基于点阵结构光获取物体点云的摄影测量方法

叶子伟 ，陈志

(宁波市测绘设计研究院，浙江 宁波 315042)

1 引 言

随着近年来数字近景摄影测量、地面三维激光扫描、计算机技术的飞速发展，离散点数据采集的手段和方法越来越丰富和完善。地面三维激光扫描技术可以高精度、高密度、高速度地测量物体表面三维空间坐标［1］。但是地面三维激光雷达仪器设备较昂贵，而且在数据获取过程中往往会由于目标遮挡、入射角、材质等而造成数据空洞，对于较复杂的空洞还需要依赖摄影测量技术进行修补。近景摄影测量技术能够快速方便地获取物体的真彩色影像，通过影像匹配能够快速的生成目标点云。但是对于一些缺乏纹理无明显灰度变化的物体如金属曲面、艺术雕像、重要文物等，往往会由于同名点对数量较少而造成目标点云的密度较小，结构光测量作为近景摄影测量的一个重要分支，能很好地解决这一难题。

结构光测量是指利用人工光源透过某种投射模板到待测物体表面上，用单相机或多相机拍摄物体的照片，通过匹配投影模板特征来获取物体表面轮廓的三维坐标信息。利用结构光获取物体三维信息的研究始于上世纪70年代，随着这一技术的发展出现了利用各种结构光进行视觉测量的技术，根据投射到物体表面上的结构光的图案形状，结构光可分为点阵、单线、多线、网格等。熊耀阳等［2］通过结构光对人体面部外形进行测量和三维重建，李玉广等［3］结合双相机和结构光对船舱进行三维测量，陈铮等［4］将结构光运用于高温锻件测量。结构光测量是主动式三维测量的一个重要分支，具有测量快速、简单、精确、经济、非接触性等诸多优点。本文基于自主研发的点阵结构光投射系统进行摄影测量。

2 系统硬件构成

本文设计的系统硬件主要由以下两部分组成:

(1)数字摄影测量系统:包括两部数码相机、连接相机的固定杆、同步快门、电池及三脚架。

相机的选择并非具有唯一性，综合性能、尺寸、成像效果等多种因素，本文的左右相机均采用Canon EOS 100D 相机实现图像立体测量。Canon EOS 100D的有效像素为1 800万，分辨率为5 184×3 456，机身重量370 g，显示屏尺寸为3 英寸。同步控制器能使左右相机同时曝光拍摄物体影像。装置如图1所示。

图1 立体相机

(2)结构光投射系统:包括一个点阵结构光投射器、供电电源及一台标线仪。

点阵结构光散射器由16 个激光头组成，每个激光头均能向物体表面投射若干个绿色激光点。标线仪型号为Sincon SL－445P，能投射4 条垂直的红线和4 条水平的红线，用来增加更多的纹理。装置如图2所示。

图2 结构光投射系统及拍摄效果图

3 获取物体DSM 数据

3.1 基于多片空间后方交会的相机检校

影响摄影测量成果精度的重要因素之一是相机的技术参数，因此相机技术参数的检校是保证成果质量能否满足精度要求的关键问题之一［5］。常用的相机标定法有张正友平面标定法、TSAI 的RAC 两步标定法、自标定法和传统的基于三维控制场的标定方法等。本文采用基于室内精密三维控制场的标定方法，这种方法利用布设在室内三维控制场作为控制信息，采用空间后方交会的方法，解算相片的标定参数。

基于空间后方交会的相机检校是一种依据共线条件方程式以像点坐标作为观测值V，在解求相片内方位元素X内和某些附加参数Xad的同时解求相片外方位元素X外。公式表达如下:

V=AX外+BX内+CXad－L

式中A、B、C 为系数矩阵，即:

其中:

上式中α1、α2、β1、β2等参数项分别表示径向畸变项和偏心畸变项等参数项。假设拍摄了3 张相片1、2、3，每片上有n 个公用点1、2、…、n，有4 个附加参数α1、α2、β1、β2，那么误差方程可表示为:

上式中:

进一步化为:

运用最小二乘原理VT×V=min，求得各未知参数X1－外、X2－外、X3－外、X内和Xad。以上的解算过程是一个逐次迭代过程。对两个相机分别进行检校实验，得到的检校结果如表1所示。

表1 相机检校结果

衡量检校精度的指标有:前方交会点位误差、物方坐标反投影误差、核线误差等。比如检查前方交会点位误差，在两张影像上分别均匀选取10 对标志点，利用标定的参数进行前方交会，并与控制点三维坐标对比，计算得到前方交会点位误差为0.4 mm。根据此检校结果可以进一步得到右相机相对于左相机的位置及姿态。

3.2 提取特征点

由于本文的点阵结构光投射到物体表面上的激光点不是均匀的圆形标志点，无法利用边缘检测和拟合算法提取出激光光斑中心，故本文提出如下激光光斑中心提取方案。

(1)二值化

彩色图像有R、G、B 三个通道，由于本文采用的结构光为绿色点阵结构光，绿色激光点在G 通道上比R、B 通道上的灰度值高，故能通过阈值变换提取出绿色激光点。实验时设置了阈值T1、T2和T3，用公式(4)进行二值化将图像转换成二值图像。

本文根据拍摄的影像的效果，设定的颜色分量阈值为G≥200，R≤100，B≤100，对影像进行二值化。

(2)聚类

由于二值化提取出的点都是离散的，我们必须把它们聚类，即哪些点组合成一个类(即一个激光光斑)，假设所有点构成一个容器R，算法如下:

