跨界 · 融合 · 服務 · 創新
圖8 高度差分別為100m、200m和300 m的三個合成地形
本研究生成的3D點云最初來自2D深度圖。通過相機位姿應用映射變換，并使用TSDF邊緣化冗余估計，我們可以構建整個場景的全局地圖。深度圖穩定性（即在不同關鍵幀中對同一空間對象點的估計的一致性）在這一步中起著重要作用。我們將所有深度圖投影到空間，如圖9所示，以評估點云穩定性。
圖9 四種方法的全局映射：( a ) 提出的方法 ( b ) 四叉樹映射 ( c ) REMODE，和 ( d ) 概率映射。所選區域顯示點云的細節
在本實驗中使用的無人機平臺配備了超高清攝像機，以3840 × 2160分辨率和每秒30幀的速度獲取航拍圖像。此外，還記錄了 GPS和IMU值，使我們能夠通過近似地高和俯仰角（相機光軸與水平面之間的角度）對數據進行分類。無人機多次飛行以獲取感興趣區域的航拍圖像，包括城鎮、山區和混合區域場景。這些場景位于天津九上頂山，面積約9平方公里。圖10顯示了谷歌地球獲取的衛星圖像和無人機獲取的航空圖像的示例。
圖10 城鎮、山區和混合區場景的衛星圖像和低空航空圖像示例
在模擬場景中，74.1%的深度估計錯誤率低于1%。在全局映射中，93.462%的估計點云的絕對誤差距離小于0.9%。在真實場景中，我們估計的點云中超過81.27%與Photoscan的結果相差不到5 m。所提出的方法可用于各種地形場景，并且在準確性和效率方面優于最先進的基于嵌入式 GPU 的實時3D重建方法。
源自：Lai, Z.; Liu, F.; Guo, S.; Meng, X.; Han, S.; Li, W. Onboard Real-Time Dense Reconstruction in Large Terrain Scene Using Embedded UAV Platform. Remote Sens. 2021, 13,2778. https://doi.org/10.3390/rs13142778
