增量式SFM与POS辅助光束法平差精度比较

针对计算机视觉领域中的增量式运动恢复结构和摄影测量学中的POS辅助光束法平差的精度进行了比较研究。首先介绍了SFM的基本原理与主要流程,并从理论上分析了两种方法的异同;然后针对定位精度进行了对比研究,分别利用嵩山遥感定标场的无人直升机和有人驾驶飞机的航摄数据进行了精度对比试验,结果表明:在不依赖POS数据的情况下,增量式运动恢复结构可以达到与POS辅助光束法平差相当的精度,两种方法均可以满足1∶500、1∶1000成图要求;最后,针对不同作业需求给出了航摄数据后处理参考意见。

基于单目增量式稀疏SFM研究与实现

为研究视觉SLAM(Simutaneous Localization and Mapping)以及视觉SFM(Structure From Motion)领域中机器人能低成本重建出可进行语义识别三维场景的问题,借鉴Colmap算法,对重建过程中的部分步骤加以改进,对初始化图像的选择进行了精选,在重建出有误差的三维点云中进行多次基于光束平差法的优化,对无人机拍摄的图像进行重建分析,结果表明,图像在重建的完整度、鲁棒性、精确度以及效率等方面,均取得了较好的效果。

基于图优化的增量式单目SFM三维重建方法

相机位姿估计作为SFM的关键环节,其估计精度直接影响三维重建结果,而在增量式SFM的迭代过程中,经常出现由于相机位姿估计误差累积而在最终重建结果中产生漂移问题,文章将图优化理论引入增量式SFM相机位姿估计过程中,以重投影误差平方和为代价函数构造图优化模型,对估算的相机姿态和重建的三维点云进行优化。实验表明本文方法可达到SFM重建要求,且漂移问题得到了明显改善,重建结果具有良好的视觉效果。

线性的增量式三维稀疏重建系统设计

针对倾斜摄影大数据三维重建的需求,对增量式运动恢复结构(SFM)系统进行研究,对传统的SFM系统进行改造。设计并实现了一套高效鲁棒的线性增量式三维重建系统,解决传统增量式三维重建系统效率低、无法适应大数据等不足,为大数据的三维重建提供一套完整的解决方案。

考虑图像采集的退役零件SfM三维重建精度研究

运动恢复结构(SfM)是一种单目多视图三维重建技术。针对SfM多视图三维重建的速度及质量问题,提出了一种考虑图像采集的退役零件SfM三维重建精度优化方法。首先,构建了图像采集试验平台,以导靴和凸轮轴瓦盖为试验对象,选取图像质量、图像数量、拍摄距离及视角数量4个对重建质量有影响的参数为影响因素,每种因素取3个水平,设计了正交试验;然后,根据试验设计方案,对两个试验对象分别进行了9组图像采集,并用Reality Capture软件对其进行了三维建模;最后,根据重建点云和模型的准确性、重建的完整性与重建效率3个指标,对重建结果进行了评价,并进行了正交试验,通过极差分析获得了最优参数组合。研究结果表明:图像数量与视角数量对三维重建质量影响显著,拍摄距离与图像质量对三维重建质量影响不显著。该研究结果可为提高图像三维重建速度及质量提供参考。

基于SFM数字化测绘的城墙遗产历史信息解译与病害研究——以罗马梅特尼亚城门为例

梅特尼亚城门是古罗马重要的通道,具有较高的历史价值,但目前存在较严重的病害。首先通过SFM方法对城门三维建模,提取砖石结构信息,识别主要病害,并解析成因。研究表明,遗产共有13种砖石结构,其中城门结构分布较多,城墙结构分布较少,与修整历史形成对应;共识别出11种病害,成因多与砖石结构及年代相关。研究建构了基于数字化技术与历史信息解读病害成因的城墙遗产研究框架,可为国内相关保护工作提供参考。

