摄影距离和图像网络几何结构对基于地面的SfM（Structure from Motion）摄影测量精度的影响

《Research in Cold and Arid Regions》：Influence of photography distance and image network geometry on ground-based SfM photogrammetry accuracy

地面结构光流（G-SfM）中图像网络几何与摄影距离对精度的影响研究。通过对比CING（环绕式）、NING（垂直）和NIING（垂直+倾斜）三种几何体在0.6-2.0米五组距离下的体积误差和垂直方向误差，发现NIING在0.6米时绝对误差仅0.04毫米，较CING提升55%，较NING提升102%。摄影距离缩短时，NIING误差下降显著（相关系数0.55），而CING和NING误差变化平缓。研究表明复杂几何体（NIING）结合近距离摄影可有效提升G-SfM精度，为高精度地表监测提供新方法。

　　本研究探讨了地面基于结构从运动（Structure from Motion, SfM）摄影测量（G-SfM）中，图像网络几何结构和摄影距离对测量精度的影响。作为一种广泛应用的三维重建技术，G-SfM利用地面拍摄设备从不同角度拍摄目标物体或场景的多张图像，并通过计算重叠图像之间的特征点来构建高精度的三维模型。该技术因其操作简便、成本低廉以及可靠性强，在多个领域得到了广泛应用，包括医疗、农业、文化遗产保护、混凝土结构变形监测、土壤侵蚀研究、雪水当量测定、冰川研究、火山监测等。然而，目前G-SfM在实际应用中仍面临一定的挑战，尤其是在实现高精度测量方面，其精度水平存在较大的波动，甚至在相同监测距离下也会出现显著差异。因此，明确图像网络几何结构和摄影距离对精度的具体影响，有助于优化G-SfM在各种应用场景下的使用效果，提升其在细微地形变化监测中的实用性。

在G-SfM中，摄影角度、摄影距离、重叠率、拍摄数量、图像质量、目标物体表面特征、环境光照条件以及处理软件等都会对最终的测量精度产生影响。其中，图像网络几何结构和摄影距离被认为是影响精度的两个最关键因素。在现有研究中，常见的图像网络几何结构包括“环绕”（Circumvent, CING）、“垂直”（Nadir, NING）和“垂直+倾斜”（Nadir+Inclined, NIING）。尽管CING在地面摄影测量中较为常见，但其精度在不同距离下变化不大，这可能限制了其在高精度需求场景中的应用。相比之下，NIING在无人机摄影测量中已被证明能够显著提升测量精度，因此引入到G-SfM中是否能够取得类似的效果，成为本研究关注的核心问题之一。

本研究通过15组实验，系统比较了CING、NING和NIING三种图像网络几何结构在5种不同摄影距离（0.6米、0.8米、1.0米、1.5米和2.0米）下的表现。实验对象是一个位于祁连山的实验站，使用固定体积的细沙填充沙盒，模拟不同地形变化，并通过三种不同的图像网络几何结构和不同距离进行拍摄。研究结果表明，NIING在所有实验条件下均表现出最高的测量精度，其绝对偏差在0.6米距离下仅为0.04毫米，相比CING提升了55%，相比NING提升了102%。这表明，NIING在提高G-SfM精度方面具有明显优势，尤其是在短距离摄影条件下。

在图像网络几何结构方面，CING、NING和NIING的差异主要体现在拍摄角度和图像重叠方式上。CING通过环绕拍摄获取图像，能够捕捉目标物体的多个侧面，但其图像重叠率较低，导致重建的三维模型细节不够丰富。NING则主要通过垂直方向拍摄，能够获得目标物体的完整俯视图，但其在捕捉倾斜或垂直方向的细节方面存在不足。NIING结合了垂直和倾斜两种拍摄方式，既能够获取目标物体的俯视图像，又能够捕捉其侧面的细节，因此在图像重叠和几何结构上更为复杂，从而提升了整体的测量精度。这种结构的优越性在本研究中得到了验证，尤其是在短距离摄影时，其精度提升更为显著。

此外，研究还发现，摄影距离的调整对不同图像网络几何结构的精度影响存在差异。对于CING和NING，无论摄影距离如何变化，其精度都相对稳定，而NIING的精度则随着摄影距离的缩短而显著提升。这表明，虽然减少摄影距离有助于提高图像分辨率，但若要实现更高的测量精度，还需要结合更为复杂的图像网络几何结构。在本实验中，NIING在0.6米距离下展现出最优秀的性能，其平均体积误差仅为12.5毫升，绝对体积误差为38.8毫升，这远低于CING和NING的误差水平。同时，NIING在垂直方向上的误差也显著低于其他两种结构，其平均误差在0.01毫米至0.04毫米之间，而CING和NING的误差范围则更大。

本研究的实验设计采用了固定体积的细沙作为测试对象，通过不同摄影距离和图像网络几何结构进行多次拍摄，以评估其在不同条件下的测量精度。在实际应用中，G-SfM可以用于监测各种细微的地形变化，如冰川消融、土壤侵蚀、植被生长等。然而，目前的G-SfM在某些复杂或高反射性表面上的精度仍存在不足，例如草地、积雪或冰面等。因此，未来的研究可以进一步探索其他类型的图像网络几何结构，以提高G-SfM在不同环境下的适用性。

研究还指出，NIING在实际操作中具有一定的可行性。其只需要在相机上安装角度控制装置，即可实现倾斜角度的拍摄，相较于CING和NING的拍摄方式更为复杂，但其精度提升效果明显。此外，NIING的实施成本、时间和能耗与NING相当，但其在长时间野外作业中表现出更好的稳定性，这使其成为高精度监测任务的优选方案。相比之下，CING和NING在短距离摄影下精度较低，且测量结果波动较大，因此在需要高精度的场景中应谨慎使用。

综上所述，本研究通过系统实验，揭示了不同图像网络几何结构和摄影距离对G-SfM精度的影响。研究结果表明，NIING在所有测试条件下均表现出最优的测量精度，特别是在短距离摄影时，其精度提升尤为显著。这为G-SfM在高精度地形变化监测中的应用提供了重要的理论依据和技术支持。未来的研究可以进一步优化图像网络几何结构，并探索其在更复杂表面条件下的表现，以推动G-SfM技术在更多领域的应用。同时，研究也强调了在实际应用中，仅减少摄影距离并不能保证精度的显著提升，必须结合更复杂的图像网络几何结构，才能实现高精度和稳定性的测量结果。