基于小型無人直升機的大面積非結(jié)構(gòu)化場景三維建模方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及地理測繪技術(shù)領(lǐng)域，尤其涉及一種大面積非結(jié)構(gòu)化場景三維建模方 法。
【背景技術(shù)】
[0002] 三維重建是指對三維物體建立適合計算機表示和處理的數(shù)學(xué)模型，是在計算機 環(huán)境下對其進(jìn)行處理、操作和分析其性質(zhì)的基礎(chǔ)，也是在計算機中建立表達(dá)客觀世界的虛 擬現(xiàn)實的關(guān)鍵技術(shù)。
[0003] 普遍的基于相機的三維重建技術(shù)步驟一般是：1.圖像獲取，2.攝像機標(biāo)定，3.特 征點提取，4.立體匹配，5.三維重建。上述技術(shù)是基于視覺方法的，對光照和相機的幾何特 性要求苛刻，無法在室外環(huán)境下進(jìn)行；并且，由于相機的視距有限，無法對大面積物體進(jìn)行 數(shù)據(jù)采集。
[0004] 一般地，基于激光掃描儀的三維重建的技術(shù)步驟是：1.獲得原始掃描點云數(shù)據(jù)， 位置信息，姿態(tài)信息和數(shù)字圖像；2.對點云數(shù)據(jù)進(jìn)行預(yù)處理，包括去除噪點，去除錯誤點， 去除地面點；3.對點云實施配準(zhǔn)，得到初步點云模型；4.構(gòu)造幾何模型；5.紋理貼圖。該 技術(shù)的瓶頸在于：其一、原始點云和數(shù)據(jù)圖像的獲取工作困難，特別是針對大面積非結(jié)構(gòu)化 物體更是束手無策；其二、在大數(shù)據(jù)量的條件下，連續(xù)ICP匹配會導(dǎo)致累計誤差，這會使后 續(xù)工作不能繼續(xù)。普通房屋和城市一般的建筑都是結(jié)構(gòu)化的，對于結(jié)構(gòu)化場景，采集部分?jǐn)?shù) 據(jù)，比如房頂數(shù)據(jù)，就可以構(gòu)造出整個三維模型，但對于非結(jié)構(gòu)化場景（例如明長城）需要 采集所有數(shù)據(jù)。
[0005] 國內(nèi)外的專家與學(xué)者在機載三維重建方面做了不少工作：VivekVerma,LuWang 和LiangCheng等人通過LiDAR數(shù)據(jù)，實現(xiàn)屋頂?shù)娜S建模；ShugenWang等人通過LiDAR 和攝像機實現(xiàn)了對簡單建筑的三維重構(gòu)工作；CharalambosPoullis和JinhuiHu等人通 過LiDAR系統(tǒng)，實現(xiàn)對一個大的城市區(qū)域進(jìn)行建模；CorneliusWefelscheid等人用UAVs對 一棟房子進(jìn)行了三維重建，他們重構(gòu)的方法是基于圖像的，不是基于激光掃描儀的，而且都 是對結(jié)構(gòu)化的物體進(jìn)行三維重建的；ZhichaoZhang等人用激光掃描儀和攝像機對城市的 雕塑進(jìn)行三維重建，在處理過程中，他們對點云模型中的重合區(qū)域進(jìn)行了融合，使得點云模 型更加精確，在紋理映射階段，他們采用SURF來實現(xiàn)圖片匹配，最后他們也得到了很好的 效果；Chia-YenChen等人使用LiDAR系統(tǒng)進(jìn)行大范圍的激光掃描，作者針對大范圍3D重 建提出兩種方法來提高ICP匹配精度：其一，剔除那些差別很大的點，設(shè)定一個差別閾值， 在這個閾值之內(nèi)的點都不應(yīng)該參與ICP匹配過程；其二，選取特征點來進(jìn)行ICP匹配，他們 的匹配結(jié)果也是令人滿意的；針對ICP匹配之后，累積性誤差會比較大，RainerKmnmerle 等人提出了一種圖形優(yōu)化算法：G20;SabryF.El-Hakim等人也做了文化遺址的三維重建， 他們對圣多明我大殿外圍進(jìn)行了重構(gòu)，他們將多種三維重建方法聯(lián)合在一起用，比如：對于 大的建筑，用圖像的建模技術(shù)行不通，應(yīng)該采用基于距離的建模技術(shù)即采用激光掃描儀。