基于摄影测量技术的孔隙率测...化工污染治理领域的应用展望_韦宗伯.pdf

广东化工2023年 第4期第50卷 总第486期基于摄影测量技术的孔隙率测算及其在基于摄影测量技术的孔隙率测算及其在化工污染治理领域的应用展望化工污染治理领域的应用展望韦宗伯(云南省生态环境工程评估中心，云南 昆明650228)摘要运动恢复结构摄影测量技术作为一种非入侵式低成本、高精度测量建模技术，广泛运用于多个领域。为探索该项技术在测算土壤等孔隙率实操性，对土壤采样区域表面进行模型重构及孔隙率测算实验，结果表明：基于运动恢复结构的摄影测量技术可精准、高效实现模型重构及相关测算，误差在可接受范围内，为其在污染防治领域的运用提供有力支撑。关键词摄影测量技术；孔隙率；化工；污染治理；地下水中图分类号X131文献标识码A文章编号1007-1865(2023)04-0150-04Application of Photogrammetric Technique for Porosity Measurement and itsApplied Prospect in Pollution Control of Chemical IndustryWei Zongbo(Yunnan Appraisal Center for Ecological and Environmental Engineering,Kunming 650228,China)Abstract:As a low-cost,flexible non-invasive measurement,the photogrammetric with Structure from Motion technique has been utilized in various fields.Inthis paper,the photogrammetric technique was utilized for sediment surface and porosity analysis to explore its feasibility in field of the pollution control of chemicalindustry.The result shows that reconstruction of the sediment surface model and further analysis could be realized with this technique accurately and efficiently,andthe error is within acceptable range.Keywords:photogrammetric technique；porosity；chemical industry；pollution control；ground water1实验背景实验背景近几十年来，随着科技发展，遥感、航拍、地面激光扫描、运动结构摄影测量等非入侵式的测量技术在各领域得到创新及应用。相较传统测量方法，该类非入侵式技术不需接触测量对象表面，进一步减少人为干扰及破坏。但其相对较高的成本，成为制约该类技术发展的因素。幸运的是，其中的运动恢复结构(Structure from Motion)摄影测量技术因其低成本、灵活的特性从中脱颖而出。运动恢复结构摄影测量技术是一种基于计算机视觉图像匹配技术，从一系列场景重叠、偏移的二维投射图片中实现对象三维结构重构，被广泛应用于文物建模、建筑模型重构、地形重构等大体积三维重新建模。在化工污染治理，特别是涉地下水污染治理领域，土壤状况及土壤孔隙率信息必不可少，这些数据可以用于地下水模拟及污染团迁移情况预测等多方面。笔者将运动恢复结构摄影测量技术应用于土壤表面建模及孔隙率测算，并探讨该技术在这一领域的可行性。2原理简介原理简介2.1建模原理广义上说，摄影测量是一种将从不同角度获取的物体二维图像进行叠加，并提取图像信息，进而重建三维模型的技术1。为了避免从二维图像中丢失目标的特征信息，应从不同位置对同一对象拍摄至少两幅重叠的图像。图像采集过程中，通常会布 设 一 些 易 识 别、坐 标 明 确 的 控 制 点(Ground ControlPoint(GCP)，以便于通过三角剖分法确定每张图片拍摄时相机位置从而进一步进行建模，其模型重构高度依赖于控制点三维坐标精度。运动恢复结构技术摄影测量技术则是该项技术的简化，基于多视角几何原理，借助相机物体射线的收敛束，可以同时确定物体的空间结构和相机的位置2。其控制点布设更为灵活，照片采集过程中无需输入每张照片的相机位置及各控制点或特征点三维坐标，而是通过围绕测量对象移动的相机获取一系列图像，应用特殊的匹配算法从重叠的多幅图像中提取显著特征点匹配，生成点云模型、数字高程模型及三维模型，从而有效提高图像处理过程自动化程度，其精度主要受照片质量、光线、重叠度、点云密度等影响。Dietrich3、Javernick4、Westoby5等人已证明，通过使用消费级单反相机获得的高质量照片及Agisoft PhotoScan、Bundler Photogrammetry Package、Photo Modeler和Microsoft Photosynth等商业或开源软件，能以相对低廉成本获得高分辨率的三维重构模型和数字高程模型。图图1运动恢复结构摄影测量原理运动恢复结构摄影测量原理Fig.1Principle of the structure from motion2.2计算原理土壤样本孔隙率为样本中孔隙空间体积与该土壤样本总体积的比值，计算公式如下：p=VpVt=Vt VsVt=1 VsVt其中p为孔隙率，Vp为样本中孔隙空间体积，Vs为样本中固相颗粒物体积，Vt为样本总体积。在样本总体积和固相颗粒物体积已知的情况下，可计算样本孔隙率。