快速、准确的大场景三维重建技术可为灾害测量和灾情评估提供重要的决策依据。基于低空无人机影像和SfM算法的三维重建技术已逐渐用于地质灾害测量和建筑物损毁评估研究（Lucieer等，2013；Vetrivel等，2015；许志华等，2015）。然而，大范围的灾场测量获取影像数目多，重叠度大，导致利用SfM算法处理该类影像集的效率低，降低了灾害应急测量的时效性。虽然构建影像拓扑可以解决SfM算法遍历匹配影像的问题，提高重建效率（Rupnik等，2014；Rupnik等，2015；许志华等，2015），但其无法解决小重叠度影像间的冗余匹配问题。如图2.1所示，低空航线中包含较大比例的小重叠度邻接影像，这类影像匹配耗时多、对重建贡献小且可能增加重投影误差而降低重建模型的精度（Snavely，2009）。虽然通过设定阈值（如最小重叠度）可在一定程度上减少冗余匹配（Agisoft，2016；Douterloigne等，2010），但是受飞控精度、环境（主要是风）、相机曝光时间、航线设置等因素影响，难以设定合适的阈值，导致该类研究普适性差。
图2.1 低空邻接影像序列示意图
为克服上述困难，本书首先提出了一种基于飞控数据的影像拓扑关系TCN构建方法，然后创新地提出了一种基于分层度约束的最大生成树（Hierarchinal Degree Bounded MST，HDB-MST）算法，通过迭代删除TCN中的冗余边提取影像拓扑骨架SCN。该算法在最大生成树（Maximum Spanning Tree，MST）的基础上加入了最小度约束（Gouveia等，2014），保证了最小三目视觉的匹配需求；同时，删除冗余边的过程依据影像邻接关系对影像进行分层，使SCN保留了原TCN的空间结构；此外，为保证影像邻接的空间连续性，本书研究在SCN提取过程中加入了连通性的约束条件（Katagiri等，2012）；最后，提出了顾及影像拓扑骨架的运动恢复结构（SCN-SfM）算法，利用SCN约束影像匹配范围，解决了影像重建中的冗余匹配问题。本书研究通过多组实验测试了上述方法的有效性。其中，对HDB-MST算法的测试得出以下结论：(www.xing528.com)
（1）通过3个对比因子充分验证了该算法具有极强的鲁棒性。
（2）骨架提取过程中同时兼顾了保留邻接边的数目、边权重和拓扑结构性，提取的SCN具有很强的稳定性。
（3）骨架提取过程迭代次数少，且保留边的数目随迭代次数增多呈指数下降，具有极强的收敛性。针对SCN-SfM算法，本研究首先验证了其对特殊航线影像三维重建的可靠性，然后通过多组实验测试，并与其他3种SfM算法进行对比，全面评估了该算法对提高影像匹配效率，保证重建模型的完整性和精度的有效性，可满足大场景灾场三维重建对模型精度和时效性的需求。
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。
