摄影测量
摄影测量将普通的重叠照片转变为精确的 3D 模型、地图和测量结果。
概述
It matters because it lets anyone reconstruct real-world geometry at scale using just a camera, from drone surveys to digitizing museum artifacts.
深入探讨
摄影测量通过分析同一场景点如何在从不同角度拍摄的许多重叠 2D 照片中出现来恢复 3D 结构。管道首先检测显着特征（使用 SIFT 等检测器），然后在图像之间进行匹配。运动结构 (SfM) 联合求解每个摄像机的位置和方向以及稀疏的 3D 点云，通过捆绑调整（一种巨大的最小二乘优化）来细化所有内容。然后，多视图立体 (MVS) 将其密集化为数百万个点，并对这些点进行网格化和纹理化。由于摄影测量从图像中导出公制几何，因此它支持测绘、测量、文化遗产保护、视觉效果和游戏资产创建，通常通过校准相机和地面控制点实现亚厘米精度。
技术洞察
数学支柱是共线性条件：3D 点、相机的光学中心及其在图像平面上的投影位于单条射线上。通过足够的重叠光线，三角测量可以确定 3D 坐标。捆绑调整可最大程度地减少总重投影误差，即观察到的像素与估计的 3D 点之间的间隙，同时在所有摄像机和点上重新投影，共同细化内在特征、姿势和结构。
战略影响
速度与规模
视觉人工智能可以大规模自动化检查、检测和标记任务。
构建选择
创意团队可以通过更少的手动修改更快地构建概念原型。
团队与工作流程
操作可以使用以前难以处理的图像和视频信号。
摄影测量的未来
摄影测量越来越多地与神经方法融合。 SuperPoint 和 SuperGlue 等学习特征匹配器在硬场景上的性能优于经典检测器，神经渲染（NeRF、高斯泼溅）正在与摄影测量相结合，以填补空白并生成逼真、可重新照明的资产。期待更严格的实时移动捕捉、自动 LiDAR 相机融合以及消除移动物体和反射的 AI 清理，从而在消费类手机上实现可靠的 3D 重建例程。
现实世界的实施
基于无人机的航空勘测生成建筑和采矿场地的地形图和体积估计
将考古遗址和博物馆文物数字化为高保真 3D 模型以供保存和研究
为视频游戏和电影视觉效果创建逼真的 3D 扫描资产（岩石、墙壁、道具）
法医犯罪现场和事故重建，从照片中捕获精确可测量的 3D 记录
风险与防护栏
如果出处不明，肖像权和同意可能会成为法律风险。
模型性能可能因光照、人口统计和环境的不同而有所不同。
除非监控置信阈值，否则误报可能会被忽视。
实施路线图
定义精确度、召回率和错误成本的接受标准。
使用符合实际生产条件的数据进行测试。
为低置信度或高影响力的预测添加人工审核。
跟踪模型漂移并在相机或数据集更改后重新验证。
不断探索
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Photogrammetry quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
常见问题
What is Photogrammetry?
摄影测量将普通的重叠照片转变为精确的 3D 模型、地图和测量结果。这很重要，因为它可以让任何人仅使用相机就可以大规模重建现实世界的几何形状，从无人机勘测到数字化博物馆文物。
摄影测量工作对输入照片的主要要求是什么？
摄影测量通过匹配从多个视点拍摄的照片中的相同特征来对 3D 点进行三角测量，因此大量的重叠和角度变化至关重要。
运动结构 (SfM) 计算什么？
SfM 根据图像集中的特征匹配来联合估计每个相机的姿态和稀疏 3D 点云。
捆绑调整可以最大限度地减少什么？
捆绑调整是一种大型最小二乘优化，可最大限度地减少观察到的图像点与估计 3D 点的重投影之间的差异。
SfM 之后多视图立体 (MVS) 的作用是什么？
MVS 使用 SfM 中的已知相机姿势生成具有数百万个点的密集重建，这些点可以进行网格划分和纹理化。
为什么地面控制点 (GCP) 经常用于测量级摄影测量？
GCP 是具有已知坐标的测量标记，可将重建与现实世界的参考系联系起来，从而提高度量精度和规模。