留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

优视摄影测量与泛在实景三维数据采集:以实景三维青岛为例

李清泉 邵成立 万剑华 王海银 姜三 于文率

李清泉, 邵成立, 万剑华, 王海银, 姜三, 于文率. 优视摄影测量与泛在实景三维数据采集:以实景三维青岛为例[J]. 武汉大学学报 ( 信息科学版), 2022, 47(10): 1587-1597. doi: 10.13203/j.whugis20220079
引用本文: 李清泉, 邵成立, 万剑华, 王海银, 姜三, 于文率. 优视摄影测量与泛在实景三维数据采集:以实景三维青岛为例[J]. 武汉大学学报 ( 信息科学版), 2022, 47(10): 1587-1597. doi: 10.13203/j.whugis20220079
LI Qingquan, SHAO Chengli, WAN Jianhua, WANG Haiyin, JIANG San, YU Wenshuai. Optimized Views Photogrammetry and Ubiquitous Real 3D Data Acquisition with the Application Case in Qingdao[J]. Geomatics and Information Science of Wuhan University, 2022, 47(10): 1587-1597. doi: 10.13203/j.whugis20220079
Citation: LI Qingquan, SHAO Chengli, WAN Jianhua, WANG Haiyin, JIANG San, YU Wenshuai. Optimized Views Photogrammetry and Ubiquitous Real 3D Data Acquisition with the Application Case in Qingdao[J]. Geomatics and Information Science of Wuhan University, 2022, 47(10): 1587-1597. doi: 10.13203/j.whugis20220079

优视摄影测量与泛在实景三维数据采集:以实景三维青岛为例

doi: 10.13203/j.whugis20220079
基金项目: 

实景三维青岛建设项目 ZFCG2021000043

青岛高新区基础地理信息数据建设项目 GXCG2020000113

广东省自然科学基金 2020A0505100064

深圳市科技创新重点项目 JCYJ20210324120213036

详细信息
    作者简介:

    李清泉,博士,教授,国际欧亚科学院院士,俄罗斯工程院院士,研究方向为动态精密工程测量。liqq@szu.edu.cn

    通讯作者: 于文率,博士,副研究员。ywsh@szu.edu.cn
  • 中图分类号: P231

Optimized Views Photogrammetry and Ubiquitous Real 3D Data Acquisition with the Application Case in Qingdao

Funds: 

The Project of Qingdao Real Scene 3D Construction ZFCG2021000043

the Basic Geographic Information Data Construction Project of Qingdao High Tech Zone GXCG2020000113

the Natural Science Foundation of Guangdong Province 2020A0505100064

Shenzhen Key Project of Science and Technology Innovation JCYJ20210324120213036

More Information
    Author Bio:

    LI Qingquan, PhD, professor, Academician of International Eurasian Academy of Sciences, Academician of Russian Academy of Engineering, specializes in dynamic and precise engineering surveying. E-mail: liqq@szu.edu.cn

    Corresponding author: YU Wenshuai, PhD, associate professor. E-mail: ywsh@szu.edu.cn
  • 摘要: 面向实景三维建设的广阔需求,提出了一种新型无人机摄影测量技术,即优视摄影测量。分析说明了优视摄影测量的技术原理,以多种方式获取的三维概略模型为规划依据,结合立体观测采样和可观测性约束分析生成和优选出航摄视角,进而形成对应的航摄路径; 针对大测区应用与无人机作业能力有限的矛盾,以航线划分的方式从精细规划端给出了多无人机协同施测的解决方案;以实景三维青岛建设中的城市核心区为测试场景,实现了面向大范围复杂城市场景的优视航测多机协同实景三维数据采集实施验证, 分别进行了分区块及全区整体的实景三维重建,并与专业化倾斜航测系统生成的实景模型进行对比分析。结果表明,优视摄影测量技术模式下生成实景三维模型的精细度具有显著提升。在保证高质量输出的前提下,该技术模式可驱动轻小型航摄设备实现较大范围复杂区域的实景三维数据采集,并通过协同施测提高作业效率。以优视摄影测量为技术内核,可进一步延展为面向多方向、多领域的泛在实景三维数据采集技术应用模式。
  • 图  1  优视摄影测量实景三维重建工作流程

    Figure  1.  Workflow of Optimized Views Photogrammetry for 3D Real Scene Reconstruction

    图  2  优视航摄规划技术路线

    Figure  2.  Technique Roadmap of Optimized Views Aerial Photography Planning

    图  3  城市核心区优视航摄测区划分

    Figure  3.  Area Partition for Optimized Views Photogrammetry in Central Urban District

    图  4  城市核心区概略模型及其优视航测规划路径

    Figure  4.  Rough Model and Optimized Views Photogrammetry Aerial Planning Path in Central Urban District

    图  5  多类型分区优视航测规划路径

    Figure  5.  Optimized Views Photogrammetry Aerial Planning Path for Several Types of Subregions

    图  6  优视航测协同采集示例

    Figure  6.  Illustration of Collaborative Data Capture for Optimized Views Photogrammetry

    图  7  城市场景优视航测分区空三结果

    Figure  7.  Aerial Triangulations of Optimized Views Photogrammetry for Several Types of Subregions in Urban Scenario

    图  8  典型分区实景三维重建模型及细节

    Figure  8.  3D Real Scene Mesh Models and Details of Typical Subregions

    图  9  三维重建模型结果对比

    Figure  9.  Comparison of 3D Real Scene Mesh Models

    图  10  城市核心区整体重建空三处理和实景建模结果

    Figure  10.  Aerial Triangulation and Reconstructed 3D Real Scene Mesh Model in Central Urban District

    图  11  城市核心区整体重建的平面和高程误差分布

    Figure  11.  Distribution of Checking Errors of Reconstructed Mesh Model in Central Urban District

