顾及场景连通性的混合式SfM方法.pdf
《顾及场景连通性的混合式SfM方法.pdf》由会员分享,可在线阅读,更多相关《顾及场景连通性的混合式SfM方法.pdf(14页珍藏版)》请在咨信网上搜索。
1、第 卷第期测绘学报V o l ,N o 年月A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c aJ u n e,引文格式:屈文虎,刘振东,蔡昊琳,等顾及场景连通性的混合式S f M方法J测绘学报,():D O I:/j A G C S QU W e n h u,L I UZ h e n d o n g,C A IH a o l i n,e ta l Ah y b r i dS f M m e t h o dc o n s i d e r i n gs c e n ec o n n e c t i v i t yJ A
2、 c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c a,():D O I:/j A G C S 顾及场景连通性的混合式S f M方法屈文虎,刘振东,蔡昊琳,张帅哲中国测绘科学研究院,北京 ;山东科技大学测绘与空间信息学院,山东 青岛 AAhh yy bb rr ii ddSS ff MMmm ee tt hh oo ddcc oo nn ss ii dd ee rr ii nn ggss cc ee nn eecc oo nn nn ee cc tt ii vv ii tt yyQQ UUWW ee nn hh uu,L
3、L II UUZZ hh ee nn dd oo nn gg,CC AA IIHH aa oo ll ii nn,ZZ HH AA NN GGSS hh aa ii zz hh ee C h i n e s eA c a d e m yo fS u r v e y i n ga n d M a p p i n g,B e i j i n g ,C h i n a;C o l l e g eo fG e o d e s ya n dG e o m a t i c s,S h a n d o n gU n i v e r s i t yo fS c i e n c ea n dT e c h n
4、o l o g y,Q i n g d a o ,C h i n aAA bb ss tt rr aa cc tt:S f Mm e t h o dh a sa c h i e v e dg r e a ts u c c e s s i n Ds p a r s er e c o n s t r u c t i o n,b u t i ts t i l lm e e t ss e r i o u sc h a l l e n g e s i n l a r g e s c a l es c e n e r e c o n s t r u c t i o n A i m i n ga t s o
5、 l v i n gt h ep r o b l e mo f l o o s e i m a g ed i s t r i b u t i o n,l o we f f i c i e n c yo fs u b c l u s t e re x p a n s i o na n dw e a kr o b u s t n e s so fs u b c l u s t e rm e r g i n gi ne x i s t i n gh y b r i dS f Mm e t h o d s,a h y b r i d S f M m e t h o d c o n s i d e r
6、i n gs c e n ec o n n e c t i v i t yi s p r o p o s e di nt h i sp a p e r F i r s t l y,am u l t i f a c t o r j o i n t s c e n ed i v i s i o na l g o r i t h mb a s e do nn o r m a l i z e dc u t i sp r o p o s e d,w h i c he f f e c t i v e l y s o l v e s t h ep r o b l e mo fl o o s ei m a g
