基于SFM和CMVS/PMVS的建筑物点云重构方法研究

合集下载

一种基于SFS方法的含高光表面三维重构系统

一种基于SFS方法的含高光表面三维重构系统
3 r c v r y t m y u i g s a e fo s a i g ( FS p r a h i e i n d D e o e y s s e b sn h p r m h d n S )a p o c d sg e .Th CD a r s eC c me a g t h a eo u f c n e o n i h o r ewih t eo t o r p i r t c i n An h e s t e i g f s r a e u d rap i tl ts u c t h r h g a h cp o e to . m a g dte

王 国 珲 苏 炜 马凤 军 ,

10 2 2 西安利君制药有 限责任公司 , 陕西 西安 (. 1 西安工业大学 光电工程学院 , 陕西 西安 7 0 3 ; .
707) 10 7
摘 要 : 对 含 高光表 面三 维形状 重 构 的需 求 , 针 设计 了一 种基 于从 明 暗恢 复 形 状 ( F ) 法 的三 S S方 维重构 系统 。在 正 交投 影条件 下 由 C D相机 获取 点光 源照射 下 的物体表 面 图像 , 用 Wad反 C 使 r 射模 型描 述含 高光表 面的反 射特 性 , 建立物 体表 面 图像 辐 照度 方程 。 系统软 件 将该 方程 转化 为 包含物 体 高度信 息 的 H— J偏微 分方 程 , 并计 算 此偏微 分 方程 的解 , 到物 体 的 高度 函数 , 而恢 得 进
复 出物体 的表 面形状 。实验表 明 , 系统 可 以有效地 重构含 高光表 面的 三维形 状 。 该
关键 词 :明暗恢 复形状 ( F ) S S 方法 ;三 维重构 系统 ;Wad反射 模 型 r

利用密集匹配点云的建筑物结构矢量化方法

利用密集匹配点云的建筑物结构矢量化方法

利用密集匹配点云的建筑物结构矢量化方法
魏峰
【期刊名称】《遥感信息》
【年(卷),期】2022(37)1
【摘要】针对在建筑精细信息分析、城市更新等领域中,包含结构信息的矢量化结果自动化程度不足的问题,提出了一种以密集匹配点云作为数据源的建筑物结构感知与矢量化方法。

首先,在建筑物结构单体点云提取的基础上,利用矢量轮廓重建算法和基于建筑剖面轮廓的屋檐改正方法剔除屋檐的影响,进一步采用剖面特征追踪方法,并结合基于图像的剖面结构拓扑对比分析方法实现阳台、飘楼区域的自动识别;最后,通过结构化矢量重建,得到包含局部结构语义信息的建筑结构矢量化结果。

实验结果表明,该方法矢量化结果与人工测图结果计算的建筑面积整体误差为6.5%,说明其能够较好地反映建筑真实矢量结构特征。

【总页数】6页(P119-124)
【作者】魏峰
【作者单位】广州市城市规划勘测设计研究院
【正文语种】中文
【中图分类】P237
【相关文献】
1.一种可见光影像稠密匹配点云的单栋建筑物提取方法
2.基于SfM方法生成的密集点云数据的典型建筑物分类研究
3.机载LiDAR点云中建筑物等高线匹配方法
4.
线特征约束的建筑物密集匹配边缘全局优化方法5.基于倾斜影像密集匹配点云的数字高程模型更新方法研究
因版权原因,仅展示原文概要,查看原文内容请购买。

VisualSFM的使用方法

VisualSFM的使用方法

VisualSFM的使用方法标签: SFM三维重建VisualSFM2015-04-13 21:33 1662人阅读评论(13) 收藏举报分类:sfm版权声明:本文为博主原创文章,未经博主允许不得转载。

照片重建的主要步骤:1.找出各张图片中的特征点,进行两两匹配;要求能够精确识别物体的局部特征,并且进行快速准确的匹配。

现常用的算法是由Dacid Lowe提出的SIFT方法。

2.根据匹配结果,利用射影定理计算得到相机位置等场景信息;此步又称运动恢复结构(Structure from Motion),或稀疏重建(Sparse Reconstruction)。

结果的衡量标准注意是准确性,现常用是基于Lecenberg-Marquardt算法的Bundler。

3.运用场景信息与原始照片,得到照片中物体的3D点云;此步又称密集重建(Dense Reconstruction)。

运用多视立体重建(Multi-view Stereo Reconstruction),得到3D点云。

点云质量受到处理图像精度的执行效率、重建精度和完整性影响,目前最好的算法是PMVS。

4.根据3D点云构建3D模型;将点连成面,才可在一般三维建模软件中使用。

现常用的是泊松表面重建算法(Possion Surface Reconstruction)。

VisualSFM的基本理念是SFM(Structure From Motion):Structure from motion (SfM) is a range imaging technique; i t refers to the process of estimating three-dimensional structures from two-dimensional image sequences which may be coupled with local motion signals. It is studied in the fields of computer vision and visual perception. In biological vision, SfM refers to the phenomenon by which humans (and other living creatures) can recover 3D structure from the projected 2D (retinal) motion field of a m oving object or scene.安装:1.确定电脑中有ATI或者nVidia图像卡。

基于UAV-MVS点云数据的建筑物提取研究

基于UAV-MVS点云数据的建筑物提取研究

基于 UAV-MVS点云数据的建筑物提取研究摘要本文通过对广州市南沙区的无人机低空遥感数据进行挖掘,通过使用SFM技术手段进行无人机影像数据的同名点匹配,形成稀疏点云,再基于其初步结算的外方位元素进行空三角测量,利用光束法平差获取优化后的外方位元素,通过逐像素逐点的MVS算法进行点云加密,形成致密的UAV-MVS点云数据,最后通过该数据的高程信息提取高度变化坡度信息,提取建筑物。

通过与传统数字正射影像图的面向对象的建筑物信息提取相比,建筑物发现率提升52%。

提取正确率提高62%。

本文通过对数据的活化利用,提出将传统无人机正射影像采集数据三维化,利用高度信息提取建筑物的方法。

关键词:无人机低空遥感多视角立体视觉建筑物提取影像点云1.引言中国是全球自然灾害频发的国家之一,类型多,分布广,频率高,造成的损失较重。

为全面掌握自然灾害风险隐患底数、提升全社会抵御自然灾害综合防范能力。

其中,房屋建筑是与人民生命财产安全关系最为密切的承载体,城乡房屋调查是此次普查中调查工作量最大的一类调查。

通过遥感数据进行建筑物的提取与研究是支持国家承灾体调查、违法建设管理、土地执法、自然资源调查的基础性技术手段。

而由于建筑物的影像特点复杂,建筑物的提取成为了遥感影像数据应用的难点,主流的自动化提取手段准确率不够高,无法应对实际应用需求,为此本文提出一种基于UAV-MVS点云数据的三维信息进行建筑物的提取方法,实现了建筑物发现率提升超过50%,大大减轻了人工目视解译干预的工作量。

1.建筑物提取方法2.1基于多尺度分割提取多尺度分割是一种比较成熟、稳定的图像分割算法,已在一些商业软件中得到了广泛应用,如德国的专业信息提取软件 eCognition等。

