倾斜摄影技术在观光车辆路线坡度测量上的应用研究

余焕伟 陈仙凤 唐艳同 倪敏华 陈 松

（1.绍兴市特种设备检测院 绍兴 312071）

（2.绍兴市特种设备智能检测与评价重点实验室 绍兴 312071）

（3.绍兴市柯桥区质量计量检验检测中心 绍兴 312030）

进入21世纪以来，随着微电子技术、传感器和控制技术等快速发展，以多旋翼、锂电驱动、轻量化和自动避障为特点的消费级无人机大大降低了无人机使用门槛，被广泛应用于个人娱乐、农林业［1］、电力［2］、测绘［3］、地质灾害防治［4］等行业，极大地推动了这些行业传统工作模式的变革。目前市面上，消费级无人机主要采用锂聚合物电池作为主要动力，多旋翼结构，造价低，操控能力好，续航能力一般为20～30 min。无人机在不同的行业都可找到合适的切入点，可搭载可见光相机替代人眼抵近观察，也可以搭载多种类型的传感器代替人类进入不容易到达的地方或危险区域进行相关作业，如热成像仪［5］、光谱仪［6］、有害（可燃）气体探测器［7］和合成孔径雷达［8］等。

在不同行业或场景对通过无人机获得的图像数据的处理应用方式也不相同，一是直接利用图像进行观察或对图像进行技术处理、特征提取后再进行观察，然后做出决策。雷家杰等［2］利用紫外成像仪搭载在无人机上进行电力巡检，可以发现绝缘子和导线表面由于裂纹、毛刺和破损产生的放电现象。赵延峰等［9］提出了一种基于改进Mask R－CNN的电力线自动提取算法，可实现复杂场景下无人机航拍图像的端到端电力线提取，提高了无人机电力巡检的准确性。在特种设备领域：2016年南京市特检院研制的大型起重机金属结构无人机载智能视觉检测系统成功应用在大型起重机上，进行了金属结构检测，并运用数字图像处理技术进行缺陷特征提取与识别［10］；2017年广东特检院通过无人机系统实现包括常规的航拍、垂直攀爬检查、悬停拍摄和红外热成像等功能，可以判断大型特种设备是否存在异常，实现了对设备安全状态的初步评估［11］；2019年福建特检院研究了基于无人机的大型起重机械检测系统设计与应用，用来解决大型起重机械高空位置的金属结构表面缺陷检测问题［12］。无人机的另一种应用是无人机作为飞行平台与倾斜摄影测量技术结合起来，获取地面对象的地理位置和三维特征参数，用于地图绘制、实景三维建模、三维测量等领域［13］，常用的有单镜头和多镜头摄影测量系统，实现了以前传统航空遥感测量的功能。杨永明［14］研究了无人机倾斜摄影测量原理和三维建模等关键技术，分析了倾斜摄影测量数据处理结果及其精度，结果表明实验区图像重投影均方根误差都未超过1个像素，均方根误差值最大为0.035 m。娄宁等［15］针对单体建筑物三维精细化建模问题，提出了以单镜头多旋翼无人机为载体的三维环绕式航线自动规划方法，提升了单体建筑高分辨率影像数据采集的完整性、质量和效率。郑爽［16］的研究表明无人机倾斜摄影能满足1：500比例尺地形图的测绘精度要求，比传统方法提高约52%的效率，且能够生成更为直观的三维模型。

综上所述，无人机平台的出现极大地改变了传统行业的作业模式，拓展了作业范围，具有非常广阔的应用前景。但在特种设备领域，无人机应用还是限制在拍摄和监控层面，即对目标对象只是单一的“看、察、巡”，而且应用条件比较单一，更不能实现智能检测。本文将无人机倾斜摄影技术应用在观光车路线坡度检测领域，与传统检测方法进行了对比研究，具有检测精度高、效率快的特点。