    表  1  优视航测实施信息统计结果

    Table  1.   Statistical Results of Optimized Views Photogrammetry Implementation

    指标 优视航测分区
    1号 2号 3号 4号 5号 6号
    航线路径长度/m 94 757 173 631 60 254 23 949 90 576 92 249
    预计飞行架次 20 40 13 5 19 20
    实际飞行架次 43 77 23 13 32 32
    预计飞行时间/min 152 243 55 36 106 137
    实际飞行时间/min 316 579 201 80 302 308
    航线数量 74 236 76 17 94 60
    途经点数量 9 030 18 575 5 957 1 858 8 112 6 589
    航迹内插采集照片数量 6 320 11 580 4 020 1 600 6 040 6 160
    实际采集照片数量 14 443 27 394 9 245 2 838 12 445 12 275
    注:表中实际飞行架次和时间要多于预计飞行架次和时间的多机协同分摊,主要原因是预计飞行架次和时间未计入放飞、回收以及航线调整的代价损耗;实际采集的照片数量基本等于途经点与内插采集的数量和
    下载: 导出CSV

    表  2  优视分区空三主要指标

    Table  2.   Key Parameters in Aerial Triangulation

    指标 分区
    2号 3号 4号
    平均分辨率/(mm·pixel-1 26.46 21.92 22.36
    完整性 28 746/28 746 10 803/10 893 6 236/6 459
    连接点总数 2 749 028 788 619 341 011
    连接点中位数 408 362 302
    精度/pixel 0.64 0.58 0.56
    下载: 导出CSV
  • [1] 李德仁, 肖雄武, 郭丙轩, 等. 倾斜影像自动空三及其在城市真三维模型重建中的应用[J]. 武汉大学学报·信息科学版, 2016, 41(6): 711-721 doi:  10.13203/j.whugis20160099

    Li Deren, Xiao Xiongwu, Guo Bingxuan, et al. Oblique Image Based Automatic Aerotriangulation and Its Application in 3D City Model Reconstruction[J]. Geomatics and Information Science of Wuhan University, 2016, 41(6): 711-721 doi:  10.13203/j.whugis20160099
    [2] Zhang X J, Zhao P C, Hu Q W, et al. A UAV-Based Panoramic Oblique Photogrammetry (POP) Approach Using Spherical Projection[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2020, 159: 198-219 doi:  10.1016/j.isprsjprs.2019.11.016
    [3] Herbort S, Wöhler C. An Introduction to Image-Based 3D Surface Reconstruction and a Survey of Photometric Stereo Methods[J]. 3D Research, 2011, 2(3): 4 doi:  10.1007/3DRes.03(2011)4
    [4] 李清泉. 动态精密工程测量[M]. 北京: 科学出版社, 2021

    Li Qingquan. Dynamic Precision Engineering Survey[M]. Beijing: Science Press, 2021
    [5] Colomina I, Molina P. Unmanned Aerial Systems for Photogrammetry and Remote Sensing: A Review[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014, 92: 79-97 doi:  10.1016/j.isprsjprs.2014.02.013
    [6] Xiang T Z, Xia G S, Zhang L P. Mini-Unmanned Aerial Vehicle-Based Remote Sensing: Techniques, Applications, and Prospects[J]. IEEE Geoscience and Remote Sensing Magazine, 2019, 7(3): 29-63 doi:  10.1109/MGRS.2019.2918840
    [7] Nex F, Remondino F. UAV for 3D Mapping Applications: A Review[J]. Applied Geomatics, 2014, 6(1): 1-15 doi:  10.1007/s12518-013-0120-x
    [8] Liu L G, Xia X, Sun H, et al. Object-Aware Guidance for Autonomous Scene Reconstruction[J]. ACM Transactions on Graphics, 2018, 37(4): 104
    [9] Koch T, Körner M, Fraundorfer F. Automatic and Semantically-Aware 3D UAV Flight Planning for Image-Based 3D Reconstruction[J]. Remote Sensing, 2019, 11(13): 1550 doi:  10.3390/rs11131550
    [10] Smith N, Moehrle N, Goesele M, et al. Aerial Path Planning for Urban Scene Reconstruction[J]. ACM Transactions on Graphics, 2018, 37(6): 1-15
    [11] Hepp B, Nießner M, Hilliges O. Plan3D: Viewpoint and Trajectory Optimization for Aerial Multi-View Stereo Reconstruction[J]. ACM Transactions on Graphics, 2019, 38(1): 1-17 https://arxiv.org/pdf/1705.09314.pdf
    [12] Zhou X H, Xie K, Huang K, et al. Offsite Aerial Path Planning for Efficient Urban Scene Reconstruction[J]. ACM Transactions on Graphics, 2020, 39(6): 192
    [13] 李清泉, 黄惠, 姜三, 等. 优视摄影测量方法及精度分析[J]. 测绘学报, 2022, 51(6): 996-1007 https://www.cnki.com.cn/Article/CJFDTOTAL-CHXB202206018.htm

    Li Qingquan, Huang Hui, Jiang San, et al. Optimized Views Photogrammetry and Its Precision Analysis[J]. Acta Geodaetica et Cartographica Si-nica, 2022, 51(6): 996-1007 https://www.cnki.com.cn/Article/CJFDTOTAL-CHXB202206018.htm
    [14] 陶鹏杰, 何佳男, 席可, 等. 基于旋翼无人机的贴近摄影测量方法: CN110006407A[P]. 2020-04-10

    Tao Pengjie, He Jianan, Xi Ke, et al. Nap-of-the-Object Photogrammetry Method Based on Rotor Unmanned Aerial Vehicle: CN110006407A[P]. 2020-04-10
    [15] 张剑清, 胡安文. 多基线摄影测量前方交会及精度分析[J]. 武汉大学学报·信息科学版, 2007, 32(10): 847-851 http://ch.whu.edu.cn/article/id/1996

    Zhang Jianqing, Hu Anwen. Method and Precision Analysis of Multi-Baseline Photogrammetry[J]. Geomatics and Information Science of Wuhan University, 2007, 32(10): 847-851 http://ch.whu.edu.cn/article/id/1996
    [16] 柯涛, 张祖勋, 张剑清. 旋转多基线数字近景摄影测量[J]. 武汉大学学报·信息科学版, 2009, 34(1): 44-47 http://ch.whu.edu.cn/article/id/1135