但采用多尺度分割算法对大数据量的遥感图像进行分割时,存在分割速度慢和部分分割不准确(过分割和分割破碎)等问题[1]。

2.2基于角点与直线的匹配提取近年来,人们对图像矢量化技术进行了探索研究,现有的矢量化大致分为4类:基于细化的方法、基于轮廓的方法、基于Hough变换的方法和像素跟踪方法。

基于三维点云的重建技术研究

基于三维点云的重建技术研究

基于三维点云的重建技术研究近年来,随着三维扫描技术的快速发展和广泛应用,基于三维点云的重建技术成为研究的热点之一、三维点云重建是指通过对三维点云数据的处理和分析,还原出物体或场景的几何形状和表面特征。

本文将介绍基于三维点云的重建技术的研究方法及其应用领域。

基于三维点云的重建技术可以应用于许多领域,如计算机辅助设计、虚拟现实、文物保护等。

为了实现三维点云重建,首先需要获得具有高精度的三维点云数据。

常见的方法包括激光扫描、结构光扫描、立体视觉等。

其中,激光扫描是常用的方法之一,通过激光传感器获取目标物体的三维点云数据。

然后,在获取的点云数据基础上,进行数据处理和算法分析,以还原出物体或场景的几何形状和表面特征。

在点云数据处理过程中,常见的技术包括点云预处理、点云配准、点云分割和表面重建等。

点云预处理是为了去除噪声、填补缺失的数据等,常见的方法有滤波、采样等。

点云配准是为了将多个点云数据进行对齐,以获得完整的物体或场景的三维信息。

点云分割是将点云数据分割成不同的部分,以便进行更精细的分析和处理。

表面重建是将离散的点云数据还原为平滑的三维曲面模型,常见的方法有基于网格的重建方法和基于体素的重建方法等。

基于三维点云的重建技术有许多应用领域。

在计算机辅助设计领域,通过对三维点云数据的重建,可以快速获取物体的几何信息,为设计和制造提供便利。

在虚拟现实领域,通过对三维点云数据的重建,可以实现真实感的虚拟场景,提高用户的沉浸感。

在文物保护领域,通过对文物的三维点云数据的重建,可以准确记录文物的形状和表面特征,为文物的保护和研究提供支持。

在未来的研究中,基于三维点云的重建技术还存在一些挑战和研究方向。

一方面,点云数据的获取仍然面临一些问题,如数据采集效率低、数据噪声多等。

另一方面,点云数据的处理和分析需要更加精确和高效的算法。

此外,如何将点云重建技术与其他相关技术结合,也是一个值得研究的方向,如与计算机图形学、机器学习等领域的技术结合,可以进一步提高三维点云重建的准确性和效率。

基于SFM技术的建筑三维热红外模型的建立方法

基于SFM技术的建筑三维热红外模型的建立方法

2023年第10期(总第51卷㊀第392期)No.10in2023(TotalVol.51ꎬNo.392)建筑节能(中英文)JournalofBEEʏ绿色建筑GreenBuildingsdoi:10.3969/j.issn.2096 ̄9422.2023.10.011收稿日期:2023 ̄03 ̄09ꎻ㊀修回日期:2023 ̄10 ̄19∗基金项目:国家重点研发计划资助项目 近零能耗高层建筑自适应围护结构关键技术研究 (2019YFE0124500)ꎻ住房和城乡建设部研究开发项目零碳目标下的寒冷地区装配式建筑围护结构与光伏一体化关键技术研究与应用 (K20220962)ꎻ山东省自然科学基金青年项目:基于无人机红外热像技术的采暖建筑热损失评价方法研究(ZR2023QE226)基于SFM技术的建筑三维热红外模型的建立方法∗蔡洪彬1ꎬ㊀殷浩文2ꎬ㊀魏瑛杰1ꎬ㊀郑海超1әꎬ㊀赵立华3(1.山东建筑大学ꎬ济南㊀250101ꎻ2.同圆设计集团股份有限公司青岛分公司ꎬ山东㊀青岛㊀266031ꎻ3.华南理工大学亚热带建筑科学国家重点实验室ꎬ广州㊀510640)摘要:㊀城市更新背景下ꎬ我国城市信息模型(CIM)迎来了快速发展期ꎬ打造智慧城市的三维数字底座㊁从多维度完善数据库的信息采集与模型建设是CIM平台建设的关键所在ꎮ目前ꎬ我国CIM中尚缺失建筑热红外数据ꎬ借助摄影测量学的运动恢复结构(StructurefromMotionꎬSFM)技术ꎬ基于无人机获取的红外图像ꎬ研究建筑三维热红外模型的建立方法ꎬ为建立CIM建筑三维热红外底层数据库的建设提供技术支撑ꎮ建筑三维热红外模型可以提供全围护结构的温度分布情况ꎬ为北方采暖地区研究既有建筑的热损失㊁南方湿热地区研究城市热岛问题提供了有力的工具ꎬ有利于从节能减排㊁热环境优化的视角实现对既有建筑的精细化和动态化管理ꎮ关键词:㊀城市信息模型ꎻ㊀无人机ꎻ㊀热红外ꎻ㊀三维重建ꎻ㊀三维热红外模型中图分类号:㊀TU205㊀㊀㊀文献标志码:㊀A㊀㊀㊀文章编号:㊀2096 ̄9422(2023)10 ̄0079 ̄07EstablishmentMethodofThree ̄DimensionalThermalInfraredModelofBuildingBasedonSFMTechnologyCAIHongbin1ꎬYINHaowen2ꎬWEIYingjie1ꎬZHENGHaichao1ꎬZHAOLihua3(1.SchoolofArchitecturalUrbanPlanningꎬShandongJianzhuUniversityꎬJinan250101ꎬChinaꎻ2.QingdaoBranchꎬTongyuanDesignGroupCo.ꎬLtd.ꎬQingdao266031ꎬShandongꎬChinaꎻ3.StateKeyLaboratoryofSubtropicalBuildingScienceꎬSouthChinaUniversityofTechnologyꎬGuangzhou510640ꎬChina)㊀㊀Abstract:UnderthebackgroundofurbanrenewalꎬChina sCityInformationModel(CIM)hasusheredinaperiodofrapiddevelopmentꎬandthekeytobuildingathree ̄dimensionaldigitalfoundationforsmartcitiesandimprovingdatabaseinformationcollectionandmodelconstructionfrommultipledimensionsarethekeystotheconstructionofCIMplatform.AtpresentꎬthereisstillalackofbuildingthermalinfrareddatainChina sCIMꎬandthispaperusesphotogrammetryStructurefromMotion(SFM)technologytostudytheestablishmentmethodofbuildingthree ̄dimensionalthermalinfraredmodelbasedontheinfraredimageobtainedbyUAVꎬsoastoprovidetechnicalsupportfortheconstructionofthethree ̄dimensionalthermalinfraredunderlyingdatabaseofCIMbuilding.Thethree ̄dimensionalthermalinfraredmodelofthebuildingcanprovidethetemperaturedistributionofthefullenvelopeꎬwhichprovidesapowerfultoolforstudyingtheheatlossofexistingbuildingsinthenorthernheatingareaandtheurbanheatislandprobleminthehumidandhotareainthesouthꎬwhichisconducivetorealizingtherefinedanddynamicmanagementoftheexistingbuildingfromtheperspectiveofenergysavingꎬemissionreductionandthermalenvironmentoptimization.㊀㊀Keywords:urbaninformationmodelꎻdroneꎻthermalinfraredꎻ3Dreconstructionꎻ3Dthermalinfraredmodel97蔡洪彬ꎬ等:基于SFM技术的建筑三维热红外模型的建立方法1㊀研究背景我国已经进入城市化的中后期ꎬ城市发展由大规模增量建设转为存量提质改造和增量结构调整并重的新阶段[1]ꎬ基于城市信息模型(CityInformationModelingꎬCIM)的智慧城市建设呼之欲出ꎮ通过构建城市CIM数字底盘ꎬ可实现对城市的一体化㊁精细化管理ꎬ为城市规划㊁设计㊁建设㊁运营的全流程管控提供可靠依据和指导[2]ꎮ其中ꎬ从多维度完善数据库的信息采集与三维实景模型建设是搭建CIM平台的关键所在[3]ꎮ无人机航测㊁倾斜摄影等新一代测绘信息技术方法有效提供了三维实景建模的数据来源[4]ꎬ可以快速采集制作精细化的城市三维模型ꎬ为CIM提供高精度可视化的三维空间信息ꎮ目前ꎬ基于无人机航测技术的建筑三维重建发展已较为成熟ꎬ主要基于可见光图像建立建筑三维模型ꎬ以描述建筑的空间几何特征ꎬ实现对目标的实景可视化[5ꎬ6]ꎬ而基于热红外图像的建筑三维模型研究较少ꎬCIM平台中缺失建筑的三维热红外模型ꎮ本文借助摄影测量技术ꎬ基于无人机红外图像研究建筑三维热红外模型的建立方法ꎬ为CIM提供建筑辐射温度数据层(红外数据库)ꎮ建筑三维热红外模型不仅具有实景模型的空间几何特征ꎬ还可以提供围护结构的温度分布情况ꎬ城市管理部门基于此可对既有建筑的漏热诊断㊁热辐射强度等开展定性㊁定量地管理工作ꎬ制定相应的改造计划ꎬ从建筑节能㊁热环境优化的维度丰富㊁完善CIM平台的底层数据库建设ꎮ2㊀三维重建的理论基础建立建筑三维热红外模型就是从获取的时间系列的2D红外图像中推算建筑3D信息ꎬ在摄影测量领域ꎬ此过程被称为基于图像的三维重建ꎮ2 1㊀基于SFM技术的三维重建三维重建的思想最早源于1963年ꎬ美国学者Roberts根据计算机视觉相关技术ꎬ开始研究如何从二维图像恢复三维空间信息[7]ꎮ20世纪80年代ꎬMarr㊁Borrow首次提出了基于序列影像三维重建的思想ꎬ并建立了视觉理论框架:计算理论㊁算法和机制[8]ꎻ1981年ꎬLonguet ̄Higgins利用拍摄的两张影像进行了重建[9]ꎬ取得了较好的效果ꎬ成为最早的运动恢复结构(StructurefromMotionꎬSFM)方案:从motion中实现3D重建ꎬ也就是从时间系列的2D图像中推算3D信息ꎬ如图1所示ꎮ㊀㊀基于SFM技术的三维重建主要包括稀疏点云重建㊁密集点云重建和表面重建三大步骤[11]ꎬ如图2所示ꎮ其中ꎬ稀疏点云重建是完成三维重建最关键的步骤ꎬ实现了从2D到3D的重要转换ꎬ此过程可生成可视化效果较差的稀疏三维点云模型ꎻ密集点云重建和表面重建主要是对稀疏点云模型的优化ꎬ旨在提高重建精度和可视化效果ꎬ最终生成三维纹理模型ꎮ目前ꎬ基于SFM技术处理无人机图像的软件或平台已较为成熟ꎬ有美国SkylineGlobe公司的Photomesh㊁法国Acute3D公司的ContextCapture(Smart3D)㊁瑞士Pix4D公司旗下的Pix4DMapper㊁俄罗斯的PhotoScan和中国DJI的大疆智图等[12]ꎮ图1㊀SFM方案示意[10]图2㊀基于无人机图像序列的三维重建2 2㊀基于无人机红外图像三维重建的发展现状现有的三维重建理论主要针对可见光图像提出ꎬ与可见光图像相比ꎬ红外图像属于灰度图ꎬ借助灰度值表示温度信息ꎮ近些年ꎬSabato等学者已经验证了基于红外图像使用SFM技术进行三维重建的适用性[13]ꎬ然而只能建立三维灰度模型ꎬ不能在三维灰度模型中直接或间接读取温度信息ꎮ基于红外图像的建筑三维重建最终目的是以模型每个像素温度可视化的方式来反映建筑围护结构的温度分布情况ꎬ以定量研究建筑的热损失问题ꎮ根据三维重建原理可知ꎬ在稀疏点云重建过程中ꎬ进行特征点提取与匹配处理时只关注每个像元的位置㊁尺度和方向三个属性信息[14ꎬ15]ꎬ并没有提取与温度信息直接相关的灰度值ꎬ因此稀疏点云重建过程丢失了原红外图像数据的辐射温度ꎮ尽管在表面重建过程中ꎬ通过纹理映射赋予了三维纹理模型亮度信息ꎬ然而该亮度仅仅用灰度展示ꎬ而且三维纹理模型最小的单元是面ꎬ并不能提供每个点的温度信息ꎮ本文研究基于无人机红外图像的三维重建ꎬ目的不仅在于恢复出建筑的三维结构ꎬ还需要在此基础上将温度信息赋予结构表皮ꎬ建立具有温度值属性的三维点云模型ꎬ以期在三维模型中定量获取围护结构的08CAIHongbinꎬetal.EstablishmentMethodofThree ̄DimensionalThermalInfraredModelofBuildingBasedonSFMTechnology外表面温度ꎮ3㊀建筑三维热红外模型的建立方法本文将以华南理工大学广州国际校区D2会议中心(下文简称 D2会议中心 )作为研究对象ꎬ详细阐述基于无人机热红外图像建立具有温度值属性的三维点云模型的流程及方法ꎬ包括无人机红外图像的采集㊁基于红外图像的初步三维重建㊁三维模型后处理ꎮ3 1㊀红外图像采集设备3 1 1㊀无人机本文采用的无人机是大疆的Mateice210RTKV2[16]ꎬ主要由四旋翼飞行器㊁遥控器以及DJIPilotApp组成ꎬ见图3ꎮ图3㊀无人机3 1 