基于點陣結構光獲取物體點云的攝影測量方法

葉子偉 ，陳志

(寧波市測繪設計研究院，浙江 寧波 315042)

1 引 言

隨著近年來數字近景攝影測量、地面三維激光掃描、計算機技術的飛速發展，離散點數據采集的手段和方法越來越豐富和完善。地面三維激光掃描技術可以高精度、高密度、高速度地測量物體表面三維空間坐標［1］。但是地面三維激光雷達儀器設備較昂貴，而且在數據獲取過程中往往會由于目標遮擋、入射角、材質等而造成數據空洞，對于較復雜的空洞還需要依賴攝影測量技術進行修補。近景攝影測量技術能夠快速方便地獲取物體的真彩色影像，通過影像匹配能夠快速的生成目標點云。但是對于一些缺乏紋理無明顯灰度變化的物體如金屬曲面、藝術雕像、重要文物等，往往會由于同名點對數量較少而造成目標點云的密度較小，結構光測量作為近景攝影測量的一個重要分支，能很好地解決這一難題。

結構光測量是指利用人工光源透過某種投射模板到待測物體表面上，用單相機或多相機拍攝物體的照片，通過匹配投影模板特征來獲取物體表面輪廓的三維坐標信息。利用結構光獲取物體三維信息的研究始于上世紀70年代，隨著這一技術的發展出現了利用各種結構光進行視覺測量的技術，根據投射到物體表面上的結構光的圖案形狀，結構光可分為點陣、單線、多線、網格等。熊耀陽等［2］通過結構光對人體面部外形進行測量和三維重建，李玉廣等［3］結合雙相機和結構光對船艙進行三維測量，陳錚等［4］將結構光運用于高溫鍛件測量。結構光測量是主動式三維測量的一個重要分支，具有測量快速、簡單、精確、經濟、非接觸性等諸多優點。本文基于自主研發的點陣結構光投射系統進行攝影測量。

2 系統硬件構成

本文設計的系統硬件主要由以下兩部分組成:

(1)數字攝影測量系統:包括兩部數碼相機、連接相機的固定桿、同步快門、電池及三腳架。

相機的選擇并非具有唯一性，綜合性能、尺寸、成像效果等多種因素，本文的左右相機均采用Canon EOS 100D 相機實現圖像立體測量。Canon EOS 100D的有效像素為1 800萬，分辨率為5 184×3 456，機身重量370 g，顯示屏尺寸為3 英寸。同步控制器能使左右相機同時曝光拍攝物體影像。裝置如圖1所示。

圖1 立體相機

(2)結構光投射系統:包括一個點陣結構光投射器、供電電源及一臺標線儀。

點陣結構光散射器由16 個激光頭組成，每個激光頭均能向物體表面投射若干個綠色激光點。標線儀型號為Sincon SL－445P，能投射4 條垂直的紅線和4 條水平的紅線，用來增加更多的紋理。裝置如圖2所示。

圖2 結構光投射系統及拍攝效果圖

3 獲取物體DSM 數據

3.1 基于多片空間后方交會的相機檢校

影響攝影測量成果精度的重要因素之一是相機的技術參數，因此相機技術參數的檢校是保證成果質量能否滿足精度要求的關鍵問題之一［5］。常用的相機標定法有張正友平面標定法、TSAI 的RAC 兩步標定法、自標定法和傳統的基于三維控制場的標定方法等。本文采用基于室內精密三維控制場的標定方法，這種方法利用布設在室內三維控制場作為控制信息，采用空間后方交會的方法，解算相片的標定參數。

基于空間后方交會的相機檢校是一種依據共線條件方程式以像點坐標作為觀測值V，在解求相片內方位元素X內和某些附加參數Xad的同時解求相片外方位元素X外。公式表達如下:

V=AX外+BX內+CXad－L

式中A、B、C 為系數矩陣，即:

其中:

