文献标识码： A
文章编号： 1672 － 5867（ 2015） 03 － 0038 － 02
Study on Ｒeal 3D Modeling of Photographic Data Based on UAV
QU Lin，FENG Yang，ZHI Ling － mei，GAO Wen － hui （ Ｒesearch on the Science of Surveying and Mapping Institute of Heilongjiang Province，Harbin 150081，China）
第3 期曲ຫໍສະໝຸດ 林等： 基于无人机倾斜摄影数据的实景三维建模研究
39
pos 设备，往往 不 具 有 准 确 的 姿 态 信 息，甚 至 仅 有 影 像。 三姿态信息，进行畸变差修正后再导入街景工厂进行建 因此，需要在第三方软件，如 Inpho，Pix4Dmapper 中恢复空 模，可以得到良好的效果。以下为详细处理流程。
图 5 面向对象分类图 Fig． 5 Object oriented classification map
5 结束语
本文对比分析了基于像元和面向对象两种分类方法
对不同分辨率遥感影像的分类效果。利用 Landsat － 8 和 资源 3 号卫星影像，采用融合技术将影像的多光谱波段和 全色波段进行融合，得到分辨率分别为 30 m，15 m，5． 8 m 以及 2． 1 m 分辨率的影像。使用 ENVI 软件对影像进行 了分类处理。 结 果 表 明，监 督 分 类 手 动 提 取 方 法 比 非 监 督分类自动提取方法的分类精度高，低分辨率影像中，面 向对象分类效果并不理想。高分辨率影像中面向对象分 类显示出较好的结果，且随着分辨率的提高，精度也有所 提高。
图 2 街景工厂中的连接点匹配结果 Fig． 2 Connection point street factory matching results
图 3 街景工厂生产的实景三维模型 Fig． 3 Ｒeal 3D model street factory production
3 实景三维在智慧城市中的应用
2 基于无人机数据的三维建模流程
本研究采用 的 建 模 工 具 是 街 景 工 厂 软 件，该 软 件 特 点是模型成果精 度 高，因 此，对 航 飞 数 据 的 要 求 也 较 严 格，需要每张倾斜影像都具有较精确的 pos 信息。由于无 人机的飞行姿 态 不 稳 定，机 体 载 重 又 不 允 许 携 带 高 精 度
图 1 下视影像的内定向处理结果 Fig． 1 Under default to view images processing results
2． 3 导入街景工厂建模
街景工厂作 为 实 景 三 维 建 模 软 件，最 大 的 特 点 是 可 进行空三细节 调 整，使 模 型 成 果 的 精 度 保 持 在 较 高 的 水 平。将经过畸变差修正的 EO 成果导入街景工厂中，手动 匹配连接点，原则是每张相片中匹配 50 个点，街景工厂中 的连接点匹配结果如图 2 所示。街景工厂生产的实景三 维模型如图 3 所示。
摘 要： 阐述了在无人机自制镜头获取的倾斜摄影数据基础上，应用 Inpho，Pix4Dmapper、街景工厂等软件进行实
景三维建模的方法。除总结研究成果外，还对无人机实景三维建模的应用领域进行了探讨，为智慧城市的三维
系统建设提供新的解决方案。
关键词： 街景工厂； 无人机； 倾斜摄影测量
中图分类号： P231
表 1 多种倾斜摄影方案比较 Tab． 1 Comparison of various schemes of oblique photography
空域划分
高空 （ 600 m 以上）
中空 （ 300 ～ 600 m）
低空 （ 300 m 以下）
代表载具
倾斜相机
徕卡 ＲCD30 运 － 12 运输机
0引言
倾斜摄影技术是测绘领域近年来发展起来的一项高 新技术，可通过在同一飞行平台搭载多台传感器，从一个 垂直、4 个倾斜等 5 个角度同步曝光采集影像，获取真实 地物信息，并 采 用 街 景 工 厂 后 处 理 软 件 构 建 实 景 三 维 模 型，应用于智慧城市的三维建设。随着该技术的发展，人 们对实景三维模型的分辨率、材质颜色、清晰度提出了更 高的要求，这就促使飞行载具高度不断降低，期间催生出 动力三角翼、多 旋 翼 无 人 机 等 多 种 中 低 空 倾 斜 摄 影 数 据 采集方案。在《国家地理信息产业发展规划（ 2014 ～ 2020 年） 》中，明确提出： 重点发展低空和无人机航空遥感数据 服务，加强高 安 全 度 低 空 遥 感 平 台 的 产 品 化 和 产 业 化 推 广。本着这样 的 要 求，本 文 对 多 旋 翼 无 人 机 倾 斜 摄 影 数 据处理的关键 技 术 进 行 了 分 析 与 研 究，并 对 其 在 智 慧 城 市中的应用领域进行了探讨。
右（ Ｒ） ，下（ N） xyz 坐标数据
数据精度 高 低
转角信息
txt Omega，phi，kappa 转角数据
低