2㊀红外热像仪区别于传统的手持式红外设备ꎬ用于无人机上的红外设备需要与飞行器匹配ꎬ由飞行器搭载ꎬ遥控器控制拍照ꎮ本文选取的是与Mateice210RTKV2飞行器兼容的禅思ZenmuseXTꎬ如图4所示ꎬ相机参数见表1ꎮ图4㊀ZenmuseXT热红外相机表1㊀禅思ZenmuseXT参数[17]类别参数尺寸103mmˑ74mmˑ102mm分辨率640ˑ512(高㊀336ˑ256(低)测温范围-25~135ħ输出数据类型JPEG(8位)/TIFF(14位)㊀㊀禅思ZenmuseXT采用的是辐射温度测量法ꎬ可以输出JPEG和TIFF两种格式的图像数据[18]ꎮ其中TIFF图像有两个通道ꎬ一个通道是8位的表示颜色属性ꎬ另外一个通道是14位数字(DigitalNumberꎬDN)以记录温度信息ꎬ该数值表示的是辐射通量(S)ꎮ目标场景温度被记录在图像的DN值中ꎬ温度和DN值的关系有两种类型分别为Flux-linear和T-linear[18]ꎮ其中ꎬ对于禅思ZenmuseXT相机的高级测温版ꎬDN值与温度为简单的线性关系ꎬ符合T线性输出见式(1):Tobj=0 04 S(1)式中:S为相机输出的14位数值(DN)ꎬ辐射通量ꎻTobj为目标场景温度ꎬ本文表示的为实测围护结构外表面温度ꎬħꎮ公式(1)说明了每个像元温度值与DN值的关系ꎬ这是对红外图像以及热红外模型后处理ꎬ在三维模型中找回温度值的理论依据ꎮ采用Mateice210RTKV2搭载ZenmuseXTꎬ以D2会议中心为研究对象ꎬ历时40minꎬ采集了743张TIFF格式的红外图像ꎬ实验现场如图5所示ꎮ图5㊀红外图像采集过程3 2㊀初步三维重建基于SFM技术ꎬ本文借助Pix4Dmapper摄影测量软件对获取的红外图像进行三维重建ꎮ如图6(a)所示ꎬ将采集到的736张图像导入Pix4Dmapperꎬ选择thermalcamera模板对图像数据进行快速检查ꎬ共识别出有效数据680张ꎬ其余56张图像均因为重叠度不够被舍弃ꎮ㊀㊀完成初始图像的快速检查后ꎬ即可对图像进行点云重建和表面重建处理ꎮ首先对有效图像进行特征点提取与匹配ꎬ完成稀疏点云重建ꎬ如图6(b)所示ꎻ然后基于PMVS算法进行点云加密处理ꎻ最后ꎬ通过构建TIN并进行纹理映射ꎬ如图6(c)ꎬ处理得到了三维纹理模型(灰度)ꎬ如图7(a)所示ꎮ图6㊀初步重建过程㊀㊀重建过程同时还生成了正射影像图(DigitalOr ̄thophotoMapꎬDOM)和贴图纹理ꎬ如图7所示ꎮ其中DOM是TIFF格式的二维图像ꎬ这和输入至Pix4D的原始红外图像格式一致ꎮDOM图像有两个通道ꎬ一个通道为灰度值ꎬ另外一个通道为DN值即温度信18蔡洪彬ꎬ等:基于SFM技术的建筑三维热红外模型的建立方法息ꎮ此外ꎬDOM覆盖了全部目标场景ꎬ灰度值涵盖了0~255区间内的所有灰度值ꎬ同时也涵盖了目标场景内的最高温度和最低温度ꎮ因此ꎬ可认为DOM记录了全部目标场景内灰度与温度的对应关系ꎮ贴图纹理是纹理映射的重要过程文件ꎬ将贴图纹理的像素映射到三维模型的表面ꎬ通过贴图增强真实感ꎬ用于模型渲染时将位置信息与纹理信息相匹配[19]ꎮ对于红外图像ꎬ贴图纹理还具有与温度直接相关的亮度信息ꎬ这是本文在对模型后处理时ꎬ将温度信息赋予灰度模型ꎬ通过色彩信息表示温度信息的重要过程文件ꎮ图7㊀初步重建获取的重要过程文件3 3㊀基于DOM拟合温度与灰度值的函数关系上述文中生成的三维纹理模型中只有关于色彩属性的灰度值ꎬ原始数据中和温度相关的DN值仍无法读取ꎬ如何在灰度模型中利用灰度值找回每个像元对应的DN值ꎬ是建立具有温度属性三维模型的关键ꎮDOM中每个像元的灰度值和DN值的对应关系就等同于三维纹理模型中每个像元灰度值和DN值的映射关系ꎮ因此ꎬ通过DOM拟合出DN值和灰度值的函数关系式ꎬ再结合公式(1)ꎬ即可在三维模型中建立温度和灰度值的关系ꎮ如图8所示ꎬ利用ENVI提取DOM中每个像元的DN值并做数据分布统计分析ꎬ发现其主要位于7600~8000范围之间ꎮ在此DN值区间内随机提取188个灰度值(0~255ꎬ共256个灰度值)对应的DN值ꎬ并借助MATLAB拟合工具对DN值S和灰度值的关系进行函数关系拟合ꎬ如图9所示ꎬ结果表明一次线性拟合的准确率最高ꎬ得到拟合公式(2)ꎮ图8㊀DOM中DN的分布统计S=1 6 g+7600(2)式中:S为辐射通量ꎬ相机输出的14位的数值(DN)ꎬ无单位ꎻg为灰度值ꎬ无单位ꎮ整合公式(1)和公式(2)ꎬ得到场景温度(摄氏温度)与灰度值的函数关系式为公式(3):tbi=0 064 gi+30 85(3)式中:tbi为目标场景温度ꎬ对于建筑围护结构主要指表面温度ꎬħꎮ图9㊀MATLAB拟合结果3 4㊀模型后处理对于初步三维重建生成的灰度模型ꎬ其不足之处主要体现在两个方面:1)在表达相对温度分布时可视化效果太弱ꎮ这是因为人眼对于灰度值的辨识度极低ꎬ对于灰度图或者灰度模型一般需要通过伪彩色处理转为彩色图或者彩色模型进行可视化分析ꎻ2)灰度模型的最小单元为面ꎬ不能提供每个像素点的温度值信息ꎮ针对以上两点不足ꎬ本文将分别建立两种类型的三维热红外模型:三维彩色纹理模型和三维彩色点云模型ꎮ3 4 1㊀三维彩色纹理模型三维彩色纹理模型是基于R㊁G㊁B三原色显示的纹理模型ꎬ模型效果较好ꎬ可以用来直观地展示围护结构表面温度分布情况ꎮ利用色彩表示红外图像中的温度时ꎬ温度和色阶之间没有绝对的对应关系[20]ꎬ这种对应关系完全由设计人员决定ꎮ根据三维重建的表面重建原理可知ꎬ三维纹理模型的色彩取决于贴图纹理ꎬ因此ꎬ若要对灰度模型进行彩色处理ꎬ需要首先对贴图纹理进行彩色处理ꎮ利用ENVI将灰度贴图纹理(见图10(a))进行彩色拉伸生成新的彩色贴图(见图10(b))ꎬ新的贴图可根据使用偏好在ENVI色带库里随意选择色系ꎬ本文选择了表达温度常用的红绿蓝彩虹色系ꎮ红绿蓝彩虹色系的RGB值与温度的定性关系是:当温度较低时ꎬB值较高ꎬR值较小ꎬ像元点呈蓝色系ꎻ当温度升高时ꎬG值逐渐变大ꎬ颜色呈黄绿色ꎻ当温度继续升高时ꎬR值较大ꎬB值较小ꎮ利用FME(FeatureManipulateEngine)数据转换软件对原始灰度模型进行彩色贴图处理ꎬ得到三维彩色纹理模型ꎬ如图10(c)所示ꎮ图10(c)展示的是测28CAIHongbinꎬetal.EstablishmentMethodofThree ̄DimensionalThermalInfraredModelofBuildingBasedonSFMTechnology试建筑外表面相对温度的分布ꎬ与图7所示的初步三维纹理模型相比ꎬ此模型色彩表达更丰富ꎬ温度信息也更直观ꎮ图10㊀灰度贴图转彩色的建模伪彩色处理3 4 2㊀三维点云模型三维纹理模型最小单元是由线构成的面ꎬ没有点元素ꎬ不能提供每个点的温度值ꎬ为了可以在三维模型中读取围护结构表面的温度信息ꎬ最终需要建立的是带有温度属性的三维密集点云模型ꎮ通过定向调节图10(b)中RGB贴图的某一通道值ꎬ将其中一个颜色通道写成温度ꎬ这样就可以在色阶通道读取温度值ꎮ考虑到红绿色系是描述温度分布的常用色系ꎬ本文利用FME对红绿蓝彩色贴图进行蓝色通道定向处理ꎮ如图11所示ꎬ令R和G保持不变ꎬ把公式(3)写入B通道ꎬ将红绿蓝贴图转化成了红绿贴图ꎬ如图12所示ꎮ图11㊀彩色贴图写入温度图12㊀模型红绿贴图㊀㊀进一步利用FME对原始灰度模型进行红绿贴图并转密集点云ꎬ最终建立了由蓝色通道表征温度值的三维点云模型ꎬ如图13所示ꎮ在三维点云模型中ꎬ可以点取每个像元读出其R㊁G㊁B值ꎬ其中B值即为对应的温度值ꎮ由于其属性值还是8位的色阶值(2的8次方)ꎬ所以其取值只能为0~255的整数ꎮ图13㊀三维点云模型点读温度界面展示4㊀三维热红外模型温度准确性验证为验证无人机热红外实测温度和三维点云模型点读温度的准确性ꎬ在利用无人机获取检测数据的同时ꎬ在建筑外表面四个朝向分别布置了接触式测点ꎬ利用热电偶法测试墙体表面温度ꎬ如图14所示ꎮ图14㊀测点布置情况㊀㊀外表面测点采用HoboUX120-006M热电偶记录仪和TMC6-HE探头(测量范围是40~100ħꎬ精度为ʃ0 