CN103322911B - 一种基于图像的特色建筑立面图测绘方法 - Google Patents

Abstract

本发明提供了一种基于图像的特色建筑立面图测绘方法,首先采用基于图像的方法获得代表特色建筑风格的典型构件CAD图，建立特征构件数据库，然后以摄影测量方法获得的墙面关键尺寸作为约束，将建筑物上的典型构件CAD变形生成符合被测建筑尺寸大小的特征构件，生成特色建筑的测绘CAD图，对于在墙面有大面积重复结构特征的区域，采用纹理合成和纹理裁剪的方法快速填充相应的区域，对于重复结构特征，只测量一个结构单元，其余重复单元采用复制的方法快速生成。本发明既能精确测量建筑立面尺寸，又能准确描绘其特色构件的局部细节特征，具有成本低、方便、灵活、高效的优点，可广泛应用于各类特色建筑的立面图测绘。

Description

一种基于图像的特色建筑立面图测绘方法

技术领域

本发明涉及一种测绘方法，尤其涉及各类特色建筑的立面图测绘。

背景技术

传统的古建筑测量工具有皮卷尺、钢卷尺、软尺、卡尺、铅垂球、木梯等，较为先进的工具有激光测距仪、全站仪、三维扫描仪等。测绘时需先确定轴线尺寸，单体建筑立面图的一切控制尺寸都以此为根据；确定轴线尺寸后，再依次确定台明、台阶、室内外地面铺装、山墙、门窗等的位置，最后完成古建筑立面图的三维测量。专利CN102564405A发明了一种建筑测量仪以及利用其对铅垂点搜寻的方法，实现了建筑物尺寸参数的测量。专利CN101908228A发明了一种建筑立面测绘图的数字化建筑测绘方法，该方法类似于主动式激光三维测量法，利用激光标线仪与墙体相交生成测绘几何图形所需的定形尺寸。专利CN1448728A发明了一种激光测距方法和装置，能实现建筑物单点的长度测量，专利CN102735182A发明了一种手持激光测距扫描建筑物内轮廓的方法和装置，将激光发射器安装到转台上，利用转台角度和激光测量的深度距离转化为墙面的三维点坐标，这两个专利原理也都属于激光三维测量方法。专利CN102708162A发明了一种建筑信息的可视化方法，该方法将古建筑地图数据利用ArcGIS软件获得二维虚拟模型，然后对该二维虚拟模型粗略估计高程，再通过ArcScene和3DMAX软件形成三维地形及纹理信息，将二维虚拟模型和三维地形及纹理信息导入地图场景中，在地图中实现古建筑地理信息的显示。

已有的测绘技术大多数为手工测量，例如利用皮卷尺、钢卷尺、软尺、卡尺、铅垂球、木梯等，测量时每组的工作人员需要3-5人，当测量内容较多时每组测量的人数多达6-7人，每个建筑立面尺寸参数的测量均需手工完成，测量效率很低，而且是接触性测量，还有可能损坏古建筑。目前使用的激光测距仪、全站仪，能够非接触自动完成尺寸参数的测量，但每次只能做单点测量，要完成整个建筑的测量，现场工作量大，效率低；而且激光测距仪和全站仪价格也较为昂贵。比较先进的三维扫描仪能够快速获得建筑的三维点云数据，但数据量庞大，需要复杂的拼接方法才能完成整个墙面的测量，而且生成的点云数据需要重建成三维表面模型后才能表达出建筑尺寸信息，生成建筑立面测绘图时也需要复杂的方法才能完成；另外现场数据采集时需要携带大量硬件设备和电源，并需要有专业经验和较高水平的工程师在现场操作，扫描仪与建筑之间要保持适当的距离且光照要适度，实际使用时有诸多局限性。专利CN102708162A只是实现了古建筑地形信息的可视化显示，并没有实现古建筑尺寸数据的测量。

