趙 文 強,林 舟

(浙江大學地球科學學院,浙江 杭州 310000)

SfM精細表面測量：分辨率和精度的評估及誤差分析

趙 文 強,林 舟

(浙江大學地球科學學院,浙江 杭州 310000)

SfM(Structure from Motion,運動重建結構)是一種新的高精度三維形態(tài)模型數(shù)據(jù)獲取技術，其應用于精細表面測量中的分辨率及精度尚待詳細的評估。該文以化石表面為研究對象，重疊度70%攝取化石表面的照片并生成高密度點云,同TLS(Terrestrial Laser Scanner，地面三維激光掃描儀)點云進行精配準后生成DEM。以TLS點云及DEM作為比較對象，經(jīng)過化石表面微小特征與剖面解析、點云、DEM偏差計算和誤差分布的分析和驗證，結果顯示：1) SfM DEM實際表面水平及垂直分辨率分別可達到1 mm和2 mm。2) SfM測量精度非常接近TLS，SfM點云的RMSE為1.3 mm，平均垂直偏差為1.5 mm；SfM DEM的RMSE為1.9 mm，平均絕對高程偏差為2.2 mm。3) SfM測量誤差在大于55°的坡度范圍內(nèi)與坡度呈正相關，在陰影值0～170區(qū)間內(nèi)與陰影呈反相關，照片拍攝角度不完整、數(shù)量不充分的區(qū)域誤差較大。研究為SfM測量的精細程度提供了參考，也為地學應用中表面微小節(jié)理識別及剖面分析提供了便利可靠方法。

SfM；TLS(地面三維激光掃描儀)；點云；DEM分辨率；精度

0 引言

如何獲取和利用高精度高分辨率形態(tài)模型數(shù)據(jù)一直是地學學者的關注熱點。目前廣受注目的地面與機載LiDAR(Light Detection and Ranging，激光雷達)測量為我們提供了從大尺度區(qū)域地形露頭剖面到小尺度精細節(jié)理的不同層次三維形態(tài)模型數(shù)據(jù)，但是其數(shù)據(jù)獲取成本高昂。最近，SfM攝影測量技術開始應用于獲取高分辨率三維地形數(shù)據(jù)。SfM是通過運動的相機獲取多視角圖像集來估計相機位姿(Motion)和重建場景結構(Structure)的技術，僅需拍攝一組覆蓋測量區(qū)域的照片集即可生成高分辨率地形數(shù)據(jù)，成本低廉，操作簡單。近年來已出現(xiàn)許多SfM應用實例，例如Snavely等[1]通過網(wǎng)絡上的無序照片，進行照片中風景的三維重建；Westoby等[2]利用無人機進行SfM測量獲得分米級精度的地形數(shù)據(jù)；Harwin等[3]利用無人機SfM測量海岸線獲得了1～3 cm點間隔點云，經(jīng) DGPS(差分全球定位系統(tǒng))和全站儀測量驗證,點云精度約25～40 mm；Tonkin等[4]于冰磧土小山丘地貌進行無人機SfM測量獲得亞米級分辨率DEM，并發(fā)現(xiàn)植被覆蓋較多，坡度陡峭的地形區(qū)域RMSE更高；Morgenroth等[5]通過SfM測量生成了樹高誤差為 2.59%、莖直徑誤差為3.7%的樹結構三維模型；Lucieer等[6]通過低空飛行拍攝南極洲東部苔蘚地貌,獲得2 cm分辨率DSM(數(shù)字地表模型)來分析上游雪融水流對苔蘚健康程度的影響；魏占玉等[7]對比獨山子逆斷裂-背斜帶機載LiDAR測量和基于航拍照片的SfM測量結果，顯示了SfM在大尺度測量情況下更好的DEM分辨率以及媲美機載LiDAR測量的精度。這些SfM實際應用顯示了其很好的分辨率以及測量精度，但是迄今為止的應用研究多為較大尺度地表以及較遠距離的測量結果，且對SfM攝影測量的精度和分辨率的分析較為粗略。SfM測量的精細程度以及哪些地形因素、測量條件會影響其精度，仍是每個使用者心里的存疑。因此，SfM精細測量的精度及分辨率尚需詳細的評價。

本文以一塊表面紋理豐富、類地表形態(tài)的化石作為測量對象，利用SfM技術獲取化石表面點云和DEM，與TLS點云及DEM對比，定性分析SfM DEM分辨率并定量計算SfM點云及DEM偏差，探究SfM測量的節(jié)理分辨能力、精度以及誤差影響因素。

