李 峰, 魏文雪, 孫 軒, 周思齊, 楊俊良, 楊海波
(1.北京航空航天大學(xué)交通科學(xué)與工程學(xué)院, 北京 100191; 2.北京路新瀝青混凝土有限公司, 北京 102209;3.北京市政路橋建材集團(tuán)有限公司懷柔瀝青廠, 北京 101407)
集料是生產(chǎn)瀝青混合料的主要原材料之一,目前其庫(kù)存量盤(pán)點(diǎn)一直采用人工估算的方法,該方法精度差、效率低,無(wú)法實(shí)現(xiàn)原材料信息化、智能化管理. 三維測(cè)量技術(shù)的發(fā)展(如三維激光掃描技術(shù)、無(wú)人機(jī)傾斜攝影技術(shù))使得對(duì)集料庫(kù)存進(jìn)行更加高效精細(xì)的可視化管理成為可能[1-3].
三維激光掃描技術(shù)運(yùn)用掃描儀對(duì)待測(cè)區(qū)域進(jìn)行全面掃描,獲取待測(cè)區(qū)域的點(diǎn)云數(shù)據(jù),進(jìn)而獲得三維坐標(biāo)[4]. 傾斜攝影技術(shù)是近年來(lái)測(cè)繪領(lǐng)域廣泛應(yīng)用的一項(xiàng)攝影技術(shù),同時(shí)從5個(gè)不同的角度(1個(gè)正射、4個(gè)斜射)采集影像,獲取豐富的頂面及側(cè)面紋理,滿(mǎn)足三維信息的需求[5]. Yakar等[6]利用攝影測(cè)量法和地面激光掃描法在土方挖填中進(jìn)行體積計(jì)算,并與大地測(cè)量法進(jìn)行了對(duì)比,認(rèn)為大地測(cè)量法勞動(dòng)量大、成本高、危險(xiǎn),而三維激光掃描法精度高、速度快,攝影測(cè)量法成本低,后兩種方法精度均可達(dá)到95%. 胡玉祥等[7]將三維激光掃描技術(shù)應(yīng)用到土石方體積測(cè)量中,并與傳統(tǒng)測(cè)量方法進(jìn)行精度對(duì)比,對(duì)比了三維激光掃描技術(shù)在土石方測(cè)算中與傳統(tǒng)方法的差異,驗(yàn)證了三維激光掃描技術(shù)的可行性. 馮壯壯等[8]比較了近景攝影測(cè)量技術(shù)和三維激光掃描技術(shù)在土石方計(jì)算中的應(yīng)用,認(rèn)為近景攝影測(cè)量技術(shù)在外業(yè)采集效率及數(shù)據(jù)處理方面均有較大的提升,基本能滿(mǎn)足土石方計(jì)算的精度要求. 研究表明,激光掃描技術(shù)雖掃描精度高,但存在儀器昂貴、外業(yè)操作煩瑣、數(shù)據(jù)量大、數(shù)據(jù)處理周期長(zhǎng)等缺點(diǎn).
近幾年來(lái),小型無(wú)人機(jī)因其靈活度高、成本低、影像分辨率高等優(yōu)點(diǎn)被廣泛應(yīng)用在傾斜攝影領(lǐng)域[9-11]. Samad等[12]利用無(wú)人機(jī)采集采石場(chǎng)影像數(shù)據(jù),通過(guò)PhotoScan軟件對(duì)無(wú)人機(jī)圖像進(jìn)行處理生成數(shù)字地形模型,采用Global Mapper軟件完成體積計(jì)算,驗(yàn)證了無(wú)人機(jī)在采石場(chǎng)體積測(cè)算中的適用性. 郭長(zhǎng)東等[13]采用低空無(wú)人機(jī),對(duì)蘭州某項(xiàng)目工程進(jìn)行傾斜攝影測(cè)量,解算出點(diǎn)云數(shù)據(jù)并進(jìn)行土方量計(jì)算,與全站儀測(cè)量結(jié)果作對(duì)比,表明此方法精度較高,且極大提高了土方量測(cè)繪工作效率. 李萌等[14]以陜西三試點(diǎn)區(qū)域?yàn)槔?,?yīng)用小型無(wú)人機(jī)獲取高分辨率影像,生成高精度的數(shù)字正攝影像底圖,與傳統(tǒng)航測(cè)法土地確權(quán)的精度指標(biāo)進(jìn)行比較與分析,驗(yàn)證了小型無(wú)人機(jī)低空攝影在土地經(jīng)營(yíng)權(quán)確權(quán)中的可行性與實(shí)用性. 綜合來(lái)看,運(yùn)用無(wú)人機(jī)技術(shù)進(jìn)行瀝青集料堆體積測(cè)算具有一定的可行性,可以將其引入到瀝青集料的體積測(cè)算與可視化管理中.
