基于gps的摄影测量生成三维纹理云

Question

由于使用2d图像进行三维重建是一个非常困难的话题，编写自己的应用程序不仅是一项挑战，而且也是浪费时间(据我所读)，我想问一下，用GPS数据拍摄图像如何？

想象一下，一架无人机围绕着一个物体飞行，为三维重建拍照，让我们在3d中制造点云。

这能帮上忙吗？了解2d图像和课程的位置--这会使将这些信息与RGB数据一起转换为3d模型/点云的应用程序更容易编写吗？

Answer 1

和往常一样，这一切都是为了你的目标。如果你想玩得开心，你可以很容易地获得厘米/米精度的结果，而不需要付出很大的努力；如果你的目标是精确的结果--你需要处理和实现的信息量与你的期望成指数增长。

这里的大多数人都没有摄影测量的经验，这意味着你必须把他们的答案看作是个人意见，而不是值得信赖的东西。

在这一点上，摄影测量和计算机视觉是分开的。

如果你做计算机视觉，很容易将2d图像转换成三维点云。所有必要的算法都已经在像OpenCV这样的库中编写了。如果您想从头开始，这将花费您更多的时间，但或多或少您将以复制OpenCV中的内容而告终。

OpenCV中的例程是快速但不准确的。当涉及到真实世界的精确性时，您可能不会超过(mm/m到cm/m)。它们更像是数学优化，意思是：“在某个地方找个合适的地方。如果样本中的错误结果没有问题，一切都很好。”对于有趣的应用程序来说，这是可以的，但是它们从来不被使用，因为它们是在专业领域。因此，不要试图将OpenCV结果作为真实世界的准确性来出售，否则您将犯下欺诈罪。

编写好的摄影测量应用程序是相当困难的，因为突然之间，你必须考虑温度梯度和外部精度，这与反投影误差无关。你也需要根据你的任务来设计你的目标，因为在摄影测量中SIFT目标是没有用的，它们太不准确了。镜头必须用物理参数来描述，整个优化过程需要分几个步骤进行，以避免某些系统误差。

所以，如果你不需要准确的话，就去使用CV算法，并使用现有的库，比如OpenCV，如果你有坚实的编程背景，这应该是非常容易的。对于摄影测量任务，它的目标是实现真实世界的精度<50m/m，你需要投入更多的时间。

那么GPS能帮上忙吗？如果你想让你的3D模型在一个像ERTS89这样的参照系中，并且没有办法为某些点找到一些现有的坐标，那么是的。

另一种用途是，如果您想要检查图像之间的位移作为控制值，以避免粗差或作为泰勒级数的共线方程的初始值，它们可能会有所帮助。

另一方面，对于无人机来说，标准的非差分GPS接收机的精度很差，在三维位置上有15m的精度，所以你必须飞得很高，因为误差小到足够有用。

Answer 2

如果你能从无人机上收集视频以及它的地理信息，你可以使用摄影测量3d重建软件，比如Pix4d (https://pix4d.com)

你提到的确切的事情是苏黎世大学在2017年做的。请参阅以下视频

https://www.youtube.com/watch?v=7hTvWbxxmY0

及其研究论文

Majdik.pdf