发明内容

为了解决现有技术中问题，本发明提供了一种基于图像的特色建筑立面图测绘方法，其包括以下步骤：

步骤1：利用已经标定的数码相机采集被测特色建筑的立面图像；包括采集特色建筑立面中的典型构件或装饰物的图像数据，以及对墙体进行图像数据拍摄采集；

步骤2：通过图像处理技术分割出各具风格的局部特征并构建特色建筑立面及构件的特征库；

步骤3：利用基于图像的三维测量技术智能获得建筑墙体的关键尺寸参数；

步骤4：按照墙体所包含的构件特征将构件特征库中的模块按照实际测量的参数进行尺寸缩放，形成具有真实物理尺寸和建筑构件特征的墙面元素。

作为本发明的进一步改进，步骤1中，采集特色建筑立面中的典型构件或装饰物的图像数据时，将相机正对构件的正面和侧面，使相机平面和构件平面保持平行，现场对采集的每帧图像做好信息记录和编号，包括GPS位置信息、方位信息、建筑名称、年代及简要特点，然后利用计算机软件***对拍摄的图像进行处理并提取建筑墙体的特色构件；将构件大样图分类编号，建立特色建筑风格的构件数据库；如果拍摄时不能正对构件平面进行数据采集，则需要对拍摄的图像进行校正处理。

作为本发明的进一步改进，步骤1中，在采集特色建筑立面中的典型构件或装饰物的图像数据前，对相机进行标定，首先根据建筑物规模及建筑的距离确定特色建筑标志板尺寸及圆环点的尺寸，每个圆环中心的坐标表示为(X_i,Y_i)；然后将打印的圆环点贴到一块平板上，持相机围绕平板一周在其四条边旁各取一点，在每个点分别用三个姿态，即相机水平方向、两个竖直放置方向对特色建筑标志板进行拍照，一共拍摄12张图像，特色建筑标志板中三个大圆的位置构成一直角坐标系。特色建筑标志板上的特征点为同心圆环，有三个大圆环为矩形的四个角，通过检测三个大圆，确定标志板的坐标轴及方向。其它同心圆环具有相同的大小。

作为本发明的进一步改进，相机的内参数的获取方法如下：

（1）：对采集的彩色数字图像进行预处理，提取特色建筑标志板图像边缘轮廓，进行形态滤波和图像二值化处理，利用连通域方法去除二值图像中非线性的特征；

（2）：利用第一步中获得的二值图像进行椭圆拟合操作，椭圆的二次方程为：

f(a,b)=ax²+bxy+cy²+dx+ey+f=0

其中a=[abcdef],x=[x²xyy²xy1]，且||a||=2，建立如下的目标函数：

$F\left(a\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}f{(a,x_i)}^2+M{\left(\right|\left|a\right||-1)}^2$

求解上述的目标函数，即可获得椭圆方程的参数，第i个椭圆中心点的坐标为：

$X_{\mathrm{ci}}=\frac{2\mathrm{cd}-\mathrm{be}}{b^2-4\mathrm{ac}},Y_{\mathrm{ci}}=\frac{2\mathrm{ae}-\mathrm{bd}}{b^2-4\mathrm{ac}}$

（3）：将同心椭圆的圆心计算其平均值，即：

$X_c=\frac{1}{M}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{X}_{\mathrm{cj}},Y_c=\frac{1}{M}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{Y}_{\mathrm{cj}}$

其中M为同心椭圆的数量，X_cj,Y_cj为第j个椭圆的圆心，计算出标志板上的圆环的中心点坐标(x_i,y_i)；利用标志板上的三个大圆即可确定坐标原点和x轴、y轴方向，获得标志板上的点及图像对应点后，利用张氏标定（此方法是视觉领域经典的方法，在此不做详细说明）方法，获得相机的内参数。

作为本发明的进一步改进，步骤1中，对墙体进行图像数据拍摄采集时，根据拍摄者位置与墙面的距离，选择合适焦段的定焦镜头，选择镜头的原则是在拍摄的图像中使得待测墙面或构件占整幅图像面积的2/3以上，且一个建筑墙面或构件需从不同角度拍摄三张以上的图像，三个不同角度拍摄的图像，中间一幅正对墙面、相邻两幅图像间的夹角为范围为30-60度，根据遮挡情况改变角度，拍摄时要注意遮挡问题，如果是对称墙体结构，确保有一半的墙体不被遮挡即可；现场拍摄时每个建筑墙面或构件必须采集三帧以上的图像数据。

