带线约束的摄影测量网格变分精化算法

发布时间：2021-07-11 12:35

　　针对城市场景三维重建模型在有线特征的边缘区域过于平滑的问题,提出一种带线约束的摄影测量网格变分精化方法。算法以初始重建网格模型为基础,引入3个能量项,将网格精化问题转化成能量下降问题。首先结合所有的影像信息构建影像一致性约束项,然后对网格表面顶点附加正则化约束,最后引入三维线特征约束,将3个能量项加权相加后离散化到每个顶点,得到梯度变化值。采用梯度下降法,使顶点沿着梯度方向移动,当能量不再下降或迭代一定次数时,即得到了精化后的网格模型。试验结果表明,本文算法能较好地保持边缘特征,与现有的泊松重建算法相比,网格的质量更高,视觉效果更好。 

【文章来源】：测绘学报. 2020,49(04)北大核心EICSCD

【文章页数】：11 页

【部分图文】：

算法流程

由式(1)可知,影像一致性能量是位于连续空间上的。为了最小化影像一致性能量函数并应用到网格模型中,需要将连续的能量函数离散化到每个网格顶点上。在实际计算时,先寻找影像对,即如果两张影像拍摄到同一区域则加入影像对集合。遍历所有影像对,选择其中一张影像,遍历所有像素点,投影到三维网格模型中得到其三维点,然后再反投影到第2张影像上。从影像空间计算重投影误差后,根据重心坐标将此对应三维点的影像一致性能量添加到其三角面所在的3个顶点上。最终每个顶点的梯度改正值等于所有包含这个顶点的三角形在所有影像对I、J上投影的像素加权之和。1.3.2 可靠性因子

假设平面上存在一个噪声点,而周围点是正常点,则表面会出现异常凸起。对于网格模型的三维点,经典的做法是取其一阶环邻域的所有点坐标的平均值作为一阶拉普拉斯离散模拟的结果,异常凸起点会被踏平,达到平滑效果,即所谓的伞算子[22],如图3所示。本文引入距离因子,距离中心点越远的邻域点应该具有较低的权重,因此采用邻域点到中心点的距离倒数加权求取平均位置

【参考文献】：
期刊论文
[1]结合离散化描述与同名点约束的线特征匹配[J]. 欧阳欢,范大昭,纪松,雷蓉.  测绘学报. 2018(10)
[2]影像信息驱动的三角网格模型优化方法[J]. 张春森,张萌萌,郭丙轩.  测绘学报. 2018(07)
[3]城市三维重建中的自动纹理优化方法[J]. 李明,张卫龙,范丁元.  测绘学报. 2017(03)
[4]面向复杂三维场景的高质量纹理映射[J]. 姜翰青,王博胜,章国锋,鲍虎军.  计算机学报. 2015(12)



本文编号：3278108