    Ke Tao, Zhang Zuxun, Zhang Jianqing. Panning and Multi-Baseline Digital Close-Range Photogrammetry[J]. Geomatics and Information Science of Wuhan University, 2009, 34(1): 44-47 http://ch.whu.edu.cn/article/id/1135
    [17] Corsini M, Cignoni P, Scopigno R. Efficient and Flexible Sampling with Blue Noise Properties of Triangular Meshes[J]. IEEE Transactions on Visualization and Computer Graphics, 2012, 18(6): 914-924 doi:  10.1109/TVCG.2012.34
    [18] 姜三, 陈武, 李清泉, 等. 无人机影像增量式运动恢复结构研究进展[J]. 武汉大学学报·信息科学版, 2022, DOI:  10.13203/j.whugis20220130

    Jiang San, Chen Wu, Li Qingquan, et al. Recent Research of Incremental Structure from Motion for Unmanned Aerial Vehicle Images[J]. Geomatics and Information Science of Wuhan University, 2022, DOI:  10.13203/j.whugis20220130
    [19] 姜三, 许志海, 张峰, 等. 面向无人机倾斜影像的高效SfM重建方案[J]. 武汉大学学报·信息科学版, 2019, 44(8): 1153-1161 doi:  10.13203/j.whugis20180030

    Jiang San, Xu Zhihai, Zhang Feng, et al. Solution for Efficient SfM Reconstruction of Oblique UAV Images[J]. Geomatics and Information Science of Wuhan University, 2019, 44(8): 1153-1161 doi:  10.13203/j.whugis20180030
    [20] Fuhrmann S, Goesele M. Floating Scale Surface Reconstruction[J]. ACM Transactions on Graphics, 2014, 33(4): 1-11
    [21] Helsgaun K. Solving the Equality Generalized Traveling Salesman Problem Using the Lin-Kernighan-Helsgaun Algorithm[J]. Mathematical Programming Computation, 2015, 7(3): 269-287 doi:  10.1007/s12532-015-0080-8
    [22] 刘经南, 高柯夫. 智能时代测绘与位置服务领域的挑战与机遇[J]. 武汉大学学报·信息科学版, 2017, 42(11): 1506-1517 doi:  10.13203/j.whugis20170324

    Liu Jingnan, Gao Kefu. Challenges and Opportunities for Mapping and Surveying and Location Based Service in the Age of Intelligence[J]. Geomatics and Information Science of Wuhan University, 2017, 42(11): 1506-1517 doi:  10.13203/j.whugis20170324
  • [1] 李腾, 张宝钢, 程晓, 张媛媛, 惠凤鸣, 赵天成, 秦为稼, 梁建宏, 杨元德, 刘旭颖, 李新情.  无人机在南极科学研究的应用:进展与展望 . 武汉大学学报 ( 信息科学版), 2022, 47(5): 651-664. doi: 10.13203/j.whugis20200098
    [2] 陈军, 刘建军, 田海波.  实景三维中国建设的基本定位与技术路径 . 武汉大学学报 ( 信息科学版), 2022, 47(10): 1568-1575. doi: 10.13203/j.whugis20220576
    [3] 叶震, 许强, 刘谦, 董秀军, 王晓晨, 宁浩.  无人机倾斜摄影测量在边坡岩体结构面调查中的应用 . 武汉大学学报 ( 信息科学版), 2020, 45(11): 1739-1746. doi: 10.13203/j.whugis20200077
    [4] 刘辉, 徐青, 靳国旺, 楼良盛.  非理想航迹城市建筑群MIMO下视阵列SAR三维仿真 . 武汉大学学报 ( 信息科学版), 2019, 44(3): 413-421, 442. doi: 10.13203/j.whugis20160508
    [5] 李胜辉, 史瑞芝, 朱明.  一种顾及多重约束的三维地形简化方法 . 武汉大学学报 ( 信息科学版), 2018, 43(2): 241-247. doi: 10.13203/j.whugis20160431
    [6] 温扬茂, 冯怡婷.  地震破裂模型约束的中国阿里地震三维形变场 . 武汉大学学报 ( 信息科学版), 2018, 43(9): 1369-1375. doi: 10.13203/j.whugis20160450
    [7] 朱庆, 韩会鹏, 于杰, 杜志强, 张骏骁, 吴晨, 沈富强.  应急测绘无人机资源多目标优化调度方法 . 武汉大学学报 ( 信息科学版), 2017, 42(11): 1608-1615. doi: 10.13203/j.whugis20130000
    [8] 袁修孝, 蔡杨, 史俊波, 钟灿.  北斗辅助无人机航摄影像的空中三角测量 . 武汉大学学报 ( 信息科学版), 2017, 42(11): 1573-1579. doi: 10.13203/j.whugis20170236
    [9] 李媛, 胡翰, 谢金华, 朱庆, 张叶廷, 杜志强, 彭明军, 高山.  局部区域表面一致性约束的三维模型纹理映射方法 . 武汉大学学报 ( 信息科学版), 2016, 41(12): 1599-1604. doi: 10.13203/j.whugis20140537
    [10] “泛在测绘与位置服务及其大数据应用技术”国际工程论坛拟于2015年召开 . 武汉大学学报 ( 信息科学版), 2015, 40(1): 63-63.
    [11] 魏二虎, 殷志祥, 李广文, 李智强.  虚拟观测值法在三维坐标转换中的应用研究 . 武汉大学学报 ( 信息科学版), 2014, 39(2): 152-156. doi: 10.13203/j.whugis20120648
    [12] 刘经南, 方媛, 郭迟, 高柯夫.  位置大数据的分析处理研究进展 . 武汉大学学报 ( 信息科学版), 2014, 39(4): 379-385. doi: 10.13203/j.whugis20140210
    [13] 袁理, 陈庆虎, 廖海斌, 段柳云.  单视影像下的人脸快速三维重建 . 武汉大学学报 ( 信息科学版), 2012, 37(4): 487-491.
    [14] 杨成杰, 吴冲龙, 翁正平, 张夏林.  矢量剪切技术在地质三维建模中的应用 . 武汉大学学报 ( 信息科学版), 2010, 35(4): 419-422.
    [15] 李欣, 侯文广, 杜志强, 商浩亮.  角度已知的结构光摄影测量三维重建 . 武汉大学学报 ( 信息科学版), 2009, 34(9): 1063-1067.
    [16] 张剑清, 孙明伟, 郑顺义, 季铮.  基于轮廓约束的摄影测量法元青花瓶数字三维重建 . 武汉大学学报 ( 信息科学版), 2009, 34(1): 7-10.
    [17] 何津, 费立凡.  再论三维Douglas-Peucker算法及其在DEM综合中的应用 . 武汉大学学报 ( 信息科学版), 2008, 33(2): 160-163.
    [18] 陈鹏, 孟令奎, 宋杨.  三维GIS中基于空间拓扑约束条件的R树研究 . 武汉大学学报 ( 信息科学版), 2007, 32(4): 347-349.
    [19] 张宏伟, 张祖勋, 张剑清.  直线摄影测量观测值的冗余度和相关性分析 . 武汉大学学报 ( 信息科学版), 2005, 30(9): 775-777.
    [20] 张琛, 贺彪, 郭仁忠, 马丁, 陈业滨.  倾斜摄影三维模型Unreal Engine 4渲染的数据转换方法 . 武汉大学学报 ( 信息科学版), 0, 0(0): -. doi: 10.13203/j.whugis20210574
  • 加载中
图(11) / 表(2)
计量
  • 文章访问数:  331
  • HTML全文浏览量:  96
  • PDF下载量:  92
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-06-09
  • 刊出日期:  2022-10-05