7、 es p a c ed i s t r i b u t i o ni ns u b c l u s t e r sa f t e rs c e n ed i v i s i o n;S e c o n d l y,as u b c l u s t e rb a l a n c e de x p a n s i o na l g o r i t h mc o n s i d e r i n gp a r t i t i o nc o n n e c t i v i t yi sp r o p o s e dt oi m p r o v et h ee x p a n s i o ne f f
8、i c i e n c ya n dc o n n e c t i v i t yb e t w e e ns u b c l u s t e r s;T h e n,aq u a l i t yc h e c ka n ds e c o n d a r yr e c o n s t r u c t i o nm e c h a n i s mi n t h el o c a l r e c o n s t r u c t i o ns t a g ea r ei n t r o d u c e dt oe l i m i n a t et h ei n f l u e n c eo fs u
9、 b c l u s t e r sw i t hu n q u a l i f i e d l o c a l r e c o n s t r u c t i o nq u a l i t yo nm e r g i n g,a n das u b c l u s t e rm e r g i n ga l g o r i t h mc o n s i d e r i n gt h ec o n n e c t i v i t yb e t w e e nc l u s t e r si sp r o p o s e dt oi m p l e m e n tt h er o b u s t
10、m e r g i n ga m o n gs u b c l u s t e r s F i n a l l y,e x p e r i m e n t a l v a l i d a t i o n i s c o n d u c t e du s i n gm u l t i p l eo p e nd a t a s e t sa n dm u l t i v i e wd a t a s e t s,a n d t h e r e s u l t ss h o wt h a t t h em e t h o dp r o p o s e d i n t h i sp a p e r
11、i ss u p e r i o r t os t a t e o f t h e a r tm e t h o d s i nt e r m so f r o b u s t n e s sa n de f f i c i e n c y,a n dh a sb e t t e r f e a s i b i l i t ya n da d v a n c e m e n t KK ee yyww oo rr dd ss:h y b r i dS f M;c o n n e c t i v i t y;s c e n ep a r t i t i o n i n g;s u b c l u
12、s t e rm e r g i n gFF oo uu nn dd aa tt ii oo nnss uu pp pp oo rr tt:B a s i cS u r v e y i n ga n dM a p p i n gP r o j e c t o f t h eM i n i s t r yo f N a t u r a l R e s o u r c e s(N o A );B a s i cS c i e n t i f i cR e s e a r c hB u s i n e s sF e eo f t h eC h i n e s eA c a d e m yo f S
13、u r v e y i n ga n dM a p p i n g(N o A R )摘要:S f M方法在三维稀疏重建方面获得了巨大的成功,但面对大规模场景重建问题时,该方法仍面临着严重的挑战.针对现有混合式S f M方法场景划分影像分布松散、子簇扩展效率低,以及子簇合并稳健性差等问题,本文提出一种顾及场景连通性的混合式S f M方法.首先,提出一种基于归一化割的多因子联合场景划分算法,有效地解决了场景划分后子簇内影像空间分布松散的问题;其次,提出一种顾及分区连通性的子簇均衡扩展算法,提高了扩展的效率及子簇间的连通程度;然后,通过在局部重建阶段引入质检及二次重建机制,消除了局部重建质量不合格
