全景影像在城市研究中的应用进展综述

全景成像技术的进步,街景图像工具的普及,以及人工智能领域的计算机视觉、机器学习和深度学习技术的快速发展,推动了在城市研究中利用全景影像进行大规模、自动化的判别与解析。上述领域的快速发展促使近20年来全景影像、人工智能和城市研究领域之间涌现了大量交叉成果。借助文献计量工具中常用的CiteSpace和VOSviewer作为分析平台,梳理了全景影像在城市研究中的应用进展。首先利用文献共被引聚类网络与术语时区图,划分了全景影像在城市研究中的三个发展阶段。然后借助合著网络和关键词聚类分析,梳理了各阶段全景影像在城市研究中的合著关系、全景影像的获取方式、图像信息的提取技术,归纳了全景影像在城市研究中的四个主要应用领域:城市建成环境、城市景观环境、城市物理环境和智慧城市。最后在历史分期视域下,剖析了促成全景影像应用领域发展的主要驱动因素,并总结了应用全景影像的城市研究目前存在的挑战和未来的发展趋势。

全景影像快速加载与精确量测算法研究

针对全景影像加载速度慢及量测精度低的问题,提出一种全景球金字塔切片模型动态约束加载算法。首先,基于格网球体投影模型构建三维全景场景;其次,对全景影像进行压缩与切片,并设计全景切片金字塔模型;然后,采用逆向墨卡托投影将全景切片作为纹理映射到球体内表面进行渲染,形成全景球金字塔切片模型;最后,按照可视区域约束对金字塔模型切片进行快速加载实现动态可视化,并结合深度图像实现全景影像的精确量测。实验结果表明,选用顶点数量为11904的全景球金字塔切片模型,量测中误差小于3 cm,同时提高了加载速度。

基于LM优化的车载全景影像绝对测量方法

【目的】为解决车载全景影像在智慧城市、智慧城管、智慧交通等领域中应用不足的问题,提出了一种基于LM优化的车载序列全景影像绝对测量的方法。【方法】首先,对待测目标点在全景影像上的成像过程进行分析,详细推导了目标点绝对坐标测量的理论模型。其次,为解决该理论模型的优化求解问题,引入了对初值不敏感且收敛速度较快的LM算法,并对LM算法中的初值获取、函数构建、参数设置等问题进行了设计。最后,结合实际车载全景影像和目标点位实测数据,对所提的方法进行验证。【结果】该方法获得的目标点绝对坐标平面中误差和高程中误差分别为0.123 m和0.118 m,符合《城市测量规范》(CJJ/T 8—2011)中的相关要求。【结论】该方法能够有效获取全景影像范围内待测目标点的绝对坐标,从而为全景影像在城市部件普查、交通基础设施测量等领域的应用提供了可能。

2023年问界M7 360全景影像校准

一、360全景影像校准准备工作1.360全景影像校准需准备如图1所示工具。2.待标定的车辆。3.标定场地要求。(1)地面水平,平坦平整度:两米靠尺±2mm;标定场地大小宽约6m,长约9m。(2)环境光照以漫射为主,光源照明最好采用LED灯管垂直照明,避免普通荧光日光灯管的50Hz频闪,要求环境亮度值在300~3000lux之间,照明LED灯管采用标定场正上方3~5m高度常规安装。

2020年路虎卫士全景影像不可用

车型:2020年路虎卫士,配置3.0L P6发动机。行驶里程:11758km。故障现象:车辆启动后挂入R挡或D挡时,车辆全景影像黑屏同时车辆辅助雷达也不工作,仪表无任何故障提示,检查确认故障存在。驾驶员发现此故障与环境温度无关,偶尔自动恢复后一会儿故障再次出现。

建筑工程施工全景影像数据研究

近年来,信息化技术被广泛运用于建筑施工领域。在建筑施工过程中,以往平面图片、单一视角影像的观看记录方式,造成了工程影像资料内容不完整,记录不准确等问题。本文通过全景摄影技术生成的全景影像数据,为设计师、施工管理人员提供了全新的管理视角,这些资料可成为完整记录施工过程每个阶段的“记忆链条”。而将全景影像数据运用于 BIM 数字化平台开发的现场管理、施工指导、安全检查等应用项,也为施工管理工作提供新的思路。

全景影像技术在地质灾害防治信息化中的应用

传统的地质灾害野外调查照片难以全面拍摄到灾害体范围和受威胁对象的整体情况,而全景影像技术很好地解决了这个难点,其在地质灾害防治信息化中的用途也越来越重要。目前野外调查中主要使用的是无人机航拍全景技术,但是有一定的条件限制。全景地拍由于专业性强、知识复杂、操作难度大,掌握和使用此项方法的人较少。传统照片拍摄技术与全景影像拍摄技术两者可以相互补充,也可以单独使用。因此,有必要对现在主要的全景影像拍摄方法与技术要点进行分析,最终目的是准确得到所需要的影像资料,并将其应用于地质灾害防治信息化工作中。