优视摄影测量与泛在实景三维数据采集:以实景三维青岛为例

doi: 10.13203/j.whugis20220079
    基金项目:

    实景三维青岛建设项目 ZFCG2021000043

    青岛高新区基础地理信息数据建设项目 GXCG2020000113

    广东省自然科学基金 2020A0505100064

    深圳市科技创新重点项目 JCYJ20210324120213036

    作者简介:

    李清泉,博士,教授,国际欧亚科学院院士,俄罗斯工程院院士,研究方向为动态精密工程测量。liqq@szu.edu.cn

    通讯作者: 于文率,博士,副研究员。ywsh@szu.edu.cn
  • 中图分类号: P231

摘要: 面向实景三维建设的广阔需求,提出了一种新型无人机摄影测量技术,即优视摄影测量。分析说明了优视摄影测量的技术原理,以多种方式获取的三维概略模型为规划依据,结合立体观测采样和可观测性约束分析生成和优选出航摄视角,进而形成对应的航摄路径; 针对大测区应用与无人机作业能力有限的矛盾,以航线划分的方式从精细规划端给出了多无人机协同施测的解决方案;以实景三维青岛建设中的城市核心区为测试场景,实现了面向大范围复杂城市场景的优视航测多机协同实景三维数据采集实施验证, 分别进行了分区块及全区整体的实景三维重建,并与专业化倾斜航测系统生成的实景模型进行对比分析。结果表明,优视摄影测量技术模式下生成实景三维模型的精细度具有显著提升。在保证高质量输出的前提下,该技术模式可驱动轻小型航摄设备实现较大范围复杂区域的实景三维数据采集,并通过协同施测提高作业效率。以优视摄影测量为技术内核,可进一步延展为面向多方向、多领域的泛在实景三维数据采集技术应用模式。

English Abstract

李清泉, 邵成立, 万剑华, 王海银, 姜三, 于文率. 优视摄影测量与泛在实景三维数据采集:以实景三维青岛为例[J]. 武汉大学学报 ( 信息科学版), 2022, 47(10): 1587-1597. doi: 10.13203/j.whugis20220079
引用本文: 李清泉, 邵成立, 万剑华, 王海银, 姜三, 于文率. 优视摄影测量与泛在实景三维数据采集:以实景三维青岛为例[J]. 武汉大学学报 ( 信息科学版), 2022, 47(10): 1587-1597. doi: 10.13203/j.whugis20220079
LI Qingquan, SHAO Chengli, WAN Jianhua, WANG Haiyin, JIANG San, YU Wenshuai. Optimized Views Photogrammetry and Ubiquitous Real 3D Data Acquisition with the Application Case in Qingdao[J]. Geomatics and Information Science of Wuhan University, 2022, 47(10): 1587-1597. doi: 10.13203/j.whugis20220079
Citation: LI Qingquan, SHAO Chengli, WAN Jianhua, WANG Haiyin, JIANG San, YU Wenshuai. Optimized Views Photogrammetry and Ubiquitous Real 3D Data Acquisition with the Application Case in Qingdao[J]. Geomatics and Information Science of Wuhan University, 2022, 47(10): 1587-1597. doi: 10.13203/j.whugis20220079
  • 数字孪生方兴未艾,元宇宙浪潮又席卷而来,实景三维的重要价值日益凸显。实景三维模型是集数据、结构、功能为一体的三维数据智能表达模型,其特点是具有精准的三维几何信息和空间关系、丰富的地形要素,以及多细节层次的表达。实景三维亦被确定为新型基础测绘的标准化产品。当前阶段实景三维建设的重点主要集中在城市级,这既来自于城市区域空间信息更立体、更精细的高标准要求,也服务于智慧城市建设基础底图的具体需要。

    近年来,载人飞机搭载专业倾斜航摄仪已成为城市倾斜摄影数据采集的典型配置,也是实景三维生产的主要数据来源[1]。这种方式效率高、成本低,但受限于固定的航高、有限的拍摄视角以及城市场景复杂多变的几何结构,难以满足城市场景更高精细度建模和局部更新等的需求[2]。面向实景三维需求,城市场景的复杂性可概括为三个方面的实际难点:(1)特定航高采集难以保证全局一致的空间分辨率;(2)采集过程中会出现观测对象局部受到遮挡的情况;(3)城市中心区异形结构建筑集中,采集要求高、难度大、受限制影响多。除上述难点外,非朗伯体表面反射[3]等影像三维重建的顽疾问题在城市场景中也广泛存在,因此,高精细度实景三维建模需要从数据采集前端寻找突破解决途径。

    无人机摄影测量具有高精度、动态、高效、协同等特点,属于典型的动态精密测量技术[4]。无人机航摄系统的使用更为便捷灵活,飞行高度更低且影像分辨率更高,对于局部较小范围的数据采集是非常合适且经济的选择,可作为实景三维影像数据采集的有力补充手段。尽管引入了各种硬件配置和作业模式,仍未改善由于相对固定的航高和航拍视角,特别是侧立面视角不足而导致的倾斜摄影三维模型变形拉花和分辨率不一致等问题[5-7]。基于多旋翼无人机所特有的高机动性,优视摄影测量[8-13]提供了一种解决上述问题的可行方案,能够保证以更低的飞行高度、更贴近的采集距离,沉浸式地实现航摄数据获取。

