基于改进SIFT 算法的露天铁矿采区三维模型

郑广鹏，卢晓辉，庞哲铭

（1.鞍钢集团矿业弓长岭有限公司 露采分公司，辽宁 辽阳 111008；2.辽宁工业大学 电子与信息工程学院，辽宁 锦州 121001）

早期，我国矿山的开采模式存在开采效率低、事故风险高、污染严重等不足，严重影响企业生产效率。近年来，随着国家对资源和环境政策的日益完善促使采矿企业加快转型升级，利用信息化、数字化和智能化技术，使采矿业步入智能化。

我国是矿产资源最为丰富的国家之一，部分矿种储量居列世界前茅，丰富的矿产资源给国家相关部门的监督、管理带来了诸多挑战。传统监测管理方法主要以野外测绘、手工计算为主，难以实现对重点区域高精度、高频的检测与管理。为解决上述不足，利用无人机技术矿产区域进行三维建模迫在眉睫[1]。吴晗等[2]利用高分辨率无人机进行图像采取及分割，实现了农业地块边界分割；张霆浩等[3]利用无人机遥感获取的影像灵活、实时的监测地质灾害。上述方法，在图像匹配识别精度上仍存在匹配精度的不足。因此，提出利用改进的SIFT 算法对关键点提取，并通过无人机拍摄获取信息；此外，利用无人机及影像匹配技术对露天铁矿进行三维建模，以验证所提出算法的可行性与优越性。

1 无人机拍摄流程

为生成符合误差标准的三维实景模型，拍摄流程分为：前期准备、确定航摄方案、规划飞行任务、无人机飞行测绘等4 个环节。前期准备需要收集大量的数据集，并对数据集进行处理，此外，需阅读和观看相关的文字报道、视频和图片资料，以及拍摄地的地理特征及周边环境等信息；确定航摄方案，本次矿区三维建模选用5 向航拍，可以从多方位、多角度采集影像，为之后的三维实景建模提供丰富的数据；规划飞行任务，确定航摄方案后规划飞行高度、路线等；无人机飞行测绘，确定方案和任务后进行航拍测绘，得到拍摄航区的航片，实现矿场的三维建模。

2 摄像机标定及照片位置

2.1 成片重叠度

数据采集时，无人机需要经过目标建筑物的上空，才能获得完整的影像信息。因此在无人机移动端创建多边形任务时，该多边形的区域应该在目标物上空。此外，为了保证图片清晰度，需对航向重叠率和旁向重叠率进行调试设置。经多次实验测试，航向重叠率的范围需在60%～80%，而旁向重叠率至少设置在70%，且对于建筑更密集的区域则需要设置更高的旁向重叠率。

目前无人机搭载的摄像头有多种样式，包括单机摄像头和多机摄像头。单机摄像头航拍下，则需往返2 次；反之，采用多机摄像头（目前常用的5 镜头）摄像，即俯视角度、前视、后视、左视、右视，只需在航线上飞1 次。如进行小范围的拍摄，可使用多旋翼无人机，如需拍摄大范围的矿区，则采用续航时间更长、速度更快的固定翼无人机。

利用倾斜摄影获得的图片经过空三加密和密集匹配，形成密集点云数据。点云融合流程图如图1。

图1 点云融合流程图

首先进行外业数据采集，无人机飞到检测目标上空进行扫描，然后进行航线预测，通过自动空三加密和SIFT 匹配结果确定密集匹配区域，通过倾斜摄影获得图片，形成密集点云数据。

2.2 设置航线参数

无人机航摄工作航线参数包括：起始点、终点、航线方向、长度[4]。在拍摄之前需对所测矿区地面进行测光，避免因光线原因造成照片模糊，同时记录飞行时的天气，提高无人机采集的效率和精度。航拍校准结果见表1。

表1 航拍校准结果

图像失真是指图像与真实拍摄环境的差异，例如所拍摄照片较为模糊。理想放大器中，输出波形除放大外，应与输入波形完全相同。航拍畸变是拍摄四方形的物体时，使周围拍成卷翘或膨鼓的现象。因此在拍摄过程中需要校正。航拍畸变网格图如图2，图中：底层黑色线表示零失真网格；顶层红色线表示真实的相机值。

图2 航拍畸变网格图

3 基于改进SIFT 算法的关键点确定

最常用的点特征提取方式为尺度不变量特征变换，即SIFT 匹配算法[5-6]。首先，基于像素点的二维坐标（x，y）、尺度α 和方向θ 选择和描述关键点。其次，选择符合要求的局部极值点定位关键点，把高斯尺度空间中的插值LOG 空间中不同尺度下稳定性较高的候选点标记为关键点，将具有低对比度或位于边缘的候选点用DOG 值的阈值和Hessian 矩阵准则进行过滤。图像为I（x，y），图像大小为m×n 像素。