14、子簇对合并的影响,并提出一种顾及簇间连通性的子簇合并算法,实现子簇间的稳健合并;最后,利用多组公开数据集和多视倾斜摄影数据集进行试验验证.结果表明:本文方法在稳健性和效率等方面均优于目前先进的方法,具有较好的可行性和先进性.关键词:混合式S f M;连通性;场景分区;子簇合并中图分类号:P 文献标识码:A文章编号:()基金项目:自然资源部基础测绘项目(A );中国测绘科学院基本科研业务(A R )运动恢复结构(s t r u c t u r e f r o m m o t i o n,S f M)方法与摄影测量中空中三角测量方法相似,均可第期屈文虎,等:顾及场景连通性的混合式S f M方法从一
15、组具有重叠的影像中同时恢复相机位姿及结构信息,目前被广泛用于三维场景稀疏重建.学者们在S f M相关领域取得了卓有成效的研究成果 ,但面对动辄如今几万甚至几十万影像规模的城市级三维稀疏重建问题,S f M方法仍然在计算效率和稳健性等方面面临着严重的挑战.根据初始姿态估计方式的不同,传统S f M方法分为增量 式S f M方 法 及 全 局 式S f M方法 .增量式S f M从初始像对或者三元组的最小 重 建 开 始,渐 进 地 添 加 新 影 像,并 使 用R AN S A C或估计三焦张量过滤异常值,同时执行局部光束法平差(b u n d l ea d j u s t m e n t)优化
16、相机姿态及场景结构信息,直至无影像添加为止.频繁的局部光束法平差保证了增量式S f M重建结果稳健且准确,但该步骤耗时较多,且重建误差随迭代次数的增加不断累积,使得增量式S f M在处理大规模场景重建问题时,效率较低且易发生模型漂移.不同于增量式S f M,全局式S f M尝试对所有影像进行整体求解,这使得误差分布更加均匀,避免了误差累积,并且全局式S f M无须进行频繁的光束法平差,因此该方法具有更高的处 理 效 率;然 而 该 方 法 对 异 常 值 十 分 敏感,虽然文献 通过提出一种去除重复结构和极短基线引起的错误相对定向方法来试图消除异常值对全局式S f M的影响,但面对大规模场景的
17、稀疏重建问题,全局式S f M的稳健性仍有待进一步改善.为克服传统S f M方法在处理大规模场景稀疏重建时面临的效率低及稳健性差问题,有学者引 入 分 割合 并 策 略,提 出 了 混 合 式S f M方法 ,通过将原始场景划分为若干子集(下文简称“子簇”),使单个问题规模大幅度减小,避免了大量参数同时求解,因此其稳健性及处理效率大幅提升.然而,现有混合式S f M方法至少还存在两个方面的问题:场景分区阶段,子簇聚类后,子簇内影像空间分布较为松散;子簇扩展时,扩展效率较低且未顾及子簇间的连通性;子簇合并阶段,现有方法未考虑相机参数的全局一致性,且重建精度较低甚至可能发生合并失败.鉴于此,本文提
18、出一种顾及场景连通性的混合式S f M方法.主要贡献如下:()空间分布紧凑的子簇聚类.为避免子簇聚类结果内部影像空间分布松散甚至割裂的问题,采用像对间的同名点数量、重叠面积及场景关联度等联合构建新的权重函数.()顾及连通性的子簇扩展.为提高图像扩展效率,并尽可能保证子簇间的连通性,引入影像的预分配机制,提出一种顾及分区连通性的子簇均衡扩展算法.()稳健的子簇合并.为避免子簇的合并路径过长导致误差累积问题,提出一种顾及簇间连通性的子簇合并规则,动态选择最佳待合并簇对;在合并过程中动态选择最佳相机参数作为新簇的相机参数,保证了相机参数的全局一致性,提升了重建精度.研究现状根据场景分区及子簇合并策略
19、的不同,混合式S f M方法可划分为多层级混合式S f M方法与平面混合式S f M方法两种.多层级混合式S f M方法 ,将分层聚类算法引入场景划分及合并之中,通过将原场景划分为层次树簇,然后各节点独立重建进行加速,但该方法场景划分后的单个节点规模较小,节点内部场景有效信息保留较少,子簇局部重建质量较差,自下而上的重建及合并策略缺乏全局视角,导致该类方法子簇重建稳健性较差.不同于多层级混合式S f M,文献 提出一种平面混合式S f M方法,该方法首先利用归一化割将场景直接划分为多个平面子图,并根据相关性对子图进行扩展,然后对每个子图进行局部重建,最后利用连接图像之间的核线关系合并子簇的局部