基于SfM方法的高密度点云数据生成及精度分析

地形数据的质量(精度和分辨率)影响着地球科学的研究水平。Li DAR测量是目前获取高分辨率地形数据的有效技术方法之一,但是其高昂的测量成本和相对复杂的后期数据处理限制了Li DAR技术的大众化应用。近年来,一种被称为Sf M(Structure from Motion)的适合大众化使用的新的高精度3维地形数据获取技术开始引起人们的注意。这种新型数字摄影测量技术可以利用高效的图像特征匹配算法从多视角照片中提取重叠区域的3维地形数据。由于Sf M技术仅需要目标物体的照片,而且对相机拍摄位置、图像尺度及拍摄焦距没有要求,因此利用简单测量平台采集地面照片就可以获取高质量的3维地形数据。与Li DAR技术相比,大大降低了获取高精度数据的成本,使得高精度3维地形数据的使用大众化。文中介绍了Sf M技术的基本原理和流程,展示了Sf M技术获取高精度3维地形数据的简单而有效的特性,特别适合于植被稀少的区域。文中利用近千米高空拍摄的、具有约70%重叠度的一套随Li DAR飞行采集的数字航空照片生成具有真彩色的高密度Sf M点云数据,点密度高达25.5个/m2,可生成分辨率0.2m的DEM(数字高程模型)。对比相同区域的LiDAR点云数据,统计分析表明58.3%的Li DAR数据与Sf M数据的垂直偏差<0.1m,88.3%的Li DAR数据的垂直偏差<0.2m;而且发现不同地貌的Sf M数据精度存在差异,平缓地形的Sf M数据精度高于陡峭地形的Sf M数据精度。文中还介绍了以氦气球作为拍摄平台的Sf M测量系统,可以快捷地获取高精度的3D地形数据和正射影像,比目前常用的差分GPS测量具有更高的效率和数据精度。

低空影像SfM三维重建的耦合单-多旋转平均迭代优化法

针对现有SfM算法初始模型构建、关联影像递增不尽合理导致误差累积等问题,提出一种耦合单-多旋转平均迭代优化的低空影像SfM三维重建方法。首先,基于影像相对定向关系建立初始影像关联无向图,以多因素为依据构建最优增量决策函数锁定强关联影像。其次,利用顾及粗差的单旋转平均递增式添加强关联影像以扩充局部参考系下影像关联有向图,并采用四元数支持下无须物方点参与平差的多旋转平均迭代优化计算全局一致性旋转与平移矩阵最优解。最后,利用光束法区域网平差统一优化整个网络,得到精确的旋转与平移矩阵及物方点。试验结果表明,与现有低空影像旋转平均方法相比,本文方法能解算出更为精确的外方位元素和恢复出更为密集的三维物方点云,且相对于增量式SfM算法效率提升显著。

基于激光扫描和SFM的非同步点云三维重构方法

室外场景具有测量数据量大、扫描数据易重叠及建筑物表面信息复杂等特点,单靠激光扫描方法能够获得场景精确的深度信息,但缺乏颜色和纹理信息,利用从运动中恢复结构(SFM)方法可获得丰富的彩色信息,但重构精度不高,若将两种设备固定进行在线实时同步测量,易受到测量环境和系统制约不易实现。针对此问题,提出了一种基于激光扫描和SFM结合的非同步点云数据融合的三维重构方法。首先,提出利用手动选择控制点进行7自由度初始配准,再利用迭代最近点(ICP)算法对初始配准结果进行精确配准,最后利用最近点搜索算法将分布在经基于面片的多视图立体视觉(PMVS)算法优化后的SFM数据中的颜色信息与激光扫描的点云坐标进行融合。实验结果和数据分析显示,本文的方法能有效地将激光扫描与SFM点云数据进行融合,实现了室外大场景的三维彩色重构。

融合Gabor特征的SFM算法三维人脸建模

采用运动恢复结构(structure from motion,SFM)算法进行三维人脸建模一直以来受到研究者的关注,但其对错误的匹配点比较敏感,因此,文章提出了一种融合Gabor特征的SFM算法三维人脸建模方法。该方法利用Gabor滤波器提取纹理特征,判别轮廓特征点匹配的准确性;针对图像数增多,传统因子分解法不易修正旋转矩阵的问题,利用旋转矩阵的性质求得修正矩阵,避开方程组的求解;提出引入迭代最近点算法将稀疏三维特征点与三维模型进行配准,缩小空间距离,并结合薄板样条函数插值生成特定的三维人脸模型,为增强真实感,进行纹理映射。实验结果表明,该方法有效提高了匹配点的准确性,能够重建出具有较强真实感的三维人脸。

基于Mask-RCNN与SFM的单目视觉长方体三维测量方法

为解决基于运动结构恢复(Structure from motion,SFM)多视角拍摄的局限性,以实现自动化三维测量效果,本文提出了一种可用于长方体三维测量的基于Mask-区域卷积神经网络(Mask-region convolutional neural networks,Mask-RCNN)和SFM的单目视觉测量方法。以箱体三维测量为例,该方法包括测量点提取、转换矩阵计算和三维映射测量三个部分,仅需一次标定获取内部参数,利用深度学习技术实现了单视角自动化三维测量,避免复杂重建的同时降低了视觉测量方法的应用要求。实验结果表明,该方法在棋盘格标志物下获得测量结果的相对标准不确定度在6%以内,在箱体自带标志物下获得测量结果的相对标准不确定度在8%以内。