设地标图像像素点的二维高斯函数为：

改进SIFT 算法中卷积核计算如下：

式中：α 为尺度因子；G（x，y，α）为地标图像像素点（x，y）的二维高斯函数。

依据式（1）和式（2）定义DOG 函数：

式中：⊗为卷积算子；I 为卷积核；L＝G⊗I；D（x，y，α）为地标图像像素点（x，y）的高斯差分函数。

将差分金字塔上的每1 个像素点，与其上层、下层以及相邻的26 个像素点进行灰度比较，由此获得极值点并将其作为候选特征点。在获取图像候选特征点后，对DOG 函数进行泰勒展开，利用提取的特征点X 的位置信息D（X）：

由式（3）、式（4）可以得出特征点的实际偏移量K（m）为：

基于传统算法存在匹配精度不足，利用改进的SIFT 算法提取特征点，可实现图像的准确匹配。

4 三维实景建模

鞍本地区是我国重要的铁矿石生产基地，具有铁矿资源丰富、开发历史早、开采时间长，开发强度大等不足，给已有矿山的深部铁矿资源开采利用带来极大困难和安全威胁，其中尤以何家采区露天铁矿最为显著。何家采区露天铁矿开采作业区域地形构成复杂，作业流程主要涵盖勘探、采掘、运输、装卸等，整体过程简单粗放，地形环境随作业进程动态变化，都将直接影响露采作业安全。目前何家采区三维地表模型构建，相对于静态室内三维景物，面向空间更大，地表地形更复杂，因此需要对何家采区的多空间、多地表参数进行视频扫描建立模型，以提供露天采矿的多场景信息。鞍钢集团矿业公司弓长岭露天铁矿是国内著名的大型露天矿山企业，矿区资源储量大，占地面积1 446.78 万m2。针对以上问题，为推动矿山智能化建设目标，对弓长岭矿区进行三维建模[7]。具体流程如下：①打开无人机移动端，连接多旋翼飞机，在实景地图上搜寻目标物体的位置点；②在目标物底部创建1 个多边形，确保多边形能位于目标物垂直投影区域中；③设定多边形的高度、航向重叠率和旁向重叠率，则可在无人机中上预览立体多边形的航线；④最后开始执行航拍任务。

任务执行完成后，则可获取全方位的摄影图片，再通过ContextCapture 合成3D 建模。无人机航拍位置图如图3。

图3 无人机航拍位置图

位置不确定性：计算照片位置（黑点）的俯视图（xy 平面）、侧视图（zy 平面）和前视图（xz 平面）。蓝色的线表示位置的不确定性，根据可读性进行缩放，可以找到最小值和最大值，以及平均值，航拍点坐标位置见表2。

表2 航拍点坐标位置

三维建模主要由空三运算和三维建模组成[8]。通过无人机5 向航拍，从多方位、多角度采集影像，整个项目共采集有效影像576 张，结合弓长岭何家矿区地貌完成了三维实景建模，并通过精度对比分析得出模型能满足技术规范要求。弓长岭何家矿区三维建模模型如图4。

图4 弓长岭何家矿区三维建模模型

由于无人机航拍图像的采样节点重叠度较高，因此在无人机航拍图像配准过程中无法避免像素点错误匹配的问题。根据无人机航拍图像配准区域划定标准，识别关键图像标注点，通过计算一致性测度值指标设计基于邻域一致性的无人机航拍图像融合方法，无人机航拍图像采样节点之间的重叠度明显下降，像素点错误匹配问题得到了解决，配准效果好。连接点的质量措施见表3。

表3 连接点的质量措施

5 结语

为提高露天铁矿三维建模的图像特征匹配率，提出了1 种改进的SIFT 算法，利用改进的SIFT 算法提取目标特征点，提高特征匹配的效率和匹配精度。实验结果证明，与传统的SIFT 算法相比，提出的算法可有效满足无人机对目标特征提取的准确性及效率要求。与传统建模方式来说，三维实景建模具有更清晰的色彩、更清晰建筑细节或是地貌特征等，从而真实地还原建筑物本身或是地形地貌等的真实情况。尤其在地形测绘、城市建设等方面具有广阔市场前景，可为某些建模项目提供借鉴和参考作用。未来计划加强无人机图像采集稳态控制、自动化采集等方面研究，提高图片精度。