作为本发明的进一步改进，步骤1中，对墙体进行图像数据拍摄采集时，在拍摄时在测量立面处树立一块墙面标志板，标志板上有多个关键尺寸，在板的四周设置凹陷的区域，墙面标志板的尺寸根据被测特色建筑的大小情况调节。在墙面标志板上形成多个特制尺寸，放置在实际拍摄过程中由于遮挡而造成不能获取的问题。

作为本发明的进一步改进，从拍摄的多帧图像中选择无遮挡、角度合适的三张照片，利用DAISY特征检测和匹配三帧图像间的特征点，然后将匹配到的特征点在三帧图像间连接起来，找出正确匹配点和错误匹配点，保留正确匹配点，将错误匹配点删除；如果发现有关键的特征点没有检测和匹配到，则需要手动配合实现未匹配特征点的检测和匹配；关键特征点是指构成建筑立面墙体及构件轮廓特征的关键点，以及能表明墙面整体尺寸和局部构件尺寸的特征点；将第一帧图像上获得的匹配特征点按顺序链接起来构成线框模型，同时在其余两帧图像上自动生成线框模型，然后以这两个线框链接正确与否来判断匹配的特征点是否正确；接着利用三角法计算匹配特征点的三维坐标，再采用捆集调整方法提高三维坐标的精度；最后将获得的特征点三维线框模型投影到二维空间，生成.dxf文件，完成墙体整体尺寸和局部特征构件尺寸的测量，或者特征点检测采用SIFT特征检测方法进行。

作为本发明的进一步改进，将获得的特色建筑墙面参数文件.dxf导入CAD软件，根据建筑物墙面上的构件特征，从特色建筑构件数据库中选择构件图并导入当前CAD工作平台中，然后根据墙面特征尺寸对导入的构件进行尺寸缩放，对构件的尺寸缩放公式如下：

$\left[\begin{array}{c}{x}^{\′}\\ y^{\′}\\ 1\end{array}\right]=\left[\begin{array}{ccc}\mathrm{\α}& 0& 0\\ 0& \mathrm{\β}& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]$

其中(x,y)为测量特征点的二维坐标，(x′,y′)为构件对应的特征点缩放后的新坐标值，α,β为x,y方向上的放大因子。

作为本发明的进一步改进，对于砖墙、屋顶盖瓦等结构纹理信息丰富的区域，首先利用构件库中墙面大样作为样本，利用纹理合成方法将多个样本合成为一张大的纹理图；其次确定需要填充砖墙结构的区域，在进行墙体大样图填充前需要先将灰色区域的边界确定，构造大小合适的墙体大样图后填充到灰色区域，将灰色区域与墙体大样图裁剪后获得墙体填充效果。

作为本发明的进一步改进，对于特色建筑中存在大量的重复结构，首先测量和绘制出重复结构中的第一个单元，利用构件库有相同的构件，如果没有相同的构件则直接测量获得；然后测量出重复结构最右边的极限位置，测量出重复单元的长度和重复范围的长度X_e和X_t；对于相邻的重复结构，直接复制第一个单元即完成所有结构的绘制，对有间隔重复性的结构，其重复复制的偏移距离定义为：l=X_e+(X_t-nX_e)/(n-1)，其中n为重复单元的个数，l的定义为从第一个重复单元最左边计算开始。

本发明首先利用事先标定的数码相机采集被测特色建筑的立面图像，通过图像处理技术分割出各具风格的局部特征并构建特色建筑立面及构件的特征库，然后利用基于图像的三维测量技术智能获得建筑墙体的关键尺寸参数，再按照墙体所包含的构件特征将构件特征库中的模块按照实际测量的参数进行尺寸缩放，形成具有真实物理尺寸和建筑构件特征的墙面元素。对于具有重复图案结构的大面积区域，采用纹理合成技术与区域填充裁剪相结合的方法自动生成，最后获得的特色建筑立面测绘图，既具有真实的尺寸数据信息，又具有丰富的细节构件特征要素。本发明技术具有现场数据采集只需携带摄影器材，硬件成本低且操作简单方便，对测量人员专业知识要求较低的特点；尺寸数据测绘工作通过后期计算机智能运算来完成，获得的特色建筑风格立面及特征构件的测绘图生成效率高，纹理细节丰富并准确再现，尺寸测量精度高、成本低、效果好的等优点。克服了手工接触测量工作危险、难度大、效率低下、可能对建筑造成损害的诸多缺陷；克服了激光测距仪、全站仪成本高、现场工作量大、只能测墙面轮廓尺寸而无法获取特征构件纹理图案细节尺寸的缺陷；避免了三维扫描仪现场数据采集需携带大量设备和专业水平操作的诸多局限性且工作量大、硬件成本高的缺陷。