1 SfM運動重建結構原理

SfM先由SIFT(Scale Invariant Feature Transform，尺度不變特征轉換)算法提取圖像上的特征點[8，9]，這些特征點被提取后即可利用其軌跡對相機進行相對定位，并粗略評估相機內(nèi)部參數(shù)。圖1中P為三維場景中某點，p′與p為P在不同位置影像中的投影特征點，O′(x′，y′，z′)和O(x，y，z)分別為相機運動前、后的坐標位置，(R，t)為相機相對運動矢量，R、t分別為相機旋轉矩陣、相機平移矩陣。通過三維場景中的特征點P在照片中由p′到p的相對移動來還原相機的運動矢量(R，t)，然后通過特征點迭代光束平差[10]來優(yōu)化相機位置和參數(shù)[11]。

圖1 SfM運動重建結構原理

2 測量對象及實驗設備

本次實驗測量對象為浙江大學地質(zhì)博物館中一尊釘掛于墻面的鱷魚化石，其表面厘米級及毫米級紋理起伏變化豐富，是精細表面測量的理想對象。

實驗所用相機為賓得K5-II，有效像素1 628萬，圖像分辨率4 928×3 264，鏡頭為騰龍1 750 mm，最大光圈f/2.8。地面三維激光掃描設備為Riegl VZ1000，可以水平360°、垂直100°掃描，測距范圍為2.5～1 500 m，提供高達0.0005°的角分辨率，測距精度1～2 mm，近距離點位精度可達毫米級[12]，能夠準確表達化石表面微小的地形起伏，滿足作為參考坐標精度的要求。

3 研究方法

為了研究SfM小尺度精細測量的分辨率、精度以及誤差影響因素，本文分別通過TLS和SfM技術獲取化石點云并制作DEM，先進行DEM定性判讀確定SfM分辨率，再于SfM點云精配準后進行點云和DEM誤差的定量計算，分析誤差分布找出可能的誤差影響因素，并統(tǒng)計誤差與影響誤差的地形因子的相關性來驗證分析結果。

3.1 TLS測量獲取參考點云及DEM

在化石正前方約5 m處架設測站，采用單站測量以避免多站點拼接誤差，垂直與水平掃描角度分辨率參數(shù)均設置為0.03°，掃描模式選擇Reflector，獲得化石中心區(qū)域間隔為2 mm的點云。此時TLS點云中存在非地形表面的噪點，參考李永強等的雙重濾波思路[13]，先手動剔除明顯的非地形點完成粗濾波，再于Riscan Pro中選擇2.5D Raster濾波，并以2 mm為間隔，保留Z軸方向上最低點，過濾掉相同水平位置上的較高點，完成精濾波。由于TLS激光發(fā)射功率較高，近距離測量如果設置最高點云密度的掃描參數(shù)則會產(chǎn)生分層點云，以上操作降低了TLS點云密度，影響了TLS DEM分辨率，但是保證了TLS點云的高精度及其作為SfM精度評估標準的準確性。

為了制作出化石表面DEM，點云需投影到水平面-高程坐標系中。一般情況下較大尺度的地形測繪，通過DGPS或者全站儀獲取控制點位置和高程信息并轉換到標準的水平面-高程坐標系。對于小尺度化石而言DGPS誤差較大，同時化石位于墻面上只能使用全站儀中誤差較大的照準測量模式。為了避免引入額外誤差，以化石所掛墻面作為參考水平面，在TLS點云操作軟件Riscan Pro中于墻面點云中選擇3點生成已知尺寸矩形，以矩形兩邊作為X、Y軸，以矩形角點為坐標原點，在右手準則下構建新坐標系，對整個三維掃描點云進行坐標轉換，得到擬平面—高程坐標，坐標轉換RMSE為2.2 mm。手動刪除化石周圍多余墻面點云，減少后期運算量。最終點云數(shù)量為88 519，以文本格式導出并保存。