    优视摄影测量是对贴近摄影测量技术[14]的演进延伸,其基础原理更近似于多基线摄影测量[15-16]。优视摄影测量与贴近摄影测量同属于面向对象的摄影测量技术模式,并遵循由粗到细的摄影采集策略。其拓展是基于可重建性判据,对观测采样生成的航摄视角进行自动优化选取,从而形成供无人机实施航摄采集的规划路径。优视摄影测量通过高度自动化的测前处理分析,形成了精细化无人机实景三维数据采集驱动能力。

    中国青岛市五四广场周边约2 km2的区域范围内汇集了市政府大楼、“五月的风”、奥帆中心等城市地标,是政务、中央商务、高端居住、旅游休闲等多区混合构成的城市核心区。该区域既有突出的功能地位,同时也是典型城市场景,包含了前述难点,是“实景三维青岛建设项目”中亟需重点解决的关键部分。以青岛市核心区为实践验证场景,优视摄影测量技术实现了复杂城市场景条件下的高精细度实景三维建设应用目标。针对该场景,优视技术所特有的自动化规划分析、航线划分多机协同采集等功能的实用性也得到了检验和证明。同时,基于优视摄影测量技术对于廉价多旋翼无人机系统的专业化应用赋能,进一步提出了泛在实景三维数据采集的新型技术应用模式。

    • 在面向实景三维建设的实际应用中,优视摄影测量的主要输入信息是所观测场景对象的三维概略模型,模型可通过遥感影像或其他空间先验信息生成。当需要最新的先验信息时,则可通过预飞行采集生成概略模型。为确保概略模型能够更加准确地支持空间定位,可在概略模型中导入像控点。如果待测的区域范围较大,可在测前准备期间进行测区划分。根据设置的平均分辨率和相邻影像重叠率参数,在概略模型表面生成观测采样点,进一步生成并优选出观测视角。优选视角可做分区和分层聚类处理,并连接视角形成分段配置航摄路径。这些航线可驱动单架次无人机分段完成航摄任务,也可以支持多架无人机协同航摄。针对大范围测区的情况,可在测区划分的基础上实现多区域联合施测。所获取的数据经由后处理,实现空间场景对象高精细度三维重建。优视摄影测量基本工作流程如图 1所示。

      图  1  优视摄影测量实景三维重建工作流程

      Figure 1.  Workflow of Optimized Views Photogrammetry for 3D Real Scene Reconstruction

    • 优视摄影测量的核心部分是优视规划,其技术原理是以多种方式获取生成的概略模型为规划依据,结合立体观测采样和可观测性约束分析生成与优选出航摄视角,并形成适用于多种测量应用,以航摄路径为载体形式的无人机摄影测量规划方案[13]图 2为优视航摄规划技术路线,其主要步骤如下:

      图  2  优视航摄规划技术路线

      Figure 2.  Technique Roadmap of Optimized Views Aerial Photography Planning

      1)概略模型生成

      传统航测和倾斜摄影主要以正射影像等二维平面信息为规划依据。优视摄影测量则是根据三维概略模型实施航摄规划,在技术处理中将这些三维先验信息划归为概略模型。

      概略模型是空间场景或物体对象的基本几何结构表示,以航摄规划为目的,可将获取或生成概略模型的方式分为3种:预飞行重建生成[10],基础地理信息数据转化生成[12],设计信息模型转换导入。基于即时性考虑,在城市实景三维建设中采用预飞行重建生成概略模型的方式更为适宜。优视摄影测量利用预飞行采集的影像数据,通过基本重建输出两种形式的概略模型,分别称为实体对象模型和分层2.5D模型。实际的应用效果表明,尽管相对于2.5D模型,实体对象模型的结构不够完整饱满,但却能够反映地物特别是异形结构建筑的细节特点,因此可采用实体对象模型作为规划参考的概略模型。

      2)禁飞区设置

      利用无人机进行包围式航拍,场景中的地物、建筑等可能会成为飞行航线上的障碍物,从而对飞行安全构成威胁。另外,受环境或其他因素的随机影响,在位姿控制无法保证始终精准稳定,与地物距离过近也会有碰撞风险。因此,按照设定的安全距离,在准确识别场景中独立地物的基础上,在水平和垂直方向上的膨胀处理建立禁飞区,以保证飞行安全。具体安全距离数值的设定需要根据场景环境的复杂程度、概略模型的精细程度以及无人机位姿的控制能力。

      3)观测采样及初选视角生成

      多种方式生成的概略模型提供场景对象的空间结构,优视摄影测量围绕概略模型,通过观测采样建立与多视立体观测之间的联系[13]。采用约束的泊松圆盘采样方法[17]进行观测采样。该方法的优点在于其是一种重要性采样,采样结果能够较好地反映模型表面的显著性几何特征,从而化整为零,将概略模型划分为细小的局部单元,对每一个单元做针对性的配置,具体生成对应的航摄视角。

      4)优选视角生成

      由泊松采样立体观测生成了一个密集的初选视角集合,其中包含了大量的冗余视角,需做进一步的优化选取。该过程等效为三维重建数据处理相似技术环节的航摄规划阶段前置。例如增量光束法平差会在每次添加视角时选取匹配质量最好的视角[18-19],而多视立体稠密重建则会滤除不满足判定条件的视角面片[20]。根据文献[12-13]中所定义的可重建性判据、视角冗余度以及最终关于所有采样观测点和初选视角的优化目标函数,对初始生成的观测视角进行优化选取。

      5)优视航线生成

      通过视角优选得到的视角集合包含了每个选取视角的摄站位置和相机姿态,无人机的航摄规划实际串连这些优选视角对应的摄站点形成航飞路线,并设定航拍姿态角度。据此,无人机的航线生成可以归纳为静态路径规划问题。构建以摄站为节点的全连接图,将问题进一步转化为旅行推销员问题(traveling salesman problem,TSP),以最小的代价通过所有的途经点,并形成连通路径。途经点的接边代价包括了间距和相机姿态调整所代表的航摄能量消耗。