附图说明

图1是本发明古建筑构件大样图示例；

图2是本发明带包围盒尺寸的构件大样图；

图3是本发明特色建筑标志板；

图4是一种基于图像的特色建筑立面图测绘方法流程图；

图5是本发明墙面拍摄所需的墙面标志板；

图6是窗体大样真实尺寸计算实例；

图7是砖墙构件样本及纹理合成后的大样图；

图8是具有重复结构的立面图绘制方法示例图；

图9是带有重复结构的墙面结构测绘示例；

图10是古建筑立面图实例；

图11是相机拍摄姿态；

图12是三个不同角度拍摄的古建筑图像；

图13是特征点及匹配示意图；

具体实施方式

下面结合附图对本发明做进一步说明。

1.特色建筑构件库的建立

本发明的第一步是用高分辨率数码相机采集特色建筑立面中的典型构件或装饰物的图像数据，例如徽派建筑中的檐口、翘脚、马头墙、屋檐、柱头、盖瓦、台基、墙体、屋顶、门楼、斗拱、枋、栏杆等，将相机正对构件的正面和侧面，使相机平面和构件平面尽可能保持平行，现场对采集的每帧图像做好信息记录和编号，包括GPS位置信息、方位信息、建筑名称、年代及简要特点等；然后回到工作室利用计算机软件***对拍摄的图像进行处理并提取建筑墙体的特色构件。如果由于拍摄时由于位置及空间等限制不能正对构件平面进行数据采集，则需要先对拍摄的图像进行校正处理，使构件平面与相机平面平行，再将特色建筑构件关键线条分割出来，之后将构件图像导入CAD软件，形成构件大样的CAD图，如图1所示。

。最后计算构件大样图的包围盒尺寸（S_h，S_v）(S_h，S_v是完全包含构件的最大长宽尺寸)，见图2所示，为带有包围盒尺寸的构件大样图。将构件大样图分类编号，建立特色建筑风格的构件数据库。

图1中：第一行第一个图为檐口大样图；第二个和第三个为翘脚侧面、正面大样图；第四个和第五个为马头墙侧面、正面大样图。第二行第一个为窗格大样图；第二个和第三个为屋檐大样图；第四个和第五个为翘脚、檐口大样图。第三行第一个为砖墙大样图；第二个至第四个为屋顶瓦大样图。

2.数码相机精确标定方法

在对特色建筑关键特征点尺寸进行测量前，必须对相机进行标定。本发明使用分辨率在2000万像素以上的单反数码相机，镜头为定焦镜头，且根据建筑大小及拍摄位置距离建筑立面的远近选用不同焦段的定焦镜头。相机的内参数通过以下的标志板进行标定，首先根据建筑物规模及建筑的距离确定标志板尺寸及圆环点的尺寸，每个圆环中心的坐标表示为（X_i，Y_i）；然后将打印的圆环点贴到一块平板上，持相机围绕平板一周在其四条边旁各取一点，即图3中的ABCD四点，在每个点分别用三个姿态，如图11所示，即相机水平方向、两个竖直放置方向对标志板进行拍照，一共拍摄12张图像，图中三个大圆的位置构成一直角坐标系。

Step1：对采集的彩色数字图像进行预处理，提取标志板图像边缘轮廓，进行形态滤波和图像二值化处理，利用连通域方法去除二值图像中非线性的特征。

Step2：利用第一步中获得的二值图像进行椭圆拟合操作，椭圆的二次方程为：

f（a，b）=ax²+bxy+cy²+dx+ey+f=0

其中a=[abcdef]，x=[x²xyy²xy1]，且||a||=2。建立如下的目标函数：

$F\left(a\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}f{(a,x_i)}^2+M{\left(\right|\left|a\right||-1)}^2$