將上述點云導入ArcMap 10.3選擇IDW插值生成DEM，這里TLS DEM網(wǎng)格尺寸選擇尤為關鍵。TLS點云平均間隔為2.5 mm，實際上大部分點云間隔都在2 mm左右。點云密度約束著DEM的網(wǎng)格尺寸[14]，為了保證插值后網(wǎng)格中都有實際點，而非通過插值獲得，從而保證DEM的真實性，網(wǎng)格尺寸不能小于2 mm。本文生成了網(wǎng)格尺寸分別為2 mm、3 mm、4 mm的TLS DEM，截取化石表面相同位置剖面進行對比，結果顯示2 mm DEM顯現(xiàn)出其他兩者未能分辨出的化石表面凹凸地形，表明2 mm DEM對表面特征的反映更準確而完整。因此文中選擇2 mm網(wǎng)格尺寸的TLS DEM作為參考DEM，用于SfM DEM的分辨率對比及精度評價。

3.2 SfM測量獲取點云及DEM

SfM攝影中相機距離化石表面約30～40 cm，光圈設置為2.8，最大程度采進自然光，ISO設置為最小的200，最大程度減少像素噪點，圖片格式為JPG。從左到右，由上而下進行拍攝，拍攝保持穩(wěn)定不虛焦，拍攝完后檢查所有照片是否清晰，如有不清晰處則對應位置重新拍攝。最終平行化石表面全覆蓋的拍攝了111張重疊度約為70%的照片。

照片處理軟件選擇的是Agisoft Photoscan，該軟件集成了SfM中影像的關鍵特征點提取、相機相對定位和匹配、稀疏點云生成、密集點云生成、紋理映射和坐標配準等多項功能，界面操作簡捷。照片經(jīng)處理獲得的點云數(shù)量達21 213 471，遠高于TLS點云，平均間隔為0.16 mm。選擇SfM點云中物體的4個邊角部位角點作為控制點進行粗配準，配準RMSE為3.5 mm。刪除點云中明顯錯誤的點，將SfM點云導出以文本格式保存，導入Cloud Compare(www.cloudcompare.com)軟件中與TLS點云進行ICP拼接使點云達到最佳擬合狀態(tài)。

由于SfM點云是基于影像色彩視差構建的，而TLS點云是基于激光的回波構建，所以盡管SfM點云密度較高，但并不能判斷SfM DEM實際是否能識別出微小節(jié)理及剖面細節(jié)。為了選擇最為恰當?shù)腟fM DEM網(wǎng)格尺寸，把SfM點云導入ArcMap 10.3，經(jīng)過IDW插值生成網(wǎng)格尺寸分別為1 mm、2 mm、3 mm的DEM，截取細節(jié)信息豐富的一處表面進行對比，圖2顯示1 mm DEM更完全地表達了化石表面的小凹坑細節(jié)信息。受限于計算機性能，無法進行更小網(wǎng)格尺寸的差值，因此選擇網(wǎng)格尺寸為1 mm的SfM DEM用作DEM分辨率的定性判斷和精度的定量計算。

圖2 網(wǎng)格尺寸分別為1 mm、2 mm、3 mm的SfM DEM陰影圖

3.3 精度評價及誤差分析方法

點云是獲取DEM的原始數(shù)據(jù)，DEM誤差來源于點云本身的誤差及插值帶來的誤差。因此，對SfM測量的精度評價涉及點云精度和DEM精度兩方面的評估。對SfM點云的精度評價，采用Cloud Compare軟件中的Cloud-Cloud Compare功能對精配準后的SfM點云進行點云誤差分布計算，以TLS點云作為參考點云，以SfM點云中每個點為圓心，不斷擴大搜索半徑找出距離最近的TLS點，以與其最近點之間垂直距離作為兩個點的垂直偏差，得到點云垂直偏差統(tǒng)計分布圖，以點云的垂直偏差代表SfM點云精度。對SfM DEM的精度評價，通過計算TLS DEM和SfM DEM高程差的絕對值來代表SfM DEM的精度，并生成化石表面絕對高程偏差分布圖，用作誤差的定性及定量分析。

為了研究影響SfM測量精度的誤差因素，通過SfM DEM誤差分布圖分析可能影響誤差的多個因子，統(tǒng)計相關影響因子不同區(qū)間內(nèi)平均高程偏差絕對值，生成散點圖，并通過多項式回歸生成相關性曲線，以分析地形因子和誤差的相關性。

