基于低空无人机影像的智慧楼宇精细化三维模型构建方法
詹焕发 殷 牧
(湖南省水文地质环境地质调查监测所, 湖南 长沙 410131)
［摘 要］ 由于智慧楼宇矢量数据难以获取,影响构建的三维模型精细度,提出基于低空无人机影像的智慧楼宇精细化三维模型构建方法。基于低空无人机摄影获取智慧楼宇影像数据,预处理影像数据,通过影像的密集匹配、三角网构建以及纹理映射步骤构建智慧楼宇精细化三维模型,修补三维模型空洞,确保模型精细化程度。实例应用结果表明:本文方法构建的智慧楼宇精细化模型平面中误差6.13 cm,高程中误差6.21 cm,验证该方法的正确性,可以构建高精度、高质量的智慧楼宇三维模型。
0 引言
在“新基建”时代下,我国在城市的规划、发展中,大力推进智慧社区的建设。随着虚拟现实技术的出现,二维平面数据所描述的智慧楼宇,已经无法满足人们对智慧社区可视化效果的要求。因此,精细化三维模型因其表达完整、形象直观等特点,被我国广泛应用于智慧社区建设中。精细化三维模型的构建已经逐渐成为我国建筑领域、摄影测量领域中的研究热点之一,杨彦梅等[1]为提升三维建模的可利用性,引入倾斜摄影三维建模软件DP-Modeler进行精细化三维模型的构建;徐金财等[2]从建模效率、建模精度以及模型美观性等角度出发,通过3D Studio Max三维制作软件和Smart 3D技术实现三维建模。当下,众多学者在精细化三维建模研究中均获得了一定成果,但智慧楼宇的复杂程度高,其二维矢量数据具有一定局限性,传统三维建模方法所采集的数据冗余严重,很难确保三维模型的精细程度。因此,如何高效、低成本地实现智慧楼宇精细化三维建模,成为我国推进智慧社区三维建设项目中的焦点话题之一。
1 基于低空无人机摄影获取智慧楼宇影像数据
与传统摄影测量不同的是,低空无人机摄影测量技术[3]可以从多个角度来采集智慧楼宇影像信息,促使获得的影像数据与现实数据更加接近,满足三维模型的精细化要求。低空无人机摄影测量技术平台的结构如图1所示。
图1 低空无人机摄影测量平台组成
在利用低空无人机获取智慧楼宇影像数据时,需要对无人机设备的飞行参数和摄影测量参数进行控制。飞行参数主要包括速度、续航能力、飞行拍摄轨迹等,这些参数可以参考《低空数字航空摄影规范》,在智慧楼宇影像数据采集之前进行设置。摄影测量参数主要有比例尺、航高等。比例尺获取的是影像数据与实际数据之间的比值,在低空无人机摄影测量过程中,无法确保智慧楼宇的影像数据一直维持水平,造成智慧楼宇影像上的比例尺也无法统一,所以在获取智慧楼宇影像数据时,本文根据摄影基准面[4]来确定比例尺。假设无人机搭载的摄像设备到摄影基准面之间的距离为L,那么比例尺的计算公式为
(1)
式中,C表示低空无人机摄影测量比例尺分母;J表示摄像设备的焦距。如果摄影基准面是平均海平面,此时距离L也表示为无人机的航高。航高就是无人机相对摄影基准面的飞行高度,如果不考虑影像旋角等因素,那么无人机航高的表达式为
(2)
式中,D表示智慧楼宇的采样距离;b表示摄影设备的像元值。摄影测量参数需要在无人机作业过程中,通过数据链路实时调整指令,确保智慧楼宇影像数据获取的全面性。基于以上参数,尽量选择无风天气开展低空无人机摄影测量作业,确保智慧楼宇影像数据获取的安全性以及准确性。
2 预处理影像数据
受外界环境以及测量设备等影响,获取的智慧楼宇影像数据会存在一定误差,而影像质量的好坏将直接决定三维模型[5]的准确性,所以在建模之前需要对智慧楼宇影像数据进行预处理。由于摄像机的镜头存在一定光学误差,导致拍摄的智慧楼宇影像出现畸变差,而畸变差会导致影像上光线平行状态被破坏,从而促使各像素点与实际楼宇矢量数据之间存在偏离现象,所以首先需要对智慧楼宇影像数据的畸变差进行纠正,表达式如式(3)所示。
