跨界 · 融合 · 服務 · 創(chuàng)新
圖8 高度差分別為100m、200m和300 m的三個合成地形
本研究生成的3D點云最初來自2D深度圖。通過相機位姿應用映射變換,并使用TSDF邊緣化冗余估計,我們可以構(gòu)建整個場景的全局地圖。深度圖穩(wěn)定性(即在不同關(guān)鍵幀中對同一空間對象點的估計的一致性)在這一步中起著重要作用。我們將所有深度圖投影到空間,如圖9所示,以評估點云穩(wěn)定性。
圖9 四種方法的全局映射:( a ) 提出的方法 ( b ) 四叉樹映射 ( c ) REMODE,和 ( d ) 概率映射。所選區(qū)域顯示點云的細節(jié)
在本實驗中使用的無人機平臺配備了超高清攝像機,以3840 × 2160分辨率和每秒30幀的速度獲取航拍圖像。此外,還記錄了 GPS和IMU值,使我們能夠通過近似地高和俯仰角(相機光軸與水平面之間的角度)對數(shù)據(jù)進行分類。無人機多次飛行以獲取感興趣區(qū)域的航拍圖像,包括城鎮(zhèn)、山區(qū)和混合區(qū)域場景。這些場景位于天津九上頂山,面積約9平方公里。圖10顯示了谷歌地球獲取的衛(wèi)星圖像和無人機獲取的航空圖像的示例。
圖10 城鎮(zhèn)、山區(qū)和混合區(qū)場景的衛(wèi)星圖像和低空航空圖像示例
在模擬場景中,74.1%的深度估計錯誤率低于1%。在全局映射中,93.462%的估計點云的絕對誤差距離小于0.9%。在真實場景中,我們估計的點云中超過81.27%與Photoscan的結(jié)果相差不到5 m。所提出的方法可用于各種地形場景,并且在準確性和效率方面優(yōu)于最先進的基于嵌入式 GPU 的實時3D重建方法。
源自:Lai, Z.; Liu, F.; Guo, S.; Meng, X.; Han, S.; Li, W. Onboard Real-Time Dense Reconstruction in Large Terrain Scene Using Embedded UAV Platform. Remote Sens. 2021, 13,2778. https://doi.org/10.3390/rs13142778