4 結果分析

4.1 SfM DEM實際分辨率

對化石實際表面的觀察發(fā)現(xiàn)化石表面最微小的特征為其表面上的腐蝕凹坑，長寬約2 mm，圖2中1 mm SfM DEM可清晰地顯示這些凹坑，很好地反映了化石表面的腐蝕凹坑，即SfM已達到化石表面地形特征中最微小地形的分辨能力。經(jīng)量測，這些凹坑寬度從2～4 mm不等，對應剖面上深度最小達1 mm，表明本實驗中SfM DEM已達到2 mm實際水平表面分辨能力和1 mm的垂直表面分辨能力。

研究以TLS DEM作為比較，以反映SfM DEM整體實際分辨效果，進一步探究SfM DEM的分辨能力。圖3顯示，相對于左側TLS DEM，右側SfM DEM表面細節(jié)更清晰而細膩，化石表面骨骼層次及微小紋理，如線狀凸起及點狀凹坑清晰可見，但是化石邊緣右半部分顯得嘈雜、粗糙；TLS DEM整體上較為粗糙，表面凹坑無法辨別，但是化石邊緣清晰。雖然TLS點云精度較高，但是由于近距離激光高功率反射的限制，無法獲取足夠高密度點云來表現(xiàn)更細致的節(jié)理。

圖3 2 mm TLS DEM與1 mm SfM DEM陰影圖

除DEM的目視判讀外，另截取化石表面兩個微小剖面(圖3右圖中1和2號標記)見圖4，此兩處凹坑在SfM DEM中均清晰可見，但是在TLS DEM中較難分辨。圖4中TLS DEM剖面體現(xiàn)了剖面2中箭頭所指的3 mm起伏的凹坑，但未能體現(xiàn)出剖面1箭頭所指斜坡凹坑的1 mm起伏。另外，TLS剖面相對SfM剖面明顯尖銳，且凹凸不平，為激光點云噪點導致，并非實際地形。綜上，結合目視和實際微小起伏剖面的觀察，雖然TLS測量更為精細，但是由于功率過高導致無法獲取更高密度的點云來生產(chǎn)更高分辨率的DEM，所以本實驗中SfM DEM整體效果及局部微小特征的分辨能力均優(yōu)于TLS DEM。

圖4 SfM DEM和TLS DEM微小剖面

4.2 SfM精度評價

點云是生成DEM的原始基礎數(shù)據(jù)，因此SfM點云精度是影響SfM地形數(shù)據(jù)精度的基礎因素。點云ICP精配準后，點云擬合RMSE為1.3 mm，表明經(jīng)過精配準后SfM點云較TLS點云整體上擬合度高。圖5顯示SfM點云垂直偏差均值為1.5 mm，標準差為1.4 mm，90.04%的點云垂直偏差小于2 mm，1 mm偏差的點云占比最高，點云垂直偏差最大約6 mm，但是占比極少，很可能是TLS點云及SfM點云中未完全消除的噪點即錯誤點所導致。以上表明SfM點云精度非常接近TLS點云，僅有1～2 mm的垂直偏差。

圖5 SfM點云相對TLS點云的垂直偏差分布直方圖

地學研究中，往往是通過DEM來進行地形分析與地形因子的識別提取，因此SfM DEM精度分析非常必要。圖6b顯示SfM DEM的RMSE為1.9 mm，高程偏差絕對值均值為2.2 mm，83.12%的SfM DEM高程偏差絕對值小于2 mm，89.01%小于3 mm，并且偏差越小的DEM柵格占比越高，偏差值向0 mm收緊。由于在TLS點云轉換到參考水平面坐標系時已產(chǎn)生2.2 mm誤差，因此高程偏差絕對值小于2 mm的區(qū)域可認為SfM DEM與TLS DEM精度幾乎相同。圖6a顯示大小為3～5 mm的高程偏差占比較少，分布較離散而無規(guī)律；大于5 mm的高程偏差出現(xiàn)在化石周圍輪廓一圈，此處SfM DEM高程明顯高于TLS，最高偏差達到56 mm，接近化石邊緣到墻面的垂直距離。除此之外，SfM DEM的高程偏差絕對值均小于2 mm，這表明除去化石邊緣部分，SfM DEM的高程精度非常接近TLS DEM。

圖6 SfM DEM高程偏差絕對值化石表面分布與統(tǒng)計直方圖

4.3 SfM DEM誤差分析

上文中的絕對高程偏差可認為是SfM DEM相對TLS DEM的誤差，下文將以誤差來描述。SfM DEM誤差分布的特征體現(xiàn)在大于5 mm 的DEM誤差出現(xiàn)在化石邊緣，而其余3～5 mm誤差分布較為零散、無規(guī)律。目前TLS是對剖面測量的極為精細的方法，為了研究誤差分布的規(guī)律及找出原因，觀察SfM DEM剖面相對TLS DEM剖面的偏差見圖7(剖面a和剖面b分別截取自圖3右圖中長實線與虛線位置)。