本文以北京市政路橋建材集團(tuán)懷柔瀝青廠室外倉(cāng)庫(kù)集料為研究對(duì)象,提出了一種基于無(wú)人機(jī)傾斜攝影技術(shù)的集料三維重建及體積快速測(cè)算的方法. 通過(guò)建立集料的三維模型,對(duì)集料總體積進(jìn)行快速、高精度的測(cè)算,與集料入庫(kù)數(shù)據(jù)作對(duì)比分析體積測(cè)量的準(zhǔn)確性,分析模型參數(shù)設(shè)置對(duì)模型體積精度和速率的影響,為實(shí)現(xiàn)對(duì)瀝青集料的可視化、智能化管理提供了技術(shù)支持.
1.1.1 無(wú)人機(jī)平臺(tái)
無(wú)人機(jī)最早應(yīng)用于軍事領(lǐng)域中的偵察等,近些年來(lái),無(wú)人機(jī)的應(yīng)用正在向民用領(lǐng)域擴(kuò)展,目前在航拍、農(nóng)業(yè)、植保、微型自拍、快遞運(yùn)輸、災(zāi)難救援、觀察野生動(dòng)物、測(cè)繪、新聞報(bào)道、電力巡檢、影視拍攝等領(lǐng)域均有應(yīng)用[15-19]. 無(wú)人機(jī)主要由飛行平臺(tái)和影像系統(tǒng)兩大核心要素組成.
根據(jù)飛行平臺(tái)構(gòu)型分類(lèi),無(wú)人機(jī)可分為固定翼式無(wú)人機(jī)、旋翼式無(wú)人機(jī)和撲翼式無(wú)人機(jī)3類(lèi)[20]. 固定翼式無(wú)人機(jī)依靠動(dòng)力系統(tǒng)產(chǎn)生的推力作為飛機(jī)向前飛行的動(dòng)力,具有結(jié)構(gòu)成熟、飛行速度快、運(yùn)載能力大、續(xù)航能力強(qiáng)、機(jī)動(dòng)性低、不能實(shí)現(xiàn)懸停等特點(diǎn)[21],在軍用領(lǐng)域和工業(yè)領(lǐng)域具有廣泛應(yīng)用. 旋翼式無(wú)人機(jī)依靠其自身螺旋槳旋轉(zhuǎn)與空氣相互作用產(chǎn)生升力,其續(xù)航能力和抗風(fēng)能力較差,但具有體積相對(duì)較小、飛行高度低、結(jié)構(gòu)簡(jiǎn)單、靈活輕便等優(yōu)點(diǎn)[22],可完成垂直起降和“懸?!眲?dòng)作,機(jī)動(dòng)性遠(yuǎn)超固定翼式無(wú)人機(jī),適合在城市或室內(nèi)等復(fù)雜狹窄的空間使用,主要應(yīng)用于電力巡檢、無(wú)人機(jī)表演等. 撲翼式無(wú)人機(jī)是一種類(lèi)似鳥(niǎo)的仿生飛行器,通過(guò)機(jī)翼的主動(dòng)運(yùn)動(dòng)產(chǎn)生升力和前進(jìn)力[23],由于撲翼仿生飛行原理的研究尚不成熟,目前撲翼式無(wú)人機(jī)的研究尚處于起步階段.
由于本次飛行任務(wù)測(cè)區(qū)較小,且不能提供固定翼飛行器的跑道,因此首先排除固定翼式無(wú)人的使用,而多旋翼無(wú)人機(jī)的穩(wěn)定性較單旋翼無(wú)人機(jī)更好,故本文選擇多旋翼無(wú)人機(jī)作為航拍無(wú)人機(jī).
1.1.2 無(wú)人機(jī)傾斜攝影技術(shù)
傾斜攝影技術(shù)在同一飛行平臺(tái)上搭載多臺(tái)傳感器,同時(shí)從1個(gè)垂直、4個(gè)傾斜等不同角度采集影像,相較于傳統(tǒng)的攝影測(cè)量多了4個(gè)傾斜拍攝角度,能夠獲取到更加豐富的側(cè)面紋理等信息. 部分無(wú)人機(jī)只搭載一個(gè)相機(jī),通過(guò)飛行多條相機(jī)拍攝角度不同的航線(xiàn)達(dá)到傾斜攝影測(cè)量的目的. 無(wú)人機(jī)在拍攝影像時(shí),需記錄航高、航速、航向重疊度和旁向重疊度、坐標(biāo)等信息,為三維重建提供基礎(chǔ).
