无人机与三维激光扫描融合的拱桥三维重建

张玉涛, 孙保燕, 莫春华, 薛伟

(桂林电子科技大学建筑与交通工程学院, 桂林 541004)

随着实景三维中国建设进程的不断加快,其作为国家的新型基础设施,为数字中国建设提供了统一的空间分析框架和分析基础。2022年2月25日,自然资源部发布的《关于全面推进实景三维中国建设的通知》更是指明地方层面建设任务,在获取优于5 cm分辨率的倾斜摄影影像、激光点云等数据基础上完成基础地理实体数据制作。高铁桥梁作为国家交通系统中的重要组成部分,自然也是信息化、数字化建设的重要目标,另外,桥梁精细化实景三维模型在辅助桥梁病害检测、缺陷监控、结构施工模拟等方面均有良好表现[1-4],因此建立其精细化三维模型有着重要的现实意义。

目前,桥梁精细化实景三维模型生产多依靠多旋翼无人机贴近摄影方式,需要高精度定位技术辅助完成。刘洋等[5]提出“先整体后局部,分层拍摄,促使多个不同分辨率的影像融合为一体”的贴近摄影航线规划方法建立斜拉桥精细三维模型。Pepe等[6]融合地面及无人机影像建立小型砌体石拱桥的完整精细的三维模型。He等[7]提出融合整体和局部的无人机航线的采集方法,使得重构模型质量提升46.7%。孙保燕等[8]针对斜拉细部桥塔节点建模通过设计阶梯式环绕航线得到高精度实景三维模型。贴近摄影方式的出现一定程度上增加实景三维模型的精细度,但由于桥梁位置的局限性,缺乏航线规划的安全空间,可能因为航摄角度不合理设置,造成桥梁节点、凹槽、锚具等细节部位纹理缺失,并且由于桥梁底部与外界的光线差异,极易采集到过曝影像,使得影像空中三角测量计算失败造成桥梁底部模型错位或者大面积纹理缺失。

利用三维激光扫描仪快速获取高精度地面三维信息的优势,解决了地面近景数据采集效率低下以及密度不足的问题。Mohammad等[9]针对小型双跨木桁架桥分别以航空摄影及地面激光扫描两种建模方式建立精细化点云模型并分析两种建模方法优劣。王树臻等[10]融合摄影测量及三维激光扫描实现建筑物精细化建模。曹明兰等[11]针对起伏频繁、纹理单一、形状复杂的森林景观利用倾斜摄影技术及三维激光扫描,实现森林景观的精细化建模。由此看来,融合无人机影像和三维扫描技术来建立精细化三维模型是可行,并且可以突破三维激光扫描仪易造成目标顶面纹理信息缺失的局限性,同步操作的特点更是可以提高精细建模的效率。

鉴于以上问题,立足建设实景三维中国的大背景,为提升拱桥实景三维模型的精度及完整度,本文研究将无人机航摄影像与三维激光扫描数据融合建立拱桥实景三维模型,通过与单一无人机建模结果进行精度及纹理完整性对比,验证该方法的有效性及优越性,为精细化建模提供方案参考。

拱桥精细化数据采集方案以拱桥桥面为分界线,桥体上部数据依靠无人机经区域环绕航摄与细节近景摄影获取,桥下部分数据通过站点式三维激光扫描仪采集获得。

1.1 拱桥桥体上部数据采集方法

拱桥桥体上部数据采集方式分为区域环绕航摄和细节近景摄影,区域环绕航摄以获取拱桥主体及周围环境的影像数据,近景摄影以获取拱桥立面和细节节点的纹理数据。

1.1.1 区域环绕航摄方案

环绕航摄是一种多基线旋转拍摄目标区域的航摄方式,通过设置相对摄影基准面航高、环绕半径、环绕重叠率、环绕间重叠率、相机俯仰角等航摄基本参数,经人机交互操作完成飞行器数据采集任务。

区域环绕航摄以拱桥桥面为航摄基准面,桥面中心线为环绕航摄圆心基准,在此基础上,航线布设及航摄基本参数如图1所示。飞行参数的合理设置影响所得航摄像片的质量。据航空摄影影像地面分辨率基本公式[式(1)]所示,地面分辨率数值与相对基准面航高成正比,地面分辨率愈大代表所获取的影像数据质量愈差,因此获取较优的影像分辨率需要设置较低的相对摄影基准面航高。

(1)

式(1)中:GSD为影像地面分辨率,m;f为镜头焦距,mm;υ为像元尺寸,mm;H为相对基准面的高度为,m。

R为环绕航摄圆半径;S为环绕航摄高度绝对高度;h为补偿高度;θ为像片倾角;k为环绕间重叠率图1 环绕航摄示意图Fig.1 Schematic diagram of surrounding aerial photography