圖7 SfM DEM與TLS DEM剖面

圖7中顯示的1-6號標記是SfM與TLS剖面相差較大的位置，這些位置的共同特征是都位于坡度陡增的上升或者下降的坡面上，因此SfM DEM的誤差可能和坡度相關。1、4、5、6號標記處的誤差達到10 mm以上，并顯示出SfM DEM剖面較TLS DEM剖面明顯有向化石外側延伸的趨勢，而在化石中心區(qū)域均沒有出現(xiàn)較大誤差。分析原因在于本次照片拍攝由化石邊緣開始到另一側邊緣結束，因此中心區(qū)域地形都能由來自上下左右不同方向的照片進行特征捕捉，而化石邊緣則缺少了化石外側方向的照片拍攝，并且覆蓋邊緣的照片數(shù)量也遠少于化石中心區(qū)域。根據(jù)SfM的三維重建原理，由于邊緣缺乏外側入射角度的照片信息而導致重建出現(xiàn)畸變，同時邊緣照片數(shù)量較少也造成了邊緣特征提取不充分，降低了邊緣的重建精度。

進一步觀察發(fā)現(xiàn)，圖7顯示化石右側邊緣誤差明顯比左側邊緣大，剖面b顯示出SfM DEM化石右側邊緣超出TLS DEM邊界20 mm，從而導致高程上出現(xiàn)極大偏差。結合實地觀察，化石位于窗戶一側，拍攝時間約為下午兩點半，陽光從化石左側射入，化石右半部分陽光照射產(chǎn)生的陰影非常明顯，由于SfM是通過色彩信息構建視差，因此考慮在SfM處理過程中將陰影區(qū)域視為化石輪廓的延伸，即邊緣陰影影響了SfM測量的精度，甚至產(chǎn)生了錯誤。因此，陰影是潛在的SfM誤差影響因素。

另外，圖7剖面b中方框A區(qū)域顯示地勢較低處誤差整體較地勢較高區(qū)域偏大。由于機載平臺SfM和手持SfM的區(qū)別主要在于相機到地形表面的距離，而這兩者在精度上也表現(xiàn)出較大不同[15]，因此考慮微小距離變化也會造成測量誤差的微小不同，即化石表面距離相機越遠處精度越低。因此，SfM DEM的誤差可能和高程相關。

針對以上提出的地形高程(即化石表面到參考平面的距離)、坡度及陰影3個誤差影響因素，本文對高程、陰影值、坡度與對應區(qū)域DEM誤差平均值的關系進行了統(tǒng)計，結果見圖8-圖10。其中由于化石邊緣陰影造成的錯誤級別的誤差區(qū)域在坡度圖和高程圖中已被去除，以免由于誤差求均值而影響坡度和高程因子實際影響的判斷。

圖8 坡度與SfM DEM絕對誤差平均值關系

圖9 陰影值與SfM DEM絕對誤差平均值關系

圖8顯示0°～55°范圍內(nèi)平均誤差隨坡度的升高呈緩慢升高趨勢，55°～89°范圍內(nèi)開始急劇升高，由1 mm陡增至5 mm，這表明在地勢陡峭的位置，SfM的高程表達誤差較大。分析原因可能是由于在水平方向上，SfM和TLS測量結果有一定偏差錯位，在較陡的坡面上，較小的水平錯位也會導致較大的高程偏差。由于化石邊緣和墻面近乎成90°，因此坡度也是化石邊緣輪廓處誤差較大的因素之一。圖9顯示在陰影較淺處(陰影值為170～255)，誤差并不隨陰影值的增加而變大，而在0～170的陰影值區(qū)域，誤差隨著陰影的加深呈指數(shù)級增加，并在接近完全陰影處瞬間陡增至近10 mm，這表明SfM方法的最大弊端是極度依賴照片色彩信息，因此對于光照或者拍攝角度等問題造成的陰影區(qū)域的識別能力較差。圖10顯示不同高程區(qū)間誤差基本在1.5 mm內(nèi)，并未隨高程變化出現(xiàn)正向或者反向的變化關系，表明本實驗中1～8 cm的拍攝距離變化并不會對SfM測量誤差造成影響，因此上文提到的精度與相機到表面距離呈反比的推測在小尺度30 cm近距離SfM測量上并不成立。