上式中α1、α2、β1、β2等參數項分別表示徑向畸變項和偏心畸變項等參數項。假設拍攝了3 張相片1、2、3，每片上有n 個公用點1、2、…、n，有4 個附加參數α1、α2、β1、β2，那么誤差方程可表示為:

上式中:

進一步化為:

運用最小二乘原理VT×V=min，求得各未知參數X1－外、X2－外、X3－外、X內和Xad。以上的解算過程是一個逐次迭代過程。對兩個相機分別進行檢校實驗，得到的檢校結果如表1所示。

表1 相機檢校結果

衡量檢校精度的指標有:前方交會點位誤差、物方坐標反投影誤差、核線誤差等。比如檢查前方交會點位誤差，在兩張影像上分別均勻選取10 對標志點，利用標定的參數進行前方交會，并與控制點三維坐標對比，計算得到前方交會點位誤差為0.4 mm。根據此檢校結果可以進一步得到右相機相對于左相機的位置及姿態。

3.2 提取特征點

由于本文的點陣結構光投射到物體表面上的激光點不是均勻的圓形標志點，無法利用邊緣檢測和擬合算法提取出激光光斑中心，故本文提出如下激光光斑中心提取方案。

(1)二值化

彩色圖像有R、G、B 三個通道，由于本文采用的結構光為綠色點陣結構光，綠色激光點在G 通道上比R、B 通道上的灰度值高，故能通過閾值變換提取出綠色激光點。實驗時設置了閾值T1、T2和T3，用公式(4)進行二值化將圖像轉換成二值圖像。

本文根據拍攝的影像的效果，設定的顏色分量閾值為G≥200，R≤100，B≤100，對影像進行二值化。

(2)聚類

由于二值化提取出的點都是離散的，我們必須把它們聚類，即哪些點組合成一個類(即一個激光光斑)，假設所有點構成一個容器R，算法如下:

①取R 中的第一個點(假設為a)作為種子點，遍歷R 中剩下的所有的點(假設為b)，判斷點a 的橫坐標x 和b 的x 之差以及a 的y 和b 的y 之差是否都小于20 個像素(根據拍攝的影像效果可知投射距離為1.5 m～6 m時激光光斑的輻射半徑為20 個像素左右)，如果小于20 個像素，則把它們歸為一類(為了降低時間復雜度，把b 從R 中彈出)，如果大于20 個像素，不作處理，這樣一趟比較下來，得到了一個類C1;

②重復第一步，依次得到類C2、C3、C4…;

③取每一個類中所有點的x、y 坐標平均值作為每一個類的中心點(重心化)，即代表提取出的特征點。

3.3 基于核線約束的影像匹配

一個立體像對是雙像立體測圖的量測單元，假設有兩像片k1和k2，其投影中心分別為s1和s2，攝影基線s1s2與某個地面點P 所構成的平面稱為P 點的核面，核面與像片平面的交線l1、l2即為核線。由于同名像點必位于同名核線上，因此可以在同名核線上搜索同名點，縮小了匹配的范圍，提高了匹配的速度和精度。本文采用文獻［6］的基于共面條件確定同名核線的算法。

影像匹配是提取物體三維信息的基礎，影像匹配的精度對于生成的點云質量起著決定性的作用。匹配是立體視覺中的復雜且重要的環節，大多數的匹配算法基于紋理特征實現。本文匹配的難點在于:

(1)投影在物體表面上的激光點的形狀相似，很難從紋理上區分;

(2)特征點很多，一條核線上可能有很多特征點;

(3)即使左右像片都提取到了特征點，但并不是左右一一對應的，也就是說，左片中提取了，右片中不一定能提取到;

據此本文設計的影像匹配的技術流程如圖3所示:

圖3 影像匹配流程

詳細匹配步驟說明如下:

①首先根據3.2 中的特征點的提取算法，從左右像片分別提取到了特征點集Pleft、Pright;