为获取较为完整的拱桥主体数据,环绕航摄需聚焦于拱桥桥面,并且因在航线规划软件中设置的无人机航高S为绝对高度,因此在设置无人机像片倾角θ时需考虑补偿高度h。补偿高度h为相对航摄基准面至地面的实际距离,上述参数之间的关系为

(2)

式(2)中:θ为像片倾角,(°);R为环绕圆半径,m;S为环绕航摄绝对高度,m;h为补偿高度,m。

1.1.2 近景摄影方案

近景摄影受实时光线条件影响较大,当拱形骨架位于阴面且无人机距拱面较远时,出现逆光现象,极易造成影像眩光,如图2所示,并且由于明亮光源直射的影响,次要拍摄部分较主体拍摄部分突出,在实景三维模型生产时易造成图像特征点无法识别而建模失败。

图2 眩光影像Fig.2 Glare image

因此根据现场光线条件、拱桥外立面形状以及凹凸状况,每架拱设计三层弓形航线,每层航线俯仰角之间以30°左右的变化率定距近景拍摄,如图3所示。拍摄对象主体需占据画幅的80%～90%,像片之间需保持60%～80%的重叠度。

图3 拱肋近景弓形航线示意图及像片角度示意图Fig.3 Schematic diagram of arched rib close-up archway route and photo angle diagram

1.2 拱桥桥体下部数据采集方法

拱桥桥体下部数据采集依靠三维激光扫描仪。三维激光扫描利用激光测距的原理,通过测量物体表面密集点的三维坐标、反射率及颜色信息,复建被测目标物体的高精度三维模型。采集流程为根据拱桥桥型、桥底环境,制定站点布设方案,站点之间保证足够的重叠度,一般为30%～40%。根据三维激光扫描仪自身精度,以及数据采集密度要求,测站之间设置合适的距离,一般为20 m左右。拱桥数据采集现场布设5个测站,站点布设状况如图4所示。

图4 扫描站点布设Fig.4 Scan site layout

2.1 影像数据融合

影像匹配主要依靠特征描述子实现特征数据的对比,通过尺度不变特征变换(scale invariant feature transform,SIFT)算法[12]生成描述子向量计算参考特征点与所有待匹配特征点之间的欧式距离[式(3)],与设定距离阈值进行对比,若小于此阈值则将参考特征点与最邻近特征点进行匹配以实现最终的影像匹配效果[13]。

(3)

式(3)中:(x,y)为图像关键像素点坐标;A、B分别为n维空间中的特征点。

环绕航摄影像与拱桥细部近景影像因拍摄主体间的极大视角差造成影像特征描述子发生变化而无法进行影像匹配造成实景三维模型分层。因此提出通过增加公共区域连接影像来减小影像特征描述子变化以实现图像成功匹配,后经密集匹配实现数据融合。环绕航摄与近景摄影因角度不同,为保证影像重叠率,在增加影像密度时以近景立面正射影像为基准,以影像重叠度p为约束,定点以角度Δφ逐渐变化将像片倾角转变至环绕航摄的像片倾角θ,如图5所示,保持像片倾角不变,改变航高拍摄直至到达区域环绕航高,渐变角度Δφ计算公式为

(4)

式(4)中:a为相机视野,m;b为改变角度后与初始影像的重叠视野,m;l为近景正射影像曝光点与目标物体的距离,m;Δφ为渐变角度,(°);FOV为相机视场角,(°);p为影像重叠率。

单张像片绝对航高Si计算需考虑航高逐渐抬升的过程中的影像重叠度,影像采集实际获取的地物数据为梯形区域,如图6所示。

实际地物影像重叠度为重叠区域面积与梯形面积的比值,为降低计算难度,将影像重叠度简化为c1c2与c1c3的比值,则根据相似三角形原理,易知绝对航高Si计算如式(5)所示。

图5 定点渐变角度示意图Fig.5 Schematic diagram of fixed point gradient angle

G为近景摄影的视点;M为第一张连接影像视点;c1为相机聚焦点;c2、c3分别为相机G视点与M视点的相机视野边界点图6 连接影像计算示意图Fig.6 Schematic diagram of connection image calculation

(5)

式(5)中:Si为第i张连接影像绝对航高,m;Hi-1为第i-1张连接影像相对基准面航高,m;p为影像重叠率;h为补偿高度,m。

2.2 无人机影像与点云数据融合

无人机影像与点云数据融合采取点云+点云的融合模式,其整体点云生成三角网平面部分规则光滑[14],节点处棱角分明,对于拱桥此种建筑结构尤其受用;并且后期生产实景三维模型无需人工再次干预,减少人工作业流程,在高性能图形工作处理器加持下有效提高数据处理效率。

