基于Cult3D的大壩工程施工圖像智能配準方法

李寧霄

(遼寧省河庫管理服務中心(遼寧省水文局)，沈陽 110003)

0 引 言

大壩工程施工在整體建設過程中尤為重要，為了保證施工圖像在建設規劃過程中大壩工程施工的科學性，需要將施工圖像進行智能配準。在同一施工場景下拍攝得到的不同角度的圖像,對其進行幾何與光度方面的校正,稱為圖像配準，配準的準確率直接關系著大壩工程施工的質量。

傳統的圖像智能配準方法中，主要是針對近距離拍攝的圖像有著較好的配準精度[1-2]。但是對于大壩工程施工來說，得到的施工圖像一般為遠距離探測技術所得到的遙感圖像。遙感圖像與普通圖像相比，每個像素點中所包含的信息量都較大，因此在同一場景下不同角度的遙感圖像每個像素點中所對應的大壩工程施工信息都會有一定偏差，對于大壩工程施工遙感圖像的配準過程來說，特征點的選擇與配準是非常重要的。傳統的配準方法中，對于近景圖像的配準取得了較好的效果，但是對于大壩施工的遙感圖像來說，配準性能有所降低。因此，本文提出一種基于Cult3D的圖像智能配準方法，以應用于大壩工程施工中。

1 基于Cult3D的大壩工程施工圖像智能配準方法研究

1.1 基于Cult3D創建三維模型

在大壩工程施工的圖像配準過程中，配準平臺中的設計需要體現出以大壩工程為主體的圖像配準思想，在建模過程中要方便施工參照。因此本文在模塊化基礎上，構建基于Cult3D技術的三維模型配準平臺[3]。該平臺需要包括大壩施工中的土工試驗項目，在建模過程中使用者可以利用PC機的外部硬件交互操作，對基于遙感圖像的大壩施工三維模型進行創建和調整。在建模過程中，主要使用Cult3D技術來完成模型的交互和拼接。Cult3D技術是目前使用頻率較高且性能較好的VR交互工具，其自身具有較好的交互性能，使用過程中能夠為配準節省網絡帶寬，提高配準效率[4]。在建模過程中，PC外設能夠相應地控制場景漫游以及基于模塊結構的實驗項目，包括虛擬施工場地、工程項目展廳、施工過程中的材料飽和性、含水率測定、土壤密度、顆粒分析、三軸剪切等工程項目，在Cult3D技術的基礎上進行開發，其建模開發流程見圖1。

圖1 Cult3D的建模開發流程

在建模開發的過程中，需要在與3D模型接口之前進行相關的裝配，在導出需要的格式文件之前調整相對應位置之后再進行接口。在模型建立之后需要導入到程序中，對于工程中的光線等效果進行設計，以使后期尋找特征點的過程中便于觀察。至此完成基于Cult3D三維模型的創建。

1.2 特征點的標記與匹配

圖像的配準主要目的是將相同場景下的不同角度圖像進行融合與疊加。本文在基于Cult3D三維模型的基礎上，需要對特征點進行標記和匹配。對于工程遙感圖像來說，特征點一般為比較穩定的角點或是局部極值點。對于大壩施工工程來說，想要完成施工場景的重現任務，就要保證標記出來的特征點具有普適性，方便后期的匹配[5]。在標記的過程中，特征點的標記原則就是無論圖片如何變化，被標記的特征點都要保證在幾何、光度方面具有不變性。幾何不變性主要包括圖像在相機運動下發生一系列變化的條件下，平移、旋轉和尺度都不會發生改變，光度則主要是指亮度[6]。計算出圖像中局部像素以及與其對應的位置信息之間的關系，主要是基于局部特征自身在遙感圖像場景下的獨特性質[7]。但是對于相機發生復雜運動的背景下，則會受到噪聲干擾。圖像光度方面，需要對待配準的圖像進行歸一化處理，這樣能夠保證提升光度變化方面圖像的魯棒性。在特征點標記時，對遙感圖像像素的梯度、直方圖、顏色灰度等進行統計和處理。標記出的特征點需要有較高的獨特性，并兼顧本身和周圍的有效特征信息，保證匹配過程順利進行。

匹配兩圖像之間的特征點，主要是依據兩個特征點之間的相似性。參考圖像以及待配準圖像中各自拿出一個待匹配的特征點進行相似性度量，可以利用綜合度量法實現，計算公式如下：

(1)

式中：(x,y)為圖像中特征點的坐標；S為樣本協方差矩陣；T為兩點之間的真實距離。

計算得到特征點相似度之后，將其降序排列，完成初始匹配。此時的匹配結果比較粗糙，還需將其分類，把匹配錯誤的特征點剔除，最終將隨機一致的采樣算法作為匹配正確的匹配樣本數據集。至此完成特征點的標記與匹配。

1.3 圖像變換

對于大壩工程施工來說，得到的圖像都是遙感圖像[8-9]。獲取遙感圖像的相機一般搭載在無人機上，或直接利用衛星獲取圖像。這些相機為了拍攝到工程不同角度的圖像來回進行運動，運動方式決定了圖像之間會存在一定的變換關系。相機的運動可以概括為平移、旋轉、垂直，圖像的變換方式主要是取決于相機的運動方式。在圖像變換過程中，存在一定的變換模型矩陣可以對其進行描述[9-10]：

