無人機傾斜攝影測量技術在城市軌道交通中的應用

賈彥昌，楊 輝

（山東軌道交通勘察設計院有限公司，山東 濟南）

引言

計算機處理能力的不斷提高使數字城市到智慧城市再到孿生城市建設都發生了質的飛躍。學者們利用無人機傾斜攝影測量技術開始在不同領域開展研究和應用。張眾[1]借助無人機傾斜攝影測量技術建立三維模型，實現了圖形數據快速獲取，提升了規劃測量項目作業效率，節省了大量人力財力，提升了測繪服務效能。盛海泉等[2]利用無人機傾斜攝影測量與GNSS 測量分別獲取研究區數據。通過無人機影像建立研究區三維模型，并使用中誤差評定模型精度，結果表明，無人機傾斜攝影測量數據精度可靠，能夠滿足大比例尺測量精度要求。張秦等[3]提出通過無人機傾斜攝影測量技術建立災害現場三維模型，利用三維模型進行統計和分析，以便快速展開道路搶通、災害評估及災害監測等工作。莫寅[4]利用正射影像繪制地形圖時遠地地物遮擋近地地物的問題, 將無人機傾斜影像通過空三加密、點云數據匹配、三維TIN 構建與紋理映射建立實景三維模型,并繪制地形圖。鄒馨等[5]利用無人機傾斜攝影測量獲取不動產測量數據，處理得到三維模型并進行精度分析。結果表明，免像控情況下得到的不動產數據的平面中誤差滿足三級精度要求，有控制點情況下得到的不動產數據的平面中誤差滿足一級精度要求。

1 無人機傾斜攝影測量技術重建三維模型

無人機傾斜攝影測量是指將傾斜鏡頭安裝在旋翼無人機或固定翼無人機上，按照一定的技術要求進行攝影測量的過程。一般情況下，相機的主光軸與主垂線的夾角，即傾斜角大于3°，傾斜相機一般選用寬角或者特寬角鏡頭以便于三維測圖。基于傾斜攝影重建三維模型技術是利用傾斜相機根據多角度獲取地物信息，并通過算法處理海量影像，營造出三維立體效果。傾斜攝影其核心組成為無人機平臺、傳感器、慣性導航系統。基于傾斜攝影的技術重建三維模型主要通過以下流程：

首先，根據傾斜相機獲取的大量影像尋找其特征點，通過提取影像間特征點進行同名點匹配，反向解算出每一幅影像的姿態、角度和空間位置，以及影像之間的關系[6]。根據空中三角測量解算影像6 個外方位元素并進行立體像對構建，利用影像匹配產生地物密集點云，根據不同區塊的密集點云構建不同層次的不規則三角網，然后通過優化三角網生成三維的白膜，最后根據紋理信息映射到每一個三角形面片上生成三維模型。

1.1 影像匹配

影像匹配即同名像點的提取和匹配，SIFT（Scale Incariant Feature Transform）特征匹配算法是目前常用方法之一。SIFT 特征匹配算法有兩個方面構成：首先是生成SIFT 特征向量，然后是SIFT 特征向量的匹配[7]。其思想是根據物方空間最小二乘法匹配垂直的影像，通過前方交會得到各個像點的物方三維坐標，根據共線條件方程利用垂直影像的POS 數據和平臺檢校參數將其反投影到待匹配的傾斜影像上面，從而得到同名像點的概略位置[8]。最后建立核線多邊形算出幾何約束縮小同名點的搜索范圍。共線條件方程公式如下：

式中：x、y 為像點的像平面坐標；x0、y0和f 為攝影的內方位元素；系數ai、bi和ci（i=1，2，3）為影像的3 個外方位角元素組成的9 個方向余弦。

1.2 空中三角測量

空中三角測量是根據GNSS 或高精度POS 數據利用解析法通過少量控制點的像方和物方坐標進行控制點加密，通過同名像點量測和同名光線的后方交會，利用已知點解求所有影像的外方位元素進而為測圖提供絕對定向的控制點坐標。其核心技術之一為光束法區域網平差，以影像為單位，利用影像與所有相鄰影像重疊區內的公共點、外業控制點，進行整體求解所有影像的6 個外方位元素[9]。

1.3 紋理映射

通過同名點前方交會得到地面點坐標的思想，在空三測量的基礎上，根據各種匹配算法獲得密集點云。利用影像圖和模型上的每一個三角形面片的法線方程之間的角度關系進行不規則三角網貼紋理影像[10]。根據計算所有三角形面片和對應的影像區域之間的幾何關系實現不規則三角網和紋理影像的配準，配準好的紋理映射到三角面片上，完成貼圖。其技術路線見圖1。

圖1 傾斜攝影測量技術路線

2 實例分析

2.1 工程概述

為了更好的驗證無人機傾斜攝影技術在城市軌道交通中的應用，本次選在山東濟南市城市軌道交通某車輛段作為試驗區域。該區域大約0.2 km2，地處市區待開發區域，房屋布局較為規整，植被較少。試驗區域見圖2。