      由于摄站点的数量较多,且在三维空间中分布,寻找全局最优解是耗时且困难的。为解决该问题,技术路线中会先行对优选视角做聚类划分处理。采取分区和分层方式,分区聚类是以视角位姿的近似性划分视角集,分层聚类则是以视角所处高度的相近实现划分。聚类后采用遗传算法解决视角子集的TSP航线生成[21],使得处理难度降低、效率提升。

      结合无人机的续航能力,视角聚类及航线生成也同步实现了航线分段划分,分段航线在空间位置上不存在交叠冲突,从而构成了优视摄影测量支持多无人机协同作业实施的技术应用基础。

    • 大范围城市场景验证区域选取了青岛市五四广场东侧约2 km2面积的城市核心区,全区地势平坦,无地形起伏,区域内各种功能性地物和部件丰富多样,建筑高度差异大,全区最高建筑223 m,中央商务区多为高层建筑,沿海居住区为多层建筑,五四广场和奥帆中心等处可设定为基准地面。

      根据优视摄影测量技术的特点、无人机的作业续航能力,以及全区范围内的功能和建筑平均高度分布情况,进行测区划分,如图 3所示。整个区域划为6个分区,编号为1~6;根据分区内场景对象三维展开面积,细分为更小的区块,其中最大区块5-6占地面积0.37 km2,最小区块2-8包含全区最高的超高层建筑,占地面积0.02 km2。每个细分区块内的建筑物高度基本相近,以每个区块为具体的场景对象进行优视规划。

      图  3  城市核心区优视航摄测区划分

      Figure 3.  Area Partition for Optimized Views Photogrammetry in Central Urban District

    • 当确定了测区划分方案后,需要采集影像并生成概略模型。试验采用专业航摄仪获取的倾斜摄影数据生成概略模型,飞行航高340 m,地面分辨率2.8 cm,单相机有效像素1.5亿,垂直镜头焦距40 mm,倾斜镜头焦距70 mm,倾斜角度45°。对于倾斜摄影的5个视角,仅选取了下视、后视、右视3个视角的影像数据,照片数量为2 433张,通过三维重建处理生成全区的概略模型。重建使用RealityCapture软件,数据处理的平台配置为3.7 GHz Intel Core i9-10900X处理器,12 GB RTX3080图形卡,Windows操作系统,三维重建总耗时40 h。

      鉴于灵活性和安全性,优视航测采集实施所选择的无人机平台是轻小型的大疆精灵4 RTK,相机的配置参数为2 000万有效像素,24 mm等效焦距。规划中设定航摄视距为70 m,采样重叠率为85%,由于城市场景近地面空间的情况较为复杂,所以设定最低飞行高度为30 m。基于上述的参数设置,生成城市核心区的无人机实景三维数据采集规划路径,如图 4所示,其中图 4(a)图 4(b)分别从俯视和侧视两个角度显示了城市核心区的概略模型和优视航测规划路径。

      图  4  城市核心区概略模型及其优视航测规划路径

      Figure 4.  Rough Model and Optimized Views Photogrammetry Aerial Planning Path in Central Urban District

      按照无人机系统的续航能力,每段航线包含180个途经点,即视角点,全区范围共生成278段航线,优视航线形成了对场景对象的空间三维包围式覆盖。根据图 4中概略模型的两个视角,图 5对应显示2、3、4号分区的规划航线。2号分区的场景是高层建筑物密集的中央商务区,其特点是区域内以高层建筑为主,且建筑物之间的间距狭小,分区内有超高层建筑;3号分区属于地物高度落差大的区域,包括平矮的商超和停车场、高层写字楼、中高层的住宅;4号分区为低矮的海边别

      图  5  多类型分区优视航测规划路径

      Figure 5.  Optimized Views Photogrammetry Aerial Planning Path for Several Types of Subregions

      墅和多层建筑构成的居住区,连接西侧的广场形成滨海平坦区域。各类型分区在城市场景中具有典型性,同时也是倾斜摄影测量等常规技术手段难以处理的区域。

    • 随着技术系统智能化程度的提高,对于高精细度地理信息数据产品的获取生成可以采用多智能体协同的方式来施行。相对于传统空中平面内往复的航线方案,优视航线的线路更长,时间成本更高。进一步考虑轻小型旋翼无人机的续航能力,优视航测单机单架次的作业效率低。因此,对于较大范围的待测区域,多机同步施测是解决效率问题最为有效的方法。

      轻小型旋翼无人机成本低、操作简易、应用广泛的优点奠定了无人机协同应用的基础,所缺乏的是一体化规划和自动协同控制能力。优视摄影测量对于无人机协同应用的支持主要体现在一体化规划方面。围绕高质量航测数据采集的目标,既能保证对空间场景的多维完整覆盖,同时基于航线的无交叠划分,也使得多无人机系统在规划层面具备了协同应用条件。

      1)大区域范围无人机集群式联合施测

      在短期时效前提下,测绘相关应用属于静态场景。当所依据的先验信息准确可靠,规划端的精细化处理完全有能力驱动多无人机同步施测。如图 3所示,本项规划对测区进行了划分,细化到针对每种类型和平均高度的区块,图 4给出了全区整体的航线方案,图 5给出了典型分区的航线方案。根据由总到分、化整为零的策略,将测区划分与航线方案划分建立起对应联系,并具体落实为单架次无人机用以执飞的飞行航段。

      根据上述模式,青岛市核心区优视摄影在多个分区或区块同步展开测量实施。联合施测共使用了6架无人机,飞行速度统一设为5 m/s,以3 s/帧的定时模式进行航摄获取。这种设置可保证摄影采集在途经点之间有一定的内插,弥补概略模型的缺欠以及其他因素可能引起的视角不足。各分区优视航测实施信息统计见表 1