求解上述的目标函数，即可获得椭圆方程的参数，第i个椭圆中心点的坐标为：

$X_{\mathrm{ci}}=\frac{2\mathrm{cd}-\mathrm{be}}{b^2-4\mathrm{ac}},Y_{\mathrm{ci}}=\frac{2\mathrm{ae}-\mathrm{bd}}{b^2-4\mathrm{ac}}$

Step3：将同心椭圆的圆心计算其平均值，即：

$X_c=\frac{1}{M}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{X}_{\mathrm{cj}},Y_c=\frac{1}{M}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{Y}_{\mathrm{cj}}$

其中M为同心椭圆的数量，X_cj,Y_cj为第j个椭圆的圆心，这样即可计算出标志板上的圆环的中心点坐标(x_i,y_i)；利用标志板上的三个大圆即可确定坐标原点和x轴、y轴方向，获得标志板上的点及图像对应点后，利用张氏标定方法，即可获得相机的内参数。

3.特色建筑立面墙图像采集

在对特色建筑进行测量前，需要对墙体进行图像数据拍摄采集，根据拍摄者位置与墙面的距离，选择合适焦段的定焦镜头。选择镜头的原则是在拍摄的图像中使得待测墙面或构件占整幅图像面积的2/3以上，且一个建筑墙面或构件需从不同角度拍摄三张以上的图像，如图12所示，三个不同角度拍摄的图像，中间一幅正对墙面、相邻两幅图像间的夹角为范围为30-60度，根据遮挡情况改变角度。拍摄时要注意遮挡问题，如果是对称墙体结构，确保有一半的墙体不被遮挡即可。现场拍摄时每个建筑墙面或构件必须采集三帧以上的图像数据，以便在后期处理时可以从中选择质量较好的图像进行计算。在拍摄时还需在测量立面处树立一块标志板，其结构如图5所示，标志板上有多个关键尺寸，便于在遮挡的情况下也能找到有用的尺寸，在板的四周设置凹陷的区域，便于现场工作人员使用，标志板的尺寸可以根据被测特色建筑的大小情况调节。

4.墙体关键尺寸测量

从上一步拍摄的多帧图像中选择无遮挡、角度合适的三张照片，利用DAISY特征检测和匹配三帧图像间的特征点，然后将匹配到的特征点在三帧图像间连接起来，便于判断特征点匹配的正确性，由图13可以直观看出正确匹配点和错误匹配点，保留正确匹配点，将错误匹配点删除。如果发现有关键的特征点没有检测和匹配到，则需要手动配合实现未匹配特征点的检测和匹配。在本发明中的关键特征点是指构成建筑立面墙体及构件轮廓特征的关键点，以及能表明墙面整体尺寸和局部构件尺寸的特征点，例如门、窗等矩形构件，只需要对角的两个匹配特征点即可。将第一帧图像上获得的匹配特征点按顺序链接起来构成线框模型，同时在其余两帧图像上自动生成线框模型，然后以这两个线框链接正确与否来判断匹配的特征点是否正确；接着利用三角法计算匹配特征点的三维坐标，再采用捆集调整方法提高三维坐标的精度；最后将获得的特征点三维线框模型投影到二维空间，生成.dxf文件，完成墙体整体尺寸和局部特征构件尺寸的测量。在这一步的特征点检测中也可以采用SIFT(Scale-invariantfeaturetransform‐尺度不变特征变换)等特征检测方法进行。

5.特色建筑立面墙绘制

将上面计算获得的特色建筑墙面参数文件.dxf导入CAD软件，根据建筑物墙面上的构件特征，从第1步获得的特色建筑构件数据库中，选择构件图并导入当前CAD工作平台中，然后根据墙面特征尺寸对导入的构件进行尺寸缩放，对构件的尺寸缩放公式如下：

$\left[\begin{array}{c}{x}^{\′}\\ y^{\′}\\ 1\end{array}\right]=\left[\begin{array}{ccc}\mathrm{\α}& 0& 0\\ 0& \mathrm{\β}& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]$

其中(x,y)为测量特征点的二维坐标，(x′,y′)为构件对应的特征点缩放后的新坐标值，α,β为x,y方向上的放大因子。以图6为例说明α,β的计算方法，构件库中的窗格大样图的长宽分别为S_h,S_l，左下角点为坐标原点后，右上角点的坐标变为(S_h,S_l)，测量窗格对角左下角点也设为坐标原点，右上角点的坐标为(l,m)。其中α=l/S_h，β=m/S_v。利用缩放公式对窗格构件进行计算，得到结果如图6右图所示。