②從特征點集Pleft中選取一個待匹配點a，遍歷Pright中的每個點，進行視差約束，即平行攝影情況下，一般同名點在左圖像上的x 坐標會大于右圖像上的x坐標，若不滿足該條件，則不是匹配點，若滿足該條件，將Pright中的點構成一個點集P1;

③遍歷P1中的每個點，進行核線約束，即計算P1中的點到相應右核線的距離△d，設定核線閾值ε(由第一節中的標定結果可設定ε 為3 個像素)，將△d 小于ε 的點構成一個點集P2;

④遍歷P2中的每個點，進行前交距離約束，即將待匹配點a 和P2中的每點進行前方交會得到前交點，如果前交點到相機的距離在閾值(最小測距1.5 m，最大6 m)范圍之內，將P2中滿足該條件的點構成一個點集P3;

⑤以待匹配點a 為中心設定一個目標窗口(窗口內的影像包含了待匹配點周圍灰度信息)，遍歷P3中的每個點，在右影像上設置一個搜索窗口(搜索窗口應大于目標窗口)，將目標窗口放在搜索窗口內，計算灰度變換的相似性——相關系數［3］，并逐行、逐列地依次移動目標窗口(每次移動一個像元)，計算相關系數，最后比較相關系數，相關系數最大者即為待匹配點a的同名點。

4 實驗結果與分析

為了突出激光光斑的亮度，將結構光投射系統置于一個空曠昏暗的房間中，將立體相機移動至8 個不同的位置對著一塊墻面拍攝了8 組立體像對。圖4為第一個立體像對匹配效果圖，紅色十字絲為匹配到的同名點。分析可知，匹配失敗的原因是待匹配點的同名核線上有很多類似的特征點。

圖4 匹配效果圖

檢查其他7 組立體像對，匹配成功率均達到95%以上。由上述提出的影像匹配流程可知，算法時間復雜度為O(n3)，根據程序的實際運行時間統計出每組立體像對的匹配耗時。從每組立體像對隨機選出10對成功匹配的同名點，計算匹配的平均誤差。表2為匹配實驗結果，數據表明本文提出的基于核線約束的匹配算法具有較好的可行性。

表2 匹配實驗結果

將第一個立體像對的匹配點進行前方交會生成點云，匹配失敗的同名點前交得到的三維點一般偏離較遠，可視為噪聲點進行手動刪除，最后獲取到物體表面輪廓的點云數據，如圖5所示。

圖5 前方交會出的點云

5 結論與展望

本文基于自主研發的點陣結構光投射系統并設計了一套從影像到點云的詳細流程，首先基于多片空間后方交會的相機檢校原理對立體相機進行檢校，然后將左右片提取出的特征點通過視差約束、核線約束、前交距離約束以及相關系數匹配，實驗結果表明可以得到較高的匹配成功率，最終獲取到物體表面輪廓的點云。本文為今后的研究及項目實施奠定了堅實的理論、實踐基礎，下一步的工作是優化影像匹配的算法提高匹配的效率、成功率及精度，并將此技術運用到具體的工程測量中，如建筑物立面平整度的檢測、金屬的曲面重建等。

［1］徐進軍，王海城，羅喻真等．基于三維激光掃描的滑坡變形監測與數據處理［J］．巖土力學，2010，31(7):2188 ～2191．

［2］熊耀陽，陳曉波，孫健等．結構光投影面部三維測量系統的精度研究［J］．上海交通大學學報·醫學版，2010，30(1):66～69．

［3］李玉廣，朱福祥．獲取艦船液艙數字表面模型的數字立體攝影測量方法［J］．船舶設計通訊，2009，6(1):49～53．

［4］陳錚，黃桂平，馮欣等．三相機結構光攝影測量中人工標志同名像點自動匹配方法［J］．測繪工程，2013，22(1):28～30．

［5］王冬，馮文灝，盧秀山等．基于多片空間后方交會的CCD相機檢校［J］．測繪科學，2006，31(4):64～66．

［6］張祖勛，張劍清．數字攝影測量學［M］．武漢:武漢大學出版社，2003．