论文部分内容阅读
基于序列影像的三维场景建模方法是以时空连续的数字影像为主要输入数据，解算和构建空间场景的数字化三维几何模型的过程。序列影像从实际应用出发可以涵盖多种形式的影像，包括深空探测器在轨运行获得的序列影像;航天卫星或航空飞机载荷传感器拍摄的序列影像;地面车载或便携式设备获取的序列影像等。空间场景的三维模型具有十分广泛的应用，例如应用于地形制图与城市规划、地外星体探测、矿产估计、环境监测、文物保护、通讯分析、军事训练、影视制作等领域中。基于序列影像的三维建模方法由于数据获取手段便捷，对观测区的覆盖度良好，几何测量精度高等特点，最近20年间在测绘遥感、计算机视觉、机器人等领域获得了越来越多的关注，成为三维场景建模的一个重要的研究方向。 对此，本文根据序列影像数据的特点，以基础算法研究为核心内容，围绕空间结构恢复和表面几何建模两个方面进行了深入的研究。在本研究中，数值最优化理论是贯穿始终的数学基础，从数值优化的角度来分析三维重建中的问题，可以为设计合理有效的数学模型和能量方程提供思路，并对模型中各种影响因素进行深入解析。具体的研究内容及创新之处在于: (1)设计了一种特征跟踪-扩展卡尔曼滤波算法来实现序列影像连续空间定位。光束法平差是由图像恢复空间结构的核心算法，传统光束法平差算法假设观测量的误差模型满足高斯白噪声模型，如果存在较大的异常值或误差项具有相关性，解算结果的收敛性和准确性难以得到保证。本研究考虑序列影像的时空连续性，利用扩展卡尔曼滤波算法来强化影像之间的特征跟踪，保证匹配的准确性并实现摄像机连续跟踪定位，在满足影像空间连续性约束的条件下获得最小二乘的严密解。 (2)设计了一种结合超像素分割和高阶马尔可夫模型的立体匹配图割优化算法。目前广泛采用的几种立体匹配算法仅考虑像素级别的邻域平滑性，使匹配模型过于简单。本文研究将局部共面性考虑到匹配模型中，以超像素分割结果图来建立图模型，配置高阶马尔可夫模型，在传统匹配模型的基础上将局部共面性约束加入到马尔可夫模型的高阶项中，增强了匹配模型的鲁棒性。最终以图割优化求解的方法获得全局最优的匹配结果。 (3)提出了一种结合邻域点分布特性的密度加权局部重采样算法对点云数据进行结构增强。法向量估计是三维点云的几何处理中的一项重要内容，绝大多数法向量估计算法都是依靠局部拟合平面的方法设计的，这就使估计算法容易受到点云密度不均匀、噪声和外点等因素的干扰。本文使用密度加权局部重采样算法可以有效地增强和改善采样点云的空间结构，为法向量估计提供保障，同时为多种表面重建算法提供优化的点云空间结构分布。 (4)提出了面向城市规模的建筑物建模的多目标图割分类算法和平面元素组合优化自动建模算法。针对航空采集的城市建筑物点云，分析点云空间统计特性，为每一个点建立空间属性向量，以此为基础设计点云多目标分类和建筑物几何建模算法。与目前国际上先进的建筑物建模方法相比较，本文方法获得的重建结果在保持较高的拟合精度基础上，有更好的紧凑性，并且在数据压缩率上有绝对的优势。轻量级的格网化表面模型能够在数字城市几何模型的存储和交互可视化显示等方面提供有效的技术支撑。 本文实验采用了多种类型数据，包括便携式网络摄像头数据、嫦娥三号深空探测影像、航空机载CCD影像和激光雷达点云等，对所提理论和算法进行检验。此外，本文在理论和算法研究的基础上，研发了一套能够实现由序列影像重建点云结构，并由离散点云数据进行表面几何建模的实用性软件系统。