通过对采样前及采样后的采样区域表面图像信息采集和三维模型、数字高程模型重构，可计算得到样本总体积Vt，通过后期实验室水中置换法，可测量固相颗粒物体积Vs，从收稿日期2022-08-11作者简介韦宗伯(1991-)，男，广西南宁人，硕士研究生，主要研究方向为环境工程。2023年 第4期广东化工第50卷 总第486期151而实现样本孔隙率测算。3测算过程测算过程采样阶段主要步骤为：(1)选取合适位置清理表层石砾后设置布设地面控制点1520个。(2)使用单反相机围绕采样区域拍摄图片100160张，此为图组1，图片采集过程中确保相机各项参数固定。(3)进行沉积层样本采集，采样过程中避免触碰地面控制点。(4)围绕采样区域拍摄图片100160张，此为图组2。笔者于采样区域一侧放置尺寸、体积已知的迷彩方块作为参照物，一并纳入拍摄范围，并于后期同步对参照物进行模型重构并计算其体积，以验证数据准确性。图图2图像信息采集图像信息采集Fig.2Image acquisition建 模 阶 段，笔 者 选 取AgisoftPhotoScanProfessional(Version 1.4.2)作为模型构建软件，因其拥有较高的自动化程度，且具备完整的相机校准模型，可进一步降低因镜头畸变引起的建模误差。主要建模步骤为：(1)将图组1导入软件进行照片质量分析，移除模糊的低质量照片，以避免特征点检测错误。(2)识别地面控制点及对象特征点，建立稀疏点云模型，并手动对点云异常值及错误定位点进行移除。(3)进行对齐，并以稀疏点云模型为基础，增加点云密度，生成密集点云。(4)基于密集点云，重构多边形网格模型，并在此基础上生成三维模型及数字高程模型，完成图组1建模。(5)按相同方式导入图组2，并完成图组2建模。(6)将采样前(图组1)建模与采样后(图组2)建模进行对齐。通过上述操作可完成一次实验建模，每次建模时间约为1至3个小时，根据采集图片的数量、所需精度要求以及计算机性能，建模时间有所不同。计算阶段：(1)设置测量区域及基准平面，计算测量区域体积V前以及采样后模型测量区域体积V后。采样前后测量区域体积差值即为样本总体积Vt。(2)采用水中置换法测量固相颗粒物体积，将样本置于105环境中干燥20小时烘干水分后浸没于底面积已知的容器内，通过传感器读取液位上升高度，并计算固相颗粒物体积Vs。(3)通过上文所述公式完成一次沉积层样品的孔隙率测算。在重构采样平面三维模型过程中，同步构建参照物模型，并测算其尺寸及体积，计算其建模数据于真实值误差，以验证模型精度。图图3总体积测算总体积测算Fig.3Schematic diagram of the calculation of the total volume4数据与结果分析数据与结果分析笔者共进行14组实验，样品孔隙率及参照物误差见表1及表2。表表1土壤样品孔隙率土壤样品孔隙率Tab.1Porosity of the soil samples of the river bed试验编号总体积/m3固相体积/m3孔隙率10.0145300.0125570.135820.0149260.0130720.124230.0118760.0099310.163840.0103770.0085780.173450.0099540.0085350.142660.0117730.0102250.131570.0118180.0099020.162180.0189110.0168180.110790.0129980.0103790.2015100.0142650.0121510.1482110.0114050.0095140.1658120.0092740.0082090.1148130.0096730.0081860.1537140.0103190.0087780.1493表表2参照物误差参照物误差Tab.2Error of the reference object试验编号采样前采样后长宽高体积长宽高体积10.20%0.30%0.25%0.89%0.30%0.65%0.15%n20.10%0.30%0.35%0.48%0.25%0.10%0.50%0.67%30.45%0.50%0.45%0.13%0.25%0.60%0.70%0.45%40.55%0.55%1.05%0.41%0.40%0.30%0.70%0.55%50.65%0.20%0.40%n0.55%0.05%0.25%0.27%60.35%0.40%0.55%0.15%0.15%0.45%0.80%n70.30%0.20%0.95%0.01%0.70%-0.30%0.95%n80.65%0.50%0.70%0.35%0.75%0.60%0.60%n90.50%0.90%0.90%0.52%0.20%1.00%0.80%0.38%100.15%0.45%0.80%n0.35%0.80%0.90%0.56%110.20%0.40%0.80%0.57%0.35%0.40%0.75%0.73%120.50%0.60%0.55%n0.40%0.40%0.70%0.93%130.60%0.20%0.90%n0.55%0.30%0.55%0.65%140.70%0.20%0.55%0.87%0.45%0.10%0.35%0.68%注：n为图像信息不足，建模不全，不纳入分析。广东化工2023年 第4期第50卷 总第486期由表1可知，采样所在区域土壤层孔隙率 范围在0.110.20。通过表2可知，参照物建模测算尺寸与实际测量值误差范围在0.1%1.05%，建模测算体积于实际测量体积误差范围在0.13%0.93%，建模精度可信。5存在误差分析存在误差分析通过多组试验，笔者认为运动结构摄影测量技术在土壤采样区域表面建模等小地形建模中可能存在的误差及其原因如下：(1)采样扰动导致总体积偏差。图4所示分别为采样前(左)及采样后(右)的区域表面数字高程(DEM)模型正射视图及密集点云A-B截面图，因采样操作造成采样区域边缘土壤受到挤压发生形变，导致样本总体积出现误差。该现象在采样过程中普遍存在，建议通过小力度、慢速度的采集减小其边