倾斜模型精细化处理_无人机倾斜影像三维建模中的模型精细化

摘要:无人机倾斜影像制作三维模型，速度快、成本低，成为城市三维建模的首选。 而无人机倾斜影像三维建模中，数据冗余、模型 变形、影像缺失等多种问题常常会影响建模效果。本文针对无人机倾斜影像三维建模中的问题，提出了一系列相应的模型精细化 处理技术，使三维模型更加形象、逼真。

关键词:无人机倾斜影像 三维建模 模型变形 影像缺失 模型精细化

倾斜影像是同时从多个角度采集的影像数据, 利用倾斜影像制作三维模型,不仅使高昂的三维建 模成本大大降低,而且有效提升了三维建模的速度 和效率。

目前,无人机倾斜影像构建的三维模型,为智慧城市建设及地形复杂的地质灾害监测等提供了 全面、准确、详细的三维地理信息,广泛应用于多个领域。 然而，无人机倾斜影像三维建模实践中, 在影像预处理、空中三角测量、模型建立后等各技术 环节,还存在数据冗余、模型变形、影像缺失等多种 问题。

笔者针对这些问题,提出了一系列相应的技术措施,使无人机倾斜影像三维建模实现了模型精细化。

１ 无人机倾斜影像三维建模的关键技术

无人机倾斜影像三维建模的关键技术包括数据 预处理、空中三角测量、多视影像密集匹配、纹理映 射等[２]。

倾斜影像数据预处理主要为格式转换、旋 转影像、畸变差改正和增强处理。空中三角测量是以航空像片上量测的像点坐标为依据,采用严密的 数学模型,按最小二乘法原理,采用少量地面控制点 为平差条件,快速求解影像的定向及地面点加密问 题[３]。

倾斜影像的空三解算是将倾斜影像转换为正射影像的过程,包括影像预处理、影像联合平差、 基于特征点的影像匹配和正射影像的生成等步骤。

通常所用的影像匹配方法有基于像方灰度的匹配算 法,如相关函数法、协方差函数法、相关系数法、差平 方和法、差绝对值法、最小二乘影像匹配法等，还有一种影像匹配方法是基于像方特征的匹配算法,如 金字塔多级影像匹配算法、ＳＩＦＴ算法等[４]。

ＳＩＦＴ算 法在特征点提取的数量上有明显的优势,是从一幅 图像中根据设定的阈值找到一个局部特征向量集, 可以很好地进行局部目标的识别与匹配存在较大变 形如旋转、缩放、尺度改变的影像。

纹理映射是三维 模型制作流程的最后一步,也是增强模型视觉效果 的关键。 通俗地讲,纹理映射就是二维到三维的映 射关系。

将纹理空间中的纹理像素映射到屏幕空间中的像素的过程,其实质是建立从屏幕空间到纹理 空间及纹理空间到景物空间的两个映射关系[５]。

复杂的三维模型具有复杂的表面,需要多幅来自不 同视点的影像作为纹理图,才能为整个模型进行纹理映射。

２ 三维建模的问题及三维模型的精细化处理

２.１　 影像预处理

２.１.１　 影像畸变差校正

由于相机中心投影的特性,焦平面上不同区域 对影像的放大率不同而造成像片中心至像片边缘的 变形依次增大。一般情况下,轻微的畸变对像片质 量影响不大,但是如果建筑物畸变太严重会歪曲拍 摄实物的几何特征,需要对像片进行畸变校正。 影像畸变差校正的方法是:打开ＭａｐＭａｔｒｉｘ 软 件—工具—数码相机影像校正,然后打开去畸变工 具—添加影像—填写校正参数—校正。校正界面如图1所示

参数设置包括:坐标及单位定义、分辨率、成像 中心、校正参数、添加影像、网格大小、畸变去除。 设置好上述参数并检查无误后,点击“校正”按 钮,即可进行畸变差去除,