车载激光点云与全景影像快速融合检校方法

针对车载激光点云与全景影像融合检校过程复杂的问题,通过分析检校的误差来源,量化误差影响因素,提出了一种快速检校方法。首先,构建更适用于全景球坐标计算的角度一致方程模型,求解全景相机检校参数;其次,通过分析检校模型,确定检校精度与参数初值和选点精度有关;然后,进一步分析选点精度与点云和全景像素密度差异、全景像片畸变的关系,得出密度差异用距离约束、像片畸变用立面点及对称选点约束的结论;最后,对同名特征点选取数量、距离及布设方式进行分析,确定最佳布点和选点方法并进行验证。实验结果表明,该检校方法简易可行,可实现点云与全景影像的快速检校,相比于传统方法具有明显优势。

融合车载LiDAR点云和全景影像的道路标线自动提取方法

针对传统人工方式、人机交互方式提取公路标线成本高、效率低的问题,本文提出了融合车载LiDAR点云和全景影像数据,使用SCGA-Net网络提取并矢量化道路标线的方法,以解决车载LiDAR点云采集过程中因车辆遮挡、道路修补等造成的数据缺失问题。试验表明,该方法道路标线的提取率和正确率均优于仅使用LiDAR点云提取标线的方法,可有效地提升自动驾驶所依赖的高精地图的生产效率。

融合点云与全景影像的路侧多目标识别

为了从点云中自动准确识别车辆、垃圾桶与杆状交通设施等目标,本文提出了一种融合点云与全景影像的路侧多目标识别方法,充分利用点云数据中的空间几何信息与全景影像中的语义信息提升目标的识别准确度。首先,对全景影像进行实例分割,获取图像中目标的二维掩码(mask);然后,将激光点云投影生成全景深度图后,以深度图像为媒介获得对应的候选目标点云;最后,对于相机拍摄时产生的视角遮挡与被遮挡问题,通过分析目标在三维空间中的连续性与完整性,对候选点云进行二次聚类,最终完成对目标的分类。试验结果表明,3类目标的准确率分别为96.64%、92.68%及90.74%,证明本文方法可有效识别城市场景中的车辆、垃圾桶与杆状等交通设施。

基于无人机全景影像优化河道巡查方法的研究及应用

河道巡查是河湖长制工作中的重要一环,当前基于传统河道巡查发现问题不及时,人力成本高且存在持续跟踪困难的问题难以达到查与改并行的河湖整治要求。文章提出基于无人机全景影像优化河道巡查的方法,结合720yun平台实现网络上传。通过工程实践验证,该方法能有效提升河道巡查效率,且执行高效、控制简便、结果直观,针对大流域、长河段的巡查区域具有良好的实用性,提供了全新数据来源与复核方式;为推动河湖长"清四乱"工作的自动化和数字化进程提供一定的支持。

众源空中全景影像位姿的透视变换解算方法

由于缺少位姿信息,众源空中全景影像无法在地理信息空间中精确定位定向,本文提出了基于透视变换的众源空中全景位姿解算方法。首先阐述基于透视变换的球面全景空间交会方法原理,设计了位姿解算方案;其次构建了球面全景模型,使用透视变换实现了“平-球-平”模型变换;然后依据模型变换的变形特征,设计了迭代重加权最小二乘法解算位姿参数;最后以登封市纸坊水库空中全景影像为案例,验证了本文方法的可行性和可靠性。

基于多台GoPro相机全景影像的近景摄影测量

当利用传统针孔相机进行摄影测量时,会存在视场较窄的限制。全景相机可以解决传统针孔相机视场有限的问题,使用全景影像进行摄影测量可以提高制图的效率。该文选用GoPro Hero4相机进行摄影测量,首先,对图像进行拼接,形成全景影像。其次,建立全景影像的共同投影中心、物点共线方程。再次,采用光束法平差,解算全景影像的外方位元素和物方空间坐标。最后,通过试验验证该方法的精度,在有良好控制点的条件下,该方法的测量精度高于6 cm。

车载激光点云与全景影像匹配可视化

通过车载测量系统可获取海量的点云与全景影像,点云具有精确的三维空间坐标,全景具有丰富的纹理信息,将两者在进行匹配可视化可完成数据的优势互补,发挥更大作用。因此,本文根据道路点云的特征,设计了一种节点互斥的稀疏点云八叉树数据组织结构,利用Three.js三维引擎设计点云调度机制实现海量点云与全景在Web端的快速可视化;提出将点云与全景转换到同一模态并基于空间地物几何特征的点云全景匹配可视化流程。通过实验表明,本文技术流程能够实现车载点云与全景数据在Web端的精准匹配与流畅渲染,且匹配流程快速、简便,视觉效果较好,具有较高的实用价值。