SfM摄影测量方法在活动构造定量研究中的应用

高精度、高分辨率的地形地貌数据是活动构造定量研究的基础。摄影测量方法的出现和快速发展为获取高精度地形地貌数据提供了一种经济有效的技术手段。相比于传统的测量方法,摄影测量方法可在大范围内同时进行,不受地面通视条件的限制,且测量成本相对较低。尤其近年来,随着计算机视觉理论及高效的自动特征匹配算法的发展,一种名为"Structure from Motion"(SfM)的三维重建技术被引入摄影测量方法中,极大地提高了摄影测量的自动化程度。文中介绍了摄影测量方法的基本原理及发展历程,并综述了摄影测量方法在活动构造研究中的应用,最后通过SfM摄影测量方法在活动构造研究中的1个具体应用实例,展示了摄影测量方法在活动构造定量研究中的巨大应用潜力。

改进的AKAZE特征提取的全局式SFM三维重建算法

针对增量式SFM算法过渡依赖初始图像的选择,重建时误差累积导致场景漂移且计算效率低的问题,设计了一种改进的加速KAZE特征提取的全局式SFM三维重建算法。首先通过增强特征接受阈值并构造非线性尺度空间来提取图像的特征,使用改进局部差分二进制MLDB描述符对特征进行描述;然后利用全局式SFM算法对整个场景的相机位姿进行估计,从而减小误差并减少光束法平差BA的使用次数,降低了算法的复杂度,大大提高计算效率;最后利用基于面元的多视立体匹配PMVS算法得到稠密重建结果。实验结果表明,同等条件下该方法能够得到更多的有效点对,计算效率约为增量式SFM算法的2倍,且特征匹配准确率提高5%,稠密重建的点云精度高,信息丰富且纹理清晰,是一种有效的三维重建方法。

基于无人机和SfM的天津港堆场散料体积测量

随着智慧港口的快速发展,露天堆场的自动化、智能化管控越来越重要,其中准确快速测量露天堆场散装物料体积、堆场占用率等物理量是堆场智能化管理发展的重要工作。以天津港典型堆场为例,应用大疆悟二飞行器、禅思X5S云台相机、Agisoft Metashape软件,基于无人机摄影测量与SfM技术,建立了堆场散装物料的数字高程模型,得到了堆场料堆分布图,计算了料堆总体积和堆场占用率,研究了模型参数设置对测量精度和效率造成的影响。结果表明:该方法可快速准确地获得堆场料堆总体积和堆场占用率,每平方千米堆场的测量内外业耗时1h左右,料堆体积测量相对误差小于3%,堆场占用率测量绝对误差小于0.5%,满足堆场测量的实际需求。模型参数对最终的计算结果精度没有显著影响,但是模型参数设置越高,生成模型耗费的时间就越长,因此模型参数设置为最低时,时间成本最低,在大范围堆场测量中具有实用意义。基于无人机和SfM快速测量堆场散料体积的方法可改变传统的大型堆场管理模式。研究成果可以为堆场散料体积快速测量与堆场智能管控提供技术支撑。

基于SFM算法的单木结构参数提取研究

针对传统森林资源调查方法获取单木结构参数效率低和成本高的问题,提出一种基于SFM算法的单木结构参数快速提取方法。以哈尔滨市城市林业示范基地树木为研究对象,利用SFM算法获得单木照片的三维点云,并利用点云数据处理软件对获得的点云数据进行单木结构参数提取,最后与实测参数进行对比分析。结果表明:1)分别利用SIFT算法、SURF算法以及ORB算法对相机校检后的树木照片进行特征点提取匹配,特征点正确匹配个数分别为23、145以及25,相应的耗时分别为18.56、16.04、1.58 s;2)利用SFM算法能获得树木照片的稀疏点云和稠密点云,平均每棵树木点云量为80万个;3)基于点云数据提取单木结构参数的胸径、树高及冠幅的平均绝对误差分别为1.79 cm、0.77 m及0.79 m;胸径、树高、冠幅的提取值与实测值相关系数均>0.94。

SfM摄影测量法测定切沟的精度评价

选取河北省滦平县两间房村的一条典型切沟,以实时动态差分(Real-time Kinematic,RTK)GPS的测量结果为基准,评估了断面测量法与SfM方法对该切沟的测量精度,并在此基础上探讨不同地面控制点(Ground Control Point,GCP)布设方案对SfM测量精度的影响。结果表明:SfM测量法可作为一种高精度的方法运用于切沟测量,与RTK GPS相比,断面测量法的体积测量误差高达37.28%;而SfM方法的误差仅为2.40%,且相对RTK GPS所测切沟DEM的差值主要集中于-0.2~0.2 m。此外,轻便、小巧的激光测距仪可有效替代RTK GPS用于GCP坐标的测量,在此基础上得到的切沟体积误差仅为0.23%。将切沟沟缘与沟底共18个GCP抽稀至4~16个,并利用SfM方法重建该切沟的三维形态。各方案所得切沟DEM相比未抽稀结果的差值主要集中于-0.05~0.05 m,且体积差值百分比均低于5%。研究结果证实,SfM摄影测量法在切沟测量中具有较高的精度,可应用于野外切沟的快速、精确测量,对于切沟定量监测与切沟侵蚀规律研究具有重要的实践意义。