然 而，對于一些體積不大的東西，如果用激光掃描儀去進(jìn)行重構(gòu)，會丟失很多細(xì)節(jié)性的東西， 此時，用基于圖像的建模技術(shù)再好不過?；谏鲜鏊枷?，Sabry F. El-Hakim的團隊將不同 技術(shù)重構(gòu)出來的三維模型放到一塊兒，效果不錯，但他們沒有對點云做全局優(yōu)化；張濤對基 于復(fù)雜點云的空間三角化與三維剪裁進(jìn)行研宄，提出一種復(fù)雜點云的改進(jìn)的三角化算法， 使得處理后的空間網(wǎng)格反映出物體表面離散點間的拓?fù)溥B接關(guān)系，同時也對空間三角網(wǎng)格 增加光照和材質(zhì)處理以及紋理映射，大大提高了渲染速度，改善了渲染效果。鄭克強主要完 成了三維非結(jié)構(gòu)化場景的重構(gòu)，有效建立了場景的幾何特征模型和三維柵格模型。上述事 件均沒有對大范圍非結(jié)構(gòu)化的物體進(jìn)行重建。王昌翰等在文物三維重建中做了不少工作， 他們用激光對千手觀音進(jìn)行了三維重建工作，但是，他們并沒有重建出一個完整的三維立 體模型，只是重建出了千手觀音的一部分。于明旭等利用三維激光掃描儀和一些系統(tǒng)軟件 對兩棵樹化石進(jìn)行了三維重建，他們并沒有對三維點云進(jìn)行全局優(yōu)化，而且被掃描物體體 積小，掃描點云次數(shù)不多。

【發(fā)明內(nèi)容】

[0006] 為了解決現(xiàn)有技術(shù)中的問題，本發(fā)明提供了一種基于無人直升機的大面積非結(jié)構(gòu) 化場景三維建模方法，解決了大面積物體的點云采集和原始照片采集難題，有效地克服了 點云拼接的困難，解決了大范圍非結(jié)構(gòu)化大物體的三維重建工作難題。
[0007]本發(fā)明通過以下技術(shù)方案實現(xiàn)：
[0008] -種基于無人直升機的大面積非結(jié)構(gòu)化場景三維建模方法，所述方法采用分段重 構(gòu)、最后拼接對大面積非結(jié)構(gòu)化場景進(jìn)行三維建模，所述方法包括以下步驟：
[0009] A.無人直升機搭載LiDAR系統(tǒng)與高品質(zhì)數(shù)碼相機采集目標(biāo)對象的激光點云數(shù)據(jù) 和圖片數(shù)據(jù)；
[0010] B.對所述點云數(shù)據(jù)進(jìn)行處理：首先進(jìn)行ICP匹配單步矯正，然后G20圖形全局優(yōu) 化，再進(jìn)行三角網(wǎng)格化處理，得到網(wǎng)格表面法向量；
[0011] C.對所述圖片數(shù)據(jù)進(jìn)行處理：首先進(jìn)行預(yù)處理，然后計算物像映射關(guān)系，獲取紋 理序列；
[0012] D.利用冗余的紋理進(jìn)行多重紋理映射，實現(xiàn)紋理間的模糊過渡：步驟C所得到的 紋理序列按照紋理坐標(biāo)一一地貼到步驟B所得到的三維幾何模型上，形成三維數(shù)字模型。
[0013] E?輸出目標(biāo)對象的三維數(shù)字模型。
[0014]作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟B中對所述點云數(shù)據(jù)進(jìn)行處理還包括點云去 噪：基于定半徑包圍球去噪算法，以目標(biāo)點為圓心，固定半徑區(qū)域內(nèi)點數(shù)如果少于數(shù)量閥 值，則被認(rèn)為是噪點并予以去除。