1 倾斜摄影原理

传统的航空摄影通常是采用正射摄影技术，只能获得地面物体下视角的影像，由于物体的侧面被遮挡，几乎没有正射面以外的其他信息，适合于对侧面纹理信息要求较低的场景。近些年发展起来的倾斜摄影技术改变了以往正射影像只能从垂直角度拍摄的局限，可从多个视角进行拍摄，能获得更真实全面的地物的侧面纹理信息和细节特征［17］。无人机倾斜摄影技术可以采用单镜头和多镜头摄影测量系统［18］：单镜头系统可以周向旋转进行倾斜摄影得到同一建筑物不同角度的影像数据，适合较小的应用场景；多镜头摄影测量系统的多个相机能在同一时间曝光，同时获得多个不同角度的影像数据，作业速度快，适合较大场景的应用。

无人机摄影测量是通过研究被拍摄物体的位置、形状、大小及其相互间的关系，建立影像中重要的点、线和面之间的透视关系以及物方与像方之间的解析关系，在此过程中首先涉及的是多个坐标系（像素坐标系、图像坐标系、相机坐标系和世界坐标系）之间的转换。由无人机搭载相机的内参数再结合相机相对于世界坐标系的平移、旋转等位置关系，就可以实现相空间到实际空间的转换［19］。影像特征点提取与匹配是摄影测量中数据处理的另一个基础环节，它是实现数字摄影测量自动化的关键技术。SIFT（Scale－invariant Feature Transform）对旋转、尺度缩放、亮度变化、视角变化、噪声等具有一定程度的稳定性，在影像的特征点检查和提取中应用最为广泛。当2幅影像的特征向量被提取后，就需要进行图片两两之间的特征点匹配，当所有的两两匹配图像对被确定以后，就可以考虑把多个图像中都出现的共同特征匹配点连接起来。在已知空间点在多视影像上的像点和影像的投影矩阵的情况下，就可以通过“三角化”的方法解求初始像对空间点的三维坐标。如图1所示，2个位置时刻相机光心分别为O1、O2，影像中像素匹配点为P1、P2，真实空间中地物点为P，在不考虑噪声的理想情况下O1P1、O2P2应相交于P点，其对应的三维位置为P，那么应该满足式(1)，M1、M2为由初始影像对得到的投影矩阵。

图1 2幅匹配影像的三角化

在实际情况下，由于噪声干扰、匹配误差等因素干扰，O1P1、O2P2是交于P′点，与真实点P不完全重合，现一般采用非线性优化方法求解最优的P，使重投影误差最小，见式（2），Mi为第i张影像的投影矩阵，Pi为真实点P在第i张图像中的像素匹配点。

2 无人机倾斜摄影建模过程

本文选用大疆精灵Phantom 4 RTK无人机，搭载有RTK导航定位系统，配备1英寸2 000万像素CMOS相机，支持输出未经畸变矫正的原图，并在照片XMP信息中输出该相机的OPEN－CV畸变矫正参数，可用在第三方软件后处理。单镜头相机与RTK模块μs级时间同步，地面采样距离GSD= (H/36.5) cm/pixel，H为飞行高度，当H=100 m时，GSD为2.74 cm/pixel。无人机遥控器内置航线规划功能，飞行控制简单，图像能满足GB/T 7930—2008《1：500 1：1 000 1：2 000地形图航空摄影测量内业规范》的精度要求。在测区内或测区外不远处选择一个视野开阔、无强电磁干扰的地方作为无人机起降点，在风速小于3 m/s时进行拍照作业，为了获得较高的图像分辨率，在保障安全的情况下尽量降低飞行高度。采用大疆遥控器自带的“摄影测量3D（井字飞行）”模块进行航迹规划，设置完成飞行区域、飞行高度、飞行速度、重叠度（横向重叠80%）、拍摄倾角等信息后，即可完成自动起飞、自动拍摄、自动返航降落。

