2021, Vol. 30
2. 阳光学院 空间数据挖掘与应用福建省高校工程研究中心, 福州 350015
2. Fujian Provincial Universities Engineering Research Center of Spatial Data Mining and Application, Yango University, Fuzhou 350015, China
近些年, 无人机倾斜摄影测量技术是国内外测量领域中发展应用起来的一项高新技术, 已成为摄影测量领域中一个新的研究热点[1]. 该技术主要用于三维实景模型的生产. 随着“数字校园”、“智慧校园”的出现, 各大高校争相开展相应课题, 其中三维实景模型是校园智慧建设的亮点之一[2].
传统的三维模型构建主要是利用影像或规划图作为底图, 利用三维建模软件结合人工收集到的二维平面和高程数据完成三维模型的构建. 常见的三维建模软件有3DMAX、AutoCAD、SketchUp、CityEngine等. 通过传统方法生成的三维模型不仅需要耗费大量的人力与财力, 而且由于缺少必要的纹理等信息, 从而导致质量和真实感较差, 不能真实反映复杂地物形状, 与现实世界反差较大, 难以满足大区域三维城市的应用[3]. 相对于传统的三维模型来说, 三维实景模型具有不受模型形状的限制、模型真实、生成速度快、应用领域广泛等特点.目前该技术在大比例尺地形图测绘、三维建模、城市规划、国土管理、文物遗产保护等多个领域都得到了广泛应用[4-6]. 本研究以阳光学院马尾校区为例, 研究无人机倾斜摄影测量在复杂地形条件下三维实景模型的方法, 并且检验其精度是否满足实际测量需求的问题.
1 无人机倾斜摄影测量技术与空中三角测量 1.1 无人机倾斜摄影测量技术无人机倾斜摄影测量技术是指在无人机这一飞行平台上面搭载一台或多台传感器同时从多个角度采集影像, 从而获取地物信息的技术. 与传统的摄影测量相比, 它突破了传 统的垂直拍摄获取正射影像的束缚, 可对同一地物同时从多个倾斜角度摄影, 从而能够快速、高效、大视角地获取更加客观丰富的侧面纹理等信息用于三维实景建模. 近年来, 众多学者对无人机倾斜摄影技术进行了研究. 倾斜摄影测量的发展, 国外比国内早了很多, 国外已经经历了十几年的发展历程[7,8], 应用比较广泛, 甚至发展到了室内三维建模. 国内倾斜摄影发展也就8年左右的历史, 2010年在中国测绘科学院刘先林院士的带领下研制出了第一台倾斜相机SWDC-5[9]. 中海达公司自主研发并生产了一款八旋翼的无人机测量系统OS-M8[10]. 上海航测和中测新图推出了AMC580和TOPDC-5倾斜相机, 国产倾斜相机航摄仪得到了一次快速发展[11]. 总之不管硬件还是软件目前国内与国外都有一定差距, 特别是软件. 当前倾斜摄影相机主流为5镜头(其中包括4个倾斜镜头和1个垂直镜头). 本文采用的就是基于五镜头的无人机航空摄影来完成三维实景模型的构建.
简而言之, 无人机倾斜摄影测量技术就是无人机技术与倾斜摄影技术的完美结合. 该技术主要包括飞行平台、多镜头倾斜传感器、地面操作控制系统3个部分. 无人机倾斜摄影技术还可以与其他技术相结合来完成人们更高的需求,应用前景广泛. Stöcker等[12]以西班牙安达卢西亚的案例研究了无人机航测在沟渠测量中的应用. Sun等[13]利用无人机倾斜摄影技术与BIM技术及VR技术相结合, 通过虚拟体验来模拟看房系统. 孙少楠等利用无人机倾斜摄影技术与BIM技术相结合实现了在水利工程地形中的应用[14].
1.2 空中三角测量摄影测量的主要任务是最大限度地减少外业工作, 因此提出解析空中三角测量这一概念. 空中三角测量俗称空三平差, 根据平差中采用的数学模型, 空中三角测量可分为航带法、独立模型法、光束法三种方法. 空三平差是数字摄影测量中通过少量野外控制点对测区内的控制点加密从而获取影像加密点平面位置和高程的重要方法[15]. 该方法同样也适合倾斜摄影测量. 相对于传统摄影测量, 多镜头倾斜摄影计算量较大, 计算过程比较复杂. 无人机倾斜摄影测量系统获取的影像空三平差以原始POS数据和野外测定的控制点为基础, 采用严密的数学公式, 按照最小二乘法原理, 平差计算出摄影测量中所需加密点的三维坐标及其定向参数, 同时建立控制点、连接点以及POS辅助数据的多视角影像的联合结算, 进一步保障平差结果的精度. 因此空三平差在摄影测量中占有十分重要的位置.
