴趣点的三维坐标；这种算法的缺点，主要是依赖人工交互测量获得某些特征点，对作业人员技能要求高、取点效率低，不能自动获得三维坐标点。航空机载激光雷达扫描系统通过激光测距、GPS、IMU等信息结合可以直接获得高密度地表三维坐标点，结合数码相机照片还可以得到正射影像(DOM)；缺点，无法处理建筑、树木等侧面信息、后期需要经过专业建模师做3D建模才能得到三维建筑模型。地面激光雷达扫描系统通过激光雷达扫描和数码相机可以生成三维建筑、树木等模型；缺点，因受遮挡扫描测量作业效率低，只适合小范围建模；无法获得高层建筑物的顶部信息。

发明内容

本发明的目的就在于克服上述现有技术的不足，提供一种基于空间特征信息的倾斜摄影三维建模方法，可快速获取高质量、高精度全三维实景模型。有效解决了目前倾斜摄影测量三维建模数据精度低、纹理扭曲畸变大等问题。

为实现上述目的，本发明是通过以下技术方案来实现：

一种基于空间特征信息的倾斜摄影三维建模方法，该方法的步骤是：

S1、首先进行空三解算生成航片外方位元素；

S2、相机自动标定生成三维密集点云；

S3、基于三维空间密集点云，提取特征线；

S4、基于特征约束线的三维空间TIN网构造、基于法向量的模型简化；

S5、影像拼接、边缘融合，生成模型纹理，压缩存储输出。

作为对上述技术方案的改进，所述空三解算的步骤为：

A1、输入倾斜航拍影像，为每张影像按512X512像素大小切割成瓦片，然后建立金字塔，每层像素折半简化，直到最后只剩下1张图片结束；这样切割的目的是为后面提取特征点、影像匹配、生成纹理等环节做数据准备；

A2、提取特征点：应用SIFT算子提取影像特征点；

A3、特征点匹配：取一幅图像中的一个SIFT关键点，并找出其与另一幅图像中欧氏距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离得到的比率ratio少于某个阈值T，则接受这一对匹配点；

因为对于错误匹配，由于特征空间的高维性，相似的距离可能有大量其他的错误匹配，从而它的ratio值比较高；显然降低这个比例阈值T，SIFT匹配点数目会减少，但更加稳定，反之亦然；

A4、人工刺像控点：通过外业测量像控点，内业在每张照片上把像控点找出来，赋予测量坐标值，包括平面坐标XY,和高程值Z；

A5、构建自由网：根据匹配点和人工刺像控点，应用光束法构造自由网、自由网平差、剔除粗差，最后拟合计算每张航片的空三参数，包括相机中心、相机拍摄角。

作为对上述技术方案的改进，相机自动标定生成三维密集点云的步骤为：

B1、相机标定：依据多视图航片彼此间的内在几何限制构造Kruppa方程，然后通过相片之间的匹配点解算Kruppa方程，求解相机参数；

B2影像稀疏匹配：对每张航片的特征点进行匹配、建立连接关系、提取立体像对；

B3分区匹配：把各个立体像对的链接点，安像素坐标构造TIN网、三角划分区域；每个区域按基线同向原则，宽松匹配提取更多匹配点；

B4误匹配删除：首先对匹配点进行三维曲面拟合，然后应用滤波算子，对距离曲面远的点剔除；

B5生成密集点云：以拟合三维曲面的高度值作为参考地表高程，分别对每个像对的所有像素二次匹配，提取误差在约束范围内的点，生成稠密点云；

原理：已知立体像对左右片的内、外方位元素，按基线同向约束在一定的范围内寻找特征最接近的匹配点，计算出自动匹配值；左右片都分别经过各自的匹配点生成射线与拟合曲面相交，如果没有误差则这两个点会在曲面上相交，所以要把误差大于一定值的点删除，只保留合格点。

作为对上述技术方案的改进，基于三维空间密集点云，提取特征线有的步骤是：

C1、点云分类：根据点云特征信息分类，分为地表、植被、建筑物、其它人造物、其它类别；

C2、提取类别之间的界线：对分类后的点云进行聚类分析、拟合边界、提取界址线；

C3、计算法向量：计算每个同名点所有关联照片的入射角；以关联照片的平均入射角作为点的法向量角；

C4、基于法向量特征线提取：按点云法向量聚类分析，把法向量一致的点云划分为一类，然后提取出各种类别之间的界址线；

C5、拟合特征线：对提取的界址线进行曲线拟合，消除多余点、粗差点；按直线拟合和最小二乘拟合两种方式拟合：

C5-1、直线拟合:把两点之间连成一条直线，剔除距离较大的粗差点，然后计算剩下的点到直线的中误差，把中误差小于最大误差要求的线留下；

C5-2、最小二乘拟合:把某条界址线所有点先按二阶光滑拟合成一条曲线，剔除距离曲线较远的粗差点，然后逐级提高阶数剔除更多点，当剩下的点到曲线的中误差小于某给值时停止。

