密集匹配是生成数字表面模型的核心步骤,但在纹理缺乏、视差断裂和光照不一致等区域容易匹配失败。为了提高密集匹配结果的精度,提出一种稀疏点云引导(sparse point cloud guidance,SPCG)的航空影像数字表面模型生成方法,旨在利用空三...
详细信息
密集匹配是生成数字表面模型的核心步骤,但在纹理缺乏、视差断裂和光照不一致等区域容易匹配失败。为了提高密集匹配结果的精度,提出一种稀疏点云引导(sparse point cloud guidance,SPCG)的航空影像数字表面模型生成方法,旨在利用空三加密的稀疏点云约束影像的密集匹配。首先,通过稀疏点云引导的方式,选择具有良好几何配置、高重叠度和高覆盖率的立体影像对;然后,利用最近邻聚类和金字塔传播方法,扩充稀疏点云的数量;进一步,采用改进的高斯函数优化扩展点的匹配代价,以提高密集匹配结果的准确性;最后,将多个密集匹配点云融合,生成数字表面模型。模拟立体影像和真实航空立体影像的实验表明,SPCG方法优化的半全局匹配显著提升了原始半全局匹配算法的匹配准确性,具体数值表现如下:半全局匹配生成的视差图与真实视差的差值大于1、2或3个像素的百分比分别为46.72%、32.83%或27.32%,而SPCG方法优化的半全局匹配相比于半全局匹配分别下降了7.67%、9.75%或10.28%。此外,相比于高斯方法优化的半全局匹配和深度学习方法金字塔立体匹配网络,SPCG方法优化的半全局匹配具有最高的匹配精度。多视航空影像实验结果表明,SPCG方法准确生成了整个测区的数字表面模型,并且在定性和定量两个方面均优于采用卓越SURE软件生成的数字表面模型。
针对传统现场接触式测量获取岩体结构面参数效率低、工作量大、结果精确性受人为因素影响等问题,本文结合数字摄影测量技术与运动法(structure from motion,SFM)进行岩体三维数字表面模型重建,并在此基础上建立了岩体结构面自动识别方...
详细信息
针对传统现场接触式测量获取岩体结构面参数效率低、工作量大、结果精确性受人为因素影响等问题,本文结合数字摄影测量技术与运动法(structure from motion,SFM)进行岩体三维数字表面模型重建,并在此基础上建立了岩体结构面自动识别方法。岩体数字表面模型重建步骤主要为岩体影像资料采集,基于尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)算法进行图像特征匹配、稀疏点云构建、点云稠密化以及岩体曲面模型重构。结构面识别方法流程主要为:首先平滑岩体数字表面模型;通过改变搜索半径和角度阈值实现模型平面分割;基于区域生长原理进行结构面搜索;最后基于随机采样一致性拟合结构面得到结构面产状。将该方法应用于甘肃北山地下实验巷道,实现了巷道三维数字表面模型的重建与结构面产状数据获取,最后将识别到的结构面分组表征在模型表面。与人工实地测量方法以及现有的结构面识别软件相比,本文提出的方法具有良好的准确性,可为工程应用提供一定的参考。
暂无评论