①取R 中的第一个点(假设为a)作为种子点，遍历R 中剩下的所有的点(假设为b)，判断点a 的横坐标x 和b 的x 之差以及a 的y 和b 的y 之差是否都小于20 个像素(根据拍摄的影像效果可知投射距离为1.5 m～6 m时激光光斑的辐射半径为20 个像素左右)，如果小于20 个像素，则把它们归为一类(为了降低时间复杂度，把b 从R 中弹出)，如果大于20 个像素，不作处理，这样一趟比较下来，得到了一个类C1;

②重复第一步，依次得到类C2、C3、C4…;

③取每一个类中所有点的x、y 坐标平均值作为每一个类的中心点(重心化)，即代表提取出的特征点。

3.3 基于核线约束的影像匹配

一个立体像对是双像立体测图的量测单元，假设有两像片k1和k2，其投影中心分别为s1和s2，摄影基线s1s2与某个地面点P 所构成的平面称为P 点的核面，核面与像片平面的交线l1、l2即为核线。由于同名像点必位于同名核线上，因此可以在同名核线上搜索同名点，缩小了匹配的范围，提高了匹配的速度和精度。本文采用文献［6］的基于共面条件确定同名核线的算法。

影像匹配是提取物体三维信息的基础，影像匹配的精度对于生成的点云质量起着决定性的作用。匹配是立体视觉中的复杂且重要的环节，大多数的匹配算法基于纹理特征实现。本文匹配的难点在于:

(1)投影在物体表面上的激光点的形状相似，很难从纹理上区分;

(2)特征点很多，一条核线上可能有很多特征点;

(3)即使左右像片都提取到了特征点，但并不是左右一一对应的，也就是说，左片中提取了，右片中不一定能提取到;

据此本文设计的影像匹配的技术流程如图3所示:

图3 影像匹配流程

详细匹配步骤说明如下:

①首先根据3.2 中的特征点的提取算法，从左右像片分别提取到了特征点集Pleft、Pright;

②从特征点集Pleft中选取一个待匹配点a，遍历Pright中的每个点，进行视差约束，即平行摄影情况下，一般同名点在左图像上的x 坐标会大于右图像上的x坐标，若不满足该条件，则不是匹配点，若满足该条件，将Pright中的点构成一个点集P1;

③遍历P1中的每个点，进行核线约束，即计算P1中的点到相应右核线的距离△d，设定核线阈值ε(由第一节中的标定结果可设定ε 为3 个像素)，将△d 小于ε 的点构成一个点集P2;

④遍历P2中的每个点，进行前交距离约束，即将待匹配点a 和P2中的每点进行前方交会得到前交点，如果前交点到相机的距离在阈值(最小测距1.5 m，最大6 m)范围之内，将P2中满足该条件的点构成一个点集P3;

⑤以待匹配点a 为中心设定一个目标窗口(窗口内的影像包含了待匹配点周围灰度信息)，遍历P3中的每个点，在右影像上设置一个搜索窗口(搜索窗口应大于目标窗口)，将目标窗口放在搜索窗口内，计算灰度变换的相似性——相关系数［3］，并逐行、逐列地依次移动目标窗口(每次移动一个像元)，计算相关系数，最后比较相关系数，相关系数最大者即为待匹配点a的同名点。

4 实验结果与分析

为了突出激光光斑的亮度，将结构光投射系统置于一个空旷昏暗的房间中，将立体相机移动至8 个不同的位置对着一块墙面拍摄了8 组立体像对。图4为第一个立体像对匹配效果图，红色十字丝为匹配到的同名点。分析可知，匹配失败的原因是待匹配点的同名核线上有很多类似的特征点。

图4 匹配效果图

检查其他7 组立体像对，匹配成功率均达到95%以上。由上述提出的影像匹配流程可知，算法时间复杂度为O(n3)，根据程序的实际运行时间统计出每组立体像对的匹配耗时。从每组立体像对随机选出10对成功匹配的同名点，计算匹配的平均误差。表2为匹配实验结果，数据表明本文提出的基于核线约束的匹配算法具有较好的可行性。

表2 匹配实验结果

将第一个立体像对的匹配点进行前方交会生成点云，匹配失败的同名点前交得到的三维点一般偏离较远，可视为噪声点进行手动删除，最后获取到物体表面轮廓的点云数据，如图5所示。

图5 前方交会出的点云

5 结论与展望

本文基于自主研发的点阵结构光投射系统并设计了一套从影像到点云的详细流程，首先基于多片空间后方交会的相机检校原理对立体相机进行检校，然后将左右片提取出的特征点通过视差约束、核线约束、前交距离约束以及相关系数匹配，实验结果表明可以得到较高的匹配成功率，最终获取到物体表面轮廓的点云。本文为今后的研究及项目实施奠定了坚实的理论、实践基础，下一步的工作是优化影像匹配的算法提高匹配的效率、成功率及精度，并将此技术运用到具体的工程测量中，如建筑物立面平整度的检测、金属的曲面重建等。

［1］徐进军，王海城，罗喻真等．基于三维激光扫描的滑坡变形监测与数据处理［J］．岩土力学，2010，31(7):2188 ～2191．

［2］熊耀阳，陈晓波，孙健等．结构光投影面部三维测量系统的精度研究［J］．上海交通大学学报·医学版，2010，30(1):66～69．

［3］李玉广，朱福祥．获取舰船液舱数字表面模型的数字立体摄影测量方法［J］．船舶设计通讯，2009，6(1):49～53．

［4］陈铮，黄桂平，冯欣等．三相机结构光摄影测量中人工标志同名像点自动匹配方法［J］．测绘工程，2013，22(1):28～30．

［5］王冬，冯文灏，卢秀山等．基于多片空间后方交会的CCD相机检校［J］．测绘科学，2006，31(4):64～66．

［6］张祖勋，张剑清．数字摄影测量学［M］．武汉:武汉大学出版社，2003．