【建模干货】Mirauge3D让大面积倾斜空三不“跑崩”

​
倾斜建模、激光雷达数据处理技术等最新资讯、干货，关注公众号“三维前沿”
原文链接：原文链接
赢在起跑线上！Mirauge3D让大面积倾斜空三不“跑崩”

01| 现 状

数字城市三维模型是个劳心劳力的体力活，前期需要外业飞行人员投入繁琐细致的准备工作，讲究一个天地人和，才能抓住少有的时间窗口，在截止期限的压力前，内业的催促下，采集整个测区的有效数据。当几十上百G新鲜出炉的影像被送进机房，内业工作人员带着十二万分的紧张和期待，调配所有的计算资源，安装调试好软硬件环境。从此内业处理的征程开始了！

02| 关 键

倾斜空三可以说是三维建模的关键步骤，是重中之重的环节。倾斜影像空三是指解算相机参数、影像位置和姿态，以及加密点三维坐标的过程。倾斜影像空三整体流程主要分为影像特征点提取与匹配、构建自由网以及带控制数据的倾斜影像光束法区域网平差的三个步骤，空三处理的效果决定我们后期处理效果。

然而，当我们在实际生产过程中，往往会遇到软件空三运行完成后，空三结果出现断裂、分层、弯曲等等现象，即使最后通过人工干预，也是耗费大量的心力！

对于空三结果的“测不准原理”。首先我们先了解一下常见的倾斜空三算法SFM(structure-from-motion)原理，从原理找到现象的本质。

SFM(structure-from-motion)算法是一种基于各种收集到的无序图片进行稀疏三维重建的离线算法。首先从图片中提取焦距信息，然后利用SIFT等特征提取算法去提取图像特征，用kd-tree模型去计算两张图片特征点之间的欧式距离进行特征点的匹配，从而找到特征点匹配个数达到要求的图像对。对于每一个图像匹配对，计算对极几何，估计F矩阵并通过ransac算法优化改善匹配对。这样如果有特征点可以在这样的匹配对中链式地传递下去，一直被检测到，那么就可以形成空三连接点。

为了识别和描述图像中的目标，需要从图像中提取出与目标相联系的特征。利用这些特征可以从众多背景目标中识别出所需目标。为了确保准确无误地识别出目标，要求在各种视角、光照、距离以及噪声条件下仍然可以准确地进行匹配。在SFM部分，关键的第一步就是选择好的图像对去初始化整个自由网构建过程。首先对初始化选择的两幅图片进行第一次（Bundle Adjustment，平差），然后循环添加新的图片进行新的BA，最后直到没有可以继续添加的合适的图片，BA结束。得到相机估计参数和场景几何信息，即稀疏的3D点云。SFM流程如下：