作为对上述技术方案的改进，基于特征约束线的三维空间TIN网构造、基于法向量的模型简化的步骤为：

D1、计算平面凸包：根据密集点云的平面坐标，计算最小凸包；

D2、约束线区域划分：把特征线加入平面凸包，按多边形最优化划分原则，把凸包区域划分为多个多边形小区域；

D3、特征线加密：对于点稀少的特征线进行线性插值、添加更多点，以免产生细长三角形；

D4、构造区域网：对D2步划分的区域进行独立构造TIN网；构造TIN网的过程:

D4-1、在一个区域内任意取一点作为种子；

D4-2、在区域内寻找距离种子点空间距离最近的点形成第一条种子边；

D4-3、在区域内寻找第三给点与第一条边构成最小外接球，最小外接球符合在球体内不包含其它点的原则；

D4-4、把一条边和边外部的一个点构造出第一个三角形面；

D4-5、重复步骤D4-3,继续为新生成的边寻找最小外接球，直到该区域所有空间被三角形覆盖。

D5、模型简化：根据模型三角面片的法向量、凹凸，把落在同一平面并且法向量一致的平面内部点剔除，只保留平面边界点，最终实现模型顶点简化。

作为对上述技术方案的改进，影像拼接、边缘融合的步骤是：

E1、图像畸变纠正：根据步骤2计算得到的相机参数Kruppa方程，对每张航片畸变纠正；

E2、单航片三维建模：以单张航片上的特征点为空间点，按像素坐标构造TIN网、计算纹理坐标，形成三维空间单航片模型；

E3、连接点匹配：依照航片之间同名点关系，将多个单航片模型链接在一起；

E4、融合与边界平滑：重叠区域按相机入射角最大原则保留纹理，然后在纹理边界多重采样平滑过渡；

E5、把模型的纹理图片合并，与模型的其它信息一起压缩输出最终成果。

与现有技术相比，本发明所取得的有益效果是：

本发明的基于空间特征信息的倾斜摄影三维建模方法，可快速获取高质量、高精度全三维实景模型；有效解决了目前倾斜摄影测量三维建模数据精度低、纹理扭曲畸变大等问题。

具体实施方式

下面将结合本发明的实施例中，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

本发明的基于空间特征信息的倾斜摄影三维建模方法，该方法的步骤是：

S1、首先进行空三解算生成航片外方位元素；

S2、相机自动标定生成三维密集点云；

S3、基于三维空间密集点云，提取特征线；

S4、基于特征约束线的三维空间TIN网构造、基于法向量的模型简化；

S5、影像拼接、边缘融合，生成模型纹理，压缩存储输出。

所述空三解算的步骤为：

A1、输入倾斜航拍影像，为每张影像按512X512像素大小切割成瓦片，然后建立金字塔，每层像素折半简化，直到最后只剩下1张图片结束；这样切割的目的是为后面提取特征点、影像匹配、生成纹理等环节做数据准备；

A2、提取特征点：应用SIFT算子提取影像特征点；

A3、特征点匹配：取一幅图像中的一个SIFT关键点，并找出其与另一幅图像中欧氏距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离得到的比率ratio少于某个阈值T，则接受这一对匹配点；

因为对于错误匹配，由于特征空间的高维性，相似的距离可能有大量其他的错误匹配，从而它的ratio值比较高；显然降低这个比例阈值T，SIFT匹配点数目会减少，但更加稳定，反之亦然；

A4、人工刺像控点：通过外业测量像控点，内业在每张照片上把像控点找出来，赋予测量坐标值，包括平面坐标XY,和高程值Z；

A5、构建自由网：根据匹配点和人工刺像控点，应用光束法构造自由网、自由网平差、剔除粗差，最后拟合计算每张航片的空三参数，包括相机中心、相机拍摄角。

相机自动标定生成三维密集点云的步骤为：

B1、相机标定：依据多视图航片彼此间的内在几何限制构造Kruppa方程，然后通过相片之间的匹配点解算Kruppa方程，求解相机参数；

B2影像稀疏匹配：对每张航片的特征点进行匹配、建立连接关系、提取立体像对；

B3分区匹配：把各个立体像对的链接点，安像素坐标构造TIN网、三角划分区域；每个区域按基线同向原则，宽松匹配提取更多匹配点；

B4误匹配删除：首先对匹配点进行三维曲面拟合，然后应用滤波算子，对距离曲面远的点剔除；

B5生成密集点云：以拟合三维曲面的高度值作为参考地表高程，分别对每个像对的所有像素二次匹配，提取误差在约束范围内的点，生成稠密点云；

原理：已知立体像对左右片的内、外方位元素，按基线同向约束在一定的范围内寻找特征最接近的匹配点，计算出自动匹配值；左右片都分别经过各自的匹配点生成射线与拟合曲面相交，如果没有误差则这两个点会在曲面上相交，所以要把误差大于一定值的点删除，只保留合格点。

