一种实时面积量算的近景摄影测量方法与流程

本发明涉及摄影测量技术领域，建立三维模型后不注重模型的绝对方位和位置，只恢复模型的真实比例，重在求解模型的边长和面积，具体为一种实时面积量算的近景摄影测量方法。

背景技术：

近年来，随着激光测距技术以及摄影测量技术的进步，激光测距装置的测距主光轴与所述高清摄像头的摄影主光轴重合，获取摄影中心到目标点的距离已经可以实现。

微电子技术和半导体技术方面的突破，超大规模的集成电路和数字传感器技术的迅速发展，将激光测距装置和高清摄像头集成在个人数字助理pda内，设计一套操作系统，使之完成摄影测量的工作。

传统的皮尺测距，需要人工测量每一条边，做好记录，最后才能计算面积，工作效率低；激光测距仪能够精确快速的测量距离，但其测量时需要反射体将测距激光反射回激光测距仪才能完成距离的测定，因此激光测距仪很难测量较为曲折的平面图形的面积。

传统的皮尺测距测量长距离公路的多处损坏路面面积情况，会使得测量员较长时间处在艰苦的测量环境下，对于测量员的身心健康不利；对于损坏的建筑物外墙、高大的古建筑物等不容易到达待测区域，要量取其面积，传统的测量方式不能很好的保障测量员的人身安全，也不利于建筑物的保护。

因此，为解决以上问题，需要一种实时面积量算的近景摄影测量方法，能够单人解决多数场合下的面积测量问题，可以不触及待测区域。外业工作只需寻找合适的角度拍摄两张影像并测量两段距离，可在现场利用编写在pda内的程序即刻处理数据，也可将数据带回室内统一处理，工作效率高，测量成本低。

技术实现要素：

本发明的目的在于提供一种实时面积量算的近景摄影测量方法，其能解决皮尺、激光测距仪等不能直接测量面积并且测量效率低的问题。本发明无需接触待测区域，能够提高测量员的安全性及舒适性，在满足测量精度的前提下，提高面积测量的工作效率。

为了达到上述目的，本发明提供一种实时面积量算的近景摄影测量方法，具体步骤为：通过将激光测距装置、高清摄像头集成在个人数字助理(pda，personaldigitalassistant)内，并位于个人数字助理pda内正前端，组成一种实时面积量算的近景摄影测量装置，

使用交向摄影，交向摄影使用单个相机分别在两个摄站对目标摄影，两个摄站上主光轴相交于同一目标点，两条主光轴的夹角为直角时，点位精度最佳。

进一步的，该装置在拍摄时选择合适的距离，既能拍摄测区全部范围，又能清楚辨析测区边界。

进一步的，激光测距装置的测距主光轴与所述高清摄像头的摄影主光轴重合，激光测距装置测量中心目标点到激光测距装置的距离，换算成中心目标点到高清摄像头摄影中心的距离。

进一步的，在高清摄像头所拍摄到的两张影像中选取6对同名点，进行相对定向，建立相对定向三维模型，再根据两段目标点到摄影中心的距离，解算模型的比例因子，恢复模型真实大小。

进一步的，待测区域的形状可能为不规则的多边形，在两幅影像中选取多边形所有端点的同名的，将点连成线，恢复待测区域多边形的真实形状和大小，最后获取其真实边长和面积。

进一步的，若测区较为宽阔，拍摄影像数量可大于两张，同样将所有影像进行相对定向，建立三维模型，恢复模型真实大小。

本发明的有益效果是：本发明公开的一种实时面积量算的近景摄影测量方法，将激光测距技术与近景摄影测量技术结合，实现对待测区域面积的无接触快速测量。对于要统计长距离公路的多处损坏路面面积情况，本发明能够减小测量员在艰苦环境下的工作时间，提高工作效率。对于要量取损坏的建筑物外墙面积，本发明能够无接触快速测量待测区域面积，更好的保障了测量员的人身安全。

