倾斜摄影测量与三维城市建模(武汉大学 江万寿_肖雄武).pdfVIP

倾斜摄影测量与三维城市建模 江万寿 肖雄武 武汉大学测绘遥感信息工程国家重点实验室 2016.05.27 沈阳 倾斜相机与多角度影像 D A 实验室购买的SWDC5 1个下视相机：传统正直摄影 4个倾斜相机：解决不同角度墙面的影像获取问题 SWDC-5: 中国测绘研究院刘先林院士团队研制 5镜头倾斜相机的特点 ?视角多、影像多、数据量大 多个角度反映地物情况 提供建筑物侧面纹理 ?不同视角影像变形大：连接点提取问题 ?幅面较小，同视影像基线较短：匹配噪声问题 倾斜影像三维建模的路线图 倾斜影像空三 开源匹配算法集成(PMVS) 点云融合与构网 专题应用（变化检测、灾害评估） 自主密集匹配方法(SGM) 自动三维重建 自动纹理映射 交互式建模 半自动纹理贴图 去噪并提高精度、减少冗余 三维模型 高质量、实用为目标 长期探索 快速建模 面向对象真正射影像与多视角建模的难点 真正射主要步骤： 1、几何纠正：纠正地形和地物的投影变形 2、遮挡补偿：检测成像造成的遮挡区域，并利用多视影像进行补偿 三维建模问题的难点：逆过程 ?贴纹理或真正射 –已知三维模型，求每个表面在影像上的对应关系 –复杂性：(遮挡导致)表面多边形的破碎化 ?自动三维重建 –由破碎的二维影像对象反演出完整的三维对象 –复杂性？ 进展情况 ? 空三：实现了不同相机的自动匹配和整体平差（郭） ? 密集匹配 – 对PVMS开源代码进行适应性改造与加速（郭、江、眭） – 支持城市地区建模的多级SGM算法的实现与改进（江） ? 构网： – Possion构网（眭、郭） – GraphCut方法实现与优化（郭） – Mesh简化 ? 纹理映射：自动纹理映射实现与优化（朱） ? 基于影像的点云优化与特征线匹配（黄） 说明：目前主要参与小组——朱庆、郭丙轩、江万寿、眭海刚、黄先锋 ? 摄取区域：贵阳金阳 ? 航带间间距：500m ? 航带内间距：150m ? 航高：600m—1000m之间 一、实验数据 航向重叠：60% 旁向重叠：50% 二、倾斜影像空三——视角变形纠正 原始影像 摄站m的右视（C相机） 摄站n的左视（A相机） 纠正影像 摄站m的右视（C相机） 摄站n的左视（A相机） 局部纠正效果 纠正前 纠正后 基于高程面的影像纠正：视角改正、分辨率等归一化 论文已发表 二、倾斜影像空三——连接点匹配 五镜头倾斜影像的匹配效果（图中“+”为匹配出的同名点） B相机 D相机 E相机 A相机 C相机 二、倾斜影像空三——连接点点云 参与空三的点云（粗差剔除后，约98万个连接点） 二、倾斜影像空三——结果 影像数：73张 连接点数：983684个 单位权中误差：0.55像素 平均残差：0.23像素 最大残差：1.33像素 该连接点在各片上的像点残差： 单位：um 检查点 三、密集匹配——15张影像 三、密集匹配—— SGM算法 1 1 2 ( , ) ( , ) min( ( , ), ( , 1) , ( , 1) ,min ( , ) ) r r r r r i L p d C p d L p r d L p r d P L p r d P L p r i P ? ? ? ? ? ? ? ? ? ? ? 采用多个方向的1D优化近似2D优化 1 2( ) ( , ) 1 1 p p p p q p q p q N q N E D C p D PT D D PT D D ? ? ? ? ? ? ? ?? ? ? ? ? ? ?? ?? ? ? ?? ? ? ? ? ? ? 匹配代价：CENSUS SGM匹配策略 ? 基于金字塔的密集影像匹配策略，提高匹配效率和可靠性 ? 密集匹配的自动选片：通过计算影像之间的重叠度、光束夹 角等必要条件，实现了影像配对的自动化。 SGM 多角度密集点云 E相机（下视） A相机结果 B相机结果 C相机结果 D相机结果 5视混合结果 物方面元自适应匹配传播 影像1,2... 特征点检测 多视匹配提取种子点 加入种子点集合 种子点出栈 匹配传播 种子点集合为空 N 结束 Y 三、密集匹配——PMVS算法 Pi1 Pi2 Pi3 三个几何未知数 ?高程1个 ?法向量2个 SAPMVS-整体匹配结果(郭） PMVS-整体匹配结果(眭) 密集匹配点云——点数比较 ? pmvs 15张影像：15,424,831 ? SGM 0102 - 26,332,613 ? SGM 0405 - 32,016,724 ? SGM 1415 - 24,935,310 ? SGM 1011 - 31,149,671 ? SGM 0607 - 16,254,646（逆光角度） SGM算法改进 2值CENSUS 3值CENSUS 和 SURE结果对比（下视影像） SURE结果我们的结