21ħ)ꎬ数据记录间隔设置为10sꎮ为了保证记录的温度数据是测试仪器的稳定数据ꎬ表面测点在10:00开始测试ꎮ无人机在12:20左右开始飞行ꎬ通过分析获取得到的736张热红外图像的时间ꎬ发现西立面集中拍摄时间为12:28-12:30ꎬ南立面集中拍摄时间为12:34-12:36ꎬ东立面集中拍摄时间为12:41-12:43ꎬ北立面集中拍摄时间为12:55-12:57ꎬ在图中读出每个朝向在无人机拍摄时刻对应的热电偶实测表面温度值ꎬ记录数据绘制如图15所示ꎮ㊀㊀针对数据的验证ꎬ主要考虑两个部分ꎮ首先是验证无人机搭载红外设备距离测点30m拍摄获取到的温度值(简称IRT值)ꎬ其次需要验证在三维点云模型中ꎬ点读得到的每个测点的温度值(3Dmodel值)ꎮ㊀㊀对于热红外值的获取ꎬ在每个朝向选取同时刻拍摄的3张红外图像ꎬ分别读取对应测点的IRT值ꎬ如38蔡洪彬ꎬ等:基于SFM技术的建筑三维热红外模型的建立方法图16所示ꎮ对于3Dmodel值的获取ꎬ在生成的三维密集点云模型中点读每个测点ꎬ读出对应的3Dmodel温度值ꎮ以热电偶实测温度值作为表面的真实温度值ꎬ将IRT值和3Dmodel值与热电偶实测值进行温度对比ꎬ绘制成图17ꎮ图15㊀各测点温度图16㊀IRT值读取㊀㊀由图17可知ꎬ实验数据具有以下规律:(1)所有朝向的IRT温度值都高于热电偶实测值ꎬ误差趋势一致ꎬ且在5ħ以内ꎬ即在热红外设备允许的误差范围内ꎬ其中ꎬ16个测点中有13个测点的温差在3ħ以内ꎬ占比81%ꎮ(2)3DModel值与IRT温度值的差值都在1ħ以内ꎬ鉴于色阶通道值只能为0~255的整数ꎬ因此ꎬ3DModel值是IRT值取整以后的数值ꎬ两者差值基本在0 5ħ以内ꎬ16个建筑表面测点中只有3个测点的差值超过0 5ħꎬ但也均在1ħ以内ꎮ图17㊀IRT㊁3Dmodel与热电偶值的比较㊀㊀(3)西立面IRT温度平均值比热电偶实测值高约4~5ħꎬ是四个朝向中误差最大的ꎻ南立面IRT温度平均值比热电偶实测值高约2~3ħꎬ误差其次ꎻ东立面和北立面的IRT温度平均值比热电偶实测值高约0~1ħꎬ误差最小ꎮ最大误差出现在西立面是因为热红外相机在待测环境中稳定时间越长ꎬ测温误差越小ꎬ热红外相机预热后ꎬ第一个拍摄的立面是西立面ꎬ距离启动时间最短ꎬ其次的拍摄顺序依次为南立面㊁东立面和北立面ꎬ误差值也逐渐变小ꎮ(4)3DModel值与热电偶实测值的差值基本遵循IRT温度值与热电偶实测值的差值变化规律ꎬ从图中可以看出ꎬ3DModel值不仅没有增大IRT温度值与热电偶实测值的温度差ꎬ在某些点反而缩小了IRT温度值与热电偶实测值的温度差ꎬ使得在3DModel中点读的温度更接近热电偶实测值ꎬ需要指出的是这种现象并非必然ꎬ这是因为3DModel值是根据温度与灰度的关系式转化取整后所得ꎬ有些温度值取整后可能会缩小误差ꎬ有些取整后可能会增大误差ꎮ根据以上规律可以验证基于无人机搭载红外摄像机获取围护结构热红外图像建立的具有定量温度信息的建筑三维模型的准确性ꎮ无人机搭载热红外相机得到的测温结果ꎬ整体误差趋势一致ꎬ都略高于实际表面温度ꎮ5 结论本文提出了基于无人机红外图像建立彩色三维热红外模型的方法ꎬ包括三维纹理模型和三维点云模型ꎮ纹理模型主要用于直观地展示围护结构外表面相对温度分布ꎬ用于定性地研究建筑不同部位的热损失情况ꎻ点云模型可以提供每个像素点的温度值ꎬ为定量研究围护结构的热损失程度提供了数据支持ꎮ同时ꎬ建筑三维热红外模型为完善CIM平台的建设提48CAIHongbinꎬetal.EstablishmentMethodofThree ̄DimensionalThermalInfraredModelofBuildingBasedonSFMTechnology供了基础数据ꎬ有利于城市管理部门从节能减碳的视角开展对既有建筑的精细化和动态化管理ꎮ参考文献:[1]张杰ꎬ李晓春.优化城市空间布局推动城市更新高质量发展[J].智能建筑与智慧城市ꎬ2023ꎬ314(1):6.[2]杨滔.建设CIM平台:为未来城市提供支撑[J].中国建设信息化ꎬ2022ꎬ174(23):6-8.[3]孙云飞.城市信息(CIM)平台在智慧城市中的应用研究[J].智慧中国ꎬ2022ꎬ80(11):68-70.[4]谢云鹏ꎬ吕可晶.多源数据融合的城市三维实景建模[J].重庆大学学报ꎬ2022ꎬ45(4):143-154.[5]赵坤ꎬ张海军ꎬ田骞.基于倾斜航空摄影技术的三维实景建模研究[J].能源与环保ꎬ2022ꎬ44(9):143-149.[6]何洁ꎬ王悦ꎬ董恺.多源数据融合的城市三维实景建模技术应用[J].测绘与空间地理信息ꎬ2021ꎬ44(12):121-124.[7]RobertsLG.MachinePerceptionofThree ̄DimensionalSolids[M].NewYork:GarlandPublishingꎬ1963.[8]MarrD.ArtificialIntelligence ̄APersonalView[J].MassachusettsInstituteofTechnologyꎬ1976ꎬ9(1):37-48.[9]Longuet ̄HigginsHC.AComputerAlgorithmforReconstructingaScenefromTwoProjections[J].Natureꎬ1981ꎬ293(5828):133-135.[10]WestobyMJꎬBrasingtonJꎬGlasserNFꎬetal. Structure ̄from ̄Motion photogrammetry:Alow ̄costꎬeffectivetoolforgeosciencesapplications[J].Geomorphologyꎬ2012ꎬ179:300-314.[11]ParenteLꎬChandlerJHꎬDixonN.OptimisingtheQualityofanSFM ̄MVSSlopeMonitoringSystemUsingFixedCameras[J].ThePhotogrammetricRecordꎬ2019ꎬ34(168):408-427.[12]刘磊ꎬ孙敏ꎬ任翔ꎬ等.基于无人机影像序列的三维重建方法综述[J].北京大学学报:自然科学版ꎬ2017ꎬ53(6):1165-1178.