20、重建结果形成整个场景的稀疏重建;在此基础上,文献 将分布式摄像机模型引入场景划分,提高了算法的稳健性;文献 通过在子簇扩展阶段引入完备率约束及规模约束,在限制子簇规模的同时保证了子簇间足够的连通性.然而上述方法多局限于单一的场景划分或合并,缺乏全局性考虑.针对该问题,文献 提出了一种基于图的并行S f M方法,将大规模S f M看作一个图的问题.首先,利用图结构将大规模数据集划分为若干子簇;然后,通过沿最大生成树遍历断裂边寻找最佳扩展影像的策略完成子簇扩展,提高了场景分区的算法效率;最后,在子簇合并过程中,通过最小高度树筛选最佳基准簇,并通过最小生成树选择子簇间的最佳合并路径,提升了子簇合并的
21、稳健性.然而,文献 采用以像对的同名点数量为J u n e V o l N o A G C Sh t t p:x bc h i n a s m pc o m权重的子簇聚类算法进行子簇划分,划分后子簇内部影像空间分布松散甚至割裂,导致子簇局部重建可能失败,影响子簇合并的稳健性;同时,子簇扩展效率较低,且动态添加影像时未考虑子簇间重复影像数量的均衡问题,可能导致子簇合并失败;同时子簇合并过程中沿单一路径进行合并可能出现误差累积,且未考虑相机参数的全局一致性,导致场景的稀疏重建精度较低.顾及场景连通性的混合式S f M方法针对现有算法的不足,本文提出了一种顾及场景连通性的混合式S f M方法.主要内
22、容如下:场景分区阶段,提出了一种基于归一化分割的多因子联合子簇聚类算法,以及顾及分区连通性的子簇均衡扩展算法,保证子簇内影像空间分布的紧凑性,提升场景分区的效率和子簇间的连通性;局部重建阶段,利用高效的全局式S f M方法完成局部重建,同时引入质量检查与二次重建机制,以提升局部重建稳健性;子簇合并阶段,提出一种顾及簇间连通性的子簇合并规则,动态选择最佳待合并簇对,并对相机参数进行动态调整,以提升子簇合并的精度和稳健性.本文方法流程如图所示.图本文方法流程F i g F l o w c h a r to f t h ep r o p o s e dm e t h o d场景分区场景分区是混合式S
23、 f M方法的第一步,其目的是将原有场景划分为若干存在关联的小场景.场景分区包括子簇聚类与子簇扩展两步.子簇聚类是通过影像聚类算法将原有场景划分为互不重叠的N个子簇;子簇扩展是通过对子簇添加重复影像,使相邻子簇间存在足够的重叠影像,增强子簇间的连通性.基于归一化割的多因子联合子簇聚类子簇聚类需要将场景划分为若干互不重叠的子簇,本文的子簇聚类算法与现有方法 相似,也是在图上进行的,详细步骤如下.步骤:图的构建.以影像作为图的节点,影像间的连接作为图的边,构建相机图GV,E,其中节点ViV,表示相机CiC,Ei jE及边权w(Ei j)表示像对Ci和Cj间的连接关系.子簇聚类就是将图GV,E 表示
24、的所有相机划分成一组由Gk|GkVk,Ek 表示的N个子簇,且子簇间互不重叠.步骤:边权的构建.构建图GV,E 中的边权w(Ei j),以衡量两个节点的连接关系,现有方法以像对的同名点数量作为权重,其归一化后的同名点数量权重函数为wpi jpn u mm i n(f e a ti,f e a tj)()式中,f e a ti、f e a tj分别为像对i、j各自的特征点数量;pn u m为匹配对i、j同名点数量.一般认为,像对间的同名点数量越多(wpi j越大),像对间的相关性越强.但如图所示,面对多视倾斜摄影数据集时,由于影像间的拍摄视角与地面垂直方向间的夹角可能会很大,导致像对A B的同名
25、点数量多于像对A C间的同名点数量,若仅采用同名点数量计算边权则可能会将影像A和影像B划归到同一子簇中,而影像C不能与影像A划归到同一子簇中,导致子簇内部影像空间分布较为松散甚至割裂的问题(图),可能进一步导致子簇的局部重建自由网断裂.为解决上述问题,本文在式()的基础上,引入像对的重叠面积、场景关联度信息等因子联合构建新的权重函数w(Ei j),具体如下所示.第期屈文虎,等:顾及场景连通性的混合式S f M方法注:S为像对A B共同观测区域,红色虚线表示像对A B间的同名点在各自影像上的分布;S为像对A C共同观测区域,蓝色虚线表示像对A C间的同名点在各自影像上的分布.图多视倾斜摄影数据同
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 顾及 场景 连通性 混合式 SfM 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。