1.1.3 傾斜攝影技術(shù)特點(diǎn)
1) 反映地物周邊真實(shí)情況
與正射影像相比較,傾斜影像能讓用戶(hù)從多個(gè)角度觀察地物,更加真實(shí)地反映地物的實(shí)際情況,極大地彌補(bǔ)了基于正射影像應(yīng)用的不足[5].
2) 實(shí)現(xiàn)地物量測(cè)
基于傾斜攝影測(cè)量技術(shù)獲得的三維模型可以進(jìn)行包括高度、長(zhǎng)度、面積、角度、坡度等的量測(cè),擴(kuò)展了傾斜攝影技術(shù)在行業(yè)中的應(yīng)用.
3) 可采集建筑物側(cè)面紋理
針對(duì)各種三維數(shù)字城市應(yīng)用,基于傾斜影像批量提取和映射紋理的方法,能夠建立各種城市三維模型,如建筑、橋梁、道路等,有效地降低了城市三維建模成本.
基于無(wú)人機(jī)對(duì)測(cè)區(qū)影像進(jìn)行采集并輸入,利用一系列算法進(jìn)行特征匹配、稀疏點(diǎn)云重建、密集點(diǎn)云重建、網(wǎng)格建立、紋理生成,得到三維模型,三維重建流程圖如圖1所示.
圖1 三維重建流程Fig.1 3D reconstruction process
1.2.1 采集并輸入影像
根據(jù)測(cè)區(qū)范圍和任務(wù)要求對(duì)航線(xiàn)進(jìn)行規(guī)劃并設(shè)置合理的參數(shù)進(jìn)行影像數(shù)據(jù)采集,輸入影像時(shí),檢查影像質(zhì)量,是否有模糊、變形情況,根據(jù)可交換圖像文件格式(exchangeable image file format, EXIF)信息檢查是否存在高程信息錯(cuò)誤的情況.
1.2.2 基于運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)算法建立稀疏點(diǎn)云
圖2 圖像序列恢復(fù)三維點(diǎn)數(shù)據(jù)和相機(jī)參數(shù)示意圖Fig.2 3D point data and camera parameter schematic diagram of image sequence recovery
輸入影像后,采用運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)(structure from motion,SfM)技術(shù)建立稀疏點(diǎn)云[24]. SfM算法的目的是從不同視角拍攝的圖像中計(jì)算三維結(jié)構(gòu)的點(diǎn)信息和每幅圖像的相機(jī)參數(shù),如圖2所示. SfM算法主要分為增量式、層次式、全局式3種,其中增量式SfM應(yīng)用最為廣泛,它是一個(gè)迭代的、序列化的處理過(guò)程,主要分為兩部分:圖像關(guān)聯(lián)和增量式重建.
因?yàn)閳D像是無(wú)序的,所以圖像關(guān)聯(lián)的目標(biāo)是關(guān)聯(lián)有重疊關(guān)系的圖像,并輸出經(jīng)過(guò)幾何驗(yàn)證的關(guān)聯(lián)圖像集和對(duì)應(yīng)于每個(gè)點(diǎn)的圖像投影點(diǎn). 主要分為3步:1) 圖像特征提取. 對(duì)于每個(gè)圖像,首先提取一系列的局部特征及描述子,這些數(shù)據(jù)特征應(yīng)該是幾何不變的,這樣SfM才能夠準(zhǔn)確唯一地識(shí)別該特征,尺度不變特征變換[25](scale-invariant feature transform,SIFT)就是一種很好的特征描述子. 2) 圖像特征匹配. 最普通的方法是迭代法,即取出一幅圖像中的一個(gè)特征后與所有其他圖像中的特征進(jìn)行匹配,該方法不免耗時(shí)且復(fù)雜,在大規(guī)模的圖像集中是不可取的. 一種有效的方法是通過(guò)多種方法找出可能的圖像對(duì)重疊集,然后在此基礎(chǔ)上進(jìn)行特征點(diǎn)匹配. 3) 幾何驗(yàn)證. 估計(jì)2幅圖像之間的變換關(guān)系,即投影幾何關(guān)系驗(yàn)證圖像對(duì)之間的重疊關(guān)系. 根據(jù)不同的空間構(gòu)型計(jì)算不同的幾何關(guān)系,單應(yīng)矩陣H描述純旋轉(zhuǎn)或特征點(diǎn)共面的場(chǎng)景,本質(zhì)矩陣E(已校正)和基礎(chǔ)矩陣F(未標(biāo)定)描述一個(gè)運(yùn)動(dòng)相機(jī). 如果某個(gè)變換含有足夠多的內(nèi)點(diǎn),則認(rèn)為它們是符合幾何約束的. 通過(guò)隨機(jī)抽樣一致性[26](random sample consensus,RANSAC)算法排除干擾點(diǎn).