采用Context Capture软件对影像进行后处理，首先对影像集进行空中三角测量计算，确定每幅图像的位置和角元素，掌握每个输入影像集的影像组属性及每个输入影像的姿态，完成不同图像的刚性匹配、生成图像连接点、评估图像质量等，在此过程中如果输入图像的重叠不足或图像纹理信息不足（如水面），部分图像可能会被舍弃，影像集空中三角测量后即可进行三维模型重建，整个无人机倾斜摄影建模过程如图2所示。

图2 无人机倾斜摄影建模流程

3 旅游观光车辆的行驶路线坡度测量

非公路用旅游观光车辆作为一种在旅游景区运行的交通工具，本身为非封闭式，行驶道路条件远低于国家标准道路，存在较大安全风险，这就要求在规划观光车路线时坡度不能太陡。坡度通常用2点的高程差与其水平距离的百分比表示：i=h/l×100%，i为坡度，h为高程差，l为水平距离。TSG N0001—2017《场(厂)内专用机动车辆安全技术监察规程》中对观光车的行驶路线进行了规定：观光车最大行驶坡度不得大于10%(坡长小于20 m的短坡除外)，观光列车最大行驶坡度不得大于4%(坡长小于20 m的短坡除外)。对此一般是采用坡度仪和全站仪进行测量，需要投入大量人力、物力。

3.1 坡度仪单点测量

在一段人工坡道上选取A、B、C三点，见图3，利用坡度仪进行坡度测量，结果见图4，坡角换算成路线坡度分别为9.98%、11.58%和10.50%。由于坡面局部不平整的原因，3次坡度测量值结果离散性较大，在实际景区道路上这种不平整度的影响将更大。

图3 A、B、C三个坡度仪测量点

图4 坡度仪测量值

3.2 全站仪连续测量

全站仪对边测量是在不搬动仪器的情况下，直接测量多个目标点与某一起始点（P1）间的斜距（dSD）、平距(l)和高差(h)，任一目标点与起始点间的高差也可用坡度来显示，如图5所示。以图3坡道中的A为测量起始点，利用图6所示的全站仪分别对边测量B、C两点坡度，A－B、A－C的测量坡度值分别为9.48%、9.36%。

图5 全站仪对边测量（P1-P2，P1-P3）原理

图6 全站仪对边测量B、C两点坡度

3.3 无人机倾斜摄影测量

●3.3.1 局部坡度测量

无人机飞行高度设定为25 m，影像平均对地分辨率为6.70 mm/pixel，镜头倾斜角为45°，一共获得216张影像，经空中三角测量计算可用来三维重建的影像为197张，重建模型见图7。

图7 由无人机倾斜摄影得到的三维重建模型

在三维模型上坡道上部选取P1、P2两个点，如图8所示，其水平距离L12= 1.94 m，高程差为H12=0，然后在坡道底部选取一点P3，P2到P3的高程差H23= 0.51 m，连接P1、P2、P3三点的三角形面积为S123= 5.40 m2，由此可得P3到水平线P1P2的垂直距离LH= 5.57 m，计算坡度i= tan(arcsin(H23/LH)) = 9.19%。

图8 倾斜摄影三维模型上坡度测量示例

需要指出的是，虽然本次三维模型测量中P3选点在黄色道标线的角点，但实际中P3选点比较任意，并不要求P3P2⊥P1P2，只需要保证P1和P2的选点在同一水平无高即可，如图9所示，P1、P2两个点水平距离P12= 1.91 m，P1到P3的高程差H13= 0.61 m，三角形P1P2P3的面积为S123= 6.27 m2,坡道坡度为9.33%。

图9 P3任意选点时的坡度测量示例

表1为全站仪、坡度仪和无人机倾斜摄影测量的结果对比，可以看出无人机倾斜摄影测量结果与全站仪的测量结果比较接近，而坡度仪测量的误差较大、数据比较分散。

表1 3种方法的坡度测量结果 %

●3.3.2 长距离坡度测量

根据“坡长小于20 m的短坡除外”的坡度豁免条件，在实际景区路线的全站仪坡度测量过程中，需要多次架设全站仪来寻找超标坡度变化点，非常烦琐，但是采用无人机倾斜摄影测量可以极大地提高作业效率，流程如图10所示。

