基于无人机航拍序列图像的树木三维重建方法.pdf

(19)中华人民共和国国家知识产权局*CN103426200A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103426200103426200A(43)申请公布日2013.12.04(21)申请号201310375676.4(22)申请日2013.08.26(71)申请人天津大学地址300072天津市南开区卫津路92号(72)发明人冯志勇陆泽萍徐超张东萍王丹丹(74)专利代理机构天津市北洋有限责任专利代理事务所12201代理人李素兰(51)Int.Cl.G06T17/00(2006.01)G06T7/00(2006.01)权权利要求书2页利要求书2页说明书6页说明书6页附图4页附图4页(54)发明名称基于无人机航拍序列图像的树木三维重建方法(57)摘要本发明公开了一种基于无人机航拍序列图像的树木三维重建方法，首先通过分水岭分割方法提取树冠的特征区域，然后通过计算RGB颜色空间中的区域相关系数来匹配特征区域并提取匹配特征点对，再结合航拍摄像机的成像模型，通过双目立体视觉原理计算深度信息，最后通过L系统规则构建树木的三维模型。与现有技术相比，本发明考虑了树冠的纹理、颜色以及轮廓信息，充分提取出能反映树冠复杂结构的特征点集合。并且，考虑到无人机航拍过程中，摄像机存在的抖动、平移等，针对航拍摄像机复杂的成像模型来计算特征点集合的深度信息，并采取了合理的树木建模方法，构建出树木的合理的近似三维模型。CN103426200ACN103426ACN103426200A权利要求书1/2页1.一种基于无人机航拍序列图像的树木三维重建方法，其特征在于，该方法包括以下步骤：步骤一、对无人机航拍获得的两张相邻的树木序列图像，从中分别截取大小相同同一树冠图像一、树冠图像二，用grabcut算法去除背景，仅保留树冠区域；步骤二、对去除背景的树冠图像一，使用分水岭分割算法做分割，得到明暗区域划分，计算每个分割区域的形心作为在树冠图像一上提取的特征点；步骤三、计算树冠图像一各特征点在RGB颜色空间下的特征区域与树冠图像二的特征区域的相关系数cij＝Rcij+Gcij+Bcij其中，Rcij，Gcij，Bcij表示以R、G、B三个分量分别计算区域相关系数；其中，和分别为是树冠图像一、树冠图像二中第i和第j个特征点；wn、wm分别为滑动窗口的半长和半宽，n为窗口中的像素点个数，R1(ui，vi)、G1(ui，vi)、B1(ui，vi)和R2(ui，vi)、G2(ui，vi)、B2(ui，vi)分别为树冠图像一、树冠图像二上点(ui，vi)的R、G、B三个分量的值，σi、σj分别为两幅图像中第i和第j个特征点的图像滑动窗口内的标准差，其中，图像的各分量均值计算如下式：R分量均值为：G分量均值为：B分量均值为：图像的各分量的图像滑动窗口内的标准差计算如下式：R分量的图像滑动窗口内的标准差：2CN103426200A权利要求书2/2页G分量的图像滑动窗口内的标准差：B分量的图像滑动窗口内的标准差：在树冠图像二中找到树冠图像一特征区域的匹配区域，以匹配区域对的形心作为匹配特征点，通过最相关和次相关比例法去除误匹配点，具体步骤如下：以树冠图像一的分水岭分割的每个区域的外接矩形作为该区域匹配时的窗口大小；以同样大小的窗口在树冠图像二上扫描，按上述计算方法计算两幅图像上窗口区域内的RGB区域相关系数，记录得到的最大相关系数和次大相关系数；计算最大相关系数和次大相关系数的比例k，设定一个k的阈值K，如果k>K，则把该匹配认为是误匹配舍弃，否则，认为该匹配正确并接受；通过上步得到的两幅树冠图像上的匹配区域对，计算他们的形心作为匹配得到的匹配特征点对；步骤四、通过计算机立体视觉原理，对图像的特征点集合的一系列计算获得图像特征点的三维信息，包括直接获得图像的特征点的二维参数和计算得到的深度参数，深度参数的计算包括三步，即确定航拍摄像机的成像模型，即摄像机的内外参数；通过摄像机成像模型，确定从二维点到三维点的映射关系；通过映射关系获取图像的三维点集合；步骤五、从三维点集合获取树木的骨架信息，包括以下处理：（1）找到Z坐标最高点，并且找到最高点和最低点的dz，dz作为树高，把最高点所在的垂直轴作为树的中心主干，其深度为1，加入树干集合TrunkList，并把最高点加入树干点集IncludePoints；（2）扫描不在IncludePoints集合中的特征点，找到当前点集中离树干集合距离最小的点pi以及相应的树干ti，限制ti的深度不超过6，并且，分支数不超过3；（3）从该树干ti向点pi引出一个新的树干tnew与ti的夹角为30°，tnew的深度为ti的深度加1（限制树的最大深度不超过4），加入TrunkList时插入ti后面，并把点pi加入已有树干包含的点集合In