基于三维空间密集点云，提取特征线有的步骤是：

C1、点云分类：根据点云特征信息分类，分为地表、植被、建筑物、其它人造物、其它类别；

C2、提取类别之间的界线：对分类后的点云进行聚类分析、拟合边界、提取界址线；

C3、计算法向量：计算每个同名点所有关联照片的入射角；以关联照片的平均入射角作为点的法向量角；

C4、基于法向量特征线提取：按点云法向量聚类分析，把法向量一致的点云划分为一类，然后提取出各种类别之间的界址线；

C5、拟合特征线：对提取的界址线进行曲线拟合，消除多余点、粗差点；按直线拟合和最小二乘拟合两种方式拟合：

C5-1、直线拟合:把两点之间连成一条直线，剔除距离较大的粗差点，然后计算剩下的点到直线的中误差，把中误差小于最大误差要求的线留下；

C5-2、最小二乘拟合:把某条界址线所有点先按二阶光滑拟合成一条曲线，剔除距离曲线较远的粗差点，然后逐级提高阶数剔除更多点，当剩下的点到曲线的中误差小于某给值时停止。

基于特征约束线的三维空间TIN网构造、基于法向量的模型简化的步骤为：

D1、计算平面凸包：根据密集点云的平面坐标，计算最小凸包；

D2、约束线区域划分：把特征线加入平面凸包，按多边形最优化划分原则，把凸包区域划分为多个多边形小区域；

D3、特征线加密：对于点稀少的特征线进行线性插值、添加更多点，以免产生细长三角形；

D4、构造区域网：对D2步划分的区域进行独立构造TIN网；构造TIN网的过程:

D4-1、在一个区域内任意取一点作为种子；

D4-2、在区域内寻找距离种子点空间距离最近的点形成第一条种子边；

D4-3、在区域内寻找第三给点与第一条边构成最小外接球，最小外接球符合在球体内不包含其它点的原则；

D4-4、把一条边和边外部的一个点构造出第一个三角形面；

D4-5、重复步骤D4-3,继续为新生成的边寻找最小外接球，直到该区域所有空间被三角形覆盖。

D5、模型简化：根据模型三角面片的法向量、凹凸，把落在同一平面并且法向量一致的平面内部点剔除，只保留平面边界点，最终实现模型顶点简化。

影像拼接、边缘融合的步骤是：

E1、图像畸变纠正：根据步骤2计算得到的相机参数Kruppa方程，对每张航片畸变纠正；

E2、单航片三维建模：以单张航片上的特征点为空间点，按像素坐标构造TIN网、计算纹理坐标，形成三维空间单航片模型；

E3、连接点匹配：依照航片之间同名点关系，将多个单航片模型链接在一起；

E4、融合与边界平滑：重叠区域按相机入射角最大原则保留纹理，然后在纹理边界多重采样平滑过渡；

E5、把模型的纹理图片合并，与模型的其它信息一起压缩输出最终成果。

本发明的基于空间特征信息的倾斜摄影三维建模方法，可快速获取高质量、高精度全三维实景模型；有效解决了目前倾斜摄影测量三维建模数据精度低、纹理扭曲畸变大等问题。

Claims (6)

1.一种基于空间特征信息的倾斜摄影三维建模方法，其特征在于：该方法的步骤是：

S1、首先进行空三解算生成航片外方位元素；

S2、相机自动标定生成三维密集点云；

S3、基于三维空间密集点云，提取特征线；

S4、基于特征约束线的三维空间TIN网构造、基于法向量的模型简化；

S5、影像拼接、边缘融合，生成模型纹理，压缩存储输出。

2.根据权利要求1所述的基于空间特征信息的倾斜摄影三维建模方法，其特征在于：所述空三解算的步骤为：

A1、输入倾斜航拍影像，为每张影像按512X512像素大小切割成瓦片，然后建立金字塔，每层像素折半简化，直到最后只剩下1张图片结束；

A2、提取特征点：应用SIFT算子提取影像特征点；

A3、特征点匹配：取一幅图像中的一个SIFT关键点，并找出其与另一幅图像中欧氏距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离得到的比率ratio少于某个阈值T，则接受这一对匹配点；