1） 影像数据整理： 检查影像资料的完整性与可靠性， 五镜头数据应按照前视、后视、左视、右视、下视分 类 存 放，各文件夹内 影 像 数 量 一 致，如 有 多 片 或 少 片，应 及 时 检查文件命名，删除错误像片。最后检查文件拷贝时间， 如无时间跳跃值出现，表明数据结构完整。
Abstract： Article describes a method based on the Oblique photography measurement and data acquisition UAV self made lens，on the application Ipoho，Pix4Dmapper，Street factories，and other real three － dimensional modeling software． In addition to summarize research findings，but also on the real three － dimensional modeling of UAV applications were discussed to provide new solutions for the construction of a three － dimensional system，the wisdom of the city． Key words： street factory； UAV； oblique photography measurement
2） 姿态信息整理： 使用 MapSource 打开 gdb 文件，即 可看到飞行坐标信息，将其按照 xyz 格式输出为 txt 文件， 在 ArcGIS 软件中进行展点，选取作业区范围内的有效点， 与下视影像进 行 位 置 对 应，最 后 合 并 转 角 信 息 初 步 制 作 EO 文件。
2． 2 第三方软件空三匹配
应用领域 城市三维建模
城区三维建模 企业园区、高校校区、
城市精细管理
2． 1 航飞数据整理
无人机的航飞数据见表 2。 表 2 无人机倾斜摄影数据
Tab． 2 UAV oblique photography data
数据分类
格式
倾斜镜头数据 jpeg
GPS 信息
gdb
数据类型 前（ F） ，后（ B） ，左（ L） ，
将 EO 文件与影像直接导入街景工厂进行空三匹配， 产生较多错 点，优 化 后 不 能 有 效 纠 正 空 三 网。 经 试 验 可 先将下视影像导入 Inpho5． 5 进行自动纠正，得到较高精 度的 EO 信息。
方法为在 Inpho 软件中新建处理工程，选择 EditCamera 编辑相机参数，填入影像分辨率、焦距、像元尺寸等参 数，之后在 Frame PhotoImporter 中导入下视影像，下一步 点击 GNSS / IMU Importer 导入粗精度 EO 信息。接下来的 影像处理，选择 start Automatic InteriorOrientation（ AIO） ，开 始建立金字塔影像，自动采集连接点，采集结束后会列出 所有图像的类型和状态。此时主要查看道路、十字路口、 绿化地块等地点的接边情况，这些地区高程较低，匹配效 果较好。如果效果不理想，重新执行 AIO 反复优化，直到 下视影像中的 建 筑、地 物 视 觉 上 看 起 来 形 成 一 张 图 的 效 果，即可导出 EO 信息，此时的 EO 文件已完成影像的畸变 差修正，可以 导 入 街 景 工 厂 进 行 建 模。 下 视 影 像 的 内 定 向处理结果如图 1 所示。
表 2 面向对象分类法应用于不同分辨率影像的精度表 Tab． 2 Object oriented classification method should be
used for different resolution image precision table
总体精度
Landsat － 8 影像
30 m
第 38 卷 第 3 期 2015 年 3 月
测绘与空间地理信息
GEOMATICS ＆ SPATIAL INFOＲMATION TECHNOLOGY
Vol． 38，No． 3 Mar． ，2015
基于无人机倾斜摄影数据的实景三维建模研究
曲 林，冯 洋，支玲美，高文慧
（ 黑龙江省测绘科学研究所，黑龙江 哈尔滨 150081）
实景三维产品以其高还原度的三维模型、高效率的作 （ 下转第 43 页）
第3 期
孔令婷等： 基于不同分辨率遥感影像的分类方法对比研究
43
率的影像以及融合后 2． 1 m 分辨率影像的分类效果明显 比 Landsat － 8 影像的分类效果好，建筑物、道路、植被、裸 地等类别区分更为细致具体。对比 5． 8 m 和 2． 1 m 分辨 率影像，后者分 类 结 果 清 晰，类 别 边 界 更 平 滑，相 对 噪 声 点更少。5． 8 m 分辨率影像分类精度为 90． 024% ，Kappa 系数为0． 879； 2． 1 m 分辨率影像分类精度为 92． 527% ， Kappa 系数为 0． 908。面向对象分类方法处理高分辨率影 像的效果更好。