基于倾斜摄影技术的无人机三维建模研究

基于倾斜摄影技术的无人机三维建模研究

1倾斜图像三维建模技术存在的问题倾斜成像技术是近年来国际测量和遥感领域发展起来的一项高科技技术。在同一航空操作平台上加载多个传感器，并从不同角度收集图像。因此,倾斜摄影可以实现建筑物的正射影像与其立面纹理的倾斜影像相结合,利用相应建模工具,可进行自动化纹理映射与自动三角网构建,在快速三维建模、高精度三维建模上具有广阔的应用前景,能够有效地降低城市三维建模成本。利用倾斜摄影技术实现三维建模在地质灾害防治、震后三维可视化表达上,比传统建模具有更加快速、逼真的优势。倾斜摄影三维建模技术虽然有以上诸多优势,但其还是一项较新的技术,在实际的生产应用中或多或少会存在一定问题。航空摄影阶段,由于存在航摄死角,会导致在生成模型时存在空洞;空三阶段,因像片及pos参数的质量问题,会出现自动匹配错误以及点位不足等情况,导致建模后存在空洞。因此,针对倾斜摄影生成的三维模型,需要进行如空洞修补等优化处理,才能满足精细化三维建模的需求。2区域网联合平差、多视影像和三维tin的建立过程本文研究的倾斜摄影三维模型数据获取是基于LeicaRCD30倾斜摄影平台,依托StreetFactory系统,通过航飞、基站架设、影像预处理、外业控制、区域网联合平差、多视影像匹配、三维TIN制作、质量检查等流程完成的。生成的三维模型以不规则三角网为表达方式,自动搜索对应视角相片对相应表面模型进行纹理贴面,形成具备真实自然纹理的三维TIN结构模型。在生成三角网的过程中,为了三维GIS平台能够流畅地浏览,在制作三维模型时,首先设定格网大小,生成的三维模型按照格网大小进行裁切。同时,对每一个分块模型建立分级数据,第0级数据为最精细数据,级别越大,精细程度越低,因此,一个区域的三维模型由很多分块分级数据组成。3维模型缺陷的三角网缺陷三维模型空洞修补主要研究水面区域出现的空洞,由于水面为平面,可以利用获取的边界通过构建三角网来进行自动修补;对于因航摄死角而在建筑等区域出现的空洞,由于结构复杂,需要考虑建筑物的局部特征,无法直接构建三角网进行修补;另一方面,三维模型出现的空洞绝大部分均是在水面区域,因此,本文研究空洞自动修补主要是针对水面区域出现的空洞。研究表明,在所有可能的三角网中,Delaunay三角网在地形拟合方面表现最为出色,因此常常被用于不规则三角网(TIN)的生成,本文重构的三角网为Delaunay三角网。三维模型空洞修补通过空洞区优化及提取、边界提取、三角网重构、纹理映射及分级数据构建几个步骤实现,具体实现流程如图1所示。3.1模型数据导入在对河流或湖泊等水平面区域进行影像匹配时,受倒影等的干扰,生成的三角网节点会出现高程异常,造成水面不平,根据实际情况判断,这些高程起伏地带不属于河中岛等正常情况,因此,需要对这种错误的高程异常点进行剔除。对高程异常点进行剔除时,直接通过多边形等选择方式选择异常高程点,将其删除即可。通过高程异常点剔除后,绘制一个导出范围,该范围首先要完全包含空洞区,其次还需要包含空洞区周边的部分三角网,绘制完成后,将该范围内的第0级模型导出为obj格式。通常情况下,一个空洞区域会跨越多个分块数据,在导出模型时,需要将该范围内的多个分块模型数据合并为一个模型。如果空洞范围太大,一个空洞区导出一个模型会导致数据量太大而无法导出,如图2中显示的河流空洞区域,通常导出为多个模型,然后对每一个模型进行空洞修补。在导出为多个模型时,每一个模型的边界并未封闭,需要对空洞边界进行封闭,并且封闭后的模型还是由三角网构成,图3中显示的模型为对大范围空洞分块导出并进行边界封闭后的模型。3.2提取边界时的三角网导出的空洞区域三维模型由三角网组成,三角网包含三角形、边、顶点,位于边界的边有且只有一个邻接三角形。在提取边界时,以边对应的三角形个数进行判断,如果该边对应的邻接三角形个数为1,则表示该边为边界;如果大于1,则表示该边不是边界,导出的三角网模型并不存在拓扑关系。因此,首先对三角网构建边与三角形的拓扑关系,然后根据建立的拓扑关系自动提取边界对应的边,最后将提取的结果依次连接为边界。3.2.1角形数据结构拓扑数据结构主要由节点、边、三角形三个数据结构组成,三角形采用面拓扑结构。其中节点数据结构用来存储三角形的顶点和编号,边数据结构用来存储边的编号、两个节点编号以及邻接的三角形个数,三角形数据结构用来存储三角形编号、三个节点编号以及三条边的编号。三个数据结构的内容如表1所示。在构建拓扑关系前,首先建立节点列表、边列表、三角形列表用以存储三角网的节点、边、三角形。