面向单目倾斜视觉数据分析的半自动单像测图AI支持框架

近几十年来，智能手机、无人机、空中巡逻与数码相机的发展使高质量照片惠及广大人群，从而提供了全球覆盖地采集自然与社会海量数据的机会。然而，新摄影工具采集的数据通常是倾斜的——难以进行地理配准，且海量数据常闲置无用。倾斜影像数据的地理配准可由一种称为单像测图（monoplotting）的技术解决，其仅需单幅影像与数字高程模型（DEM）。在传统单像测图中，人工用户须手动在影像与DEM中选取一系列地面控制点（GCP）对，然后确定相机外参与内参，以建立照片与DEM间的像素级对应，从而实现照片中地物的映射与地理配准。该传统方法因若干挑战难以扩展，包括劳动密集型输入、需丰富经验识别清晰GCP，以及相机位姿估计的局限。因此，现有单像测图方法极少用于大规模数据库或近实时预警系统分析。本文提出并演示一种新颖的半自动单像测图框架，可在最少人工干预下提供照片与DEM间的像素级对应。我们开发了分析流程，包括影像与DEM栅格中的关键点检测、检索地理配准的三维DEM GCP、正则化基于梯度的优化、位姿估计、光线追踪以及影像像素与真实世界坐标间的对应识别。两项数值实验表明，该框架在三维坐标下地理配准视觉数据方面表现优越，为全自动化单像测图方法铺平了道路。