[论文解读] Automatic Stockpile Volume Monitoring using Multi-view Stereo from SkySat Imagery

Roger Marí, Carlo de Franchis+2 more|arXiv (Cornell University)|Mar 1, 2021

3D Surveying and Cultural Heritage参考文献 19被引用 2

一句话总结

本文提出了一种利用时序SkySat卫星影像自动监测堆存体积的系统，通过逐日优化有理多项式相机（RPC）模型来校正卫星姿态误差，实现一致的三维重建。该方法利用多视立体匹配生成高质量数字表面模型（DSM），从而实现对不规则煤堆的精确体积估算，与现场测量结果对比显示相关系数达85%，且散装密度拟合系数为每1,000 m³ 1.02 Mt。

ABSTRACT

This paper proposes a system for automatic surface volume monitoring from time series of SkySat pushframe imagery. A specific challenge of building and comparing large 3D models from SkySat data is to correct inconsistencies between the camera models associated to the multiple views that are necessary to cover the area at a given time, where these camera models are represented as Rational Polynomial Cameras (RPCs). We address the problem by proposing a date-wise RPC refinement, able to handle dynamic areas covered by sets of partially overlapping views. The cameras are refined by means of a rotation that compensates for errors due to inaccurate knowledge of the satellite attitude. The refined RPCs are then used to reconstruct multiple consistent Digital Surface Models (DSMs) from different stereo pairs at each date. RPC refinement strengthens the consistency between the DSMs of each date, which is extremely beneficial to accurately measure volumes in the 3D surface models. The system is tested in a real case scenario, to monitor large coal stockpiles. Our volume estimates are validated with measurements collected on site in the same period of time.

研究动机与目标

• 解决由于RPC模型不准确导致的多视SkySat影像在三维重建中的一致性问题。
• 实现在如煤码头等动态工业环境中的大型不规则堆存体的精确、自动化体积监测。
• 开发一种与卫星特定参数无关的通用、逐日RPC优化方法。
• 基于为期六个月的时间序列现场煤重测量数据，验证系统的性能表现。

提出的方法

• 对SkySat推扫影像中的姿态引起的误差，通过估计一个补偿原始RPC模型不准确性的旋转，实施逐日RPC优化。
• 利用优化后的RPC模型，通过重叠场景的多视立体匹配，为每个获取日期重建多个一致的数字表面模型（DSM）。
• 通过减去数字地形模型（DTM）计算归一化DSM（nDSM），仅保留3至30米之间的高度值，以隔离堆存特征。
• 应用高度阈值和动态掩膜（Mdynamic）以过滤掉噪声、机械设备和表面粗糙度，确保仅保留相关堆存高程信息。
• 通过累加nDSM中每个1m×1m×h单元的体积来计算堆存总体积，使用公式V = Σ(li × wi × hi)，其中li = wi = 1m。
• 对估算体积与现场煤重测量数据进行线性最小二乘回归，得到散装密度系数为每1,000 m³ 1.02 Mt。

实验结果

研究问题

• RQ1 RPC优化能否提升在动态工业区域中，从多视SkySat影像生成的三维表面模型的一致性与准确性？
• RQ2 所提出的逐日RPC优化方法在减少由卫星姿态不准确引起的深度估计误差方面效果如何？
• RQ3 基于优化DSM的体积估算与真实世界现场煤重测量的相关性在多大程度上成立？
• RQ4 该系统能否在如煤堆场这类高度动态的环境中可靠地追踪体积随时间的变化？

主要发现

• 估算堆存体积与现场煤重测量结果之间表现出较强的85%相关性，表明系统具有高度可靠性。
• 对数据进行线性回归拟合得到的散装密度系数为每1,000 m³ 1.02 Mt，地面偏移量为0.3 Mt，表明体积到重量的转换具有一致性。
• 在比较遥感估算与相邻日期的现场测量结果时，体积估算误差通常低于0.3 Mt。
• RPC优化过程显著提高了同一日期不同立体像对之间DSM的一致性，从而提升了体积估算的准确性。
• 该方法成功处理了堆存和基础设施不断变化的动态场景，展示了在真实运行条件下的鲁棒性。
• 采用3–30米高度阈值和动态掩膜有效减少了机械设备和表面不规则性带来的噪声，提升了体积估算的精度。