常见的空三软件很多, 如Inpho、Smart3D PhotoScan、Altizure等. Bentley ContextCapture(原Smart3D, 以下简称CC)是一套实景三维自动建模系统. 它可以自动创建真实的三维模型, 自动化程度非常高, 是目前市场上用的比较多的软件. 此外它还具备高兼容性, 能对各种对象各种数据源进行精确无缝重建. CC有两个版本, 一个普通版ContextCapture, 一个中心版ContextCapture Center, 后者可以进行集群处理, 也就是在主机上能够同时分配多个任务节点给副机同时并行计算, 因此计算效率大大提高. 本研究采用的就是中心版本. 通过多台计算机建立集群的方式, 同时高效地处理数据量较大的倾斜影像数据.
2 无人机倾斜摄影三维实景建模流程 2.1 技术流程本文具体的校园三维实景建模的技术流程如图1.
|
图 1 校园三维实景建模的技术流程 |
整个三维实景建模的流程主要分为外业数据采集和内业数据处理两个部分. 主要的设计思路: 外业数据采集主要是根据航测区域概况制定航测技术方案来完成. 采集的外业数据包括影像数据、POS数据、控制点数据. 通过该技术采集带的外业数据也称倾斜数据. 倾斜数据是带有空间位置信息的可量测影像数据, 通过内业处理软件处理能同时输出DSM、TDOM、DOM、DLG等多种成果[16]. 内业数据处理主要是利用CC对外业采集到的数据进行处理. 主要步骤包括数据预处理、空中三角测量、多视影像密集匹配、构建TIN三角网、自动纹理映射、生产三维实景模型等. 然后对生产的三维实景模型进行精度分析, 满足精度要求的就是所需要的三维实景模型, 否则的话继续数据预处理, 再提交空中三角测量直到满足所需要的精度为止. 为了达到精度要求, 实验过程中通过布设较多控制点, 分区航测, 使用较高的航向和旁向重叠度来提高模型精度.
2.2 航测区域概况阳光学院马尾校区坐落于福建省福州市马尾区卧龙山上, 位于东经119°37′, 北纬25°29′, 学校占地面积约为1 km2, 建筑面积37万平方米. 测区以校园建筑为主, 由于校园坐落于山上地形起伏较大, 最高点与最低点的落差在180 m左右. 对于地形起伏较大的地貌, 如用传统的人工测图, 外业的工作量相当大,并且有好多地段存在安全隐患, 人员和仪器根本无法到达; 然而普通航测法又很难达到大比例尺地形图精度要求, 因此考虑采用无人机倾斜摄影测量技术.
2.3 外业数据的采集本次选取的测区范围约为1 km2, 地形起伏较大. 针对航测区域的大小、地形等特点, 本文采用多旋翼大疆经纬系列无人机M600Pro (一台六旋翼的无人机)为飞行平台, 云眼系列APS-130五拼相机(半画幅)为多镜头倾斜传感器. 表1为相关具体参数.
为了提高模型的精度且不影响成果的质量, 本研究对区域进行分块, 分成南北两块. 航测规划软件此次我采用大疆自主开发的DJI GS Pro. 具体无人机航线规划如图2所示.
通过航测规划软件DJI GS Pro连接无人机M600Pro, 在软件里面添加一个五镜头APS-130相机并设置对应参数. 根据研究区域的环境等情况, 此次航线规划设计的航带为S形线路. 主要参数设置: 航高130 m, 旁向重叠度80%, 航向重叠度80%, 拍照模式等距间隔拍照, 拍照间隔2 s, 相机朝向平行于主航线, 主航线角度0°, 边距0 m. 由软件计算得知飞行速度8 m/s, 分辨率2 cm. 此次航测南测区获得航片4910张(每个镜头982张), 北测区获得航片5555张(每个镜头1111张), 共航片10465张.
|
表 1 飞行平台和倾斜传感器的详细参数 |
|
图 2 无人机航线规划 |
本文POS数据是通过大疆M600Pro飞控导出来的, 由于大疆飞控自身的局限性, 需要我们对导出来的POS数据进行筛选. 剔除多余的POS. 最终得到南测区982个POS数据,北测区共1111个POS, 共2093个POS数据.
