基于无人机倾斜摄影技术、地面近景摄影测量、地面激光扫描和机载激光雷达的新型建模技术已经出现，但通过许多研究可知，单一技术建模有其自身的局限性。文章采用无人机倾斜摄影测量和地面三维激光扫描两种建模技术，对现实世界的调查测绘可视化进行了重建，重点研究了多源数据融合建模的可行性和三维不动产权籍模型的应用。与传统航空摄影相比，该技术能够更全面、清晰、准确地感知目标物体的复杂场景，获得的数据可以更客观地反映目标对象的实际情况，还可以获得目标物体的绝对位置、高度等属性信息，保证了目标对象[1-2]的不动产权籍性和准确性的可靠性。一般来说，中小型城市建立一个传统的手工模型需要1~2年，而无人机倾斜摄影技术建立一个模型仅需要3~5个月，这大大减少了时间周期和经济成本的数据收集和模型生产。虽然该技术可以快速有效地获得目标对象的图像数据，实现不动产权籍和完整的三维现实重建，但由于飞机操作模式的限制，目标对象的下部和内部的数据信息不能完全获得[3]。1不动产多源图像数据采集采用由垂直起降四旋翼无人机和多视角航空摄像机组成的飞行平台，获取无人机倾斜图像数据，包括前后、左右视图的垂直和倾斜图像。无人机空中高度设计如图1所示。10.19301/j.cnki.zncs.2023.02.015.F001图1无人机空中高度设计在无人机获取航空图像之前，需要全面收集当地交通、地质、水文、气象等相关信息，根据收集到的信息和航空调查范围，初步建立航空摄像机仪器选择、无人机模型、拍摄时间等航空调查计划。空中飞行前，如果调查区域涉及机密信息，需要向有关空域管理部门申请，经批准后，为飞行[4-6]做准备。航空飞行的规划和设计是基于航空摄影规范和无人机飞行计划的相关规定，并根据航空摄影调查区的地形对路线和飞行高度进行规划和设计。需要设计空中高度，并基于不同比例的航空摄影要求，结合测量区域设计航空高度。。飞行高度计算公式：aGSD=fh （1）a=LsL （2）h=GSD×f×LLs （3）式中：h——数码相机与物体之间的距离（飞行高度）；Ls——传感器尺寸（35.9 mm）；L——图像长度（7360 Px）；a——图像元素尺寸；f——数码相机的焦距（36 mm）；GSD——三维网格精度（地面分辨率）。重叠度的设计也需要超过第一次的时间。将照片重叠程度和重叠方向分为侧方向和航向重叠，在无人机导航方向上，沿同一飞行方向，相邻两个图像重叠地面图像的部分称为航向重叠[7]。同样，相邻的空中跑道射击目标之间也有一定数量的重叠，重叠区域称为侧重叠。重叠程度计算公式：px=Lxlx （4）py=Lyly （5）式（4）为标题重叠公式，式（5）为间接重叠公式。Lx和lx分别表示标题和侧枝重叠部分的图像大小。Ly和ly分别表示图像的长度和宽度。路线设计是指在野外采集倾斜图像时地面相邻路线之间的距离，在知道飞行高度、飞行速度和曝光时间的条件下，路线间隔的设置直接确定图像的侧重叠。路线设计必须考虑地形因素的影响，确保地面分辨率要求满足飞行高度的安全范围；为保证测量区域及测量区域边缘模型的精度满足要求，测量区域内的路线规划需要扩大3~4条飞行条；根据测量区域的范围、净航向、路线轨迹、计算路线间隔长度和摄影基线长度。在规划好路线飞行等参数后，选择晴朗、无风的天气到达调查区，并配备设备为飞行做准备。无人机航空图像采集过程主要包括：飞行前到达指定起飞地点，检查仪器设备，组装无人机、空中摄像机、桨页等。将地面站参数设置输入进口飞行控制系统。aerial摄影过程、地面监控系统实时监控无人机摄影过程，而空中摄像机根据预设的曝光时间进行图像采集并实时保存在空中摄像机存储设备中，并通过无线电信号同步到地面站[8-10]。地面操作人员实时监控飞行测量区域数据，如果有漏弹，射击错误现象需要及时进行空中飞行操作，以确保航拍图像的完整性。