一种基于无人机航拍序列影像的边坡三维重建方法

摘要

本发明涉及一种基于无人机航拍序列影像的边坡三维重建方法。针对未标定的无人机多视图航拍序列影像，采用基于特征匹配的算法进行特征区域匹配与特征点对提取；基于无序匹配特征点，采用光束法平差方法从运动恢复结构，计算出边坡的几何结构和相机的运动参数，得到稀疏的边坡三维点云模型；采用基于物方面元的多视图立体视觉算法对稀疏的边坡三维点云模型进行处理，扩散为稠密的边坡三维点云模型；采用泊松重建算法重建出边坡的表面网格，并将边坡表面的纹理信息映射到网格模型上，从而建立具有分辨率高和形象逼真的三维边坡模型。本发明具有成本低、机动灵活、携带方便、成像分辨率高、作业周期短、适宜高危地区勘测等特点，有力地推动了低空摄影测量和计算机视觉技术在地质工程防灾减灾领域的应用。

主权项

一种基于无人机航拍序列影像的边坡三维重建方法，其特征在于具体步骤如下：(1)：针对未标定的无人机多视图航拍序列影像，采用基于特征匹配的算法即基于尺度特征不变换算法进行特征区域匹配与特征点对提取；（1.1）通过将采样点和所有相邻点比较，检测尺度空间极值点，初步确定关键点位置和所在尺度；（1.2）将精确确定的关键点位置和所在尺度，达到亚像素精度，同时去除对比度低的关键点和不稳定的边缘响应点，以增强匹配稳定性、提高抗噪声能力；（1.3）为每个关键点指定方向参数，使算子具备旋转不变性；（1.4）生成关键点描述子，即生成SIFT特征向量；(2)：基于无序匹配特征点，采用光束法平差方法从运动恢复结构，计算出边坡的几何结构和相机的运动参数，得到稀疏的边坡三维点云模型；(3)：采用基于物方面元的多视图立体视觉算法对稀疏的边坡三维点云模型进行处理，扩散为稠密的边坡三维点云模型；所述基于物方面元的多视图立体视觉算法具体为：（3.1）初始Patch集生成：基于边坡稀疏的三维点云模型，通过特征点提取及匹配生成一系列稀疏的Patch集；（3.2）Patch的扩散：利用相邻面片法向相似和位置相邻的特性对初始面片进行扩散，逐步得到一个稠密的Patch集；（3.3）Patch的过滤：由于重建过程中可能存在错误面片，采用几何一致性以及灰度一致性约束来剔除外点，并与Patch的扩散操作迭代进行；(4)：采用泊松重建算法重建出边坡的表面网格，并将边坡表面的纹理信息映射到网格模型上，从而建立具有分辨率高和形象逼真的三维边坡模型；（4.1）边坡模型表面参数化：对整个边坡模型进行分割，建立每个局部的三维空间坐标与贴图坐标的映射关系；（4.2）优化目标图像：计算面片在图像中的可见性，并指定目标图像，使具有相同目标图像的连续纹理区域尽可能大，减少纹理接缝的数量，从而减少边坡模型中纹理不连续的现象；（4.3）边坡模型颜色校正：减少光照引起的边坡纹理不连续现象。