3.2.2两个节点相同、两边相同的拓扑关系利用导出的三维模型能直接获取到三角网的三角形。因此,遍历每一个三角形构建节点、边、三角形之间的拓扑关系,如果两个节点的x、y、z坐标均相同,则表示两个节点相同;如果两条边对应的两个节点编号均相同,则表示两条边相同;如果两个三角形对应的三个节点编号均相同,则表示两个三角形相同。在构建拓扑关系时,需要判断对应的节点、边、三角形在对应的存储列表中是否已存在。通过将节点、边、三角形与相应的存储列表中的每一个要素进行比较,如果找到相同节点、边、三角形,则表示存在,否则表示不存在。三角网拓扑关系的构建步骤如下:(1)三角形检测获取三角网中的一个三角形,并得到其三个节点的坐标信息。(2)生成节点号码通过x、y、z坐标与节点列表中的每个节点进行比较,如果已存在该节点,则获取节点编号,如果不存在节点,则创建新节点,并自动编号,同时添加新节点到节点列表中,返回节点编号。这样,每添加一个三角形的三个节点,则获取了三个节点编号。(3)角形的添加根据三个节点编号构建一个三角形,将该三角形与三角形列表中的每一个三角形进行比较,如果该三角形已存在,则遍历下一个三角形,否则将该三角形添加到三角形列表中,并返回三角形编号。(4)邻接三角形个数根据三角形的任意两个节点构建一条边,将该边与边列表中的每一条边进行比较,如果该边不存在,则将该边添加到边列表中,并返回边编号,如果该边已存在,则直接返回该边的编号;将该边的邻接三角形个数加1。对三角形的三条边做同样处理,就建立了边与三角形的对应关系。遍历完三角网对应的所有三角形,则建立了节点、边、三角形的拓扑关系,根据构建完成的拓扑关系,可以方便获取边对应的邻接三角形个数及节点编号,并根据节点编号获取节点坐标等信息。3.2.3封闭边界的生成边界提取是依据建立的三角网拓扑关系,首先获取边界边,然后将这些边界边依次连接形成封闭边界。在提取边界边之前,首先建立边界边列表用于存储边界边。(1)角形个数依次获取构建拓扑后的边列表,获取邻接三角形个数,如果邻接三角形个数大于1,则表示该边不是边界边,否则该边为边界边,将该边的边编号添加到边界边列表中。(2)“已遍历”的状以边界边列表中的任意一条边为起始边,将该边标识为“已遍历”,然后从边界边列表中查找与该边相连并且未遍历过的边,将查找到的相邻边与该边连接(如果查找到多条相邻边,则将任意一条边与该边连接即可),然后将相邻边标识为“已遍历”,以该相邻边为起始边继续查找,直到遍历完所有相邻边,就形成了一条边界。遍历完成边界边列表中的所有边后,即形成了该模型的边界数据,一个模型可能有很多条边界,通过选择边界进行处理。3.3三角网重建3.3.1三角网的构建以边界的节点作为三角网构建的点数据,将边界作为约束条件构建基于边界约束的Dealuany三角网。3.3.2dealuny三角网基于边界构建的Dealuany三角网的三角形较大且稀疏,不利于纹理映射,而且与已有的模型不协调(如图4所示)。为了解决这一问题,需要在已有边界内添加一些用于加密三角网的点数据,然后重新构建Dealuany三角网。在添加加密点之前,首先建立一加密点列表用于存储加密点坐标。(1)获取边界在XY平面上的坐标范围,其中X方向上的范围为(Xmin,Xmax),Y方向上的坐标范围为(Ymin,Ymax)。(2)设定格网间距d,根据XY平面上的坐标范围,生成一个m行n列的二维格网,其中:(3)对于第i行j列的格网P(i,j)(0≤i<m,0≤j<n),获取其坐标范围,在该坐标范围内,随机生成一个坐标点,如果该点在边界范围内,将该点加入到加密点列表中,其高程值通过上述已构建的三角网获取;如果该点不在边界范围内,则处理下一格网。3.3.3luany三角网以边界点和加密点作为构建三角网的点数据,并将边界作为约束条件构建基于边界约束的Dealuany三角网,然后再利用边界对构建的三角网进行裁切处理,保持构建的三角网范围与边界范围一致,形成最终的三角网,如图5中所示。通过图5与图4的对比可以看出,基于加密点和边界点构建的三角网更加密集,与原始模型也更协调,而且纹理映射的效果会更好。3.4lod分级模型空洞区三角网构建完成后,将基于边界和加密点构建的空洞区三角网模型与导出的原始模型进行合并,形成空洞修补后的成果模型。这时候的模型是没有纹理信息和LOD分级信息的,通过StreetFactory提供的相关模块,基于已有的倾斜影像,对模型进行纹理映射,并生成LOD分级模型数据,如图6所示。从图6中可以看出,通过纹理映射后的空洞模型与原始模型能够完全叠加,分级数据之间没有缝隙,