(3)
式中,(x0,y0)表示纠正过的智慧楼宇影像像素点坐标;x1、y1分别表示像素点的径向畸变参数;x2、y2分别表示像素点的切向畸变参数。智慧楼宇影像像素点的畸变参数主要根据摄影机的标定来获取,然后通过径向与切向畸变的和就可以对影像数据进行畸变差纠正。在低空无人机摄影获取智慧楼宇影像数据的过程中,摄像机的曝光度以及当天的光照条件等,都会导致智慧楼宇影像上像素灰度值分布差异化明显,严重影响三维建模的精度。所以本文通过华里士(Wallis)匀光算法对智慧楼宇影像数据进行匀色匀光处理。首先挑选一张灰度值分布适中的智慧楼宇影像作为模板数据,并将模板影像上的均值与方差参数设置好;然后利用Wallis滤波器来调整像素灰度值分布差异化明显的智慧楼宇影像,促使目标影像上的灰度呈线性分布。
h0(x3,y3)=h1(x3,y3)α+β
(4)
式中,h0(x3,y3)表示匀色匀光处理后的智慧楼宇影像像素点(x3,y3)处的灰度值;h1(x3,y3)表示原始灰度值;α表示线性变换加系数;β表示线性变换乘系数。基于低空无人机摄影测量技术获取的智慧楼宇影像数据的好坏将直接影响成模质量以及成模精度,所以在建模之前,需要通过上述内容对智慧楼宇影像数据进行检查以及处理,确保后期影像数据质量可以满足精细化三维模型构建需求。
3 构建智慧楼宇精细化三维模型
基于低空无人机摄影测量获取智慧楼宇影像数据之后,通过对影像数据的匹配、映射等操作就可以将智慧楼宇的三维信息进行精准还原,从而实现精细化三维模型的构建[6]。首先对智慧楼宇影像数据进行密集匹配,此步骤是精细化三维模型构建的核心,就是在多幅智慧楼宇影像上寻找同名像素点,密集匹配的质量决定着后续纹理映射步骤的效果。由于低空无人机摄影测量智慧楼宇时,受交会角的影响,智慧楼宇同一区域上具有多视角影像,所以充分利用智慧楼宇影像数据的冗余信息,通过密集匹配来获取多基线楼宇影像匹配的唯一解,避免出现影像与三维模型之间的误匹配。本文在进行智慧楼宇影像数据的密集匹配时,首先利用Harris角点提取算法与高斯函数差分(difference of Gaussian,DOG)算子检测多幅智慧楼宇影像中的特征点,实现影像的特征匹配,从而获得智慧楼宇三维模型的稀疏面片[7]。假设智慧楼宇影像为Y(r),该影像所对应的摄像机光心为X(Yr),然后利用核线约束,寻找影像Y(r)上特征点Z在其他影像上与之相匹配的特征点Z′,并组成匹配点对(Z,Z′),再将这些点对进行三角化处理,就可以得到智慧楼宇的三维空间点坐标,对这些三维空间点的排序就可以生成智慧楼宇的初始面片,如式(5)所示。
(5)
式中,o(m)表示初始智慧楼宇面片m的中心点;f(m)表示初始智慧楼宇面片m的法向量;k(m)表示初始智慧楼宇面片的参考图像。在利用上述方法生成初始智慧楼宇面片时,可能会存在一定误差,所以需要利用式(6)对面片生成过程进行约束。
(6)
式中,S(m)表示实际上可以识别的智慧楼宇影像集合;ϑ表示f(m)与o(m)到X(Yr)之间连线的夹角。利用上述步骤获得智慧楼宇的初始面片之后,需要对楼宇面片进行扩散与过滤处理,确保每一个网格中至少存在一个楼宇面片,且每张面片具有足够精度。然后进行三角网构建步骤,结合智慧楼宇影像数据,通过三角网生长算法,构建出三维网格模型结构[8]。最后进行纹理映射,通过共线方程,将智慧楼宇影像数据上的纹理空间点映射到三维模型表面[9],进一步得到具有真实纹理信息的精细化三维模型,促使智慧楼宇精细化三维模型具有更加真实的视觉效果。
4 修补三维模型空洞