[13]SabatoAꎬPulitiMꎬNiezreckiC.CombinedInfraredImagingandStructurefromMotionApproachforBuildingThermalEnergyEfficiencyandDamageAssessment[C]//HealthMonitoringofStructuralandBiologicalSystemsIX.2020.[14]张彦雯ꎬ胡凯ꎬ王鹏盛.三维重建算法研究综述[J].南京信息工程大学学报:自然科学版ꎬ2020ꎬ12(5):591-602.[15]吴长嵩ꎬ廖一鸣ꎬ胡汪洋ꎬ等.无人机航拍图像三维重建技术研究综述[J].科学技术创新ꎬ2020ꎬ(22):83-84.[16]DJI.经纬M300RTK用户手册v3.2[EB/OL].[2022-10-18].https://www.dji.com/cn/matrice ̄300/specs.[17]DJI.ZENMUSEXT用户手册[EB/OL].[2019-03-08].https://www.dji.com/cn/product/zenmuse ̄xt.[18]ZhengHꎬZhongXꎬYanJꎬetal.AThermalPerformanceDetectionMethodforBuildingEnvelopeBasedon3dModelGeneratedbyUAVThermalImagery[J].Energiesꎬ2020ꎬ13(24):6677.[19]宋波ꎬ赵秋月.无人机低空摄影测量技术获取高分辨率基础地形和遥感影像资料 以Pix4Dcapture㊁Pix4Dmapper软件和DJIMavicPro无人机为例[J].地理教学ꎬ2019ꎬ(2):51-53.[20]HuJꎬPengXꎬXuZ.Studyofgrayimagepseudo ̄colorprocessingalgorithms[J].ProceedingsofSPIE ̄TheInternationalSocietyforOpticalEngineeringꎬ2012ꎬ19(11):19.作者简介:蔡洪彬(1981)ꎬ男ꎬ山东德州人ꎬ毕业于哈尔滨工业大学ꎬ建筑技术科学专业ꎬ博士ꎬ研究方向:人居环境与绿色建筑㊁装配式建筑设计(caihongbin012@163.com)ꎮә通讯作者:郑海超(1990)ꎬ男ꎬ山东济宁人ꎬ毕业于华南理工大学ꎬ建筑技术科学专业ꎬ博士ꎬ研究方向:建筑热工㊁建筑三维重建(24417@sdjzu.edu.cn)ꎮtrictheatingsystemusingthermo ̄hydraulicmodel:Amulti ̄objectiveanalysisforacasestudyinheatingdominatedcli ̄mateꎬbyPuneetSainiꎬPeiHuangꎬFrankfiedlerꎬAnnaVolkovaꎬXingxingZhangꎬArticle113347Abstract:A5thgenerationdistrictheating(5GDH)systemconsistsofalow ̄temperaturenetworkusedasaheatsourceforde ̄centralizedheatpumpstoserveheatingdemand.Untilnowꎬthereisalackofstudieslookingintotheeconomicaspectofimplementingthe5GDHconcept.Theperformancecharacteristicsꎬsystemdynamicsꎬandeconomicfeasibilityofthe5GDHsystemareinsufficientlyinvestigatedincoldclimates.Thispaperaimstobridgetheresearchgapbyperformingthetechno ̄economicanalysisofa5GDHsystemusingacasestudybasedinTallinnꎬEstonia.Adetailedthermo ̄hydraulicsimulationmodelisconstructedinTRNSYSandFluiditHeat.InadditionꎬtheuncertaintyandsensitivitiesontheeconomicperformanceareanalysedusingMonteCarlomethodimplementedinPython.Thestudyfurtheranalysestheeffectivenessofusingsolarpowertechnologiesinreducingthecostofheating.Fordesignedboundaryconditionsꎬthesystemcandeliverheatatlevelisedcostofheating(LCOH)of80/MWh.Integrationofphotovoltaicuptoalimitedcapacityresultsin1%reductionwhencomparedtothebasecaseLCOH.Theeconomicbenefitofphotovoltaicthermalislowercomparedtophotovoltaic.Thisstudycanprovideabenchmarkfortheapplicationof5GDHsystemsinheatingdominatedregions.Keywords:5GDHCꎻTechno ̄economicanalysisꎻMonteCarloanalysisꎻPVꎻPVTʌOAɔ(2)ModellingtheeffectofpassivecoolingmeasuresonfutureenergyneedsfortheAustrianbuildingstockꎬbyLukasMayrhoferꎬAndreasMüllerꎬMarianneBügelmayer ̄BlaschekꎬAaditMallaꎬLukasKranzlꎬArticle113333Keywords:CoolingdemandꎻInvertꎻPassivecoolingꎻSpacecoolingꎻClimateadaptionꎻCoolingneedsʌOAɔ(3)Aweb ̄basedvisualanalyticsplatformtoexploresmarthousesenergydataforstakeholders:AcasestudyofhousesintheareaofManchesterꎬbyS.IramꎬH.M.ShakeelꎬH.M.A.FaridꎬR.HillꎬT.FernandoꎬArticle113342Keywords:EnergyefficiencyꎻSmarthousesꎻVisualanalyticsꎻEnergyperformancecertificatesꎻEnergyvisualization(20231012«建筑节能(中英文)»编辑部侯恩哲摘录)58。

