基于“分离-整合”思想的摄影测量多特征统一处理模型与方法研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
41701525
项目类别：
青年科学基金项目
资助金额：
25.0万
负责人：
郭宝云
依托单位：
山东理工大学
学科分类：
D0115.测量与地图学
结题年份：
2020
批准年份：
2017
项目状态：
已结题
起止时间：
2018-01-01 至2020-12-31

项目参与者：
李彩林；姚吉利；徐工；胡善明；陈文贺；杨承昆；
关键词：
影像匹配摄影测量多特征三维重建统一数学模型

项目摘要

At present, with the rapid development of photogrammetry, data processing efficiency has been improved greatly by the introduction of cluster and GPU acceleration, but main objects that it processed don’t changed and are still points including space points and image points. With the extension of photogrammetry applications, new phenomena and difficulties have appeared. For example, in industrial photogrammetry, there are few feature points but a large number of linear and planar features such as straight lines, curves, planes and surfaces et al. Thus, new theory and methods are eagerly expected to be proposed to solve these existing problems. Even the method of line photogrammetry and generalized point photogrammetry have solved some specific problems of photogrammetry, but in practical application, it is necessary to carry out specific modeling according to the specific conditions, so there is no uniform system for the measurement of photogrammetry formed. So, based on traditional point-based photogrammetry theory and methods, this project further studies the key technologies of general processing based on point, linear and planar feature constraints. First a unified mathematical model that can describe the constraint condition of a variety of feature is presented, then according to such mathematical model, a general data processing scheme is put forward, and the multi-feature based photogrammetry orientation methods and multi-feature based image matching algorithms will be researched in detail. Finally, use the study in industrial parts detection and establish specific photogrammetric processing algorithms and processes to verify, improve and revise the above studies. The study can not only solve the new problems appearing in extended applications of photogrammetry, but also promote the envelopment of photogrammetry technology. Therefore, it has important theoretical and application value to study this subject.

近年来，摄影测量迅速发展，集群、GPU等加速技术的引入大大提高了数据处理效率，但处理基础仍是以点（空间点和像点）为主要处理对象，无法处理摄影测量中一些新的应用现象，如工业摄影测量中特征点少，但存在大量直线、曲线、曲面等特征。线摄影测量及广义点摄影测量等方法的提出解决了一些具体的摄影测量问题，但实际应用中需根据具体条件进行特定建模，未形成通用性很强的统一的摄影测量处理体系。本项目将在已有摄影测量理论与方法基础上，研究基于点、线、面多特征的摄影测量统一处理关键技术，基于分离整合思想构建基于多特征的统一的数学模型，并提出具有一般意义的数据处理方案，实现基于多特征的摄影测量定向计算方法和多特征匹配算法。最后将研究成果用于工业零件检测中，建立具体的摄影测量处理算法和流程，验证、完善和修正上述研究结果。该研究不仅能解决摄影测量应用中出现的新问题，也将推动摄影测量技术发展，具有重要理论意义和应用价值。

结项摘要

本研究基于点的摄影测量理论与方法，研究建立了描述多种特征约束条件的统一的数学模型，在此模型基础上研究基于多特征的摄影测量处理方法，建立了基于点、线、面等多特征的摄影测量处理方法体系，从而解决新的应用场景和条件下的摄影测量处理问题，如点特征少，或特征点间无法建立对应关系的场景，推动摄影测量技术的发展。本研究取得的成果如下：.1) 建立了多种特征约束条件的统一的数学模型，该模型通过变化的特征约束条件将传统的摄影测量模型扩展到能够描述点线面等多种特征的统一的数学模型，增加、删减或改变特征约束条件的形式并不改变统一的数学模型的形式及处理方法，因而能够适应更广泛的多特征的摄影测量处理问题，通用性强。.2) 研究了基于统一的数学模型的摄影测量基本处理方法，研究了特殊情况下的摄影测量定向和三维计算等问题。.3) 研究了多特征的影像匹配及影像与点云配准问题。在影像和点云配准中利用曲面约束关系提高了影像和点云配准的精度。针对单张影像无同名点对且相机主要参数未知时，提出一种基于线基元进行单张影像与点云配准的方法，克服了点云数据同名点选取困难的问题。.4) 研究了基于OpenCL的异构并行处理等加速处理算法，解决了引入多种特征导致平差过程中引进大量特征参数后方程维数过大计算慢的问题。.5) 完成了多特征摄影测量在工业零件测量的应用研究、基于点线混合控制的点云地理化参数联合计算方法研究、约束条件在监控影像解析中应用研究及基于平面约束的单目序列影像解析方法研究等。.本研究建立的模型保留了特征中点的共线方程形式，给出了特征中的点在物方的相互约束关系，并通过点的三维坐标与成像模型关联，因成像模型与特征约束条件分离，故能在不破坏传统摄影测量共线方程的条件下，包含现实中各种不同形式的特征。该模型数学形式统一，用间接平差模型处理即可，提供了统一的平差处理模型。