圖10 高程與SfM DEM絕對誤差平均值關系

5 結語

研究通過SfM測量獲得高密度化石點云并生成DEM，尋找SfM DEM能識別出的最微小特征，計算SfM點云及DEM相對于TLS測量結果的誤差，分析誤差原因并通過統(tǒng)計驗證，得到以下結論：1)SfM測量能獲得超高密度化石點云，SfM DEM實際分辨率較高。SfM點云間隔低至0.16 mm，SfM DEM實際表面水平及垂直分辨率分別為2 mm、1 mm，證明SfM完全具備進行小尺度微觀節(jié)理與剖面測量的能力，可以用于小尺度表面節(jié)理和剖面的分析和特征提取。2)SfM測量精度非常接近TLS測量。經(jīng)過ICP算法進行配準優(yōu)化后，SfM點云平均垂直偏差為1.5 mm，RMSE為1.1 mm； SfM DEM柵格整體平均絕對高程偏差為2.2 mm，RMSE為1.9 mm?？紤]到TLS點云在坐標轉換中存在2.2 mm誤差，可以認為SfM DEM與TLS DEM精度幾乎一致。3)SfM DEM精度受到照片角度和數(shù)量、坡度和陰影深度的影響。經(jīng)統(tǒng)計驗證，化石SfM DEM的誤差和化石表面坡度值呈正比，且在坡度大于55°區(qū)間，誤差隨坡度增加顯著上升；同時在陰影值0～170區(qū)間內(nèi)與化石表面陰影值呈反比，即陰影越深誤差越大，而與化石表面高程并無明顯相關性。此外，照片角度和數(shù)量的不充足也會導致點云重建出現(xiàn)錯誤而導致誤差。

最后需要指出的是，研究獲得的SfM精細測量精度是相對于高精度的TLS測量的精度，結果顯示SfM在精細表面測量上精度十分接近TLS測量，但并未獲得SfM測量的絕對精度。今后對于SfM精細表面測量精度的研究，計劃以更高精度的近距離測量設備及更加嚴謹?shù)木闰炞C方案獲知SfM測量的絕對精度。

[1] SNAVELY N,SEITZ S M,SZELISKI R.Modeling the world from internet photo collections[J].International Journal of Computer Vision,2008,80(2):189-210.

[2] WESTOBY M J,BRASINGTON J,GLASSER N F,et al.′Structure-from-Motion′ photogrammetry:A low-cost,effective tool for geoscience applications[J].Geomorphology,2012,179:300-314.

[3] HARWIN S,LUCIEER A.Assessing the accuracy of georeferenced point clouds produced via multi-view stereopsis from unmanned aerial vehicle (UAV) imagery[J].Remote Sensing,2012,4(6):1573-1599.

[4] TONKIN T N,MIDGLEY N G,GRAHAM D J,et al.The potential of small unmanned aircraft systems and structure-from-motion for topographic surveys:A test of emerging integrated approaches at Cwm Idwal,North Wales[J].Geomorphology,2014,226(1-2):35-43.

[5] MORGENROTH J,GOMEZ C.Assessment of tree structure using a 3D image analysis technique——A proof of concept[J].Urban Forestry & Urban Greening,2013,13(1):198-203.

[6] LUCIEER A,TURNER D,KING D H,et al.Using an Unmanned Aerial Vehicle (UAV) to capture micro-topography of Antarctic moss beds[J].International Journal of Applied Earth Observation & Geoinformation,2014,27(4):53-62.

[7] 魏占玉,ARROWSMITH R,何宏林,等.基于SfM方法的高密度點云數(shù)據(jù)生成及精度分析[J].地震地質(zhì),2015(2):636-648.

[8] SNAVELY N,SEITZ S M,SZELISKI R.Photo tourism:Exploring photo collections in 3D[J].ACM Transactions on Graphics (TOG),2006,25(3):835-846.

[9] 程紅,陳文劍.基于SIFT算法的圖像匹配剔點方法研究[J].地理與地理信息科學,2012(6):17-19.

[10] HARTLEY R,ZISSERMAN A.Multiple view geometry in computer vision[J].Cambridge University Press,2006,30(9-10):1865-1872.