图10 “坡长小于20 m的短坡除外”检测确认流程

在图11所示的坡道三维模型上，沿着箭头所示的路径提取坡道上物理点的三维坐标并绘制成空间曲线图，如图12所示。在观光车行驶路径上，相邻两物理点Pm、Pn的坐标为(xm，ym，zm)和 (xn，yn，zn)，其高程差等于Z方向坐标之差zn－zm，其路径长度近似等于两点的空间距离Lmn，路径PmPn段的坡度为(znzm)/Lmn，依次求得各相邻两点间路径的坡度，如图13所示。

图11 沿着观光车前进路径提取坡道上的物理点三维坐标数据

图12 观光车的行驶路径的空间曲线

图13 观光车行驶路径坡度点云图

在计算观光车行驶路径时，如果2个相邻测量点距离过长，则不能完全反映该路段的坡度细节变化，距离过短则容易陷入局部细节而忽略整体坡度趋势。为了解决此问题，本文采用“插值拟合＋中值滤波”方法对图13中的坡度点云进行处理，首先采用“分段三次Hermite插值”法扩主坡度数据点，如图14所示，然后采用“滑动中值滤波”法对坡度曲线进行平滑滤波，减少由于观光车路线局部微区不平整和无人机抖动引起坡度异常，如图15所示。

图14 采用“分段三次Hermite 插值”法扩充坡度数据点

图15 坡度拟合曲线的中值滑动滤波效果

●3.3.3 坡长小于20 m的短坡检测

根据图15可以清晰地判断哪些路段的坡度超过规定阈值（观光车10%，观光列车4%），但在实际应用中并不指示出超标坡段是否属于坡长小于20 m的短坡。本文采用“坡长阈值滑动平均法”自动计算坡长是否超标，具体方法如下：

1）在平滑滤波后的“坡度－坡长”曲线上按式（3）计算坡度Grad的滑动平均值GradM，滑动窗口宽度W对应坡长阈值Lth，绘制Ln－GradM曲线。

2）如果GradM均小于坡度阈值Gradth，则该观光车辆路线满足要求，如果在坡长Lm处的GradM超出阈值Gradth，则表示路段［Lm－Lth，Lm］处坡度可能超出要求，标记出后在三维模型上采用“三角形面积法”或利用全站仪进行现场测量确认。

图11中的观光车辆行驶路线约为35 m，假设超标坡度的最长坡长为2 m（实际为20 m），对坡度曲线进行滑动平均处理，滑动平均窗口宽度为20（2 m/0.1 m），对应2 m的坡长，结果如图16所示，可看出8～10 m和28～30 m两位置存在坡长超过2 m且坡度超过10%的坡段。

图16 采用“坡长阈值滑动平均法”进行超标短坡检测

对图16中的第1处超标坡段进行确认，在8～10 m坡段的三维模型上进行局部三维测量，如图17所示，可得坡度为10.42%。

图17 在三维模型上对超标短坡进行确认

4 结束语

随着无人机控制技术、遥感技术的快速发展，无人机已成为人们认识世界的有力工具，解决了多个相关行业发展过程中遇到的传统难题，取得了显著技术和经济效果。为了推动无人机从“看、察、巡”向精确测量领域发展，拓宽无人机遥感技术在特种设备检验检测领域的应用范围，本文介绍了无人机倾斜摄影原理和基本流程，对比研究了无人机倾斜摄影测量方法和传统方法在旅游观光车辆路线坡度测量上的应用，结果表明无人机倾斜摄影具有较高的测量精度和重复性，能显著提高工作效率，丰富了检验检测技术手段，在特种设备测绘、精确测量方面具有广阔的应用前景。