CC（Smart3D）与 Inpho结合的无人机空三加密方法
摘要:利用无人机实施地形测绘工作中，由于影像之间姿态角度变化较大，使得INPHO软件在空三加密时无法提取足够的连接点。针对这一问题，本文提出了使用ContextCapture提取影像的连接点，然后在INPHO中完成空三加密计算的优化方案，并针对两套软件之间的数据衔接编写了转换程序，从而可以有效利用软件的各自优势，解决连接点提取的问题，并用实际案例验证了该方法的有效性。
关键词:ContextCapture软件;INPHO软件;无人机航空摄影;空三加密
由于无人机测绘技术具有数据获取效率高、外业时间少、成本低等显著优势，得到越来越广泛的应用。同时，无人机测绘存在一些自有的局限性。首先，出于成本和载荷限制的考虑，无人机上多数使用单反或微单等非量测相机，因此影像的像幅尺寸、成像质量等远低于大像幅量测型相机。其次，无人机自重轻，飞行高度低，飞行时极易受到气流扰动影响，从而使得航线和姿态的稳定性较差。
目前测绘单位所使用的主流摄影测量系统如INPHO、航天远景、JX4等，都是设计用于处理大像幅量测型相机的影像。这类软件在处理像幅较小、噪点较重、影像姿态变化较大的无人机影像时，经常会出现影像连接点提取不足的情况，从而导致空三平差失败或成果质量较差。为解决这类问题，通常需要人工添加足够数量的连接点，而无人机影像数量远多于普通航空影像，因此这类处理补点工作通常需要耗费大量的时间。
2.1 ContextCapture软件特点
Bentley公司的ContextCapture软件原名Smart3D。该软件是目前使用最广泛的影像自动建模软件，大量用于倾斜摄影的影像处理与自动建模工作中。
ContextCapture软件具有强大的影像匹配功能，可以极高的速度完成海量影像的自动匹配工作。自动匹配获取的连接点数量大、密度高、准确可靠，并且可以指定区域的三维模型、DOM、DEM、DSM等成果。但该软件无法用于DLG的生产，同时导出的空三结果由于外方位角元素和文件数据结构的差异，不能用于其他摄影测量软件。
2.2 INPHO软件特点
Trimble公司的INPHO软件是目前广泛应用的摄影测量软件。INPHO中各类模块涵盖了畸变纠正、空三加密、地形建模、正射纠正等功能。其中用于空三加密与平差的MATCH－AT模块使用PATB软件包的光束法区域网平差模型，可以满足高质量、高效率的空三加密工作。而且空三加密平差成果可以输出为多种数据格式用于不同平台的立体测图工作。
但是对于像幅较小、噪点较重、影像姿态变化较大的无人机影像，INPHO的影像自动匹配实际效果往往较差，会出现连接点数量稀少、分布不均匀、匹配错误等问题，对后续的空三处理造成不良影响。
2.3 ContextCapture与INPHO相结合的新方法
根据ContextCapture和INPHO的各自优势，本文提出将两种软件处理流程结合使用的空三加密方法。首先使用ContextCapture对影像进行处理，获取高密度、高精度的影像连接点和影像外方位元素成果。然后在INPHO中导入上述成果进行光束法区域网平差计算，最终获得精确的影像外方位元素。最后可以将平差结果导出为PAT－B、ZI等格式，在航天远景等测图工作站中恢复立体像对完成DLG的生产制作。
3.1 ContextCapture工程导出与XML文件解析
ContextCapture软件中可以将工程导出为XML文件。导出XML文件中包含了项目所有参数信息，包括相机参数、影像外方位元素、像控点坐标与图像量测值以及影像连接点。
XML文件作为可扩展标记语言，具有结构清晰、规则简单、扩展性好等特点，因此可以较方便地获取文件中的信息。在ContextCapture导出的XML文件中的Photogroups、ControlPoints、TiePoints三个三级标签，分别记录了影像、控制点、连接点的全部信息。
Photogroups下有若干个Photogroup四级标签，每个Photogroup标签内的ImageDimensions、FocalLength、SensorSize、PrincipalPoint、Distortion标签中的内容分别记录了相机的像素尺寸、焦距、像幅大小、像主点位置、畸变参数。Photogroup标签内的每个Photo标签均对应工程中的每一张影像。每个Photo内部的Id、Image-Path、Pose标签中的内容分别对应影像的序列号、文件名、外方位元素。
ControlPoints下的ControlPoint标签对应每个像控点。ControlPoint中的Name、Position、Measurement标签中的内容对应像控点的名称、XYZ坐标以及影像的量测值。