基于增强现实技术的数字三维虚拟全景影像展示方法

通过SIFT方法提取初始数字三维虚拟影像特征点,结合BBF与RANSAC算法实现特征点匹配,在此基础上运用动态规划算法获得最优缝合线,融合数字三维虚拟影像,生成数字三维虚拟全景影像,通过三维注册算法依据标识向所生成全景影像中叠加虚拟物体,实现全景影像的增强展示。结果表明,该方法可提取出大量的影像特征点,提取过程用时较少,能够准确匹配较多的特征点对。

结合全景影像的车载点云空洞修复方法研究

针对单一利用点云数据修复空洞而缺乏真实性的问题,提出了一种结合全景影像的车载点云空洞修复方法。该方法首先探讨了基于全景球共线方程的车载点云与全景影像精配准,然后构建了三角格网提取点云空洞范围,针对全景影像变形问题,采用了球面透视模型进行纠正,最后研究了基于SIFT算法的区域种子点密集增长算法,利用前方交会法生成填补点云。实验表明,该方法生成的填补点云具有真实性和完整性,将填补点云与原始点云融合,实现了车载点云空洞修复。

城市更新中全景影像监测数据管理与应用

城市更新是城市治理现代化的一道新命题,是城市增量扩张到城市存量更新转型过程中必须回答好的时代之问。在城市更新攻坚行动中,本文制定城市更新网格管理机制及分布式全景数据入库标准管理办法,依托云原生流程编排的分布式并行计算技术及实景三维与全景影像融合技术,开发城市更新无人机全景影像管理系统,实现无人机全景影像监测数据的“任务下发、数据汇交、标准化入库、自动检测、点位落图、全景展示、融合监测、变化监测”一体服务模式,以城市更新变化监测为抓手,全面直观掌握城市更新攻坚行动中的重点领域、关键环节、重要项目工程的开展进度,有利于创造城市更迭“加速度”,助推城市进化之路快速发展。

基于全景影像的景观设计使用后美学评价——以中南大学铁路园为例

现有的建成环境使用后评价研究大多忽视设计方案,其评价结果往往“知其然而不知其所以然”,难以从根本上解决设计带来的审美问题。因此,文章以中南大学铁路园景观工程项目为实证案例,探索一种新的景观设计使用后美学评价方法。通过全景影像来开展设计方案实施后的景观审美评价实验,发现日景美感高于夜景,景观中轴线上尤其是中心广场上的场景有更高的美景度,色彩美感、视觉和谐感、安全舒适感和景观标志物视率影响美景度评价。将评价结果与设计理念和方案目标进行对比,可以总结设计经验,并提出建成环境的优化策略。该方法不仅能评价景观工程项目的建成环境,更能分析美学设计成效,能为工程设计项目提供一种更全面的使用后审美评价体系。

车载MMS激光点云与序列全景影像自动配准方法

提出一种车载移动测量系统(MMS)激光点云与序列全景影像自动配准方法。首先采用层次化城市场景目标提取方法自激光点云提取天际线矢量,在全景影像中经虚拟成像与分割角点提取算法生成天际线矢量。然后,将提取结果作为几何配准基元,构建配准基元图,通过最小化配准基元图编辑距离进行匹配,组成共轭配准基元对,解算2D-3D粗配准模型,获得全景影像与LiDAR点云参考坐标系之间的初始转换关系。最后,为消除几何配准基元提取与匹配误差对配准结果的影响,自序列全景影像虚拟成像影像生成多视立体密集匹配点云,继而使用变种ICP算法优化其与激光点云数据间3D-3D配准参数,间接优化全景影像与激光点云间的配准参数,精化配准结果。试验结果表明,本文提出的自动配准方法可以实现车载MMS激光点云与序列全景影像的1.5像素级自动配准,配准成果可应用于真彩色点云生成等点云/影像数据融合应用。

基于罗德里格矩阵的车载激光点云与全景影像配准研究

提出一种基于罗德里格矩阵的车载激光点云与全景影像的配准算法,该方法利用车载GPS/IMU获取全景影像投影中心的初始位置,并采用共线条件方程描述全景投影中心、全景影像像点和同名激光点云间的几何关系,最后基于罗德里格矩阵变化法实现配准参数的解算。试验结果表明,本文提出的车载点云与全景影像的配准方法计算简单,且具有较高的配准精度。