基于SFM技术的三维重建技术研究

基于SFM技术的三维重建技术研究随着科技的不断进步,人们对于三维重建技术的需求也不断增长。

三维重建技术作为计算机视觉领域的一个重要分支,主要应用于快速建立现实世界的三维模型,其应用范围涉及到建筑、文物保护、医学等多个领域。

而SFM技术则是三维重建技术中常用的一项技术,本文将探讨SFM技术在三维重建中的应用以及其研究现状。

一、SFM技术的概述SFM技术(Structure from Motion,从运动中恢复结构),是一种基于图像的三维重建方法。

其原理是通过寻找多张图像中相同的特征点,并利用这些特征点的运动信息推断出物体的三维结构。

具有传感器无关性等优点,是目前三维重建技术中常用的一项技术。

SFM技术的基本流程包括特征点提取、图像匹配、三维重建等。

其中,特征点提取是重建的关键。

在SFM技术中,常用的特征点提取方法有SIFT,SURF等。

图像匹配则是将多张图像中相同的特征点进行配对。

最后,利用特征点的运动信息进行三维重建,得到三维模型。

二、SFM技术在三维重建中的应用SFM技术在三维重建应用中具有广泛的应用。

以下为几个典型的应用场景。

(一)建筑物三维重建建筑物三维重建是SFM技术的一个重要应用领域。

利用SFM 技术,可以通过图像对室内或室外建筑进行三维重建,无需接触物体表面,这在建筑文物保护、城市规划等方面有重要的应用价值。

(二)文物保护文物保护是SFM技术的另一个重要应用领域。

通过对文物进行三维重建,能够保存文物在数字化环境中,同时也能够更好的保护文物。

例如对于一些不能接触的文物进行三维重建,即可在不损坏文物的基础上进行研究和保护。

(三)医学在医学应用方面,SFM技术也有很多应用。

例如,医疗机构可以利用SFM技术进行手术前期虚拟手术,以给医生提供更好的参考。

此外,SFM技术还可以用于对医学影像进行三维重建,提供更丰富的信息。

三、SFM技术研究现状目前国内外学者在SFM技术的研究方面取得了很多进展。

基于倾斜摄影测量的三维实景建模在公路工程中的应用

基于倾斜摄影测量的三维实景建模在公路工程中的应用摘要:传统的测绘产品是将各种信息记录在二维平面图纸上,或者将真实的世界仅仅记录在二维的数字影像上,传统的测绘技术手段已经不能满足当前城市发展需要。

随着我国城市化进程的快速推进,城市建设对建模技术和城市表达模型提出了新要求,三维空间的有效感知与实景可视化日益成为城市建设管理的重要内容,城市三维模型能够以直观的地物形象、精确的地理位置以及可进行三维空间分析等优势,慢慢成为城市空间数据框架的关键内容,三维模型能对城市运行现状有生动、直观的了解和全方位的感知,如何高效、快速、真实地实现这个前景广阔、结构复杂三维模型构建,倾斜摄影测量技术为此提供独一无二的解决方案。

而如今,倾斜摄影技术在公路行业的应用存在生产三维模型作业效率低,所生成的模型仅仅用于三维浏览,无法深度用于公路工程方案比选等问题。

为此,本文提出了一种基于无人机倾斜摄影测量的三维实景建模技术,在公路工程量能完成大范围三维实景的快速建模,为公路工程设计提供数据模型具有重要意义。

关键词:倾斜摄影测量;三维实景建模;公路工程前言:无人机倾斜摄影测量技术,作为近年来新兴的空间信息技术,是无人机遥感与倾斜摄影测量相结合的产物。

与传统正射影像相比,倾斜摄影测量采用多镜头从多角度获取地物信息,能更加全面细致的获取地物的空间信息,从而为地物的三维模型构建提供更加充分精确的数据支持。

因此,无人机倾斜摄影测量技术,已经逐渐成为一种高精度、高效率获取强真实感三维场景模型的重要手段。

三维实景模型构建的技术要点在于采集地物的原始空间信息和基于原始信息的数据处理方法。

目前主要的技术有无人机倾斜摄影测量和三维激光扫描两种。

但是,三维激光扫描存在操作复杂、工作效率低、成本高等诸多弊端。

目前而言,在公路勘察设计阶段,采用无人机倾斜摄影测量技术建立地表三维实景模型是最适合的技术方法。

1三维实景建模的关键技术根据倾斜影像匹配获取到的高精度相机外方位元素和连接点物方坐标,可以采用图像密集匹配技术获取地表的三维密集点云,再进行地表模型构网和纹理映射,从而获取能全面描述真实三维场景的高精度模型。

一种基于SfM重建点云的三角网格化算法

陈庭旺 ,王 庆
( 西北工 业大 学 计算机 学院 ,西安 7 0 2 ) 1 1 9

要 :针 对 SM 重建 点云的 曲面 建模 问题 , 出一种 改进 的 区域 增长 网格 化算 法。定 义 k近 邻影 响域提 高拓 f 提
扑稳 定性 , 引入 二叉排序 树 高效地组 织候 选三 角片 , 用无 向环搜 索策略 完成孔 洞的检 测 , 采 最终获得 完整 的三 角
sr cin,t ag rt t to u he l o hm c n sg i c n l mp o e t e c mp ai n le ce c a d c ie a hih r c n t ce a c a y, i a i nf a ty i r v h o utto a f i n y n a qur g e o sr td c urc i i u wh c e p o i i h h l st mprv h e fr n e o o e t e p ro ma c f3D u a e r c n t ci n de e dei g s r c e o sr t f u on a d mo lr n rn . Ke o d y w r s: ti n u ain;r go r wi ra g lto e in g o ng;k ne r s eg bo ;i lu n e r go - a e tn ih r nf e c e i n; bnay s r r e;un ie t d lo e r hig i r otte d rc e o p s ac n
A b t a t Ths p p rp o o e n i o e e i n go n a e ra ua in ag rt sr c : i a e r p s d a mprv d rg o r wi g b s d ting lto lo i hm o ura e mo l r b e fo f rs f c dei p o l m rm ng pontco sr c n tuce y S M . Dei e - e r s ih o nl e c e in t mprv h o o o ia t blt I r a i lud e o sr td b f fn d a k n a e tneg b ri fu n e r go o i o e t e tp l gc lsa ii y to g —