飞行操作完成后，地面操作员在采集数据后，需要检查POS系统数据提供的姿态参数和航空图像质量，并分析它们是否能满足映射水平的精度。在无人机飞行操作过程中，图像质量会因天气、地形等因素而发生变化。在检查图像时，应注意图像的重叠、锐度和色调，如果存在图像质量问题，必须及时补充图像以替换问题图像。空中飞行操作后图像重叠的检查公式：11-L=N （6）根据式（6）得到：L=1-1N （7）式中：L——重叠程度；N——航空或侧支图像中相同特征的片数。如果存在黑暗、过度曝光、模糊等质量问题，则需要对原始图像进行预处理。水准的主要工作是纠正光照不均、CCD、镜头成像等引起的颜色、亮度、饱和度差异的图像，以便更好地匹配大量特征点，为后续数据处理提供精度保证。2图像点云与激光点云的高精度对齐图像云和激光点云本质上是异构数据，同名点的自动匹配存在一些困难。点云对齐的目的是将不同坐标系中的点云转换为同一坐标系，得到目标对象的完整点云模型。通过粗点云和精细对齐实现图像点云和激光点云的高精度对齐。通过人工选择特征点，实现图像点云和激光点云的粗对齐。目标特征点的选择主要包括目标自身的几何特征点，如构建角点、顶点等；人为放置的特征点，如目标等。点云粗对齐的目的是提供刚体变换的初始估计，用同名特征点求解两点云近似的旋转平移矩阵。点云计算公式：pt=R×ps+T （8）式中：pt和ps——分别为目标点云和源点云中对应的点；R和T——分别为求解的两点云的旋转和平移矩阵。点云粗对齐主要是为精细对齐提供初始估计，并减少精细对齐过程中迭代所需的时间。根据所使用的不同方法，粗对齐包括基于精密设备的点云对齐，1997年Varady等开发了一套旋转平台，将三维激光扫描仪器与精密旋转平台相结合，不断改变扫描仪器的角度，根据预设的旋转角度和距离获得目标物体的整体点云；基于人机交互的点云对齐，点云对齐通过人为对特征点进行标记，在目标表面上设置合适的特征点，在不同的点云中进行标记，根据其位置获取变换矩阵，实现不同点云的对齐；基于主成分分析的点云对齐，基于待对齐的点云数据计算协方差矩阵，利用该矩阵的特征向量为主轴实现点云对齐，快速但需要点云的高重叠；基于模型的几何特征不变量的点云对齐，根据目标对象的几何特征，搜索点云之间的重叠面积，并通过找到相同的同名特征点计算变换矩阵。在对点云进行粗对齐后，为了提高点云对齐的精度，需要对点云进行精细对齐。点云精细对齐中最经典的方法是迭代最近点（ICP）方法，由Besl和Mckay在1992年提出。其基本思想是计算出两点云之间最接近的对应点，从而得到变换矩阵，并在达到预设值时停止迭代。3测试和分析3.1试验准备为了能够产生准确的测试结果，文章对空中倾斜图像不动产权籍的三维模型进行测试。在VS 2010系统下，使用VC++和Open CV。实验数据来源默顿学院的四组户外建筑场景图像序列。每幅图像的大小分别设置为980×768像素、1 000×668像素、566×660像素和866×760像素。为了定量分析模型的精度，将该方法和传统方法生成的三维模型导入所开发的可视化和空间测量分析系统中，在三维模型上收集检查点，与RTK测量的实际检查点进行比较，评价三维模型的精度，主要用于平面精度的比较。3.2试验结果借助建筑三维场景的视觉重建，可以有效重建建筑详细特征，平面误差最高为6 cm，最低为4 cm，而传统方法构建的三维模型平面误差最高为12 cm，最低为8 cm。重建精度优于传统的施工方法，可以有效地降低平面误差，提高施工精度，满足建筑三维场景可视化和重建对其重建精度的要求。4结语文章在新形势下地面映射的基础上，设计了一个更完整的不动产权籍调查测绘可视化和重建模型。为后续研究开辟了新的研究思路，为空地集成的实际建模方法提供了一个可行的解决方案，能够促进三维可视化建模技术的发展过程。未来的研究工作中，需要对提高三维模型的数据承载能力和提高加载速度进行更深入的研究。