点云数据处理分为两个方面:一是不同站点间的点云拼接,二是影像密集匹配点云与多站点拼接后的点云配准。因三维激光扫描各站点坐标系、无人机航摄影像地理坐标系均非同一坐标系,均需通过坐标平移和旋转变换[15]将点云坐标统一实现粗配准,坐标转换如式(6)所示。坐标统一后据ICP算法[16]对点云进行最小二乘迭代优化,通过最优刚性变换完成两组点云的精准匹配以实现无人机影像与点云数据融合。将精准配准后的点云导入Context Capture中生产实景三维模型以得到最终的高精度成果。

(6)

F(β,γ,ψ)=

(7)

式中:(Xi,Yi,Zi)为统一坐标系下的点云坐标;(xi,yi,zi)为各站点点云坐标;(β,γ,ψ)为坐标旋转参数;(u,v,w)为坐标平移参数。

3.1 实验概况

试验选择光线条件良好的日期进行数据采集,试验目标选择桂林某段高铁复杂拱桥,为双轨单跨下承式混凝土拱桥,桥梁跨径约74 m,整体高度约30 m,拱矢净高约14 m,桥面宽约15 m,桥墩高约为10 m,两侧连接隧道口,隧道口上方为山体边坡,与相关部门沟通后获得飞行特权。无人机影像采集设备选择DJI Phantom 4 Pro 1.0,相关技术指标如表1所示,扫描仪选择FARO 3DX130,主要技术指标如表2所示。

表1 无人机主要技术指标Table 1 Main technical indicators of UAV

表2 FARO 3DX130主要技术指标Table 2 FARO 3DX130 main technical indicators

3.2 实验数据采集

首先通过实地勘察在桥梁两侧布设3个控制点,5个检查点,由RTK测得其绝对坐标;使用全站仪测得拱桥立面22个检测点的站心坐标以评估拱桥的相对精度。

依1.1.1节所述区域环绕理论,以拱桥为主体目标,设置单圆交叉的环绕航线一列,考虑隧道上方山体高度及无人机飞行安全性,航高设定120 m,补偿航高为10 m,环绕半径以桥面中心线外扩60 m为宜,由此据式(2)计算航摄像片倾角为28°。公共区域选择两拱肋顶部侧面位置,影像重叠度以60%为作业要求,据式(4)和式(5),计算所得各连接影像绝对航高Si与像片倾角θi参数如表3所示,共获得连接影像12张。

环绕重叠率设置60%,环绕间重叠率为50%,在某航线规划软件中进行参数设定后开始自动化影像采集,共采集影像156张。近景细节纹理采集依据1.1.2节所述理论进行,距拱肋1 m分三层进行采集,获得高质量近景影像3 512张。三维激光扫描仪依序在5个站点上进行桥下数据采集。

表3 连接影像参数表Table 3 Connection image parameter table

3.3 数据处理

无人机航摄影像经影像预处理、图像特征点匹配、基于运动恢复结构的稀疏点云重建、基于CMVS-PMVS方法的密集点云重建后生成拱桥上部数据,如图7(a)所示;将三维激光扫描仪多站点云数据导入SCENE软件中进行拼接、赋色,如图7(b)所示;将拼接后的桥体下部点云与无人机航摄影像生成的点云进行精准配准形成完整的拱桥点云数据,如图7(c)所示;最后将点云数据导入Context Capture,通过控制点与检查点的添加,不规则三角网的构建、纹理自动映射生成最终的高精度实景三维模型,如图7(d)所示。

图7 无人机影像及三维激光数据处理结果图Fig.7 UAV image and 3D laser data processing results

3.4 质量评估

为验证无人机影像与三维激光扫描融合方法构建实景三维模型的有效性,将其与单一利用无人机影像建模结果进行对比分析。评估指标分为精度与纹理完整性两方面。

3.4.1 精度评价

目标拱桥棱角分明,此种单体结构建模和研究工作更注重本身的尺寸、结构与纹理信息,因此精度评价选择从绝对精度与相对精度两方面评估以体现成果的价值。

(1) 绝对精度评价。实景三维模型绝对精度评价包括平面精度及高程精度两方面。由5个检查点的RTK实测绝对坐标与模型量测坐标差值据式(8)计算所得,精度计算结果如表4所示。

(8)

式(8)中:εs、εh分别为平面精度及高程精度,m;n为检查点个数;(Xi,Yi,Zi)与(Xj,Yj,Zj)分别为实测值与量测值经纬度坐标。

由单一无人机影像建模与融合建模方法相比,模型平面绝对精度提高约29.6%,高程绝对精度提高约38.8%,有效建立了绝对精度较高的实景三维模型。

(2)相对精度评价。拱桥相对精度依据22个检测点计算了9个两点距离值与12个高差值,同时量测单无人机影像建模与融合建模两种建模方法所得实景三维模型对应检测点的距离值与高差值,相对精度计算结果如图8所示,数据分析如表5所示。