附图说明

图1为本发明结构示意图。

图2为立体像对的空间前方交会原理图。

图3为本发明测量损坏路面面积的操作示意图。

图4为模型点摄影测量坐标的计算原理图。

图5边缘检测方法的流程图。

图6边缘检测的效果图。

图1中：1-个人数字助理pda；2-激光测距装置；3-高清摄像头；4-电容式触摸屏；5-操作按键。

具体实施方式

以下结合附图对本发明做进一步描述：

如图1所示，设置一种实时面积量算的近景摄影测量装置，通过将激光测距装置2、高清摄像头3集成在个人数字助理pda1内，并位于个人数字助理pda1内正前端，激光测距装置2的测距主光轴与所述高清摄像头3的摄影主光轴重合组，成一种实时面积量算的近景摄影测量装置。该装置上设计有电容式触摸屏4及操作按键5，便于完成各种命令操作。

如图2所示，该图为立体像对的空间前方交会原理图。在s1的位置拍摄一张影像，称为左像片，在s2的位置拍摄一张影像，称为右像片，两张影像称为立体像对。利用立体像对，可以选取许多对同名点(由两条同名射线交会得到的点)，图2仅展示交会部分同名点。由立体像对左右两幅像片的内、外方位元素和左右两同名像点的影像坐标测量值来确定该点的物方空间坐标，称为立体像对的空间前方交会。

实施例

如图3所示，多边形m为某路段损坏的路面形状。为测量多边形m的面积，选取一个合适的中心目标点例如点a，将该装置的测距十字光标对准a点，拍摄像片s1，并测得距离d1；同样的，在另一个位置拍摄像片s2，测量距离d2，两个位置的两条主光轴的夹角为直角时，点位精度最佳。

在pda中将采集到的影像数据和摄影中心到目标点的距离进行处理，解算相对定向元素，建立三维模型，解算模型缩放的比例因子，恢复模型真实比例，数据的主要解算过程如下：

摄像头检校

应用高清摄像头进行近景摄影测量工作前,必须对其进行严格的检校,以恢复摄影中心与像片之间的相对几何关系。

对摄像头进行检校的主要内容就是获取摄像头的基本信息、镜头畸变参数和内方位元素(x0，y0，f)等参数。

本文采用了张正友平面靶标参数标定法对高清摄像头进行了检校。

影像的相对定向

建立坐标系时以左像片的像空间坐标系作为像空间辅助坐标系，记为s1-x1y1z1；过右摄影中心建立另一像空间辅助坐标系s2-x2y2z2，两者相应坐标轴相互平行。此时，像点a1，a2在各自的像片坐标系中的坐标分别为(x1，y1)，(x2，y2)，像空间辅助坐标系中的坐标为(x1，y1，z1)，(x2，y2，z2)，而s2在s1-x1y1z1中的坐标为(bx，by，bz)。由此，共面条件方程可以表示为

(1)式中：(x0，y0，f)为像片的内方位元素；这里认为两张像片具有相同的内方位元素；旋转矩阵r由第二张像片相对于第一张像片的3个旋转角ω,κ的函数组成，a1,a2,a3,b1,b2,b3,c1,c2,c3为r中的9个方向余弦。

本文采用直接求解bx，by，bz这3个基线分量，由于bx，by，bz只有2个独立参数，因此需要加入1个约束条件，即3个基线分量的平方和为定值，如式(4)的第一个式子所示。

本文采用基于正交旋转矩阵的共面条件方程式求解，以旋转矩阵r中的9个方向余弦作为未知参数。

旋转矩阵r是正交矩阵，即rr^t＝r^tr＝rr^-1＝i，列出由9个方向余弦组成的6个正交条件，建立6个条件方程，如式(4)的后6个式子所示。

需要解算12个未知参数，即3个基线分量和9个旋转矩阵中的元素，最终加入7个条件方程式，包括1个基线分量的约束条件，6个正交矩阵约束条件。误差方程式为：

v＝ax-l(2)

x^t＝[dbxdbydbzda1da2da3db1db2db3dc1dc2dc3]

l＝-f0＝x2y1bz+x1z2by+y2z1bx-y1z2bx-x1y2bz-x2z1by

直接利用式(1)对12个未知数求导得到的误差方程式系数

对3个基线分量及9个旋转矩阵元素建立的7个条件方程为

(4)式中：b表示为基线长度，由于比例在模型连接中将会调整并在绝对定向中求出，因此这里可以设置为任意常数。附加条件方程式为

cx+w＝0(5)