增量式重建的輸入為經(jīng)過(guò)圖像關(guān)聯(lián)處理的場(chǎng)景圖結(jié)構(gòu),輸出是一系列的相機(jī)位姿估值及對(duì)應(yīng)的重建的場(chǎng)景結(jié)構(gòu)點(diǎn)云. 主要分為4步: 1) 初始化. 選擇合適的圖像作為重建的初始圖像非常重要,這直接關(guān)系著重建的質(zhì)量,選擇有較多重疊圖像的初始圖像會(huì)使結(jié)果具有更好的魯棒性. 2) 圖像配準(zhǔn). 通過(guò)perspective-n-point(PnP)方法將新圖像配準(zhǔn)到已有的模型中,同時(shí)采用RANSAC方法排除外點(diǎn)的干擾. 3) 三角化. 新配準(zhǔn)的圖像必須能夠觀測(cè)到現(xiàn)有的場(chǎng)景點(diǎn),否則無(wú)法確定新幀的位置、姿態(tài)等參數(shù). 每當(dāng)有新的圖像加入進(jìn)來(lái)時(shí),就可以產(chǎn)生新的三角化的場(chǎng)景點(diǎn). 三角化在SfM中非常關(guān)鍵,因?yàn)樵摬襟E增加了新的場(chǎng)景點(diǎn),從而增加了現(xiàn)有模型的冗余度. 4) 光束法平差. 圖像配準(zhǔn)和三角化都會(huì)產(chǎn)生誤差,因此需要通過(guò)光束法平差[27](bundle adjustment,BA)進(jìn)行優(yōu)化. 光束法平差算法通過(guò)最小化重投影誤差優(yōu)化相機(jī)參數(shù).
1.2.3 基于多視角立體算法建立密集點(diǎn)云
基于SfM算法建立的稀疏點(diǎn)云采用多視角立體(multi-view stereo,MVS)算法建立密集點(diǎn)云[28].
MVS算法主要分為以下4種:基于三維體素的算法、基于表面演化算法、基于深度圖融合算法和基于面片的算法,其中基于深度圖融合算法通過(guò)對(duì)每張圖像對(duì)應(yīng)的深度圖進(jìn)行融合來(lái)得到場(chǎng)景的密集點(diǎn)云,適應(yīng)于大場(chǎng)景重建,易于并行計(jì)算,獲得的點(diǎn)云較為稠密.
基于深度圖融合算法建立密集點(diǎn)云主要分為2步. 1) 為每個(gè)圖像建立深度圖. 應(yīng)用一個(gè)2級(jí)視圖選擇算法:在圖像級(jí),全局視圖選擇為每個(gè)參考視圖識(shí)別一組好的鄰域圖像,用于立體匹配;在像素級(jí),局部視圖選擇確定這些圖像的子集,從而產(chǎn)生穩(wěn)定的立體匹配,這個(gè)子集通常因像素而異. 2) 進(jìn)行立體匹配,獲得優(yōu)化的參數(shù). 區(qū)域增長(zhǎng)框架維護(hù)匹配候選的優(yōu)先隊(duì)列Q(R中的像素位置加上深度和法線(xiàn)的初始值). 然后,匹配候選成為匹配系統(tǒng)的輸入,系統(tǒng)使用局部視圖選擇提供的相鄰視圖計(jì)算深度、法線(xiàn)和匹配置信度. 如果匹配成功,數(shù)據(jù)將存儲(chǔ)在深度圖、法線(xiàn)圖和置信度圖中,R中的相鄰像素將作為新的候選像素添加到Q中.
1.2.4 基于表面重建算法建立網(wǎng)格
建立密集點(diǎn)云后,采用表面重建(surface reconstruction,SR)算法建立網(wǎng)格. SR算法的原理是基于點(diǎn)云構(gòu)建光滑的流形曲面[29].
SR算法主要分為2步:1) 構(gòu)建有符號(hào)的距離函數(shù). 所謂有符號(hào)的距離是一個(gè)點(diǎn)到離它最近的表面點(diǎn)的距離,這個(gè)距離是該點(diǎn)沿著表面點(diǎn)的法線(xiàn)距離,對(duì)于在物體外的點(diǎn)定義為正號(hào),物體內(nèi)的點(diǎn)定義為負(fù)號(hào). 2) 擬合多諧徑向基函數(shù)(radial basis functions,RBF). 這是SR算法的核心內(nèi)容,通過(guò)貪心算法完成:從插值節(jié)點(diǎn)中選擇一個(gè)子集,并僅對(duì)這些節(jié)點(diǎn)擬合RBF;計(jì)算所有節(jié)點(diǎn)上的殘差;如果最大殘差小于目標(biāo)精度,代表此RBF符合要求,則停止,否則就在殘差大的地方增加新的中心,重新擬合RBF并計(jì)算殘差.
