三维重建技术在通信铁塔信息数字化领域的应用研究.docxVIP

70

70 2022/11/DTPT

三维重建技术在通信铁塔

信息数字化领域的应用研究

1背景

2021年政府工作报告提出：“加快数字化发展，打造数字经济新优势，协同推进数字产业化和产业数字化转型，加快数字社会建设步伐，提高数字政府建设水平，营造良好数字生态……”报告中的7个“数字”勾勒出“数字中国”的丰富内涵，数字化是“数字—信息

—智能”整体框架的基础和核心。数字化已经是不可阻挡的大潮，面向未来，运营

商及中国铁塔也计划将传统“通信塔”升级打造成为

——————————

收稿日期：2022-09-26

具有数字化能力的“数字塔”。作为数字经济、智慧社会的战略性基础设施，“数字塔”将服务千行百业，赋能数字经济发展，助力社会治理体系的现代化［1］。

目前通信铁塔数字化面临的主要问题是数据采集困难。铁塔、平台、抱杆、天线等天面信息，均采用人工草图、照片、记录等方式进行记录，无法对塔上的情况做准确、详实采集，采集后的信息需要大量人员加工整理上传系统，并且整理后的数据是以图纸等形式保存，没有实现数字化。

随着计算机技术的飞速发展，基于多视图图像的三维重建和图像识别技术得到广泛应用。按照目标物体深度信息的获取方法（被动式测量与主动式测

量［2］），三维重建技术分为被动式三维重建技术和主动式三维重建技术。主动式测量是指利用如激光、声波、电磁波等光源或能量源发射至目标物体，通过接收返回的光波来获取物体的深度信息。考虑到现有的通信铁塔所处的位置环境较为复杂（地面不平、无法靠近、高度过高）等因素。本文采用被动式三维重建技术来构建铁塔的三维模型，进而获取铁塔的数据信息。

2被动式三维重建技术

被动式三维重建技术一般利用周围环境如自然光的反射，使用相机获取图像，然后通过特定算法计算得到物体的立体空间信息。被动式三维重建技术分为运动恢复结构、稠密三维重建、纹理贴图、语义解析和模型矢量化等步骤。

2.1运动恢复结构［3］

2.1.1算法需要输入的数据

需要输入的数据为无人机拍摄的照片。

2.1.2算法输出结果

输出结果为每一帧图像对应的相机姿态和场景的稀疏三维点云。相机姿态为6自由度，包括3自由度的位置（三维坐标）和3自由度的三维旋转。场景的稀疏三维点云指算法自动提取的部分场景关键点，每一个点由三维空间坐标（x，y，z）和颜色值（R，G，B）表示。

2.1.3算法原理

运动恢复结构技术以采集的图片序列为输入，经过特征提取、特征匹配、两视几何计算、相机位姿估计和场景结构恢复4个步骤，恢复出图片的相机位姿和场景的稀疏三维点云。运动恢复结构技术的流程如图1所示。

特征点检测和描述子提取

特征匹配 两视几何计算

相机位姿估计和场景结构恢复

图1运动恢复结构技术流程

特征点检测是检测出图像中纹理比较丰富、容易

［4］

图2由2幅图像中的特征匹配计算的相对相机位置和朝向

由所有的两两图像对之间的相对位置和朝向可以计算出所有图像在一个统一坐标系下的相机位置和朝向，最后根据相机的位置和朝向，可以通过三角化把图像之间相互匹配的特征点在空间中的三维坐标计算出来，从而获取场景的稀疏三维点云。

2.2稠密三维重建

2.2.1算法需要输入的数据

需要输入无人机拍摄的照片、运动恢复结构算法求解的相机位姿。

2.2.2算法输出结果

输出结果为场景的稠密三维点云和网格模型，点云和网格模型的顶点均带有颜色，点云和网格模型的坐标与运动恢复结构算法求解的相机位姿的坐标系一致。

2.2.3算法原理

在运动恢复结构技术生成的相机位姿基础上，从图片序列中恢复场景的稠密三维点云结构。该技术涉及到稠密立体匹配、深度恢复等多视图几何原理和技术。稠密三维重建流程如下。

a）基于相机位姿利用稠密立体匹配技术恢复每张图像的深度图。

b）基于相机位姿将图像序列的深度图融合成稠密三维点云。

c）利用表面网格提取技术从稠密三维点云中抽取场景的稠密三维网格。

2.3纹理贴图

2.3.1算法需要输入的数据

需要输入的数据包括无人机拍摄的照片、运动恢复结构算法求解的相机位姿，以及场景的稠密网格模型。

识别的点，常用的特征提取算法是SIFT

。特征匹配

2.3.2算法输出结果

是指将2幅图像中的特征点进行匹配，正确匹配的特

征点对应着实际场景中的同一个点。根据匹配特征

在图像中的位置和相机的焦距等内在参数可以计算拍摄2幅图像的相对位置和朝向，如图2所示。

输出结果为带纹理贴图的稠密三