无人机影像的Markov随机场三维重建方法研究

段洪泽

摘要：基于无人机影像TIN表面三角面水平特征、高程特征和平面特征，应用于马尔科夫随机场模型，实现无人机影像三维重建。实验证明，基于Markov随机场的无人机三维重建具有较高的精度和普适性。重建模型的吻合度高，不存在悬挂扭曲情形，对低矮物体分类具有较高敏感度。

关键词：3D重建；无人机影像；平面特征马；尔可夫随机场

0引言

由于无人机影像存在畸变大、相幅小、姿态不稳定问题，致使传统航测方法难以有效处理无人机影像，在三维建模方面也存在一定障碍[1]，因此基于无人机影像序列的各种三维重建方法被相继提出来。针对海量无标定无人机序列影像，郭复胜提出了一种基于批处理框架的无人机影像三维重建方法，该方法具有较高的鲁棒性、精度和效率[2]；宋征玺基于SMF（structurefrommotion）提出了分块聚类特征匹配方法，提高了重建效率[3]；这些三维重建方法的提出，有效的解决了无人机影像三维重建难题，使得无人机影像三维重建得到更广泛应用[4]。本文基于三角面抽象出水平特征、高程特征和平面特征，利用马尔科夫随机场模型将场景分为地面、立面和顶面三类，完成无人机影像三维重建。

按表1参数进行运算，所得结果如图1所示，其中左上角为原始数据，右上、左下、右下为原始区域红框范围内建筑物分类情况。分析图1可知，分类重建后的三维模型与原始数据较为接近，整体吻合度较好，未出现大范围匹配误差，也未产生扭曲悬挂现象，精确保留了建筑物的结构，因此本文提出的方法具有较高的几何识别精度，基本反映了试验区域的地物起伏特征。

图1无人机影像三维重建结果

4结论

通过对水平特征、高程特征和平面特征进行语义定量描述，本文基于马尔科夫随机场模型能量最小化计算方法完成了三角面数据三维重建，取得了较高的分类精度。与非语义方法相比，增加语义表达的方法有三个优点：（1）大幅提高3D重建分类精度，尤其是后处理中增加局部匹配误差阈值和立面误匹配误差阈值后，可排除三角面分类后局部误差和立面误分类误差，分类后的建筑物不存在悬挂扭曲现象，分类结果与原始数据吻合度较高；（2）增加语义描述可大幅提高正确率与效率，有利于小场景三维建模；（3）采用语义描述的马尔科夫模型，其分类成果普适性较强，尤其是对于场景内低矮物体的分类十分有效，这是传统无语义描述方法所不及的。

参考文献

[1]刘磊,孙敏,任翔等.基于无人机影像序列的三维重建方法综述[J].北京大学学报(自然科学版),2017,(54):0479-0493.

[2]郭复胜,高伟.基于辅助信息的无人机图像批处理三维重建方法[J].自动化学报,2013,39(6):834-845.

[3]宋征玺,张明环.基于分块聚类特征匹配的无人机航拍三维场景重建[J].西北工业大学学报,2016,34(4):731-737.

[4]裴慧坤,姜三,林国安.依托无人机倾斜摄影的电力走廊三维重建[J].测绘科学,2016,41(12):292-296.

[5]VerdieY，LafargeF，AlliezP.LODGenerationforurbanscenes[R].AssociationforComputerMachinery,2015.