1.2.5 基于紋理貼圖算法建立模型
建立網(wǎng)格后,采用紋理貼圖(texture mapping,TM)算法建立三維模型[30].
TM算法主要分為3步:1) 預(yù)處理. 通過(guò)執(zhí)行視域剔除來(lái)確定所有視圖和面的組合的可見(jiàn)性. 2) 選擇視圖. 選擇一個(gè)合適的視圖來(lái)進(jìn)行紋理映射. 3) 調(diào)整顏色. 即進(jìn)行連續(xù)性調(diào)整,第2步獲得的模型在面片之間包含許多顏色不連續(xù)性,采用全局調(diào)整、局部調(diào)整和泊松編輯來(lái)減少接縫的可見(jiàn)性.
至此,基于無(wú)人機(jī)影像的集料堆三維模型生成.
三角網(wǎng)是由一系列但不重疊的連續(xù)三角形構(gòu)成的網(wǎng)狀面片,三角形要求遍歷點(diǎn)云數(shù)據(jù)中的所有點(diǎn),取出每一個(gè)網(wǎng)上的三角形向XOY平面投影即可構(gòu)建一個(gè)類(lèi)似三棱柱的不規(guī)則柱. 底面積與3條棱高的平均值的積即為此不規(guī)則柱的體積,累加所有不規(guī)則柱的體積即為整個(gè)目標(biāo)的體積[31]. 具體步驟如下.
1) 基于點(diǎn)云構(gòu)建不規(guī)則三角網(wǎng). 運(yùn)用Delaunay三角網(wǎng)生長(zhǎng)算法,由初始三角形逐漸向外擴(kuò)展生成新的三角形,直到所有的三角形都已生成完畢.
2) 將不規(guī)則三角網(wǎng)投影至XOY平面,構(gòu)建不規(guī)則柱,如圖3所示,△abc向XOY平面投影得到△a0b0c0,2個(gè)三角形的頂點(diǎn)坐標(biāo)分別為a(x1,y1,z1)、b(x2,y2,z2)、c(x3,y3,z3)、a0(x1,y1, 0)、b0(x2,y2, 0)、c0(x3,y3, 0).
圖3 不規(guī)則柱的投影圖Fig.3 Projection diagram of irregular column
3)根據(jù)
計(jì)算位于XOY平面上的不規(guī)則柱的底面積.
4)根據(jù)
計(jì)算不規(guī)則柱的平均棱高.
5)不規(guī)則柱的體積即為
V=S△a0b0c0×h
本次實(shí)驗(yàn)區(qū)域?yàn)楸本┦姓窐蚪ú募瘓F(tuán)懷柔瀝青廠室外倉(cāng)庫(kù),地理位置為東經(jīng)116.68°,北緯40.36°,實(shí)驗(yàn)區(qū)域如圖4所示.
圖4 實(shí)驗(yàn)區(qū)域Fig.4 Experiment area
根據(jù)《低空數(shù)字航空攝影規(guī)范》(CH/Z 3005—2010)中對(duì)飛行平臺(tái)關(guān)于飛行高度、續(xù)航能力、抗風(fēng)能力、導(dǎo)航定位GPS等要求和對(duì)數(shù)碼相機(jī)關(guān)于像素、最高快門(mén)速度、檢校等要求,確定了本文中用于航拍的無(wú)人機(jī)——大疆“御”Mavic Pro,這是一款多旋翼無(wú)人機(jī),主要由飛行系統(tǒng)和航拍攝影系統(tǒng)組成,擁有前視視覺(jué)系統(tǒng)與下視視覺(jué)系統(tǒng),具備自主避障功能,有效像素為1 235萬(wàn),最大水平飛行速度可達(dá)65 km/h,綜合續(xù)航時(shí)間21 min,適用于地面有豐富紋理、光照條件充足的環(huán)境. 計(jì)算機(jī)工作站中央處理器型號(hào)為Intel Xeon E5-2630 v4,圖形處理器型號(hào)為GeForce GTX 1080ti. 三維重建與體積測(cè)算采用Agisoft Metashape軟件,這是一款俄羅斯公司開(kāi)發(fā)的三維重建軟件,具有全自動(dòng)、操作簡(jiǎn)單、重建質(zhì)量高的優(yōu)點(diǎn).
