于海洋,曾春偉,馬慧慧, 高永紅(1.河南理工大學 礦山空間信息技術(shù)國家測繪地理信息局重點實驗室，河南 焦作 454000；. 河南理工大學 測繪與國土信息工程學院，河南 焦作 454000；.黃河勘測規(guī)劃設(shè)計有限公司 測繪信息工程院，河南 鄭州 450045)

基于SfM-MVS的高山區(qū)無人機航攝數(shù)據(jù)處理

于海洋1,2,曾春偉2,馬慧慧2, 高永紅3
(1.河南理工大學 礦山空間信息技術(shù)國家測繪地理信息局重點實驗室，河南 焦作 454000；2. 河南理工大學 測繪與國土信息工程學院，河南 焦作 454000；3.黃河勘測規(guī)劃設(shè)計有限公司 測繪信息工程院，河南 鄭州 450045)

以青海省海西州烏蘭縣某測區(qū)為實驗區(qū)，利用SfM-MVS(Structure from Motion with Multi-view Stereo)技術(shù)對無人機航攝數(shù)據(jù)進行處理，分析了不同控制點布設(shè)方案下的數(shù)據(jù)處理精度，完成了測區(qū)高質(zhì)量三維點云數(shù)據(jù)的獲取和DEM構(gòu)建。結(jié)果表明：采用SfM-MVS技術(shù)處理數(shù)據(jù)能夠滿足實驗區(qū)設(shè)計測圖精度要求，該方法在高山地區(qū)大比例尺地形圖測繪方面具有可行性。

無人機；像控點布設(shè)； SfM；MVS；高山區(qū)

高海拔山區(qū)地勢起伏大，交通不便，道路、電網(wǎng)、水利等基礎(chǔ)設(shè)施規(guī)劃建設(shè)需要的大比例尺地形圖測繪困難，傳統(tǒng)的數(shù)據(jù)獲取方式難以滿足需求。無人機航攝具有靈活機動、高效快速、精細準確、作業(yè)成本低等優(yōu)勢，受交通條件的限制較小，它在小區(qū)域和測圖困難地區(qū)高分辨率影像獲取與制圖方面具有明顯優(yōu)勢，可實時快速地進行高分辨率遙感影像的獲取與處理[1-3]。無人機獲取的數(shù)據(jù)具有像幅小、旋偏角大、重疊度高、數(shù)據(jù)量大等特點。針對無人機獲取的數(shù)據(jù)特點，本文從運動恢復(fù)結(jié)構(gòu)和多視圖立體視覺SfM-MVS技術(shù)兩方面來實現(xiàn)高山困難地區(qū)的DEM數(shù)據(jù)構(gòu)建。

1 SfM-MVS無人機航測數(shù)據(jù)處理

1.1 SfM算法

1970年SfM算法被提出，早期由于軟硬件的限制，發(fā)展較慢。隨著計算機視覺和圖像分析技術(shù)相關(guān)軟件的發(fā)展，近年來開始迅速傳播。SfM算法首先利用尺度不變特征變換(scale-invariant feature transform，SIFT)從每張航攝影像上進行特征點的檢測和匹配[4]；然后運用RANSAC算法剔除誤匹配和離群的錯誤點，提高特征匹配點的準確性和穩(wěn)定性，為后續(xù)相機參數(shù)的求解提供最優(yōu)的基礎(chǔ)數(shù)據(jù)；最后運用運動恢復(fù)結(jié)構(gòu)(SfM)結(jié)合匹配的特征點坐標，來恢復(fù)每張影像的內(nèi)外方位元素，以此來完成攝影過程的幾何反轉(zhuǎn)，變攝影過程為投影過程，完成點云的精確匹配。其基本原理為：

設(shè)相機參數(shù)為C=C1，C2，…Cn，匹配的特征點坐標為p=p1，p2，…pn。采用透視投影原理，將點云坐標投影到像平面坐標系，投影誤差為g(C，p)。

其中：n為相機拍攝的影像總數(shù)；t為匹配特征點的個數(shù)；若匹配點f在影像i上，wi,f=1，否則wi，f=0。

通過SfM算法(SfM是一個迭代求解過程，通過迭代恢復(fù)相機運動，計算投影矩陣，然后運用三角測量的方法來恢復(fù)場景的結(jié)構(gòu))，迭代求解出每張影像的拍攝位置，確定相機矩陣，通過貪婪算法求出相機位置的最優(yōu)參數(shù)[5]。由于無人機拍攝航攝相片的不穩(wěn)定性，拍攝每張影像時的姿態(tài)信息不一致，為了使獲得的重建結(jié)果誤差均勻地分布在各相片之間，利用光束法平差(Bundle Adjustment)算法進行非線性優(yōu)化計算出相機參數(shù)，使投影點和觀測圖像點的投影誤差最小，匹配得到測區(qū)的稀疏點云數(shù)據(jù)。