一种实景三维模型点云析出及纹理重构方法

一种实景三维模型点云析出及纹理重构方法
望晓尉;付仲良
【期刊名称】《地理空间信息》
【年(卷),期】2023(21)2
【摘要】基于倾斜摄影测量技术生成的实景三维模型近年来在国内得到了广泛应用,但针对倾斜摄影密集匹配点云的处理尚有很多问题亟待攻克,比如对点云较稀疏的三维网格模型的逆向点云生成处理的问题。

为了解决这方面问题,提出了基于局部泰森插值进行实景三维模型点云析出及重构的方法。

首先,研究了以OSGB格式作为原始数据的实景三维模型的数据结构和顶点构成方式;随后基于局部泰森插值算法对实景三维模型稀疏点云进行插值;接下来,通过算法对插值后的点云模型进行顶点重组和纹理坐标计算,并对该方法进行测试。

实验证明,该方法可以取得较好的实景三维模型点云析出和纹理重构效果。

【总页数】6页(P97-102)
【作者】望晓尉;付仲良
【作者单位】武汉大学遥感信息工程学院
【正文语种】中文
【中图分类】P208
【相关文献】
1.基于实景点云数据的变电站三维重构方法研究
2.一种基于照片中纹理重构三维模型的方法
3.城市级实景三维模型构建方法及应用前景研究——以长沙市实景三维
建模为例4.一种点云网格模型的纹理自动生成方法5.氯碱企业实施设备完整性管理中存在问题浅析
因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

来 提取 匹配 图像 上 的特 征点 , 一 系列 匹配点从 每两 幅 图像 中搜 索到 后 , 便 被纳 入轨迹 中。而轨 迹 为多视 图间
匹配 点 的连通 集 , 用 多于 两个特 征 点一致 的轨迹 进行 重构 来恢 复 每幅 图像 的相机 参 数和 每个 匹配轨 迹 的三
维位 置信 息I l O l 。如 有 m 幅图像 , 空间 中 1 7 , 个点, 有 方程
第 3 2卷 第 3期
2 01 5年 9 月
苏 州 科 技 学 院 学 报 (自 然 科 学 版 )
J o u r n a l o f S u z h o u Un i v e r s i t y o f S c i e n c e a n d T e c hn o l o g y( Na t u r a l S c i e n c e)
i = 1 , …, m; j = l , …, / ' t ( 1 )
其中, 粕 为第 i 幅图像 中第 个点 的二 维 信息 , 为第 个 点 的三 维位 置信 息 , 只为第 i 幅 图像 的投 影 矩 阵 , 由 m・ / ' t 个 二维 信息 , 估算 m个 投影 矩阵 以及 n个点 的三维 位置 信息 。S F M算 法示 意 图如 图 1 所示 。
关键词 : L a d y b u g 3 ; S I F r ; S F M; C MV S / P M V S ; 三 维 点 云 中图 分 类 号 : T P 3 9 1 文 献标 志码 : A 文章 编 号 :1 6 7 2 — 0 6 8 7 ( 2 0 1 5 ) 0 3 — 0 0 6 0 — 0 5
换( S I F t ) 来 提 取 和 匹 配 图像 上 的特 征点 并 计 算 多 视 图之 间 的几 何 关 系 , 然后由 S F M 分 析 相 机 运 动 进 而 寻 找 三 维 点
云结构 , 利用 C M V S对 图像 进 行 聚簇 ; 最后 , 采 用 基 于面 片模 型 的 P MV S通 过 匹 配 、 扩展 、 过 滤 三 个 阶段 来 完成 密 集 匹 配 同 时 生成 稠 密 三 维 点 云 。实验 结 果 表 明 . 算 法 能 够 有 效地 重 构 建 筑 物 三 维 点 云 , 对 三维 重 建 有 一 定 的 参考 价 值 , 对 运 动恢 复 结 构 ( S F M) 和多视角密集 匹配( C MV S / P M V S ) 的 三维 点 云 重 构
进行研究 , 介 绍 了从 L a d y b u g 3全 景 相 机 采 集 到 的 图像 进 行 建 筑 物 的 三 维 点 云 重 构 过程 。首 先利 用 尺 度 不 变 特 征 变
稀疏 重 构 , 进 而使 用 C MV S 圆、 P MV S p - 4 ] 算法 , 得 到重 构后 的稠 密 三维 点 云 , 为下一 步 街景 三 维重 建I 5 】 研 究 提供 依据 。文 中获取 三维 点云 的方法 相对 于激光 扫描设 备 获取 三维点 云嘲 的方法 成本低 , 相 对于航 拍 方式车 载获
Vo I . 3 2 No . 3
Se p. 2 01 5
基于 S F M和 C MV S / P MV S的
建筑物点云重构方法研究
张 平 ,王 山 东 ,黄 瑾 娉 ,周 明 明 。
( 1 . 安 徽 工业 大学 计 算 机科 学 与技 术 学 院 , 安徽 马鞍山 2 4 3 0 3 2 ; 2 . 河 海 大 学 地 球 科学 与工 程 学 院 , 江苏 南京 2 1 0 0 9 8 )
取 的是 近景影 像 . 同时该 方法使 用 自标定 获取相 机参 数 , 规避了 L a d y b u g 3全 景相机 不易 标定 _ 7 J 的特点 。
1 运动恢复结构 S F M 算 法
运 动恢 复结构 S F M( s t r u c t u r e f r o m m o t i o n ) 是 一种 相机标 定方 法 。首先 由尺度 不变 特 征变换 S I F F I 卅 算法
随着 智 慧城市 的建设 在我 国蔚 然兴起 , 对 城市街 景 的三维 重建 显得更 加重要 , 城 市场景 中包 含多 种不 同 类 型 的 目标 物体 , 比如建 筑物 、 道路 、 树木、 桥梁 、 路 灯等 。针对 这些 不 同类 型 的 目标 物体 , 三维 重建 的方法 也 有 所不 同 。 建筑 物是 城市 场景 中的 主要组成 部分 , 城 市场景 中建 筑物三 维重 建 已成为研 究热 点 。 三维 城市 建 筑 物 重建 的数 据 源主要 有 : ( 1 ) 激 光扫 描设 备所 获取 的三维 点云 数据 ; ( 2 ) 基于 车载 、 航拍 等 二 维数 据 生成 的 三维 点云 数据 。文 中研 究 的是城 市街 景 中建 筑物 三维 点云 重构 的方 法 ,使用 的 图像数 据 由车 载 L a d y b u g 3 、
S F M 中每 幅 图像 对应 的相机 被 7个 参数 确 定 , 包括 旋 转矩 阵 R 和平 移 坐标 t 的 6个 外 参 , 和一个 相机
内参焦 距 厂 , 在 相 机 和场 景被 重 构过 程 中 , 按 重投 影 误差 最 小原 则 , 为 避免 运 动恢 复 结构 中因 陷入 不 良局部
G P S接 收器 、 移动 工作 站及配 套设 备完 成 , L a d y b u g 3是 P o i n t G r e y 公 司发 布 的 3 6 0 。 全景视 觉产 品。通过 匹配 图像 之 间的特 征点 , 利用 S F M [ 】 算 法 对 匹配结 果进 行计 算得 到相 机位 置等 场景 信息 , 将 得 到的 三维 点云 进行
相关文档
最新文档