式中：w为条件方程常数项矩阵。此时m张相片可建立(m-1)个如式(2)的误差方程，最后加入如式(5)的7个误差方程式，利用附加条件的间接平差方法解算12个未知参数。

解算出了这12个未知参数，也就相当于求出右像片相对左像片的相对方位元素。现以左像片的像空间坐标系作为像空间辅助坐标系，则左、右像片的相对方位元素为：

左片1：xs1＝0，ys1＝0，zs1＝0，ω1＝0，κ1＝0

右片2：xs2＝bx2，ys2＝by2，zs2＝bz2，ω2，κ2

……

模型点坐标的计算

利用6对同名像点正确解求相对定向元素以后，意味着建立起立体模型。模型比例尺是任意的，坐标系原点是立体像对左摄站。所建模型中各模型点坐标可按立体像对前方交会方法求解。根据前方交会公式，每提供一对同名像点坐标，就可以计算出与该像点对应的模型点坐标。

如图4模型点摄影测量坐标的计算所示，建立摄影测量坐标p-xpypzp系，它与像空间辅助坐标系的坐标轴相互平行，原点p在z1轴与地面的交点上，且与s1的距离为mf。这里，m为像片比例尺，f为摄影机主距。s1在p—xpypzp中的摄影测量坐标为(0，0，mf)。根据空间前方交会公式：

式中，bx，by，bz为摄影基线分量。

在p-xpypzp中，左片：ω1＝0，κ1＝0；

右片：

ω2，κ2

可得任意点a的摄影测量坐标：

其中：

式中，bx，by，bz为模型基线分量。

计算模型缩放比例因子λ。

根据两幅影像提供的中心目标点的一对同名像点坐标，利用摄影测量坐标计算公式，计算出与该像点对应的模型点坐标。

已知在p-xpypzp中左片s1和右片s2的坐标，又已知中心目标点的模型点坐标，利用三维坐标距离公式求解两段摄影中心到中心目标点的模型距离，设为d1和d2。

两段摄影中心到中心目标点的真实距离为d1和d2，模型缩放比例因子λ求解公式为：

自定义三维模型的绝对定向。

绝对定向的基本关系式为：

式中，(xtp,ytp,ztp)为模型点的地面摄影测量坐标，λ为模型缩放比例因子，ai，bi，ci(i＝1,2,3)是坐标轴系3个转角φ，ω，k的方向余弦，(xp,yp,zp)为同一模型点的摄影测量坐标，δx、δy、δz为坐标原点的平移量。

自定义三维模型的绝对定向，将相对定向建立好的三维模型只做缩放变化，原模型的坐标原点和坐标轴朝向不变，即：

自定义的绝对定向关系式为：

自定义的绝对定向完成后，三维模型恢复了其真实比例大小，并建立了相应的地面摄影测量坐标，模型中的每一个点都有了相应的坐标，利用这些坐标实现模型的边长和面积的计算。

对于测区边缘较为明显的影像，可采用自动获取测区边缘的方式，提高选取测区边缘的速度。

边缘检测技术

边缘检测是图像处理和计算机视觉中的基本问题，目的是标识数字图像中亮度变化明显的点，图像边缘包含了图像位置及轮廓等属性。

边缘检测方法的流程图如图5所示。

确定阈值：根据边缘算法计算结果，选定阈值，阈值大小会直接影响最终图片检测出的结果。例如当阈值过小时，图片中被检测出的线条也就越多，那么受噪声干扰也就越大。

滤波处理：利用函数图像导数进行边缘检测的算子会受到噪声干扰，需通过滤波器进行平滑处理，这样会使检测结果更加理想。

增强边缘：确定各图像附近强度，使检测结果更加准确。边缘增强是通过计算梯度的大小来进行。

检测边缘：一些较大图像点不一定是边缘，需要确定边缘点。而确定图片梯度中阈值是一种检测方法。

定位边缘：分析边缘位置时，需通过子像素分辨率推测位置。

如图6所示，(a)图为拍摄的路面原始影像，(b)图为检测待测区域边缘的影像。

获取了测区的边缘，即恢复了测区的闭合图形的形状，因测区闭合图形的真实比例也已经恢复，最后即可计算测区闭合图形的面积。