1.2 MVS算法

利用SfM算法匹配出來的稀疏點云數(shù)據(jù)，很難達到恢復(fù)測區(qū)三維場景的需要，為了更加真實地重建出三維場景，需要對稀疏點云進行加密。主要利用多視圖立體視覺匹配方法得到足夠多的三維場景中的點。使用最廣泛的是一種基于面片(Patch-basde)的PMVS算法，它主要運用Harris算子和DOG(Difference of Gaussian)算子匹配出每幅影像的特征點[6]。PMVS算法首先利用已經(jīng)標定過相機位置的多視角影像數(shù)據(jù)，根據(jù)生成的稀疏特征點數(shù)據(jù)重建出空間表面，以這些空間表面作為種子面片，利用相鄰面片具有相似的法向量和位置這一特性，在局部光度一致性和全局可見性約束下，以運動恢復(fù)架構(gòu)SfM算法生成的稀疏點云為種子面開始逐步擴散，重建出周圍的空間面片，完成密集點云的重建[4]。通過像控點坐標的載入，可以生成具有真實空間坐標的三維彩色點云數(shù)據(jù)[7-8]。

1.3 DEM數(shù)據(jù)構(gòu)建

基于已經(jīng)生成測區(qū)的密集點云數(shù)據(jù)，采用一種自適應(yīng)TIN點云濾波方法，通過一定的濾波策略對閾值進行調(diào)整，從而達到剔除非地面點的目的[9]。對濾除之后的地面點使用自然鄰域插值的方法進行測區(qū)DEM構(gòu)建。自然鄰域插值通過尋找距離查詢點最近的樣本子集，并基于區(qū)域大小按比例對樣本應(yīng)用權(quán)重進行插值，最終得到測區(qū)的數(shù)字高程模型DEM。SfM-MVS無人機數(shù)據(jù)處理技術(shù)見圖1。

2 實驗分析

2.1 研究區(qū)

實驗區(qū)位于青海省海西州烏蘭縣西北17 km，測區(qū)面積約13.6 km2，最高海拔3 609 m，高差502 m，地形起伏較大，為高山中等切割地貌。本次航攝采用固定翼無人機，搭載Nikon D800數(shù)碼相機進行測區(qū)航攝影像的采集。為了滿足測區(qū)1∶2 000比例尺成圖的需要，考慮測區(qū)的地勢特點，設(shè)計絕對航高3 900 m，本次無人機飛行設(shè)計9條航線，獲取影像共計511張，無人機飛行航線及獲取像片重疊分析如圖2所示，測區(qū)內(nèi)大部分區(qū)域重疊影像能夠達到9張以上。

圖1 基于SfM-MVS無人機數(shù)據(jù)處理技術(shù)

2.2 地面控制點(Ground Control Point，GCP)布設(shè)方案

測區(qū)共布設(shè)控制點及檢查點54個，測點分布情況如圖3所示。為了得出能滿足精度要求的最佳布設(shè)方案，減小外業(yè)工作量，分析了不同控制點布設(shè)方案對測圖精度的影響。試驗中，設(shè)定34個控制點和20個檢查點，控制點和檢查點平面位置中誤差為圖上0.1mm，高程中誤差為0.1m。在數(shù)據(jù)處理過程中，控制點布設(shè)時，方案1首先布設(shè)4個角點，在考慮控制點精度的基礎(chǔ)上，依次均勻增加控制點的數(shù)量進行控制點布設(shè)，統(tǒng)計分析不同的控制點布設(shè)方案對數(shù)據(jù)處理誤差的影響。方案2布設(shè)5個控制點，第5個控制點GCP 5布設(shè)在測區(qū)中心位置，后續(xù)方案依次增加控制點的數(shù)量。GCP 6與GCP 7控制點布設(shè)在測區(qū)中間第五條航線的兩端，GCP 8與GCP 9布設(shè)在第一條航線與第九條航線的中間位置，其余控制點依次進行加密。20個檢查點在測區(qū)內(nèi)均勻固定布設(shè)。

2.3 不同控制點布設(shè)方案下精度分析

統(tǒng)計結(jié)果表明：當采用方案一控制點數(shù)量為4個，由于控制點的布設(shè)密度過小，多余的觀測量不足，影響了控制點的解算精度，隨著控制點數(shù)量的增加，總體的總中誤差明顯減小，精度得到了提高。當采用方案4控制點數(shù)量為7個，總中誤差最小為0.434 7 m。當控制點數(shù)量多于6個時，整體中誤差變化較小，變化范圍為0.434 7～0.481 3 m，此時精度已經(jīng)滿足了成圖的要求。最后一種方案中采用全部控制點，其精度反而下降，主要是由于其中的部分誤差較大的控制點沒有剔除，因此在控制點選取時，必須去除其中誤差較大的點位。過多的控制點不僅會增加外業(yè)和內(nèi)業(yè)的工作量，而且對精度的提高作用不大。表1為不同控制點布設(shè)方案下點位精度統(tǒng)計，圖4和圖5為不同控制點布設(shè)方案點位中誤差變化趨勢分析。

表1 不同控制點布設(shè)方案下精度統(tǒng)計

圖4 不同控制點布設(shè)方案下誤差變化

圖5 不同控制點布設(shè)方案總中誤差變化趨勢 圖6 測區(qū)DEM暈渲圖(局部)

