露天矿边坡影像三维重建技术

刘 军 王 鹤 李 峰 刘小阳

(1.防灾科技学院防灾工程系，河北 燕郊 101601;2.防灾科技学院地震科学系，河北 燕郊 101601)

露天矿边坡影像三维重建技术

刘 军1王 鹤2李 峰1刘小阳1

(1.防灾科技学院防灾工程系，河北 燕郊 101601;2.防灾科技学院地震科学系，河北 燕郊 101601)

针对边坡稳定性评价研究的需要，提出了一种基于影像的露天矿边坡全自动三维重建方法。该方法利用普通数码相机获取露天矿边坡序列影像，基于运动恢复结构(SfM)和多视图立体视觉(MVS)算法,生成了稠密三维点云；通过构建不规则三角网和纹理映射，制作了边坡数字表面模型。试验结果表明：重建模型可全面表达露天矿边坡整体形态和局部细节特征，为有效评价边坡稳定性提供了科学依据；该技术具有成本低、高效、全自动等特点，非常适合存在潜在隐患的露天矿边坡动态变形监测。

露天矿 边坡 运动恢复结构 多视图立体视觉 三维重建

伴随露天采矿深度和边坡角度的不断增大，边坡的稳定性问题会给矿山的安全生产带来隐患。因此，实时动态监测边坡稳定性，研究其发育机理和变化趋势，提出边坡工程防治措施，对矿区生产建设服务具有重要的现实意义[1]。而边坡稳定性评价的前提是边坡体三维建模与可视化表达，以便正确描述其复杂的空间几何结构，及时全面掌握时空动态演变规律[2]。

目前，常规的边坡三维建模所需监测数据获取手段如全站仪、水准仪、全球导航定位系统(GNSS)等，都是一种“单点式”的数据采集方式，布置缺乏合理性且监测点数目相对稀少，不能全面反映边坡地形的整体和真实状况；尽管地面激光雷达(LIDAR)技术可以克服以上问题，但因其设备笨重且价格昂贵，无法普及推广。近年来，随着计算机视觉领域中特征点提取和影像匹配理论[3]、运动恢复结构(SfM)[4-5]算法以及多视图立体视觉算法(MVS)[6]等新技术的不断完善，基于影像的三维重建技术有了突破性进展。目前，国内外已有研究人员尝试将立体视觉方法应用于无人机地形测绘[7]、露天矿摄影测量[2]、环境动态监测[8-9]、考古保护[10]等研究领域。本研究利用便携式非量测相机拍摄多视角、重叠影像，结合计算机立体视觉原理，实现了露天矿边坡全自动三维建模，为露天矿边坡稳定性评价奠定了基础。

1 露天矿边坡影像数据获取

选取某露天矿边坡为试验场地，利用Canon EOS 40D单反相机对边坡同一部位不同角度取景，共拍摄11张影像，像素大小均为4 752×3 168，选取其一如图1所示。

图1 某露天矿边坡影像

2 基于SfM-MVS的露天矿边坡三维建模

传统摄影测量方法在获取空间三维几何信息时，需要具备专业的影像获取和数据处理技术。而计算机视觉领域中出现的运动恢复结构(SfM)和多视图立体视觉(MVS)算法(SfM-MVS算法)，可在不依赖任何地面控制点等先验信息条件下，直接从二维影像自动恢复出场景三维点云模型，具有更强的灵活性，适用范围更广。

2.1 SfM-MVS算法重建点云模型

运动恢复结构算法是指从二维影像匹配恢复摄像机运动参数和场景三维结构信息的方法。目前，该领域最具代表性和影响力工作的当属Snavely等发布的Photo tourism system[4]，其核心部分是Bundler系统。由于该系统具有全自动和鲁棒性等特点，微软公司以此技术推出了Internet 网络社区图像重建商业化软件Photosynth。

SfM算法的关键步骤是影像特征点提取与高精度匹配。首先，利用SIFT[3]特征提取算子对每幅影像进行特征点提取；其次，利用基于K-D树的近似最邻近(ANN)算法进行粗匹配；然后利用基于随机抽取一致性(RANSAC)框架的8点算法计算基本矩阵，剔除误匹配点，建立满足对极几何约束的精匹配特征点集，完成同名特征点匹配。

在透视相机模型下，假设待求相机参数和空间点坐标分别为

和

定义误差函数为重投影误差的平方和，则目标函数可写成

(1)

最后，采用稀疏光束法平差(Sparse Bundler Adjustment)算法[11]逐步迭代，不断最小化投影点和观测图像点之间的重投影误差，解算出最佳相机位置、姿态和场景三维点云坐标。

由于SfM算法重建得到的是场景稀疏点云，需要结合基于面片多视图立体视觉(Patch-based Multi-View Stereo，PMVS)[6]算法进行加密处理。PMVS算法是在SfM获取相机参数基础上，通过特征点的匹配、重建以及空间点的扩散、过滤等步骤，得到精度相对较高的稠密点云模型。