对于智慧楼宇三维模型而言,很多结构复杂的区域很难构建精准的三角网格[10],从而导致三维模型出现部分空洞现象。因此,本文在智慧楼宇三维模型构建之后,为确保模型的精细化效果,对模型空洞进行修补。智慧楼宇三维模型空洞的修补,就是对模型空洞区域特征线的检测与匹配[11],特征线就是代表几何特征的模型曲面谷脊线,换句话说也就是曲面的曲率极值[12]。假设智慧楼宇三维模型上曲面为Q,那么该曲面特征线的表达式为
(7)
式中,Wmax、Wmin分别表示曲面Q的两个曲率极值系数,当极值为0时,就可以表示智慧楼宇三维模型曲面Q的两条特征线;Emax、Emin表示曲率线上的单位向量。通过式(7)就可以将智慧楼宇三维模型空洞区域的特征线检测出来,然后对特征线进行匹配后就可以将空洞区域谷脊线补全[13]。假设上述提取的空洞区域特征线集合为H={Tn,n∈N},其中Tn为模型空洞区域周边的特征线,且Tn属于空洞周边特征线子集M,M={mn,0,mn,1,mn,2,…,mn,N};N为智慧楼宇三维模型上特征线总数量。然后本文通过图像曲线匹配技术[14],进行智慧楼宇三维模型空洞区域特征线的匹配,表达式为
(8)
式中,P(Tn,Ti)表示特征线Tn与特征线Ti之间的匹配概率;mn,j表示空洞边界三角形的顶点;vn,j表示第j个mn,j在特征线上的投影;ω表示匹配阈值。对智慧楼宇三维模型空洞区域特征线匹配之后,模型谷脊线已经恢复,然后再利用动态规划法[15],对模型空洞区域曲面进行逐层构造拟合,从而实现智慧楼宇三维模型空洞的修补。
5 实例应用
本章以株洲市智慧小湖塘社区项目为实例,通过评估三维模型的精度来验证本文所设计建模方法的有效性。本次实验主要针对智慧楼宇的倾斜三维模型进行精度分析,于实验测区内不同楼宇外表面上布设15个检查点,然后分别使用本文所设计建模方法、基于DP-Modeler的三维模型构建方法以及基于Smart 3D的三维模型构建方法,来构建测区楼宇的精细化三维模型,通过检查点实测坐标以及各模型上对应坐标的对比结果,来分析各三维模型的精确度。精度对比结果如图2、图3所示。
图2 智慧楼宇三维模型平面中误差统计
图3 智慧楼宇三维模型高程中误差统计
从图2、图3可知,关于智慧楼宇三维模型平面中误差,在15个检查点中,DP-Modeler模型平面中误差主要集中在7～9 cm,平均误差为7.96 cm;Smart 3D模型平面中误差主要集中在9.5～11.5 cm,平均误差为10.42 cm;本文模型平面中误差主要集中在5.2～6.8 cm,平均误差为6.13 cm,较其他模型降低了1.83 cm、4.29 cm。关于智慧楼宇三维模型高程中误差,在15个检查点中,DP-Modeler模型高程中误差绝对值平均为14.97 cm,Smart 3D模型高程中误差绝对值平均为11.66 cm,本文模型高程中误差绝对值在8 cm以下的有14个,占总数的93.3%,误差绝对值平均为6.21 cm,较其他模型降低8.76 cm、5.45 cm。由此可知,这三种建模方法下的智慧楼宇三维模型误差仅为厘米级,建模精度较高,但本文方法下的三维模型更加精细化,与实际智慧楼宇之间差距更小,通过本文所提基于低空无人机影像的建模方法,可以获得高精度、高质量的智慧楼宇三维模型。
6 结束语
在推进我国智慧社区建设过程中,针对传统楼宇建模中精度不足等问题,本文引入低空无人机影像技术,获取精准的智慧楼宇影像数据,通过对影像数据的匹配、纹理映射等操作实现精细化三维模型的构建。经过与传统建模方法的对比,验证了本文所设计建模方法的有效性,该方法可以充分满足智慧社区构建精细化三维模型的需求。由于时间有限,文中未深入研究智慧楼宇的多角度精细化建模,后续将对该建模方法进一步完善。
参考文献
[1] 杨彦梅,王莹,施磊,等.基于DP-Modeler的精细化三维模型构建[J].测绘通报,2021(5):106-110.