[0015]作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟B中在進(jìn)行三角網(wǎng)格化處理之前，需要使用 基于聚類的方法對點云精簡處理。
[0016] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述三角網(wǎng)格化處理基于delaunay準(zhǔn)則的 PowerCrust算法作為三角化的方法。
[0017]作為本發(fā)明的進(jìn)一步改進(jìn)，為了得到更平滑精確的模型，需要對網(wǎng)格進(jìn)行加密，加 密算法基于三階B-spine插值。
[0018]作為本發(fā)明的進(jìn)一步改進(jìn)，所述方法還包括步驟F:將多段目標(biāo)對象的三維數(shù)字 模型進(jìn)行拼接，形成完整的目標(biāo)對象的三維數(shù)字模型
[0019] 本發(fā)明的有益效果是：本發(fā)明提出的基于小型無人直升機的大面積非結(jié)構(gòu)化場景 三維建模方法，在原始數(shù)據(jù)采集階段，用無人直升機搭載LiDAR系統(tǒng)與高品質(zhì)數(shù)碼相機，對 款貢城城墻進(jìn)行數(shù)據(jù)采集工作，解決了大面積物體的點云采集和原始照片采集難題。在數(shù) 據(jù)分析與處理階段，采用了點云匹配和全局優(yōu)化，有效地克服了點云拼接的困難。實驗證 明，這套無人機動態(tài)監(jiān)測系統(tǒng)是可行的，有效地解決了大范圍非結(jié)構(gòu)化大物體的三維重建 工作。
【附圖說明】
[0020] 圖1是本發(fā)明的方法的數(shù)據(jù)處理流程圖；
[0021] 圖2是G20算法的原理示意圖；
[0022] 圖3是紋理映射示意圖；
[0023] 圖4是長城數(shù)據(jù)采集示意圖；
[0024] 圖5是無人直升機激光掃描示意圖；
[0025] 圖6是豁口段城墻點云圖；
[0026] 圖7是豁口段城墻三維幾何模型俯視圖；
[0027] 圖8是豁口段城墻三維幾何模型側(cè)視圖；
[0028] 圖9是豁口段城墻貼上紋理的側(cè)視圖。
【具體實施方式】
[0029] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。
[0030] 附圖1所示為本發(fā)明的大面積非結(jié)構(gòu)化場景三維建模方法的數(shù)據(jù)處理流程圖，輸 入是激光點云數(shù)據(jù)，相機圖片；處理時，采用了點云匹配、G20圖形優(yōu)化、點云去噪、點云精 簡、點云三角化、紋理貼圖等方法；輸出是三維模型。
[0031] 點云匹配是三維重建的基礎(chǔ)，它決定了模型的精度。點云匹配領(lǐng)域使用最多的方 法是ICP(Iterative Closest Point:迭代最近點法），它是基于統(tǒng)計學(xué)的思想，計算所有匹 配點對之間的歐氏距離，所有點對的距離方均根作為評價函數(shù)，當(dāng)該函數(shù)收斂到極小值時， 即認(rèn)為匹配。ICP匹配的缺點是它只能找到局部最優(yōu)，對于點云集中分布的模型而言，例如 類球體或圓柱體分布的點云，該算法效果最好，而對于呈線性廣域分布的長城的點云，該算 法不能夠保證點云全局的走向正確性，重復(fù)使用ICP會導(dǎo)致累積性誤差。因此本發(fā)明使用 了G20(General Graph Optimization:-種基于圖的針對全局非線性誤差的優(yōu)化算法），它 能夠在ICP匹配的基礎(chǔ)上，對點