2.2 试验结果与分析

利用SfM-MVS算法对露天矿边坡影像全自动三维重建。如图2所示，图2(a)是一幅原始影像，图2(b)为影像重建生成的稠密点云，图2(c)是与原始图像相对应的点云模型局部放大效果，可以看出重建模型能够形象、直观地表达复杂的边坡体整体形态和局部细节，为及时捕捉边坡变形运动特征提供了全面信息。为了使得边坡模型更加逼真，对三维点云进行网格化处理，生成了不规则三角网(TIN)(如图3)并进行纹理映射(如图4)。这些试验结果为建立边坡监测模型以及有效评价边坡稳定性提供了有力支持。

图2 露天矿边坡影像三维重建结果

图3 边坡不规则三角网模型

图4 边坡纹理映射模型

3 结 论

提出了一种基于影像的露天矿边坡三维建模方法。该方法利用非量测相机获取多视角重叠影像，结合SfM-MVS算法全自动生成了边坡体高分辨率点云模型，通过三维点云网格化处理和纹理映射制作了更加逼真的边坡数字表面模型。试验表明，该方法生成的三维模型可清晰表达边坡体复杂的空间几何结构和局部细节特征，为有效评价边坡稳定性提供了可视化保障。作为一种低成本、高效、全自动三维建模新技术非常适合存在潜在隐患的露天矿边坡变形监测数据获取。由于SfM-MVS算法没有用到任何地面控制点，因此得到是局部坐标系下的点云坐标。如果事先在测区周围布设地面控制点(至少3个)，那么可通过空间相似变换模型将局部点云坐标转换到国家或地方统一坐标系下，为后续模型精度评估及其应用打下基础。

[1] 王建民,张 锦,邓增兵,等.时空Kriging插值在边坡变形监测中的应用[J].煤炭学报,2014,39(5):874-879. Wang Jianmin，Zhang Jin，Deng Zengbing，et al.Slope deformation analyses with space-time Kriging interpolation method[J].Journal of China Coal Society,2014,39(5):874-879.

[2] 吴庆深，衣 瑛.基于远距离场景影像的露天矿边坡三维重建技术[J].金属矿山,2014(10):130-132. Wu Qingshen，Yi Ying.Technology of three-dimensional reconstruction of opencast slope based on distant scenes image[J].Metal Mine,2014(10):130-132.

[3] Lowe D G.Distinctive image features from scale-invariant interest points[J].International Journal of Computer Vision,2004,60(2):91-110.

[4] Snavely N,Seitz S M,Szeliski R.Photo tourism:exploring photo collections in 3D[J].ACM Transactions on Graphics,2006,25(3):835-846.

[5] Snavely N.Scene Reconstruction and Visualization from Internet Photo Collections[D].Washington:University of Washington,2008.

[6] Furukawa Y,Ponce J.Accurate,dense and robust multi-view stereopsis[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2010,32(8):1362-1376.

[7] 刘 军,许志华,刘小阳,等.基于无人机遥感影像拓扑分析的三维重建[J].测绘工程,2014,23(8):32-35. Liu Jun，Xu Zhihua，Liu Xiaoyang，et al.Topology analysis-based 3D reconstruction from UAV images[J].Engineering of Surveying and Mapping,2014,23(8):32-35.

[8] Nouwakpo S K,James,M R,Weltz M A,et al.Evaluation of structure from motion for soil microtopography measurement[J].The Photogrammetric Record,2014,147(29):297-316.

[9] Lucieer A,Turner D，King D H,et al.Using an Unmanned Aerial Vehicle (UAV) to capture micro-topography of Antarctic moss beds[J].International Journal of Applied Earth Observation,2014,27:53-62.

[10] Verhoeven G，Doneus M，Briese C,et al.Mapping by matching:a computer vision-based approach to fast and accurate georeferencing of archaeological aerial photographs[J].Journal of Archaeological Science,2012,39:2060-2070.

[11] Lourakis M，Argyros A.The Design and Implementation of a Generic Sparse Bundle Adjustment Software Package Based on the Levenberg-Marquardt Algorithm[R].Heraklion:Institute of Computer Science-FORTH,2004.

(责任编辑 徐志宏)

Image-based 3D Reconstruction Technology for Open-pit Slope

Liu Jun1Wang He2Li Feng1Liu Xiaoyang1

(1.DepartmentofDisasterPreventionEngineering，InstituteofDisasterPreventionScienceandTechnology，Yanjiao101601,China; 2.DepartmentofEarthquakeScience，InstituteofDisasterPreventionScienceandTechnology，Yanjiao101601，China)

To meet the demand of slope stability evaluation，a fully automated 3D reconstruction approach of open-pit slope from images was put forward.Open-pit slope sequence images were first collected with a consumer-grade camera.And then，dense 3D point clouds were generated by integrating structure from motion (SfM) and multi-view stereo (MVS) algorithms.Finally，high-resolution digital surface models of open-pit slope were made by constructing the triangular irregular network and texture mapping.The experiment showed that the overall form and local characteristics of open-pit slope can be accurately expressed through reconstructed model，which can provide powerful support for the correct analysis and evaluation of slope stability.The presented technology has the features of low cost，high efficiency，full automation，and it is especially suitable for dynamic deformation monitoring of the open-pit slope in potential risk.

Open-pit mine，Slope，Structure from motion，Multi-view stereopsis，3D reconstruction

2015-02-04

刘 军(1986—)，男，讲师，硕士。

TD672

A

1001-1250(2015)-04-259-03