2.4 DEM數(shù)據(jù)構(gòu)建及精度評價

基于SfM-MVS重建點云數(shù)據(jù)，利用自然鄰域插值算法生成DEM數(shù)據(jù)見圖6。

由圖6可以看出：獲取的測區(qū)DEM數(shù)據(jù)能夠較好的保留山區(qū)切溝等微小地貌，地形起伏細節(jié)信息保真度較高，但在光照條件較差的陰影區(qū)，地形存在一定的失真，誤差相對較大。

選取300個外業(yè)高程點進行DEM精度檢測，評價結(jié)果見表2。高程中誤差為0.639 1m。根據(jù)檢測結(jié)果，采集的高程數(shù)據(jù)檢查點均滿足要求，無超過限差的點。根據(jù)分析顯示，高程中誤差分布比較均勻，大部分數(shù)據(jù)誤差均在0.5 m之內(nèi)，有83.3%的數(shù)據(jù)在一倍中誤差之內(nèi)，得到的數(shù)據(jù)結(jié)果比較穩(wěn)定。無人機遙感平臺完全可以作為高山區(qū)大比例尺地形圖測繪的一種手段。

表2 DEM高程精度分析

3 結(jié)論

針對高山地區(qū)測繪困難的特點，利用輕型無人機航攝系統(tǒng)為數(shù)據(jù)獲取平臺，以運動恢復(fù)結(jié)構(gòu)(SfM, structure from motion)和多視圖立體視覺(MVS, multi-view stereo)為理論基礎(chǔ)，對無人機從影像的獲取到成圖整個過程進行了分析。通過精度分析，該方法在利用無人機航拍影像重建測區(qū)三維模型方面優(yōu)勢明顯，在控制點合理布設(shè)的情況下，精度可以滿足生產(chǎn)的需要，但需要注意光照條件較差的山體陰影區(qū)，地形存在一定的失真，誤差相對較大。

[1] 崔紅霞, 林宗堅, 孫杰. 大重疊度無人機遙感影像的三維建模方法研究[J]. 測繪科學，2005(2): 36-38.

[2] 謝榛. 基于無人機航拍圖像的室外場景三維重建技術(shù)研究[D]. 杭州：浙江工業(yè)大學, 2014.

[3] 易柳城. 無人機遙感影像與數(shù)字高程模型的三維可視化研究[D]. 長沙：中南大學, 2013.

[4] 李俊利, 李斌兵, 柳方明, 等. 利用照片重建技術(shù)生成坡面侵蝕溝三維模型[J].農(nóng)業(yè)工程學報, 2015(1) :125-132.

[5] Satoshi Ishiguro, Hiroya Yamano, Hiroyuki Oguma. Evaluation of DSMs generated from multi-temporal aerial photographs using emerging structure from motion-multi-view stereo technology[J].Geomorphology, 2016(3):64-71.

[6] 侯曉芬, 邢帥, 馬東洋, 等.面向序列影像的三維場景重建方法[J]. 測繪科學, 2016(2):126-129.

[7] Livia Piermattei, Luca Carturan, Fabriziode Blasi. Suibtability of ground-based sfm-mvs for monitoring glacial and periglacial processes[J]. Earth Surface Dynamics, 2016(4):425-443.

[8] Hiroyuki, Obanawa, yuichiS, et al. High-resolutional topographic survey using small UAV and SfM-MVS technologies in hardly accessible area [J]. Internet and Ubiqutous Environments, 2015(3):17-19.

[9] Axelsson P. DEM generation from laser scanner data using adaptive tin models[J]. International Archives of Photogrammetry and Romote Sensing, 2000, 33(B4):110-117.

Processing of UAV aerial data in high mountains based on SfM-MVS

YU Hai-yang1, 2, ZENG Chun-wei2, MA Hui-hui2, GAO Yong-hong3
( (1.KeyLaboratoryofMineSpatialInformationTechnologiesofNASG,HenanPolytechnicUniversity,Jiaozuo454000,China; 2.SchoolofSurveyingandLandInformationEngineering,HenanPolytechnicUniversity,Jiaozuo454000,China; 3.InstituteofSurveyingandMapping,YellowRiverSurvey,PlanningandDesignCo.,Ltd.,Zhengzhou450045,China)

The data of the UAV aerial data were processed by SfM-MVS (Structure of Motion with Multi-view Stereo) technology, and the data of different control points were analyzed by using a survey area in Wulan County, Haixi County, Qinghai Province.The accuracy of data processing under different control points is analyzed, and the acquisition and DEM construction of high quality 3D point cloud data are completed. The results show that the SfM-MVS technique can meet the requirements of the design of the experimental area, and prove the feasibility of the method in large-scale topographic map.

unmanned aerial vehicle; control point coordinates acquisition; SfM; MVS; mountain area

2017-01-14

國家自然科學基金項目(U1304402)；河南省高?？萍紕?chuàng)新團隊支持計劃項目(14IRTSTHN026)

于海洋(1978—)，男，山東臨沂人，博士。

1674-7046(2017)02-0083-05

10.14140/j.cnki.hncjxb.2017.02.015

P217

A