无人机倾斜摄影测量三维建模及应用

无人机倾斜摄影测量三维建模及应用

摘要：经济的发展，人们生活水平的提高，促进城镇化进程的加快。无人机倾斜摄影测量作为一项高端的、新型的测绘技术，其在城市化建设中发挥着重要的作用，即通过无人机倾斜摄影测量技术的应用，可以快速建立城市三维模型，为后续工程规划和建设提供有力指导。本文就无人机倾斜摄影测量三维建模及应用展开探讨。

关键词：无人机；倾斜摄影；三维建模

引言

现阶段，无人机倾斜摄影技术是国际测绘遥感领域中一种新兴技术，根据倾斜摄影技术获得的测量信息建立相应的三维模型，能够更加直观地展现地物、地貌。

1无人机倾斜摄影测量原理

倾斜摄影是在相机主光轴与铅垂线具有一定倾斜角的情况下进行影像拍摄，倾斜摄影测量是在同一飞行平台上搭载多台传感器，同时从垂直、4个倾斜等不同角度进行影像采集，在获取建筑物空间地理信息的同时，获取建筑物全方位的纹理信息，可以更为真实、形象地对建筑物进行表现，其打破了传统摄影测量基于正射影像方法只能从垂直方向进行影像采集的局限。倾斜摄影测量从多个角度对建筑物进行影像采集，获取多张多分辨率、多尺度的影像数据，对区域三维模型构建提供了更为丰富的数据支撑，也方便了空间信息的量测，并且数据获取速度快、处理自动化水平高，有利于数据的及时更新。无人机倾斜摄影测量技术是基于无人机搭载平台的倾斜摄影技术，该技术要点在于可以利用多视角影像进行联合平差，尤其是对传统摄影测量影像遮挡、数据规避方面的处理更为方便，提高了测量过程中地理要素间的连接效果，从而提高三维建模基础数据的准确性。而无人机倾斜摄影测量提高了影像信息的密集程度，通过密集匹配可以获得更为广泛的地物属性信息，尤其加强了对地物特征点、线、面属性信息的获取。无人机倾斜摄影测量系统主要由无人机飞行平台、GNSS导航和惯性导航系统、数据传输系统、地面监控系统等组成。为了保证无人机飞行稳定，对倾斜摄影测量的无人机的气动外形及总体结构进行了优化设计，可以满足城市密集区域内的飞行通畅。无人机控制和导航系统是无人机倾斜摄影测量系统的核心部分，包括了飞行控制和管理系统、GNSS导航和惯性导航系统、红外传感器、高度和速度传感器等，可以准确地对无人机飞行姿态、飞行高度、瞬时空间位置等进行记录，控制中心可通过实时的信息反馈对无人机倾斜摄影测量系统飞行姿态、高度等进行调控。

2与传统三维模型比较

传统的三维模型制作通常采用数字正射影像图与数字高程模型进行叠加，快速建立大场景的地表三维模型，其生产出的三维模型纹理分辨率不高，缺少侧面纹理信息，实质上是2．5维的数据产品。对于局部需要精细建模的场景，再采用人工拍照、贴上纹理的方式进行。但由于照片分辨率、角度等问题以及采用的原二维数据底图质量和精度问题，即使这样也并不能完全展现建构筑物各个角度的细节。而采用倾斜摄影测量生产的实景三维模型，是采用多镜头、多角度、实时拍摄的，能够不受地形地貌限制，更加真实全面立体地反映地表物体的局部细节和整体层次。其仿真度、建模效率相比传统的三维模型制作方式，均提高了很多;而时间成本、经济成本均能得到降低。

3人机倾斜摄影测量三维建模关键技术

3.1无人机选择

在进行倾斜摄影前，需要选择符合摄影要求的无人机。照片的数量和影像的

质量是决定倾斜摄影三维模型的2个因素，其中，照片的数量体现了对同一区域

的覆盖度；影像的质量主要指目标物影像的分辨率和清晰度。为了获得高质量的

建模效果，倾斜摄影的分辨率需要达到一定数值，一般地区摄影影像是选择5～

6cm的像素分辨率，建筑区的则需要达到2～3cm的像素分辨率，同时，照片的

平均覆盖度要达到重叠30°以上。

3.2影像匹配

无人机倾斜摄影测量获取了反映多个视角的影像资料，为了保证后期的影像

融合和目标识别等工作，必须通过一定算法寻求多幅影像间的同名点，建立影像

间的融合关系，影像匹配获取的同名点后续要参与空中三角测量过程，是三维建

模最为关键的部分，其精度直接影响到三角测量的结果精度。目前，影像匹配算

法应用最为广泛的是SIFT特征匹配算法，即通过计算特征点间的相似性度量来对

影像进行匹配，具有较快的运行速度和较好的抗噪能力。

3.3空中三角测量

传统的影像数据处理中应用同名像点自动量测算法，但是对于无人机倾斜摄

影测量而言，由于其捕获的影像数据不单单是正视角度，还包含倾斜角度的影像，所以传统的算法显然无法满足实际需要，此时需要以瞬间POS系统观测值作为多

角度影像数据的初始方位元素，以此为基础计算各个像元的坐标信息，同时根据

影像之间的众多连接点位，结合外业控制点位，经过区域网平常处理，生成控三

报告，最终为指导图像空间结构布局和三维建模奠定基础。

3.4密集匹配和三角网构建

通过影像匹配和空中三角测量，形成了基于正确空间方位的影像模型。为了

进一步构建三角网，必须通过密集匹配，获取影像模型中的密集点云，而由于多

视角影像的特征，对于单幅影像来说，形成的密集点云会产生更丰富的点云信息，且具有较多的重叠信息，可以用来对匹配信息进行校正，提高点云数据的精度，

并且重叠信息的存在降低了三维模型构建盲区的出现概率。根据已有的密集点云，构建不规则三角网（TIN），点云重叠信息的多少决定了所构建三角网的复杂程度，重叠度越高，三角网越复杂密集；而地物、地貌的复杂程度越高，三角网的复杂

程度也越高。

3.5成果精度分析

就成果精度而言，相对航高对模型的精度影响较大，呈现的规律为：相对航

高越大，影像分辨率越低，模型精度也越低。例如，5cm分辨率的影像，一般三

维模型的建模精度为15～20cm；2cm分辨率的影像，一般三维模型建模的精度

在5～10cm。同时重叠率对精度也有一定的影响，航向重叠率越小，影像拍摄间

距越大，重叠率降低，采集的影像越稀疏，模型精度越差，因此，要选择则合适

的航拍重叠率，以保障模型的精度。

3.6构建TIN模型

在构建TIN模型前，需要对高密度点云数据进行分割处理，以便于提升模型

建立的精准度，后续开展模型建立如下所示：第一，利用同一地物不同角度的影

像信息，采用参考影像不固定的匹配策略逐像素匹配；第二，基于多视匹配的冗

余信息，避免遮挡对匹配产生的影响，再引入并行算法提高计算效率以快速准确

地获取多视影像上同名点坐标，进而获取地物的高密度三维点云数据；第三，基