[2] 徐金财,李朝奎,陈建辉.一种基于3ds Max与Smart 3D的三维模型构建方法[J].测绘通报,2020(11):61-65.
[3] 唐廷元,付波霖,李颖,等.SegNet在从低空无人机影像中提取会仙岩溶湿地地物信息中的应用[J].湿地科学,2020,18(4):413-423.
[4] 樊娟,侯恩科,靳德武,等.矿井导水构造三维精细模型构建与转换技术[J].煤田地质与勘探,2020,48(6):186-194.
[5] 余骏皓,谭涌波,郑天雪,等.建筑物群中多上行先导三维模型的建立[J].应用气象学报,2020,31(6):740-748.
[6] 陶建军,王荡,于长海,等.预制节段梁桥精细化BIM模型构建及平台可视化应用[J].公路,2021,66(12):154-158.
[7] 刘帅,陈建华,王峰,等.基于无人机倾斜摄影的数字露头实景三维模型构建[J].地质科学,2022,57(3):945-957.
[8] 朱征,包腾飞,郑东健,等.基于无人机倾斜摄影的白格堰塞区三维重建[J].水利水电科技进展,2020,40(5):81-88.
[9] 孙保燕,韦龙华,周鑫,等.基于消费级无人机的突兀大高差场地三维建模[J].测绘通报,2021(7):111-116.
[10] 占森方,李元松,陶文华,等.无人机倾斜摄影技术在智慧校园实景三维建模中的应用[J].科技创新与应用,2021,11(36):28-30,34.
[11] 罗鑫,张作淳,王志彪,等.基于无人机倾斜摄影的校园三维建模[J].科学技术创新,2021(3):80-81.
[12] 邱冬冬.无人机倾斜摄影校园实景三维建模技术研究及实践[J].数字技术与应用,2020,38(5):91-92,94.
[13] 裴建隆.基于三维激光扫描与无人机倾斜摄影技术对异形建筑三维建模的融合应用[J].江西科学,2021,39(6):1060-1064.
[14] 杨辉,崔阳,罗盛,等.无人机倾斜摄影技术在建筑工程三维建模中应用[J].建筑技术开发,2022,49(2):88-90.
[15] 崔巨月.无人机倾斜摄影测量三维建模及精度评定[J].资源信息与工程,2021,36(6):68-70.
引文格式: 詹焕发,殷牧.基于低空无人机影像的智慧楼宇精细化三维模型构建方法[J].北京测绘,2023,37(6):849-853.
基金项目: 湖南省水文地质环境地质调查监测所科研项目(HNSHKY202206)
作者简介:詹焕发(1985—),男,湖北蕲春人,硕士,高级工程师,研究方向为测绘地理信息、摄影测量与遥感、国土空间规划等。
E-mail:qiaolan6428577533@163.com
转自：“测绘学术资讯”微信公众号
如有侵权，请联系本站删除！