TiePoints下的TiePoint标签均对应每个连接点。TiePoint中的Name、Position、Measurement标签中的内容均对应像控点的名称、XYZ坐标以及影像的量测值。
3.2 INPHO的工程文件与连接点文件解析
INPHO的工程文件PRJ以及空三连接点文件XPF都采用ASCII编码。在PRJ工程文件中每个$PHOTO的内容对应工程中的每张影像。$PHOTO内部的$EXT_ORI、$PHOTO_POINTS分别对应该影像的内外方位元素和像控点量测值。$CAMERA_DEFINITION项内记录着相机的所有参数，$CON-TROL_POINTS项内记录控制点的点名和坐标值。
在XPF连接点文件中，每个$PHOTO项均对应工程中的每张影像。$PHOTO_POINTS项记录了该影像上所有连接点的点名、影像量测值等。文件最末的$ADJUSTED_POINTS项里记录了所有连接点的点名和XYZ坐标值等。
3.3 数据转换过程实现
在ContextCapture和INPHO的数据文件中相机、影像、像控点、连接点所有关键信息均可对应，因此可以用编程实现两者之间的转换。
在实现对XML文件的读取中，可以利用正则表达式“＜标签名＞(．*?)＜/标签名＞”来实现对XML标签中内容的读取。根据两类软件的各自文件编码规则，可以建立如表1所示的数据项映射关系，从而实现Context-Capture与INPHO中所有关键数据的相互转换。
3.4 转角系统矩阵转换
绝大部分参数均可以直接建立直接的映射关系即可实现转换。但这两类软件对影像外方位角元素的旋转矩阵的定义有所差别，不能直接复制使用。
INPHO中影像外方位角元素采用ω－φ－k转角系统。工程文件中旋转矩阵M与外方位角元素ω、φ、k的对应关系为:
而在ContextCapture中使用的外方位角元素和旋转矩阵与式(1)不同。经过测试发现在ContextCapture中ω角的起始方向以及φ角与k角的旋转方向均与INPHO中对应的方向相反。将两类软件的定义角度分别式(1)中进行计算展开，则会发现两个矩阵中对应元素的解析式之间有准确的对应关系，即第一行所有元素相等，第二、第三行所有元素的正负相反。因此矩阵转换仅需要在读取XML文件中矩阵后，对矩阵中第二、第三行的对应元素取反，即可转换为INPHO中的矩阵。
4.1外业概况
为验证该方案的准确性，选取了某次无人机数据进行技术验证。该测区地形为高山地，成图比例尺为1∶1000。无人机相对飞行高度为600m。航线如图1所示共三条平行航线，设计的航向重叠度为80%，旁向重叠度为50%。在飞行前预先布设了19个地面标记点(如图2所示)并测量了点位坐标。在后期处理中将其中10个点作为基本定向控制点，其余9个点作为定向检查点。飞行中共获取有效影像108张。
图１ 设计航线与像控点分布
图２ 像控点的实地照片与无人机影像
4.2内业处理流程
首先对影像数据进行畸变纠正处理以消除光学畸变。随后在INPHO中以标准流程进行空三处理。最终共提取出连接点2626个，但连接点分布极其不均匀，大部分区域连接点数量稀少(如图3所示)，自动空三平差处理失败。
图３ 连接点稀少且分布不均匀
按照本文所设计的技术路线，对畸变纠正处理的影响使用ContextCapture进行处理。在运行完空三处理后可以看出软件自动匹配出的大量连接点。随后将该工程导出为XML文件，导出时同样将连接点一并导出。将该XML转换为INPHO的工程文件和连接点文件。在INPHO中将该工程文件打开，由图4、图5可见连接点的数量和密度均有极大的改善。
图４ 连接点数量较多
图５ 每张影像都有数量较多的连接点
4.3空三平差与精度评定
最后在INPHO中运行光束法空三平差计算，得到定向点的残差和检查点误差如表2、表3所示。基本定向点平面残差中误差为0．416m，高程残差中误差为0．045m，检查点误差中误差为0.639，高程误差中误差为0．336m，均符合规范中该比例尺下的各类误差的要求。后续工作根据实际需要，在INPHO中完成DEM、DOM的编辑和生产。并将空三成果导出为PAT－B、ZI等格式，在立体测图工作站上完成DLG生产。
无人机数据由于像幅较小、姿态较差等，在常规的空三平差中无法提取出足够多的连接点，从而导致空三平差失败。本文提出的利用ContextCapture进行连接点提取，数据成果经过转换后在INPHO进行空三平差计算解决这一问题，从而减少无人机空三平差的处理时间、提高成果精度。目前该技术流程已在多个无人机地形图测绘的生产项目中得到应用，取得良好的效果。
- END -