基于机器学习的无人机航测三维重建研究

作     者：李思萌 

作者单位：中国民航大学 

学位级别：硕士

导师姓名：杨永刚;刘治成

授予年度：2022年

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

主      题：无人机 三维重建 深度学习 目标检测 关键帧提取 

摘      要：由于无人机具有灵活、高速等特点,无人机成为室外大范围三维重建任务中优秀的数据收集平台,无人机具有更高的视角,有利于基于图像的三维重建任务恢复出更精细的点云模型,在CIM平台搭建、地质灾害监测等方面有着广阔的发展前景。针对基于无人机平台的多视角图像三维重建任务,本文主要从以下几个方面进行研究。首先,讨论了多种特征点提取算法与相关匹配准则,针对匹配复杂程度限制描述子维度的问题,提出一种新的全卷积神经网络,将数学匹配问题转化为机器学习二分类问题,利用UBC-Brown数据集训练,并以FPR95准则和ROC曲线进行网络评价。其次,讨论了Ransac随机采样一致性的底层数学运算逻辑,分析了运动目标的特征点对SFM算法的影响,当“外点过多时会导致Ransac迭代次数增加,讨论了多种目标检测网络,选择SSD300网络模型生成运动类别目标特征点掩膜,减少“绝对外点数量,并通过两组实验证明该算法有效减少随机采样一致性的迭代次数,提高重建效率。最后,为实现从航拍视频中提取出合适的图像,提出一种针对三维重建的视频关键帧提取方法,在保证基线长度和清晰度的同时选取适当数量的帧作为关键帧进行三维重建,通过不同清晰度、不同拍摄距离的实验验证表明,该关键帧提取方法有效提高了重建效率。