融合视惯RTK的非接触高精度点位测量方法

为解决信号受遮挡或物理不可达区域的高精度点位测量问题,提出了一种融合视惯和实时差分定位(RTK)信息的非接触高精度点位测量方法。首先,利用由RTK测定的相机位置信息,在增量式重建中将相机位姿和特征点空间位置配准到全球地理坐标系下;其次,在全局优化中引入视觉重投影误差、RTK测定的相机位置、惯性测量单元测定的相机姿态作为约束,以提升特征点空间位置的测量精度;最后,将图像中的特征点坐标从像平面坐标系映射到全球地理坐标系下,实现对场景中特征点位坐标的非接触性测量。与OpenMVG的对比实验表明:所提方法在3m和5m距离处的非接触性点位测量精度分别提高了87.25%和75.88%,验证了其在非接触性点位测量问题上的高精度。

图像序列的增量式运动结构恢复

目的传统增量式运动结构恢复算法中,初始图像对选择鲁棒性差,增量求解过程效率较低,捆绑调整策略存在计算冗余,模型修正后仍存在较大误差。为解决上述问题,以基于图像序列的3维重建为基础,提出一种新的增量式运动结构恢复算法(SFM-Y)。方法首先,采用改进的自适应异常值过滤方法增强初始图像对选择的鲁棒性,得到用于初始重建的初始图像对;其次,通过增量迭代重建丰富点云模型,采用改进的EPNP (efficient perspective-n-point)解算方法提高增量添加过程的计算效率和精确度;最后,采用优化的捆绑调整策略进行模型修正,解决模型漂移问题,修正重投影误差。结果实验选取不同数据规模的数据集,在本文方法及传统方法间进行测试对比,以便更加全面地分析算法性能。实验结果表明,SFM-Y算法相比传统的增量式运动结构恢复算法,在计算效率和结果质量方面均有所提高,根据性能分析对比的结果所示,本文方法较传统方法在计算效率和重建精度上约有10%的提升。结论提出的增量式运动结构恢复算法能够高效准确地实现基于图像序列的3维重建优于传统方法,计算效率较高,初始重建鲁棒性强,生成模型质量较好。

基于Mask R-CNN倾斜影像筛选的建筑物三维模型高效重建方法

为了解决村镇区域建筑实景三维建模效率低下的问题,提出一种基于影像筛选的三维模型重建方法.首先,利用网络开源的建筑检测数据集训练Mask R-CNN神经网络模型;其次,利用训练好的神经网络模型筛选包含建筑的倾斜影像;最后,使用下视影像和筛选的倾斜影像对研究区进行三维重建.本研究使用Mask R-CNN神经网络模型从9775张无人机影像中自动筛选出7451张包含建筑的影像.实验结果表明,基于影像筛选的增量式三维重建法比常规方法节省了49.4%的数据处理时间,其空三重投影均方根误差和密集重建结果与常规方法一致.

基于三维点云的叶面积估算方法

为实现低成本无损精确测定叶片面积,基于运动恢复结构算法获取点云,提出了一种融合叶片点云分割、表面重建及叶片面积无损估测等过程的植物叶片面积提取方法。首先,基于运动结构恢复算法,以智能手机获取的可见光图像重建植物的三维点云;其次,为了还原叶片表面形状,基于HSV颜色空间,使用阈值分割法去除叶片点云的噪点;使用K-means聚类算法对点云的三维坐标矩阵进行分类,实现单片叶片点云的分割;基于滚球算法重建叶片的表面网格模型;最后,通过计算网格面积求得叶片面积。与常规叶面积测定方法进行了对比,本文方法的计算结果与扫描叶片法测定值相比平均误差为1.21 cm^2,误差占叶片面积的平均百分比为4.67%;与叶形纸称量法测定值相比平均误差为1.41 cm^2,误差占叶片面积的平均百分比为6.05%。结果表明,本文方法成本低、精确度高,可满足植物叶片面积无损精确测定的需求。

基于投影矩阵的空间非合作目标三维重建

针对从摄像机运动恢复结构算法(structure from motion algorithm,SFM)重建结果精度低以及面片重建算法(patchbased multiview stereo,PMVS)计算时间长的缺点,提出1种基于投影矩阵空间非合作目标三维重建算法。首先采用针孔模型对三维空间点到二维图像像素点投影关系进行理论推导,然后利用对极几何约束原理求解出旋转矩阵和平移矩阵;再由投影矩阵,解算三维空间点坐标;最后结合精密可控转台,搭载双目相机进行仿真实验。仿真实验结果表明,与SFM算法和PMVS对比,重建结果点云个数分别增加了22倍和9倍,所需时间分别减少了5s和97s;验证该算法的高可靠性、高重建精度和强实时性。

消费型无人机航测技术三维重构方法研究

针对传统航测技术获取矿区三维数字模型成本较高问题,文中提出利用消费型无人机露天矿三维重构的方法.通过多重约束的影像匹配策略少量地面控制点数据进行光束法区域网平差处理获取影像外方位元素信息,利用SFM算法进行低成本快速高效露天矿三维重构方法.结果表明,精度同样满足1:500测图要求.

地面摄影RTK辅助SFM算法的影像定向

基于运动恢复结构(structure from motion,SFM)算法的地面影像定向通常没有考虑影像的位置姿态信息,影像定向结果在自由网坐标系,因此无法获取绝对坐标和真实尺度;利用地面摄影实时动态(real-time kinematic,RTK)技术可以获取地面影像的位置姿态信息,但是RTK和摄影测量的角度系统定义不同,RTK相位中心与影像投影中心存在偏差。针对这些问题,推导了利用RTK获取的GPS和角元素heading pitch roll(HPR)计算影像外方位元素的公式,提出地面摄影RTK辅助SFM算法的地面影像定向方法,在少量或者无需像控点条件下将SFM算法自由网的定向结果转换到绝对坐标系下,获得场景的真实坐标和尺度。实验结果表明,该转换公式正确,地面摄影RTK辅助SFM算法的影像定向方法可行。