      表 1  优视航测实施信息统计结果

      Table 1.  Statistical Results of Optimized Views Photogrammetry Implementation

      指标 优视航测分区
      1号 2号 3号 4号 5号 6号
      航线路径长度/m 94 757 173 631 60 254 23 949 90 576 92 249
      预计飞行架次 20 40 13 5 19 20
      实际飞行架次 43 77 23 13 32 32
      预计飞行时间/min 152 243 55 36 106 137
      实际飞行时间/min 316 579 201 80 302 308
      航线数量 74 236 76 17 94 60
      途经点数量 9 030 18 575 5 957 1 858 8 112 6 589
      航迹内插采集照片数量 6 320 11 580 4 020 1 600 6 040 6 160
      实际采集照片数量 14 443 27 394 9 245 2 838 12 445 12 275
      注:表中实际飞行架次和时间要多于预计飞行架次和时间的多机协同分摊,主要原因是预计飞行架次和时间未计入放飞、回收以及航线调整的代价损耗;实际采集的照片数量基本等于途经点与内插采集的数量和

      2)场景对象优视协同采集

      大区域范围无人机集群式应用主要基于对空间区域的分类分割,体现在人工对于测区的整体划分和具体规划。区别于传统航测的分区作业施测,优视分区规划中所定义的大区域是指相对于无人机作业能力的大比例尺三维空间,从而将传统的航测分区模式延伸至更为细致的空间粒度,并最终映射为分段航线。每个分段航线就是施测执行的最小单元。

      给定应用的场景对象,结合其空间结构和航摄系统设备的性能指标,优视航测规划即可生成对应的分段航线。因此,无论条件情况如何,只要给定参数配置,航线便可以进行分段,则对于场景对象便可实现协同采集。图 6是针对具体场景对象进行优视协同采集的样例,其中的施测对象是2号分区中的两栋高层建筑,由6架无人机进行协同采集的模拟效果分别以6种颜色渲染分段航线,相机图标代表拍摄视角,对应色框显示了各分段航线瞬时视角所采集到的实际影像。实践证明,优视航测的航线划分功能可以从多级空间尺度上作为多无人机协同施测的内核驱动,并进一步形成解决大区域范围需求与无人机系统单机作业能力有限矛盾的可行技术途径。

      图  6  优视航测协同采集示例

      Figure 6.  Illustration of Collaborative Data Capture for Optimized Views Photogrammetry

    • 利用优视摄影技术采集城市核心区的无人机影像数据,并采用分区重建和整体重建两种方式进行三维建模。分区重建的软硬件环境为瞰景Smart3D软件,硬件配置为Inter(R)Core(TM)i7-7700处理器,32 GB内存,NVIDIA Quadro P1000显卡,空三计算和重建采用相同配置,重建使用20个节点组成的处理集群。整体重建的软硬件环境为Smart3D软件,空三计算在单台主机运行,Intel(R)Core(TM)i5-9600KF处理器,128 GB内存,NVIDIA GTX1660 super显卡,建模使用了25个节点组成的处理运算集群,单个节点的配置除内存为64 GB外,其他与空三计算主机相同。

      分区重建中空三处理结果如图 7所示,其中橙色斑块为拍摄视角。由图 7可以看出,无论何种类型的区域场景,优视摄影测量都可以形成包围场景对象的航摄视角。视角所代表的获取影像与空三连接点所代表的场景对象几何结构在空间分布上致密贴的,且有明显的针对指向性。空三结果说明,图 5中的航测规划能够实际转化为面向各种复杂场景的航摄数据采集。在未引入像控点的条件下,2、3、4号分区的主要空三指标见表 2

      图  7  城市场景优视航测分区空三结果

      Figure 7.  Aerial Triangulations of Optimized Views Photogrammetry for Several Types of Subregions in Urban Scenario

      表 2  优视分区空三主要指标

      Table 2.  Key Parameters in Aerial Triangulation

      指标 分区
      2号 3号 4号
      平均分辨率/(mm·pixel-1 26.46 21.92 22.36
      完整性 28 746/28 746 10 803/10 893 6 236/6 459
      连接点总数 2 749 028 788 619 341 011
      连接点中位数 408 362 302
      精度/pixel 0.64 0.58 0.56

      图 8为2、3、4号分区实景三维重建的输出模型结果,分别显示了各分区的实景整体全貌和局部细节。图 8(a)是2号高层建筑区的实景模型,细节包括玻璃幕墙超高层建筑、狭窄间距高层建筑底层裙楼、高层建筑顶部钢架结构体、高层建筑侧面内凹部位等的重建效果;图 8(b)是3号高度大落差区实景模型,细节包括高层异形结构顶部、侧方玻璃幕墙、中层居民楼、停车场配套设施;图 8(c)是4号低矮区的实景模型,细节包括地标雕塑、交通道路附属设施、别墅区、多层居民区等。图 8中局部细节,无论是几何结构的准确还原或是表观纹理的清晰呈现,均反映出模型的高质量。

      图  8  典型分区实景三维重建模型及细节

      Figure 8.  3D Real Scene Mesh Models and Details of Typical Subregions

      本文选取了4处局部场景,对比了相同场景中两种技术模式的实景三维模型输出结果,如图 9所示,其中倾斜摄影测量数据的采集配置为前述概略模型所使用的倾斜摄影配置。

      图  9  三维重建模型结果对比

      Figure 9.  Comparison of 3D Real Scene Mesh Models

      对比图 9(a)图 9(b)可以看出,在低矮房屋的檐下、常规高度居民楼的凸出阳台等部位,优视摄影测量相对于倾斜摄影测量有更好的精细度,较少变形拉花;而对于高层建筑的裙楼和底部,优视摄影测量具有更优的几何结构和分辨率,较少变形和模糊;倾斜摄影测量对于该区域最高层建筑的顶部未能进行有效重建,优视摄影测量不仅完整重建了建筑顶部,而且对吊臂等部件细节也有较好的表现。

      整体重建空三处理的指标包括平均分辨率为25.52 mm/pixel,完整性为97 195/98 373,连接点总数为7 555 144,连接点中位数为344,精度为0.59 pixel。由于整体重建的硬件配置较低,单主机空三计算和集群建模耗时约为46 h、156 h。整体重建空三处理和实景模型如图 10所示。

      图  10  城市核心区整体重建空三处理和实景建模结果

      Figure 10.  Aerial Triangulation and Reconstructed 3D Real Scene Mesh Model in Central Urban District