由相对精度分析结果可知,在检测点数据离散程度极为接近的情况下,融合建模的相对距离精度在(-0.02±0.03) m,高度差值在(0.03±0.02) m;单一利用无人机影像建模精度在(-0.03±0.03) m,高度差值在(0.04±0.02) m,表明融合三维激光扫描的建模方法相对精度表现较优;从两种建模方法距离及高差数据横向对比来看,两种建模方法所得实景三维模型对距离的描述性较好,水平精度较高。

表4 绝对精度统计表Table 4 Absolute precision statistics table

图8 检查点相对精度Fig.8 Checkpoint relative accuracy

表5 拱桥建模方法数据对比分析Table 5 Comparison and analysis of arch bridge modeling method data

参考《城市三维建模技术规范》中对建筑细节层次(LOD标准)的规定,平面尺寸及高程精度高于0.2 m即可判定为LOD4精细模型。融合建模精度远超0.2 m,鉴定拱桥精度等级为LOD4级别,满足精细化建模指标。

3.4.2 纹理完整性评价

图9 融合建模与单一无人机影像建模方法对比Fig.9 Comparison of fusion modeling and single UAV image modeling methods

纹理完整性以拱桥锚头、表面病害、桥底面等代表性节点位置进行查看,如图9所示。融合三维激光扫描点云的建模方法与单一利用无人机影像建模方法相比,结构完整,消除了拱桥底部的大面积纹理缺失情况,如图9(a)和图9(b)所示;没有出现桥墩与桥梁交叉节点粘连情况,如图9(c)和图9(d);结构清晰真实,表观病害清晰识别、锚头细节纹理完整,如图9(e)和图9(f)区域①、②、③所示;并由于设备协同作业,没有因作业时间过长而造成光线条件变化过大使得实景三维模型色调差异明显。

为量化分析纹理完整性,将“完整”定义为实景三维模型不存在纹理缺失及与实体结构不符的情况,以“完好率”指标进行表达[17],即不存在纹理缺失区域的面积单元占比率。将拱桥两个立面,一个顶面,一个桥梁底面分别用均匀的平面网格划分,如图10所示,将每一个网格单元作为面积单元,估算各个单位面的完好率,取4个单位面的平均值作为整个拱桥实景三维模型的完整度。经计算,单一利用无人机影像建模结果完好率为0.72,融合三维激光扫描建模结果完好率为0.95,后者极大提升了拱桥实景三维模型的完整性。

图10 顶面均匀平面网格划分示意图Fig.10 Schematic diagram of uniform plane meshing on the top surface

针对复杂高铁拱桥精细化建模提出三维激光数据与无人机影像融合的三维重建方法,由实验分析得出以下结论。

(1)无人机结合三维激光扫描仪的数据采集方式,解决了单一数据采集方式造成的地面近景数据采集效率低下以及密度不足或者目标顶面纹理缺失的问题,数据获取更为全面。

(2)从精度对比来看,融合三维激光扫描仪的建模方法相较于单一无人机建模方法生成的实景三维模型平面绝对精度提高约29.6%,高程绝对精度提高约38.8%,相对精度表现也略优。

(3)从建模完整度来讲,单一利用无人机影像建模结果完好率为0.72,融合三维激光扫描建模结果完好率为0.95,完整度提高约31.9%;融合三维激光扫描建模方法细节描述也更好。

(4)无人机与三维激光扫描数据融合的三维建模方法完成了对拱桥数据的完整精细化表达,建立了几何精度高、完整性好、纹理真实的拱桥实景三维模型,此种融合建模方法为类似底部脱空建筑精细化建模提供参考,具有较好的工程应用价值。

猜你喜欢近景实景拱桥獬豸盘角鹿（近景）与长颈鹿（远景）的雄性求偶争斗科学(2022年4期)2022-10-25金湖县创新“实景式”培训 提升精准执法水平江苏安全生产(2022年5期)2022-06-16数字近景摄影测量在动刚度测量中应用中国特种设备安全(2021年5期)2021-11-06海边遐思青年文学家(2021年1期)2021-03-24数字博物馆 线上实景游华人时刊(2021年23期)2021-03-08水里的“小拱桥”创新作文(1-2年级)(2017年8期)2018-04-16论山水实景剧与山水实景演出的区别北方音乐(2017年4期)2017-05-04水里的“小拱桥”创新作文(小学版)(2017年22期)2017-04-04蛋壳与拱桥学苑创造·A版(2014年11期)2014-10-23嫦娥三号着陆器地形地貌相机拍摄的巡视器近景图航天器工程(2014年1期)2014-03-11