圖2 試驗區域

執行本次航飛任務的是飛馬D2000 無人機搭載著OP-3000 五鏡頭傾斜攝影相機，像幅大小為6 000*4 000，傾斜鏡頭的焦距為35 mm，垂直鏡頭的焦距為25 mm，像元尺寸3.9 μm。

2.2 野外數據采集

2.2.1 飛行計劃的制定

通過野外現場勘察，對本次傾斜航飛設計如下：影像分辨率為0.015 m，航向重疊度為75%，旁向重疊度為70%，定時曝光1.5 s，曝光間距15 m，航線間距為27 m，飛行高度107 m，規劃航線26 條。為了確保外圍模型完整，航攝范圍線外擴一個航高距離（107 m）。

2.2.2 像控點的布設和測量

本次項目按照測區范圍內每隔20 000～40 000像素布設一個平高點，盡量使用油漆或者膩子粉在地面繪制人工標記作為像控點，當測區內不易繪制人工標記時，需選擇平整地面明顯標志點[11]。像控點的布設分布見圖3。

圖3 像控點選點與測量

2.3 三維模型的建立

將野外飛行獲取的影像資料，POS 數據和像控點坐標在飛馬無人機管家進行預處理，并完成基礎數據的整理，制作區塊導入表格。將整理好的數據導入Context Capture 軟件中，提交兩次空三計算，第一次對像片進行匹配；第二次加入控制點對空間位置進行進一步矯正。通過第一次空三中的影像視圖，并檢查影像文件，在此界面中導入相機參數文件。根據像控點的編輯視圖，一般情況下，對像片進行匹配后，比較容易確定控制點的位置。最后通過區域網平差、密集匹配和紋理映射生產出OSGB 格式的三維模型。

2.4 精度檢核

精度檢核通常分為絕對精度精檢核：如房角、平面特征點等，相對精度檢核：如邊長。為了驗證成果精度，使用RTK 和全站儀進行外業實測坐標和邊長丈量與三維立體模型采集、DLG 圖上邊長進行精度對比。根據《城市測量規范》( CJJ/T 8-2011) 中二級房產界址點精度，相對于鄰近控制點的點位誤差和相鄰界址點間的間距誤差中誤差不超5 cm，允許誤差不超過10 cm[12]。鄰近地物點的間距誤差不得超過圖上中誤差0.4 mm，圖上允許誤差不得超過0.8 mm。

本次共采集了37 個檢查點，包含房角10 個，地面特征點27 個，邊長丈量了21 條邊，根據表格所示結果，檢驗點平面中誤差為0.036 m，最大誤差為0.067 m，最小誤差0.011 m，誤差超過0.05 m 的檢查點有11 個，所有檢驗點精度均在限差范圍內。相對精度檢驗中平均誤差為0.056 m，最大差值為0.13 m，最小差值為0.01 m。因此，三維測圖的精度可以滿足測量要求。

3 城市軌道交通的應用

3.1 模型多數據融合

由于無人機的視角的局限性，當建筑物比較密集時，其底部因被其它物體遮擋，造成底部掃描的成像精度較差。為了達到很好的效果，通常可結合地面三維激光掃描的方式，來使建筑物的整體外觀圖像達到較高的精度。傾斜攝影測量可以提供全方位的全景影像并生成較高精度的點云模型，三維激光掃描儀能快速得到高精度的室內三維激光雷達點云數據和室內影像，由此傾斜攝影測量獲取的室外三維數據和三維激光掃描儀獲取的室內點云數據一體化為空間數據的精細化管理提供了支持。

3.2 信息管理

根據傾斜攝影模型基于模型重建單體化，結合對建構筑物進行的矢量化處理和實際調查數據信息，將建構筑物的屬性信息錄入掛接至矢量文件，同時套疊傾斜攝影模型，已達到軌道交通沿線信息化管理的目的。根據軌道交通線路、車站規劃設計方案，從而計算出沿線房屋信息及用地面積，評估拆改費用和協調難度。

4 結論

本研究針對目前濟南市廣泛開展的城市軌道交通工程，引入無人機傾斜攝影測量以及三維建模技術，是對傳統測繪的重要補充。其作業效率高，生產成本低、機動靈活的特點在目前的市場上占據著主流地位。重點介紹了空間數據的獲取流程和技術關鍵，野外檢測了37 個平面點和21 條邊長，其精度和可靠性可以滿足城市軌道交通設計階段的要求，技術方法具有可行性。同時，詳細闡述了無人機傾斜攝影測量以及多數據融合技術在城市軌道交通中應用的展望，致力于創造三維城市建設的智慧化及精細化管理。但是，無人機傾斜攝影測量也存在諸多不足，如像控點的布設和測量任務繁瑣、獲取的數據存在一定數量的粗差、無人機穩定性欠缺、受環境干擾較大。不過現代科技的快速發展，尚存在的不足也會得到進一步解決，基于無人機傾斜攝影的三維模型技術在城市軌道交通建設中仍然發揮著不可替代的作用。