      针对优视摄影测量优选视角的特点,整体重建处理进行了调优[19]。引入像控点实现绝对坐标转换后,在全测区范围实测了265个检查点,计算得到对应模型点的平面误差均方差为0.062 m,高程误差均方差为0.065 m。平面和高程误差分布情况如图 11所示。

      图  11  城市核心区整体重建的平面和高程误差分布

      Figure 11.  Distribution of Checking Errors of Reconstructed Mesh Model in Central Urban District

    • 优视摄影测量没有通过采集终端间的信息互联实现协同操作,然而精细的测前规划仍然能够以分段航线为载体的任务分配方式实现有效的协同应用。利用精细规划和航线划分能力,优视摄影测量技术将无人机航摄规划转化为一种业务生产,输出的产品为优视航线。优视航线作为航摄实施或实景三维数据采集的输入,能够与无人机系统的自动化控制实现无缝衔接,并且航线分段的形式天然具有分发配置的属性。优视摄影测量的协作功能可拓展为能够支持泛在无人机航摄应用的新型技术模式。

      在实际作业中,优视摄影测量以云服务模式串连测前规划和测量实施。以个人计算机为规划端进行航线及像控点的规划设计,将生成的航线上传云服务器,测量时由载有相关应用程序的移动控制设备从云端下载飞行航线,通过控制设备操控无人机系统和测设设备采集航摄影像。该模式实现了优视航摄规划和航测实施的解绑定,利用计算机的快速处理能力,将航摄规划及航线生产置于后台,从而有利于大数据量运算以及专业化、集中式处理;无人机操作人员仅需接收分段航线任务,基于航摄系统设备的高自动化能力,会降低对于操作人员的专业化要求。对于需要长周期持续性测量采集场景,可结合自动化机场等自主式释放和回收终端,实现全无人化的操控。

    • 城市的快速发展使得城市场景处于持续的变化中,相应的实景三维数据产品也要随之进行更新,因此,城市实景三维初建之后的中心需求也将逐步转向局部的更新。相比于初建的实景三维成果,更新后的数据产品应具有更高的质量标准。

      城市局部场景发生改变通常意味着区域内有新建建筑或发生了翻新改造等,因此,对应区域的实景三维更新可结合项目完成后的竣工验收来实现。针对城市实景三维更新,以驱动轻小型航摄设备为主要方式的优视摄影测量较倾斜摄影测量具有更好的适配性,主要表现为:(1)限定的区域范围较小,轻小型航摄系统的续航能力不再成为短板;(2)更新区域可供测前规划利用的信息资料更完整;(3)获取视角更贴近场景对象,数据输出质量更高;(4)技术模式的自动化程度更高,操作实施快捷便利,难度低;(5)支持多区域、多任务并发处理应用。

      此外,考虑到城市新建或旧改的实际要求,可将工程测量、工程监理、检测监测等技术内容一并纳入优视航测规划,实现该应用模式的多测合一,输出成果可同时满足专业化服务和信息基础设施构建的需要。

    • 由于遮挡物多、获取距离远,倾斜摄影测量模式下场景中近地面部分的影像质量退化严重。通常采用地面补拍获得相应部分的影像,并在三维重建过程中进行多源数据融合。然而,空-地视角之间的宽基线配置以及较大的照度和分辨率差异等会对影像间的匹配连接造成困难,导致融合处理难以实现。优视摄影测量对于需要地面补充获取或空-地协同采集的情况,可提供以下几个方面的支持:(1)航摄高度更低、更接近地面,空-地形成立体观测的基线不会过宽;(2)摄影视距准确可控,能够保证空-地采集影像的分辨率一致;(3)可对空-地的拍摄视角进行一体规划分析,设置更为合理有效的地面补拍方案。

      从技术原理的角度分析,优视摄影测量中不再明确地区分空中或地面采集的数据。如上文所述,按照分区和分层聚类的方式,地面视角即是高度方面位于最底层的观测视角,也可与相近方位的空中视角组合。因此,优视摄影测量的灵活性和针对性在空-地协同采集方面也会有所体现。

    • 在当前智能化浪潮背景下,融合云计算与大数据技术,测绘与位置服务正在经历泛在化与智能化的双重转型[22]。综合上述几种模式,本文认为优视摄影测量依托自身较强的自动化性能以及特有的测前规划分析能力,为无人机摄影测量相关业务实施提供了一种泛在的技术支持,具体归纳为以下几个方面:

      1)泛在应用实施。优视摄影测量通过高自动化的技术处理能力赋能轻小型无人机等相对较低成本的系统设备。相较于常规作业模式的高成本投入,优视航测更灵活简便,更易于开展应用实施。

      2)泛在融通衔接。优视摄影测量可直接作用于前端的无人机飞控系统,同时能够与后端的近景摄影测量及实景三维建模软件有机结合。优视摄影测量衔接前后两端,融合为完整的全自动化技术链条。

      3)泛在扩展延伸。基于更高精细度实景模型的输出能力,优视摄影测量能更好地支持模型自动单体化等处理。基于对场景对象的精细化完整覆盖,优视航摄同样适合用于检测等其他相关技术方向。

      4)泛在业务场景。上述三个方面上的泛在特点决定了优视摄影测量适用业务场景的广泛性。具体应用方向包括实景三维、文保数字化、近景摄影测量、工程监测检测等,并向更多的应用领域拓展。

    • 本文提出了一种面向实景三维建设需求的新型无人机摄影测量技术——优视摄影测量。该技术方法以场景对象的概略模型为规划依据,通过观测视角的优化,生成以无人机航摄路径为主要载体形式的测量采集规划方案,并以多种典型功能区域混合的青岛城市核心区为测试场景,对优视摄影测量在复杂城市场景的实际应用能力进行验证。结果表明,相对于常规的倾斜摄影测量,优视摄影测量能够实现更高精细度的实景三维模型输出,并且可通过多机协同和多区域联合等方式解决大区域范围施测以及单机作业效率低下等方面的问题。基于较好的内核架构和技术能力,优视摄影测量具有衍生为泛在实景三维数据采集模式的潜力。

参考文献 (22)

目录

    /

    返回文章
    返回