由于室外條件開(kāi)闊,無(wú)樹(shù)木等遮擋,故采取自動(dòng)飛行的方法進(jìn)行影像采集. 基于無(wú)人機(jī)傾斜攝影影像進(jìn)行三維重建要求航向重疊度達(dá)到70%以上,旁向重疊度達(dá)到60%以上. 在DJI Pilot APP中,劃分出室外倉(cāng)庫(kù)所在區(qū)域作為測(cè)區(qū),設(shè)置以下飛行參數(shù):云臺(tái)俯仰角度為-60°、拍照模式為等時(shí)間隔拍照、飛行高度為30 m、航線(xiàn)速度為2 m/s、航向重疊率為80%、旁向重疊率為70%,參數(shù)設(shè)置好后無(wú)人機(jī)按照規(guī)劃好的航線(xiàn)自主飛行并等時(shí)間間隔拍攝影像. 為了避免天氣對(duì)影像造成不良影響,選擇在光照條件較好但不宜太過(guò)劇烈、無(wú)風(fēng)或微風(fēng)時(shí)進(jìn)行拍攝. 共有5條航線(xiàn),圖5為航線(xiàn)示例,收集照片546張,集料影像圖如圖6所示,其中黑色區(qū)域?yàn)闉r青集料,白色區(qū)域?yàn)閭}(cāng)庫(kù)旁小徑.
圖5 測(cè)區(qū)航線(xiàn)示例(共5條)Fig.5 Example of routes in the survey area (five routes in total)
圖6 無(wú)人機(jī)所攝影像圖示例Fig.6 Example of images by UAV
在Agisoft Metashape軟件中進(jìn)行三維重建,主要步驟如下:
1) 加載照片,可選擇添加照片/添加文件夾,將無(wú)人機(jī)影像導(dǎo)入軟件中;
2) 對(duì)齊照片,在對(duì)話(huà)框中設(shè)置精度、關(guān)鍵點(diǎn)限制、連接點(diǎn)限制等參數(shù),軟件將基于SfM算法生成稀疏點(diǎn)云;
3) 建立密集點(diǎn)云,在對(duì)話(huà)框中設(shè)置精度、篩選模式等參數(shù),軟件將基于MVS算法生成密集點(diǎn)云;
4) 生成網(wǎng)格,在對(duì)話(huà)框中選擇源數(shù)據(jù)為“密集點(diǎn)云”,軟件將基于密集點(diǎn)云數(shù)據(jù)生成光滑曲面;
5) 生成紋理,軟件將影像紋理信息賦予生成的光滑曲面,形成具有真實(shí)紋理的三維模型;
6) 生成數(shù)字高程模型(digital elevation model,DEM),DEM描述了地面高程信息,在體積計(jì)算中具有重要作用.
在三維重建過(guò)程中,軟件的參數(shù)會(huì)對(duì)模型精度和工作量有較大影響,初始三維重建模型參數(shù)設(shè)置如下:對(duì)齊照片精度設(shè)置為最高,關(guān)鍵點(diǎn)限制設(shè)置為40 000,連接點(diǎn)限制設(shè)置為4 000,密集點(diǎn)云生成的精度設(shè)置為最高,篩選模式均選擇輕度,最后基于密集點(diǎn)云生成DEM,各步驟所得結(jié)果如圖7所示.
將圖7(c)集料DEM模型與圖4實(shí)驗(yàn)區(qū)域的衛(wèi)星圖作對(duì)比可以發(fā)現(xiàn),集料的大致形狀相同,而基于無(wú)人機(jī)影像所形成的三維模型反映了集料的實(shí)時(shí)狀態(tài),衛(wèi)星圖一般以年為時(shí)間更新,這導(dǎo)致二者之間并不完全一致.
為了探究參數(shù)設(shè)置對(duì)測(cè)量精度和效率的影響,將模型對(duì)齊照片精度和密集點(diǎn)云生成精度分別設(shè)置為最低、低、中、高、最高,分析比較5種方案中模型的體積計(jì)算結(jié)果與生成時(shí)間.
圖7 三維重建各步驟結(jié)果Fig.7 Results of each step of 3D reconstruction
根據(jù)倉(cāng)庫(kù)情況將集料堆DEM模型分為5個(gè)區(qū)域,如圖8所示,分別進(jìn)行體積計(jì)算. 主要方法為:在DEM上密集選取集料邊界點(diǎn),形成一個(gè)封閉形狀,對(duì)邊界點(diǎn)高程值進(jìn)行分析,選擇高程閾值,通過(guò)高程閾值區(qū)分地面點(diǎn)與集料點(diǎn),高程高于高程閾值者為集料點(diǎn),高程小于高程閾值者為地面點(diǎn),計(jì)算封閉形狀內(nèi)點(diǎn)云的體積即為集料體積.