本文控制点数据是采用GPS-RTK连接千寻CORS账号的量测方式完成采集. 首先在奥威互动地图APP中提前划分好测区范围, 并在其中布设控制点, 然后到实地寻找合适位置布设控制点. 根据测区的大小、地理位置、精度等因素, 共布设61个控制点(38个像控点, 23个检查点). 坐标系采用CGCS2000, 中央经度120°, 3°分带, 高斯-克吕格投影. 像控点之间的布设间隔在200 m左右, 均匀分布于整个测区. 航测开始前, 通过铺设红白或红黄相间的标靶, 通过中海达RTK连接千寻定位系统完成像控点、检查点的采集. 控制点的测量方式如图3所示.
|
图 3 控制点的测量方式 |
2.4 内业数据处理
外业数据采集获取后, 首先需要对获取的数据进行预处理, 主要包括POS数据的筛选、照片的匀光匀色处理等. 然后再导入到CC进行内业数据处理.
通过CC软件对采集到的影像数据、POS数据、控制点数据进行内业处理, 主要的处理流程包括添加影像照片、导入POS数据、刺像控点、空中三角测量、多视影像密集匹配、构建TIN三角网、自动纹理映射、提交生产三维实景模型项目、提交生产TDOM及DSM项目等; 像控点的选刺需要手动选择并输入实测坐标, 像控点的残差越小, 正射影像的精度越高, 建立出来的三维实景模型质量越高. 分成南北两个区域的空三结果如图4所示, 合并后整个测区空三加密计算结果如图5所示.
|
图 4 南北两个区域的空三结果 |
|
图 5 合并后整个测区的空三结果 |
2.5 项目成果
通过CC软件对采集到的数据完成处理之后, 最终生成了三维实景模型. 校园的部分三维实景模型如图6所示.
在生成三维实景模型后, 对空三后的数据重新提交新的项目, 生成许多格式为TIFF/GeoTIFF的文件, 将生成的文件导入ARCGIS中, 此处使用ArcGIS10.5中的“镶嵌至栅格”功能进行拼接. 生成的TDOM和DSM如图7、图8所示.
|
图 6 校园的部分三维实景模型 |
|
图 7 测区的部分TDOM |
|
图 8 测区的部分DSM |
2.6 三维模型精度分析
为了检验无人机倾斜摄影测量的三维模型成果精度, 利用航测之前采集到布设在测区分布均匀检查点, 与生成三维模型中相对应位置的点进行对比, 从而完成该模型的精度评定. 表2是同位置三维模型采集点与检查点的对比.
利用外业采集的检查点坐标(作为真值)与三维模型中对应位置的坐标(作为观测值)通过下列中误差计算公式得到坐标中误差如下:
| $\left\{ \begin{array}{l} Dx = \sqrt {\dfrac{1}{{23}}\displaystyle\sum\limits_{i = 0}^{22} {\Delta x_i^2} } \approx 0.0303\;{\rm{m}}\\ Dy = \sqrt {\dfrac{1}{{23}}\displaystyle\sum\limits_{i = 0}^{22} {\Delta y_i^2} } \approx 0.0306\;{\rm{m}}\\ Dxy = \sqrt {D{x^2} + D{y^2}} \approx 0.0431\;{\rm{m}}\\ D{\textit{z}} = \sqrt {\dfrac{1}{{23}}\displaystyle\sum\limits_{i = 0}^{22} {\Delta {\textit{z}}_i^2} } \approx 0.0288\;{\rm{m}} \end{array}\right. $ |
式中Dx、Dy表示X、Y方向的中误差; Dxy表示平面位置中误差; Dz表示高程中误差.
