无人机平台下建筑物红外和光学图像的三维重建

发布时间：2020-08-10 09:31

【摘要】：建筑物的三维模型在数字城市,教育教学,安防监测等领域均具有非常广阔的应用前景,所以研究基于建筑物图像的三维重建是非常有意义的。本文主要基于无人机平台,通过无人机搭载两个相机(红外相机和光学相机)同时间同视角同姿态对建筑物进行图像采集,然后利用采集到的红外图像和光学图像对建筑物进行高效准确的三维重建,最终重建出富含温度场的建筑物三维点云模型和三维线段模型。主要研究内容和成果如下:(1)针对红外图像视觉模糊,重建难度大的问题,本文研究了基于SfM和PMVS算法的红外图像三维点云重建,除了总结出适用于红外图像的特征检测算法之外,还提出了新的TAC-RANSAC匹配模型消除误匹配,最终生成的三维点云模型角度误差和位置误差均得到大幅度降低,噪声点和离群点大幅度减少,重建效果良好。首先,鉴于SfM算法和PMVS算法在可见光领域三维重建的成功应用,首次将该算法应用到红外图像中;其次,针对红外图像分辨率低,对比度差,还有各种形式的噪声,结合了四种在光学图像中常见的特征检测方法,并将它们分别应用在红外图像中,得出最适合红外图像的特征检测方法;最后,针对红外图像成像质量比较低,对特征匹配存在很大程度的噪声干扰,提出了一个新的消除误匹配算法TAC-RANSAC,然后将交叉过滤,KNN,TAC-RANSAC三种算法结合得到基于TAC-RANSAC算法的消除误匹配模型,实验表明该模型可以极大的提高匹配精度,使误匹配率降到最低。(2)针对红外图像成像质量差,提取不到足够数量的二维线段,进而重建不出完整三维线段模型的问题,提出利用同视角同姿态的光学图像对同一建筑物进行三维线段重建的方案,并在线段检测阶段提出了一种新的多尺度自适应LSD线段检测方法,最终实验表明利用光学图像和新的线段检测方法可重建出完整准确的三维线段模型。首先,针对基于线段的相机姿态估计比基于点复杂得多,并且估计出的相机姿态不准确,提出将红外图像的姿态参数直接赋予对应的光学图像,简化了重建任务;其次,针对光学图像线段检测容易产生过分割现象,而且分辨率越高,过分割越严重,提出一种新的线段检测方法多尺度自适应LSD算法,实验表明该算法可以有效减少过分割;最终,针对光学图像生成的三维线段模型没有温度信息,提出将红外点云模型和光学线段模型进行融合,最终生成的三维线段模型不仅能显示建筑物的整体拓扑结构,还具有丰富的温度场。
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;V279
【图文】：

硬件设备,无人机

（c）无人机（d）挂载相机的无人机图 1.1 硬件设备的展示图图 1.2 飞行状态的无人机3 本文内容与章节安排本文主要研究基于无人机平台，针对建筑物图像进行三维重建，本文利用无人机同时学相机和红外相机，并且同时间同视角同姿态拍摄建筑物，获取一系列光学图像和红外图

间的相对姿态，极线约束对特征点匹配和特征建中可用于缩小匹配范围以及消除误匹配。图正图像中固有的径向畸变和切向畸变。本章的结构安排如下：2.2 节分析了小孔模算法的一般流程，在 2.4 节分析了极限约束条2.2 小孔模型为了理解三维实体与图像中的二维图像投即使每个物理相机都是由稍微不同的组件构成采用一个非常简单的模型小孔模型，它经常作为当然也存在其他相机模型，例如，仿射模型，在几何学中，针孔相机由投影中心C ，图心；图像平面对应相机平面；焦距仅仅是决定了投影图像最终呈现的大小。图 2.1（右）更详细的解释，参考[64]）。

二维图像,严重畸变,图像

二维的投影（即图像采集）过程中，所有深度信息就投影为无限长的三维射线，其中产生该二维图像点的图 2.1 右图中的 x点，反投影将得到射线3xr R，这及真实的三维实体点 X 。该射线可以简单地计算为T1xr R K x 算得到真实的三维点坐标xX C d r2 X||是已知的，xr 被归一化为单位长度|| || 1xr .拍摄的图像采用这种小孔相机模型会有一个潜在的问头，它并不严格遵循小孔相机模型，而是引入一定的是远离相机中心，这种畸变就越严重。然而，通过相通过专业的标定方法来估计相机的内参数矩阵及其失摄平面来校正目标，或者是通过免费的校正工具来校工具可以在[65]中找到。因为本文采集光学图像用的是头，特点就是会有很严重的畸变，所以在处理图像之法在 2.5 节中有介绍。

【相似文献】