无人机倾斜摄影实景建模中数据处理的关键技术

　　1、 多视影像密集匹配和空三解算

　　由于倾斜摄影测量获取的影像是范围广而且多视角的，各个航带间的影像视场差别较大，倾斜立体影像间往往存在较大的几何畸变，增加了影像匹配的难度。多视影像的密集匹配就是寻找连接点构网的过程，同时消除多视影像数据中的冗余信息。影像匹配的算法分三类: 灰度匹配、特征匹配和关系匹配，匹配的共性就是在影像上按照匹配策略需找同名点。基于SIFT 算法为代表的特征匹配，匹配的误差较多、耗时较长。在倾斜摄影测量中导入处理影像数据，同时添加POS 数据可以辅助多视影像的匹配，依据POS 数据可以粗略得到原始影像的外方位元素，进行相关算法的粗匹配剔除一些误匹配点，进而再重新精确匹配。空三解算的就是影像间精确几个拓扑关系重建的过程。根据地面布设的像控点，并以共线方程为基础，进行光束法区域网平差。

　　2、 多节点并行计算的实现

　　并行计算是将计算任务分解成多个并行的子任务，分配到具有并行处理的计算节点上，通过各节点上的处理器相互协同，共同解算并行子任务，从而使得计算加速。并行计算系统主要有并行机，并行算法和并行编程三个重要组成部分，如图2 所示。并行计算的基础是并行机，并行机的核心组成是处理器、内存和互联网络。通过互联网络将并行机串联起来，在并行机上实现影像数据的同步、共享和访问。针对特定应用类型进行互联网络拓扑设计，可以极大提升并行计算能力和效率。并行算法的主要设计分为任务分解、通信设计、任务聚合和处理器映射四个步骤，根据并行算法通过并行编程环境编制为程序并运行得到计算结果。影像数据的密集匹配和空三解算可以在任何一台并行机上实现，在模型重建过程中，将模型划分为若干个大小长度相等的规则瓦块。依据并行算法和程序，通过互联网络使得串联的并行机同时对划分好的规则瓦块进行并行计算。通过并行计算的实施，极大地提高三维模型计算和生成的速度，同时降低了三维模型对计算机硬件的配置要求。

　　3、 面向GPU 的LOD 可视化

　　在倾斜摄影测量的三维模型的可视化需要CPU和GPU 协调合作完成，纹理映射、模型绘制以及场景的渲染主要依靠GPU 的性能和效率。GPU 具有小缓存多核的架构和快速高效的并行计算能力，适应GPU的数据结构必须能够充分发挥GPU 高速处理和高效渲染的能力，避免计算机硬件数据带宽冲突问题。倾斜摄影测量生成的模型数据进行分块分级处理，对于生成的瓦块数据建立四叉树或者八叉树的空间索引模型，从而提高数据的读取效率，减少数据 I /O 操作，加快数据的调度和绘制。基于四叉树索引结构的多细节层次模型( LOD) ，如图3 所示。在三维模型数据生成过程中，通过不同的简化比例得到三维模型数据的LOD，一般至少有5 层～6 层，多的可达10 层左右。

　　总结来讲，面对倾斜摄影测量技术快速生成的大场景三维模型，仍需要进一步对模型开发和利用。