根據(jù)初始三維重建的結(jié)果計(jì)算得到5個(gè)區(qū)域的體積值分別為:4 192.0、2 609.2、1 651.1、1 173.9、1 341.0 m3,此室外倉(cāng)庫(kù)集料堆總體積為10 967.2 m3.
圖8 倉(cāng)庫(kù)分區(qū)Fig.8 Warehouse partitioning
傳統(tǒng)人工測(cè)量方法為測(cè)量長(zhǎng)、寬、高后乘以經(jīng)驗(yàn)系數(shù)得到體積,該方法存在耗時(shí)大、誤差較大、準(zhǔn)確率不足的缺點(diǎn). 為驗(yàn)證無(wú)人機(jī)傾斜攝影技術(shù)體積測(cè)算方法的準(zhǔn)確性,將無(wú)人機(jī)技術(shù)測(cè)算的體積與集料入庫(kù)數(shù)據(jù)進(jìn)行對(duì)比,計(jì)算其相對(duì)誤差,如表1所示.
表1 無(wú)人機(jī)技術(shù)體積計(jì)算結(jié)果與入庫(kù)數(shù)據(jù)對(duì)比
由表1分析可知,無(wú)人機(jī)傾斜攝影技術(shù)測(cè)算的集料體積與集料入庫(kù)數(shù)據(jù)相差不大,相對(duì)誤差控制在15%以?xún)?nèi),滿(mǎn)足測(cè)量的實(shí)際需求. 經(jīng)分析,誤差主要與以下因素相關(guān):1) 無(wú)人機(jī)精度. 衛(wèi)星距離地面太過(guò)遙遠(yuǎn),不可避免地會(huì)造成GPS誤差,影響無(wú)人機(jī)精度. 2) 相機(jī)參數(shù). 相機(jī)畸變參數(shù)會(huì)對(duì)航測(cè)精度造成影響. 3) 飛行高度. 飛行影像中飛行高度越低,精度越高. 4) 建模精度. SfM算法進(jìn)行模型重建時(shí)會(huì)出現(xiàn)誤差,在飛行高度為30 m時(shí),水平誤差和垂直誤差為3 cm左右,約為高度的1/1 000. 5) 計(jì)算誤差. 在進(jìn)行體積計(jì)算時(shí),采用的是基于密集點(diǎn)云構(gòu)建三角網(wǎng),進(jìn)而計(jì)算不規(guī)則柱體積的方法,而不規(guī)則三角網(wǎng)表面與集料真實(shí)表面仍有一定差距.
在表1中,與其他區(qū)域無(wú)人機(jī)技術(shù)結(jié)果高于入庫(kù)數(shù)據(jù)不同,區(qū)域3的無(wú)人機(jī)測(cè)算體積低于入庫(kù)數(shù)據(jù),經(jīng)分析是因?yàn)閰^(qū)域3的邊界為曲線(xiàn)形狀且不明顯,導(dǎo)致選取集料邊界點(diǎn)時(shí)未能將部分集料歸入,造成了無(wú)人機(jī)測(cè)算體積過(guò)小. 這帶來(lái)了以下啟示:1)選取邊界點(diǎn)時(shí),盡可能貼合集料邊界形狀,在曲線(xiàn)邊界處,特別要加密選點(diǎn). 2) 選取測(cè)區(qū)利用無(wú)人機(jī)獲取影像數(shù)據(jù)時(shí),在完全覆蓋倉(cāng)庫(kù)的基礎(chǔ)上稍稍擴(kuò)大測(cè)區(qū),力求完整呈現(xiàn)出集料的三維模型.
相較于傳統(tǒng)人工測(cè)量方法,基于無(wú)人機(jī)技術(shù)進(jìn)行瀝青集料體積測(cè)算具有很多優(yōu)勢(shì),如成本低、速度快、精度高等. 傳統(tǒng)測(cè)量方法耗費(fèi)時(shí)間長(zhǎng)、人力成本高、受人為因素影響較大,僅適合對(duì)較為規(guī)則的集料堆進(jìn)行測(cè)量. 而無(wú)人機(jī)攝影測(cè)量技術(shù)降低了外業(yè)任務(wù)的難度和工作量,內(nèi)業(yè)任務(wù)也具有自動(dòng)化、操作簡(jiǎn)單的優(yōu)點(diǎn),對(duì)瀝青集料具有很好的實(shí)用性.