基于无人机SfM摄影测量的潮间带牡蛎礁地貌调查

牡蛎礁是一种重要的海岸地貌系统,礁体的空间分布格局,深刻影响着周围的水动力和沉积动力过程,进而反作用于牡蛎礁自身演化。江苏海门蛎蚜山牡蛎礁为中国海岸重要且稀有的生态系统,近年来,沉积物覆盖和人为捕捞导致牡蛎礁退化严重。本文利用无人机对蛎蚜山牡蛎礁进行地貌观测,基于运动恢复结构(SfM,Structure from Motion)摄影测量技术重建出航拍区域的高分辨率三维模型,包括正射影像和数字高程模型(DEM),并对重建的模型进行目视解译和剖面分析。结果表明,位于航拍区域的牡蛎礁主要有三种形态:条带状、斑块状和环状。条带状牡蛎礁脊线整体上呈南北走向,可能由环状牡蛎礁退化或牡蛎的生物自组织过程形成。航拍区域的地貌面高差可达5 m以上,地势最高处高程为0.5 m(85高程,下同),最低处高程为−4.7 m。礁区内的礁体仍处于退化状态,其演化过程主要为:礁体表面出现坑洼→坑洼进一步扩张、延伸→形成溶槽→礁体分隔、分解,同时伴有沉积物对礁体的掩埋。本研究表明,无人机SfM技术可以高效获取牡蛎礁的地貌信息,为研究牡蛎礁演化过程提供了有力支持。

SfM摄影测量法对黄土高原典型切沟的测量精度评价

在黄土高原六道沟小流域选择7条代表性切沟,以激光扫描法(laser scanning,LS)和实时动态差分(real-time kinematic,RTK)GPS的测量结果为基准,评估运动恢复结构(structure from motion,SfM)摄影测量法对切沟及切沟侵蚀的测量精度。与LS和RTK GPS相比,SfM摄影测量法所测各切沟DEM总体差异不大,平均高程差值为-0.162~0.436 m;SfM摄影测量法对切沟长度、表面宽度、周长和面积的测量精度较高,相对误差基本不超过±7%;所测深度和体积的相对误差较大,介于-37.4%~18.0%。与RTK GPS所测切沟侵蚀相比,SfM摄影测量法测得的切沟侵蚀空间分布和形态参数变化均十分接近。研究结果证实,SfM摄影测量法可作为一种高精度测量方法应用于黄土高原的切沟和切沟侵蚀监测。

大规模场景运动恢复结构研究综述

运动恢复结构旨在基于图像间的局部特征匹配解算相机在全局统一坐标系下的绝对位姿,是基于图像的三维重建中的关键问题.近年来,随着采集设备、计算资源以及理论方法的发展,运动恢复结构研究已逐渐由实验室小规模可控场景向室内外大规模实际场景扩展,并取得了成果显著的理论方法与实际应用.文中从实际应用出发,综述了面向大规模场景三维重建的运动恢复结构研究领域的最新成果;专注于运动恢复结构中相机位姿解算核心问题,并全面介绍了其中的最新成果按照解析式与学习式方法进行;在此基础上,为助力社区发展,讨论与分析的运动恢复结构当前研究进展与未来发展态势.

无人机序列影像快速三维重建方法研究

近几年来,基于无人机倾斜摄影影像的三维重建技术已是摄影测量与计算机视觉领域的研究热点,已被广泛应用于大比例尺地形图生产以及智慧城市等领域。针对无人机倾斜影像的数据高冗余、时间与空间复杂度高等问题,本文提出了一种快速有效的无人机序列影像三维重建方法。选择南水北调中线工程开放场景某一段的序列无人机影像,在不辅助POS等其他定位信息的基础上,仅依靠重叠影像间的匹配结果划定影像分区;在单独分区内采用改进的增量式SFM方法进行三维重建;最后再将各个分区依据分区间的重叠信息进行合并,完成整个测区的三维重建,并与商业建模软件以及传统的计算机视觉三维重建方法对比。结果表明,该方法在保持高精度的同时可以大幅提高重建效率,重建速度可提升5倍以上,尤其适用于大场景大规模数据集。