对于砖墙、屋顶盖瓦等结构纹理信息丰富的区域，首先利用构件库中墙面大样作为样本，利用纹理合成方法将多个样本合成为一张大的纹理图，如图7所示；其次确定需要填充砖墙结构的区域，如图8所示的灰色区域为填充区域，在进行墙体大样图填充前需要先将灰色区域的边界确定，构造大小合适的墙体大样图后填充到灰色区域，将灰色区域与墙体大样图裁剪后获得墙体填充效果，如图8右图所示。屋顶盖瓦等其他具有重复结构的立面墙特征也利用相同的方法获得。

6.墙面中重复结构的绘制

在特色建筑中存在大量的重复结构，如果图9所示，图中上面的窗格和下面的门都存在重复性，可以利用该重复特性快速绘制出这些结构。首先测量和绘制出重复结构中的第一个单元，可以利用构件库有相同的构件，如果没有相同的构件则直接测量获；然后测量出重复结构最右边的极限位置，测量出重复单元的长度和重复范围的长度X_e和X_t。对于相邻的重复结构，直接复制第一个单元即可完成所有结构的绘制，对有间隔重复性的结构，其重复复制的偏移距离定义为：l=X_e+(X_t-nX_e)/(n-1)，其中n为重复单元的个数，l的定义为从第一个重复单元最左边计算开始，在图9中图n=3，利用该方法可以快速测绘出带有重复结构的古建筑特征。

利用本发明技术绘制的特色建筑墙体立面图实例如图10所示。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (9)

1.一种基于图像的特色建筑立面图测绘方法，其特征在于，其包括以下步骤：

步骤1：利用已经标定的数码相机采集被测特色建筑的立面图像；包括采集特色建筑立面中的典型构件或装饰物的图像数据，以及对墙体进行图像数据拍摄采集；

步骤2：通过图像处理技术分割出各具风格的局部特征并构建特色建筑立面及构件的特征库；

步骤3：利用基于图像的三维测量技术智能获得建筑墙体的关键尺寸参数；

步骤4：按照墙体所包含的构件特征将构件特征库中的模块按照实际测量的参数进行尺寸缩放，形成具有真实物理尺寸和建筑构件特征的墙面元素；

相机的内参数的获取方法如下：

(1)：对采集的彩色数字图像进行预处理，提取特色建筑标志板图像边缘轮廓，进行形态滤波和图像二值化处理，利用连通域方法去除二值图像中非线性的特征；

(2)：利用第一步中获得的二值图像进行椭圆拟合操作，椭圆的二次方程为：

f(a，b)＝ax²+bxy+cy²+dx+ey+f＝0

其中a＝[abcdef]，x＝[x²xyy²xy1]，且||a||＝2，建立如下的目标函数：

$F\left(a\right)=\underset{i=1}{\overset{N}{\Σ}}f{(a,x_i)}^2+M{\left(\right|\left|a\right||-1)}^2$

求解上述的目标函数，即可获得椭圆方程的参数，第i个椭圆中心点的坐标为：

$X_{ci}=\frac{2cd-be}{b^2-4ac},Y_{ci}=\frac{2ae-bd}{b^2-4ac}$

(3)：将同心椭圆的圆心计算其平均值，即：

$X_c=\frac{1}{M}\underset{j=1}{\overset{M}{\Σ}}{X}_{cj},Y_c=\frac{1}{M}\underset{j=1}{\overset{M}{\Σ}}{y}_{cj}$

其中M为同心椭圆的数量，X_cj，Y_cj为第j个椭圆的圆心，计算出标志板上的圆环的中心点坐标(x_i，y_i)；利用标志板上的三个大圆即可确定坐标原点和x轴、y轴方向，获得标志板上的点及图像对应点后，利用张氏标定方法，获得相机的内参数。