A4、人工刺像控点：通过外业测量像控点，内业在每张照片上把像控点找出来，赋予测量坐标值，包括平面坐标XY,和高程值Z；

A5、构建自由网：根据匹配点和人工刺像控点，应用光束法构造自由网、自由网平差、剔除粗差，最后拟合计算每张航片的空三参数，包括相机中心、相机拍摄角。

3.根据权利要求1所述的基于空间特征信息的倾斜摄影三维建模方法，其特征在于：相机自动标定生成三维密集点云的步骤为：

B1、相机标定：依据多视图航片彼此间的内在几何限制构造Kruppa方程，然后通过相片之间的匹配点解算Kruppa方程，求解相机参数；

B2影像稀疏匹配：对每张航片的特征点进行匹配、建立连接关系、提取立体像对；

B3分区匹配：把各个立体像对的链接点，安像素坐标构造TIN网、三角划分区域；每个区域按基线同向原则，宽松匹配提取更多匹配点；

B4误匹配删除：首先对匹配点进行三维曲面拟合，然后应用滤波算子，对距离曲面远的点剔除；

B5生成密集点云：以拟合三维曲面的高度值作为参考地表高程，分别对每个像对的所有像素二次匹配，提取误差在约束范围内的点，生成稠密点云。

4.根据权利要求1所述的基于空间特征信息的倾斜摄影三维建模方法，其特征在于：基于三维空间密集点云，提取特征线有的步骤是：

C1、点云分类：根据点云特征信息分类，分为地表、植被、建筑物、其它人造物、其它类别；

C2、提取类别之间的界线：对分类后的点云进行聚类分析、拟合边界、提取界址线；

C3、计算法向量：计算每个同名点所有关联照片的入射角；以关联照片的平均入射角作为点的法向量角；

C4、基于法向量特征线提取：按点云法向量聚类分析，把法向量一致的点云划分为一类，然后提取出各种类别之间的界址线；

C5、拟合特征线：对提取的界址线进行曲线拟合，消除多余点、粗差点；按直线拟合和最小二乘拟合两种方式拟合：

C5-1、直线拟合:把两点之间连成一条直线，剔除距离较大的粗差点，然后计算剩下的点到直线的中误差，把中误差小于最大误差要求的线留下；

C5-2、最小二乘拟合:把某条界址线所有点先按二阶光滑拟合成一条曲线，剔除距离曲线较远的粗差点，然后逐级提高阶数剔除更多点，当剩下的点到曲线的中误差小于某给值时停止。

5.根据权利要求1所述的基于空间特征信息的倾斜摄影三维建模方法，其特征在于：基于特征约束线的三维空间TIN网构造、基于法向量的模型简化的步骤为：

D1、计算平面凸包：根据密集点云的平面坐标，计算最小凸包；

D2、约束线区域划分：把特征线加入平面凸包，按多边形最优化划分原则，把凸包区域划分为多个多边形小区域；

D3、特征线加密：对于点稀少的特征线进行线性插值、添加更多点，以免产生细长三角形；

D4、构造区域网：对D2步划分的区域进行独立构造TIN网；构造TIN网的过程:

D4-1、在一个区域内任意取一点作为种子；

D4-2、在区域内寻找距离种子点空间距离最近的点形成第一条种子边；

D4-3、在区域内寻找第三给点与第一条边构成最小外接球，最小外接球符合在球体内不包含其它点的原则；

D4-4、把一条边和边外部的一个点构造出第一个三角形面；

D4-5、重复步骤D4-3,继续为新生成的边寻找最小外接球，直到该区域所有空间被三角形覆盖；

D5、模型简化：根据模型三角面片的法向量、凹凸，把落在同一平面并且法向量一致的平面内部点剔除，只保留平面边界点，最终实现模型顶点简化。

6.根据权利要求1所述的基于空间特征信息的倾斜摄影三维建模方法，其特征在于：影像拼接、边缘融合的步骤是：

E1、图像畸变纠正：根据步骤2计算得到的相机参数Kruppa方程，对每张航片畸变纠正；

E2、单航片三维建模：以单张航片上的特征点为空间点，按像素坐标构造TIN网、计算纹理坐标，形成三维空间单航片模型；

E3、连接点匹配：依照航片之间同名点关系，将多个单航片模型链接在一起；

E4、融合与边界平滑：重叠区域按相机入射角最大原则保留纹理，然后在纹理边界多重采样平滑过渡；

E5、把模型的纹理图片合并，与模型的其它信息一起压缩输出最终成果。