集料堆是人為微地形,其形狀、大小差異較大,測(cè)量的精度要求較高. 對(duì)于相同的影像集,將生成模型的參數(shù)分別設(shè)置為最高、高、中、低、最低5個(gè)等級(jí),以參數(shù)設(shè)置為最高的模型結(jié)果為基準(zhǔn),探究模型參數(shù)設(shè)置對(duì)模型精度造成的影響.
由表2可以看出對(duì)同一無(wú)人機(jī)影像集,模型參數(shù)設(shè)置由最高降到最低時(shí),集料堆體積計(jì)算結(jié)果相對(duì)誤差較小,在2.5%以?xún)?nèi),可認(rèn)為模型參數(shù)設(shè)置對(duì)最終的計(jì)算結(jié)果并未產(chǎn)生顯著影響. 經(jīng)分析,原因在于影響計(jì)算結(jié)果的直接因素是DEM的分辨率,而
表2 不同參數(shù)模型的計(jì)算結(jié)果及誤差
即使模型參數(shù)設(shè)置為最低時(shí),模型的分辨率仍有0.6 m,相對(duì)于集料規(guī)模而言,0.6 m為比較精確的尺度,所以模型參數(shù)并未對(duì)集料體積產(chǎn)生顯著影響. 模型參數(shù)不同時(shí)DEM模型對(duì)料堆邊緣部分處理不同,故相對(duì)誤差的主要來(lái)源是DEM模型邊緣誤差的抵消和積累.
由于三維重建過(guò)程中對(duì)齊照片和建立密集點(diǎn)云2個(gè)步驟最為耗時(shí),故統(tǒng)計(jì)在不同模型參數(shù)設(shè)置下,對(duì)齊照片和生成密集點(diǎn)云所耗費(fèi)的時(shí)間,探究模型參數(shù)設(shè)置對(duì)模型效率的影響.
由表3可以看出當(dāng)模型參數(shù)設(shè)置從最低逐漸提高時(shí),每提高一個(gè)等級(jí),生成模型的時(shí)間就成倍增加,參數(shù)設(shè)置越高,耗費(fèi)的時(shí)間越長(zhǎng). 當(dāng)模型參數(shù)設(shè)置為最低時(shí),生成模型所需時(shí)間最短,只需要5 min左右,這大大降低了內(nèi)業(yè)作業(yè)所耗費(fèi)的時(shí)間. 當(dāng)測(cè)量區(qū)域較大時(shí),這對(duì)無(wú)人機(jī)傾斜攝影技術(shù)在瀝青集料堆體積測(cè)算技術(shù)的工程應(yīng)用具有十分重要的實(shí)際意義.
表3 不同參數(shù)模型的建模時(shí)間
本文針對(duì)瀝青集料堆體積測(cè)算與可視化管理問(wèn)題,提出了一種基于無(wú)人機(jī)攝影測(cè)量技術(shù)的集料體積測(cè)算方法,并對(duì)北京市政路橋建材集團(tuán)懷柔瀝青廠室外倉(cāng)庫(kù)的集料堆進(jìn)行了測(cè)量實(shí)驗(yàn),得出了以下結(jié)論:
1) 該方法可快速獲得集料堆三維模型,有利于管理人員從宏觀上了解集料的剩余量和分布情況,改變了傳統(tǒng)的人工盤(pán)點(diǎn)方式,實(shí)現(xiàn)瀝青集料堆的可視化、智能化管理,具有較高的實(shí)用價(jià)值.
2) 該方法可準(zhǔn)確地獲得集料堆總體積,與入庫(kù)數(shù)據(jù)的相對(duì)誤差小于15%,滿(mǎn)足測(cè)量的實(shí)際需求.
3) 模型參數(shù)設(shè)置對(duì)體積計(jì)算結(jié)果無(wú)顯著影響,但模型參數(shù)設(shè)置的算法精度越高時(shí),生成模型所需的時(shí)間就越長(zhǎng). 當(dāng)模型參數(shù)設(shè)置為最低時(shí),時(shí)間成本最低,效率最高,在實(shí)際應(yīng)用中具有重要意義.
基于無(wú)人機(jī)攝影測(cè)量技術(shù)快速測(cè)算集料堆體積的方法雖然有效提高了測(cè)量的精度和速度,但也存在一些局限性,該方法只能應(yīng)用于室外倉(cāng)庫(kù),對(duì)室內(nèi)封閉倉(cāng)庫(kù)的集料體積測(cè)算存在困難. 因此室內(nèi)倉(cāng)庫(kù)集料堆如何進(jìn)行體積測(cè)算,是未來(lái)的研究方向.