摘要
经度、纬度、高度作为三维空间信息的三大要素，不仅能准确记录倾斜摄影照片的地理位置，更是地理坐标系统的重要组成部分。但是，传统的倾斜摄影技术只能记录照片级的空间信息，无法记录像素级的空间信息，难以知道二维照片中的像素目标在三维空间中的准确位置。如在基于深度学习的无人机违章建筑检测中，由于像素级空间信息缺失，无法在三维模型中定位出违章建筑的具体位置，也就不知道这些违章建筑的世界坐标，这极大地降低了检测结果的应用价值。为了将二维照片中的目标精确定位于三维空间中，实现二维像素坐标与三维空间坐标的转换，本文以无人机倾斜摄影数据为研究对象，将基于无人机倾斜摄影的像素级空间信息计算与应用作为主要研究目标。研究主要包括以下两点： （1）提出了一种基于无人机倾斜摄影的像素级空间信息高效计算方法。该方法能够从原始的倾斜摄影照片中计算出每一像素点的经度、纬度和高度三大空间信息，进一步实现物体在三维空间中的精确定位。该方法以倾斜摄影照片及其三维模型为数据输入，提出了一种基于照片分割和模型分割的多线程加速算法，将世界-图像投影公式在多线程加速算法下逐像素加速计算，生成三维直角坐标系下的XYZ坐标，最后利用坐标转换算法，生成相应像素点的经度、纬度和高度三大空间信息。在应用案例中，本文将像素级空间信息计算方法应用于松材线虫病树智能检测与可视化系统中，使其能精准、高效地将二维照片中的松材线虫病树定位于三维模型上，实现检测结果的三维可视化。该系统在林业部门上线运行并受到认可，证明了像素级空间信息的应用价值。 （2）提出了一种基于像素级空间信息的建筑屋顶分割和高精度规则化方法。针对神经网络识别与分割结果存在误分割与漏分割的问题，提出了一种基于像素级空间信息的掩模分割优化算法，利用多视角图像上的识别结果联合优化正射图上的掩模，提高掩模的准确性。在此基础上，还提出了一种基于边的双主方向规则化算法，为每一个建筑轮廓保存两个不同的主方向，通过主方向判断、主方向微调、轮廓边调整和平行线调整，在保留轮廓边之间平行或垂直关系的前提下，实现建筑屋顶的精确规则化。 本文提出的基于倾斜摄影的像素级空间信息计算方法具有效率快、精度高的特点。实验结果表明，使用本文提出的像素级空间信息算法计算得到的空间信息与实际的空间信息平均误差仅在0.15米左右。本文提出的基于照片分割和模型分割的多线程算法相较于普通计算方法，将计算速度提高了40%以上。本文提出的基于边的双主方向的规则化方法具有保留轮廓边间平行或垂直关系的优点，且实验结果表明，该规则化方法相比于现有算法，规则化后的屋顶轮廓更加接近真实的屋顶轮廓。
NETL