本书主要有三个研究内容。
第一，提出一种顾及影像拓扑骨架的低空影像快速三维重建方法。
无人机影像具有像幅小、重叠度高的特点，导致大区域灾场航摄获取的影像数量多，数据处理效率低，无法满足灾场应急需求，为此，本研究提出了利用影像邻接关系解决灾场三维重建效率低的方案，其基本技术思路是：
（1）针对SfM算法遍历影像匹配的问题，利用无人机获取的飞控数据构建影像拓扑关系TCN。
（2）针对大数据低空影像集重叠度高的特点，分析多目视觉重建算法对影像匹配数目的最小需求，创新地提出了一种分层度约束的最大生成树算法，采用分层迭代的优化策略，删除TCN中的冗余边，提取影像拓扑骨架（Skeletal Camera Network，SCN）。
（3）提出了顾及影像拓扑骨架的运动恢复结构（SCN-SfM）算法，解决了影像冗余匹配的问题，提高了大数据低空影像三维重建的效率，保障了大区域灾场应急测量的时效性。
第二，研究基于低空影像重建点云的灾场地物分类方法。
灾场地物分类是灾情分析的重要内容，其分类结果可为建筑损毁评估提供参考。研究表明，影响地物分类精度的因素主要有两个：特征构建和样本采集。为此采取如下步骤：
（1）利用低空影像重建点云包含RGB和三维信息的特点，构建了兼顾光谱、纹理和几何特征的点云特征描述子，提高了灾场地物的可分性。(www.xing528.com)
（2）提出了基于多类不确定性—边缘采样的主动学习算法，优化了复杂灾场条件下的采样机制，提高了训练样本采集的效率和分类精度。
（3）采用了顾及空间关系和上下文信息的分类后优化策略，进一步提升灾场地物分类的可靠性。
第三，实现基于空地异源点云的建筑物倾斜检测和损毁评估。
建筑物损毁评估是灾情分析的关键内容，对评估经济损失、指导灾后重建具有重要意义。从遥感立体测量的角度出发，倾斜检测可作为建筑物损毁评估的可靠手段。针对单一传感器较难获取灾场建筑物完备信息的问题，本书设计了联合低空无人机立体测量与地面LiDAR扫描的协同观测模式。主要思路包括：
（1）采用由粗到精的点云配准方法，实现对空（低空影像重建）地（地面LiDAR扫描）异源点云的无缝融合，确保获取灾场建筑的完备三维信息。
（2）针对灾场建筑的点云信息，以点云分割获取灾场建筑屋顶面片，估算建筑物主体结构的法向量，实现建筑物的倾斜度检测。
（3）结合实际案例，探讨不同结构类型建筑物的倾斜角度与其损毁程度之间的关系，从遥感立体测量的角度提出了建筑物损毁评估的参考标准。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