通过表2对三维实景模型上采集的23个检查点进行统计, 经计算可知X方向、Y方向的中误差分别约为3.03 cm, 3.06 cm. 平面位置中误差约为4.31 cm. 高程中误差约为2.88 cm. 满足实际大比例尺1:500测量的需求.
|
|
表 2 同位置三维数字地面模型采集点与检查点对比表 |
3 结论与展望
该研究首先利用大疆M600Pro搭载五镜头相机采集获取了阳光学院校区的影像数据, 通过GPS-RTK连接CORS账号的量测方式完成了像控点和检查点的采集, 再结合M600Pro飞控导出的POS数据. 利用这些数据经过CC软件处理之后, 获得了该区域高分辨率的三维实景模型、TDOM、DSM. 表明了无人机倾斜摄影技术在复杂地形条件下构建三维实景模型具有可行性, 此外通过模型的精度分析, 得到了三维实景模型的平面位置和高程中误差均小于5 cm, 满足大比例尺1:500的实际测量需求. 为后续三维模型的二次开发提供了数据支持. 但是该研究通过增加像控点来提高三维模型的精度, 还存在相当的局限性. 控制点多的话误差也会积累, 不一定能提高模型精度. 在实际的生产处理过程中, 受无人机等设备、大气环境及软件算法等因素, 无人机的飞行姿态, 照片的质量等都会影响模型的精度. 此外得到的三维实景模型还比较粗糙, 对于遮挡比较严重的地方没有进一步精细化. 希望在以后的学习过程中, 可以进一步对模型的精细化、单体化、多元数据融合及三维模型的二次开发进行更深层次的研究.
| [1] |
丁志广, 严新生, 陈辉光. 无人机倾斜摄影用于江门市快速三维建模的探讨. 城市勘测, 2016(4): 72-78. DOI:10.3969/j.issn.1672-8262.2016.04.016 |
| [2] |
陈优良, 周亦明, 兰小机, 等. 基于无人机倾斜摄影的校园三维模型构建. 江西理工大学学报, 2019, 40(3): 14-21. |
| [3] |
谭仁春, 姚岚. 城市三维快速建模方法探讨. 测绘科学, 2015, 40(5): 136-138. |
| [4] |
田野, 向宇, 高峰, 等. 利用Pictometry倾斜摄影技术进行全自动快速三维实景城市生产——以常州市三维实景城市生产为例. 测绘通报, 2013(2): 59-62, 66. |
| [5] |
徐思奇, 黄先锋, 张帆, 等. 倾斜摄影测量技术在大比例尺地形图测绘中的应用. 测绘通报, 2018(2): 111-115. |
| [6] |
杨国东, 王民水. 倾斜摄影测量技术应用及展望. 测绘与空间地理信息, 2016, 39(1): 13-15, 18. DOI:10.3969/j.issn.1672-5867.2016.01.004 |
| [7] |
Rau JY, Chu CY. Photo-realistic 3D mapping from aerial oblique imagery. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Science-ISPRS Arvchives, 2010, 38(2): 110-115. |
| [8] |
Nils K. Oblique aerial photograph: A status review. Photogrammetric Week, 2009, 20(5): 119-125. |
| [9] |
闫利, 费亮, 叶志云, 等. 大范围倾斜多视影像连接点自动提取的区域网平差法. 测绘学报, 2016, 45(3): 310-317, 338. DOI:10.11947/j.AGCS.2016.20140673 |
| [10] |
马晨, 杨辽, 池梦群, 等. 非量测相机倾斜航空影像空三加密精度评价. 遥感信息, 2015, 30(6): 71-75. DOI:10.3969/j.issn.1000-3177.2015.06.014 |
| [11] |
孙宏伟. 基于倾斜摄影测量技术的三维数字城市建模. 现代测绘, 2014, 37(1): 18-21. DOI:10.3969/j.issn.1672-4097.2014.01.006 |
| [12] |
Stöcker C, Eltner A, Karrasch P. Measuring gullies by synergetic application of UAV and close range photogrammetry—A case study from Andalusia, Spain. CATENA, 2015, 132: 1-11. DOI:10.1016/j.catena.2015.04.004 |
| [13] |
Sun TW, Xu ZH, Yuan JY, et al. Virtual experiencing and pricing of room views based on BIM and oblique photogrammetry. Procedia Engineering, 2017, 196: 1122-1129. DOI:10.1016/j.proeng.2017.08.071 |
| [14] |
孙少楠, 张瑞, 于景波, 等. 倾斜摄影技术与BIM技术结合在水利工程地形处理中的研究. 中州大学学报, 2018, 35(6): 100-105, 127. |
| [15] |
姚国标. 倾斜影像匹配关键算法及应用研究. 测绘学报, 2015, 44(3): 354. DOI:10.11947/j.AGCS.2015.20140548 |
| [16] |
顾广杰, 张坤鹏, 刘志超, 等. 浅谈无人机倾斜摄影测量技术标准. 测绘通报, 2017(S1): 210-213. |