(2)

式中：m0為相機經過運動后，得到的縮小圖像與原有圖像的尺寸比例；m1為相機經過運動后，得到的放大圖像與原有圖像的尺寸比例；m2為相機運動后，拍攝到的圖像與原有圖像相比，在水平方向上所產生的位移；m3、m4為發生旋轉的變換量；m5為拍攝到的圖像與原有圖像相比，在垂直方向上所產生的位移；m6、m7為圖像在產生水平和垂直位移量后，由于拍攝的角度和光度發生變化而產生的形變量；x、y為參考圖像上的某點坐標；x′、y′為經過變換后的點坐標。

經過上述矩陣的計算之后，可以由原圖片的坐標得到變換之后的坐標[11-13]。完成坐標計算之后，需要對圖像上的圖形進行變換。在圖像配準中經常使用的變換形式主要有以下幾種(圖2)：

圖2 圖像變換形式

在上述變換形式的總結下，結合圖像變換矩陣和精細篩選過的匹配特征點[14-15]，以此來增強匹配點的配準精確度。至此完成基于Cult3D的大壩工程施工圖像智能配準方法的研究。

2 實 驗

2.1 實驗工程環境以及參數指標選擇

為了驗證本文設計的基于Cult 3D的大壩工程施工圖像智能配準方法的配準精度，需要設計實驗進行驗證。在實驗室中，選擇8 G運行內存、2 GHz主機處理器的參數處理PC機，在這樣的實驗硬件環境下，對圖像智能配準方法的性能進行評價。為了使評價結果更加直觀，需要設置評價指標將結果進行量化。本文選擇的相關評價指標主要包括特征點的重復度、配準精度、配準效率。對于特征點的重復度來說，計算公式如下：

(3)

式中：Nr為兩圖標記出的特征點相同的數量；N1為參考圖像中標記出的特征點總數；N2為待配準圖像中標記出的特征點總數。

當特征點位置發生偏差時，在配準后續處理過程中的影響不容忽視，因此計算特征點的重復度能夠評價配準方法中特征點提取過程的性能優劣，特征點重復度越高說明性能越好。對于圖像配準精度來說，計算公式如下：

(4)

式中：RM為最終配準結果得到的正確匹配點的對數；WM為配準過程中剔除的錯誤匹配點的對數。

配準效率主要依靠配準時間進行計算，配準運行時間短，就說明配準的效率高。

本文實驗中使用的圖像為遙感圖像，其像素大小統一為500×500，主要來源于無人機以及衛星等設備，拍攝距離較遠，使得各個像素點都包含了較多的信息量。為了保證本文實驗結果的精確度，設置了4組實驗進行兩種配準方法的對比。其中一組的參考圖像以及待配準圖像見圖3。

圖3 參考圖像以及待配準圖像示意圖

使用本文方法對特征點進行提取，結果見圖4。

圖4 圖像特征點提取示意圖

圖4中的特征點提取示意圖分別對應了參考圖像以及待配準圖像。為了體現出本文方法的性能優越性，同時使用傳統方法進行配準，并對結果進行對比和分析。

2.2 特征點的重復度實驗結果對比

在相同的實驗條件下，經過兩種方法對4組圖像進行配準，過程中得到的特征點重復度見表1。

表1 特征點重復度對比

在兩種方法的配準過程中，傳統的配準方法會從兩幅圖像中提取出較多的特征點，雖然特征點的基數變大，但正確配準的數量并沒有增加，因此重復度較低，這就為后續的配準過程帶來一定的干擾，導致誤差增大。本文設計的配準方法中的特征點數量雖然較少，但是正確匹配率較高，相對于傳統方法來說，能夠提高配準精度。

2.3 配準精度與效率結果對比與分析

在實驗過程中，得到兩種方法下的配準結果，見圖5。

從圖5可以看出，本文的配準結果中，匹配的點比較均勻，且幾乎不存在匹配錯誤的特征點。但是傳統方法中，在相似的區域中會存在大量相似點，對匹配造成干擾。統計實驗中4組配準結果見表2。

傳統的配準結果匹配點錯誤的數量比較多，因此需要對結果進行提純，得到配準精度。從表2的結果可以看出，本文方法的正確匹配點數、配準精度以及配準耗時的結果都優于傳統方法，說明本文設計的基于Cult3D的大壩工程施工圖像智能配準方法的性能與傳統方法相比，有一定的提高。

3 結 語

本文主要針對大壩工程施工圖像的智能配準方法進行研究。針對傳統配準方法應用在遙感圖像中性能的弊端，提出一種基于Cult3D的大壩工程施工圖像智能配準方法。首先創建基于Cult3D的三維模型，方便施工參照；設計Cult3D建模開發流程，完成模型的交互和拼接，明確圖像中特征點標記要求并進行匹配；最后對圖像進行變換，完成配準。實驗結果表明，所設計的圖像智能配準方法性能與原有方法相比有一定提高。