[11] 馬頌德,張正友.計算機視覺[M].北京:科學出版社,1998.

[12] 徐壽志,程鵬飛,張玉,等.地面三維激光掃描儀的檢校與測量精度評定[J].測繪通報,2016(2):56-61.

[13] 李永強,吳立新,劉會云,等.陡坡密集點云雙重濾波方法研究[J].地理與地理信息科學,2011,27(1):7-10.

[14] LANGRIDGE R M,RIES W F,FARRIER T,et al.Developing sub 5-m LiDAR DEMs for forested sections of the Alpine and Hope faults,South Island,New Zealand:Implications for structural interpretations[J].Journal of Structural Geology,2013,64(4):53-66.

[15] DIETRICH J T.Applications of structure-from-motion photogrammetry to fluvial geomorphology[D].Dissertations & Theses-Gradworks,2014.

《地理與地理信息科學》2017年第33卷第1期內(nèi)容預告

顧及地形特征語義約束的高保真地形建模方法探索

周 波，劉學軍，徐俊波

基于紋理和地形輔助的山區(qū)土地利用信息提取研究

陳 波，胡玉福，喻 攀，等

一種面向三維地質(zhì)剖面的形體表面重構算法

黃繼先，毛先成，鄧 浩

基于多指標綜合的巢湖環(huán)湖區(qū)水系連通性評價

夏 敏，周 震，趙海霞

融合時空異質(zhì)特征的TRMM 3B43降水產(chǎn)品適用性分析——以湖北省為例

王維琛,張 唯,譚偉偉,等

華北山地夷平面研究

吳 忱，張秀清，王 然，等

北半球湖泊營養(yǎng)狀態(tài)的地理格局及其社會經(jīng)濟制約因素

黃春玲，喬強龍，曹艷敏，等

環(huán)渤海地區(qū)港口體系與其城市經(jīng)濟的偏移增長及重心耦合態(tài)勢

金 一，郭建科，韓增林，等

基于網(wǎng)絡分析法的山東省新型城鎮(zhèn)化空間特征研究

于 偉，張 鵬

基于地理特征的跨區(qū)域線性文化遺產(chǎn)旅游形象策略研究

任喚麟

SfM Precise Surface Measurement：Evaluation of Resolution and Accuracy and Error Analysis

ZHAO Wen-qiang，LIN Zhou

(SchoolofEarthSciences，ZhejiangUniversity，Hangzhou310000，China)

As a new technology to acquire high-resolution Digital Elevation Models (DEMs)，the resolution and accuracy of SfM(Structure from Motion)measurement for fine surface survey remains unclear.In this study，we took 111 parallel photos with 70% overlapping on a fossil surface，and generated high density SfM point cloud by Agisoft Photoscan software.To compare with the SfM measurement，a single station TLS measurement was also carried out，and the point cloud was acquired.The SfM point cloud was then calibrated by the TLS point cloud and 1 mm SfM DEM was constructed through IDW interpolation.Comparisons between the SfM and TLS data indicate that：1)The resolution of SfM DEM is better than TLS DEM，and the horizontal and vertical resolution of SfM DEM can achieve 2 mm and 1 mm，respectively.2)The accuracy of the SfM data is comparable to that of the TLS data.For the SfM point cloud data，the Root Mean Square Error (RMSE) at the calibration by the TLS point cloud is 1.3 mm,and the mean vertical deviation is 1.5 mm.For the 1 mm SfM DEM，the RMSE and the mean height deviation are 1.9 mm and 2.2 mm，respectively.3)The error of SfM measurement is effected by slope angle，shade and shooting angle.The larger error appears in the area with steep slope or in shadows.In addition，insufficient of shooting density or shooting angle can bring larger error too.The DEM error shows positive relation to the slope degree in range of 55° to 90°，and shows negative relation to the hill-shade value in range of 0 to 170.The results are helpful for better understanding and further application of SfM measurement in geologic and geographic studies.

SfM；TLS(Terrestrial Laser Scanner)；point cloud；DEM resolution；accuracy

2016-02-02；

2016-05-17

國家社會科學基金項目(13&ZD192)；國家自然科學基金項目(41472174)； 浙江省文物保護科技項目(2014012)

趙文強(1991-),男,碩士研究生,主要研究方向為地形計量/GIS。E-mail:879451079@qq.com

10.3969/j.issn.1672-0504.2016.06.005

TP391;P208

A

1672-0504(2016)06-0025-07