2.根据权利要求1所述的一种基于图像的特色建筑立面图测绘方法，其特征在于：步骤1中，采集特色建筑立面中的典型构件或装饰物的图像数据时，将相机正对构件的正面和侧面，使相机平面和构件平面保持平行，现场对采集的每帧图像做好信息记录和编号，包括GPS位置信息、方位信息、建筑名称、年代及简要特点，然后利用计算机软件***对拍摄的图像进行处理并提取建筑墙体的特色构件；将构件大样图分类编号，建立特色建筑风格的构件数据库；如果拍摄时不能正对构件平面进行数据采集，则需要对拍摄的图像进行校正处理。

3.根据权利要求1所述的一种基于图像的特色建筑立面图测绘方法，其特征在于：步骤1中，在采集特色建筑立面中的典型构件或装饰物的图像数据前，对相机进行标定，首先根据建筑物规模及建筑的距离确定特色建筑标志板尺寸及圆环点的尺寸，每个圆环中心的坐标表示为(X_i，Y_i)；然后将打印的圆环点贴到一块平板上，持相机围绕平板一周在其四条边旁各取一点，在每个点分别用三个姿态，即相机水平方向、两个竖直放置方向对特色建筑标志板进行拍照，一共拍摄12张图像，特色建筑标志板中三个大圆的位置构成一直角坐标系。

4.根据权利要求1所述的一种基于图像的特色建筑立面图测绘方法，其特征在于：步骤1中，对墙体进行图像数据拍摄采集时，根据拍摄者位置与墙面的距离，选择合适焦段的定焦镜头，选择镜头的原则是在拍摄的图像中使得待测墙面或构件占整幅图像面积的2/3以上，且一个建筑墙面或构件需从不同角度拍摄三张以上的图像，三个不同角度拍摄的图像，中间一幅正对墙面、相邻两幅图像间的夹角为范围为30-60度，根据遮挡情况改变角度，拍摄时要注意遮挡问题，如果是对称墙体结构，确保有一半的墙体不被遮挡即可；现场拍摄时每个建筑墙面或构件必须采集三帧以上的图像数据。

5.根据权利要求1所述的一种基于图像的特色建筑立面图测绘方法，其特征在于：步骤1中，对墙体进行图像数据拍摄采集时，在拍摄时在测量立面处树立一块墙面标志板，标志板上有多个关键尺寸，在板的四周设置凹陷的区域，墙面标志板的尺寸根据被测特色建筑的大小情况调节。

6.根据权利要求4所述的一种基于图像的特色建筑立面图测绘方法，其特征在于：从拍摄的多帧图像中选择无遮挡、角度合适的三张照片，利用DAISY特征检测和匹配三帧图像间的特征点，然后将匹配到的特征点在三帧图像间连接起来，找出正确匹配点和错误匹配点，保留正确匹配点，将错误匹配点删除；如果发现有关键的特征点没有检测和匹配到，则需要手动配合实现未匹配特征点的检测和匹配；关键特征点是指构成建筑立面墙体及构件轮廓特征的关键点，以及能表明墙面整体尺寸和局部构件尺寸的特征点；将第一帧图像上获得的匹配特征点按顺序链接起来构成线框模型，同时在其余两帧图像上自动生成线框模型，然后以这两个线框链接正确与否来判断匹配的特征点是否正确；接着利用三角法计算匹配特征点的三维坐标，再采用捆集调整方法提高三维坐标的精度；最后将获得的特征点三维线框模型投影到二维空间，生成.dxf文件，完成墙体整体尺寸和局部特征构件尺寸的测量，或者特征点检测采用SIFT特征检测方法进行。

7.根据权利要求6所述的一种基于图像的特色建筑立面图测绘方法，其特征在于：将获得的特色建筑墙面参数文件.dxf导入CAD软件，根据建筑物墙面上的构件特征，从特色建筑构件数据库中选择构件图并导入当前CAD工作平台中，然后根据墙面特征尺寸对导入的构件进行尺寸缩放，对构件的尺寸缩放公式如下：

$\left[\begin{array}{c}{x}^{\′}\\ y^{\′}\\ 1\end{array}\right]=\left[\begin{array}{ccc}\mathrm{\α}& 0& 0\\ 0& \mathrm{\β}& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]$

其中(x，y)为测量特征点的二维坐标，(x′，y′)为构件对应的特征点缩放后的新坐标值，α，β为x，y方向上的放大因子。

8.根据权利要求1所述的一种基于图像的特色建筑立面图测绘方法，其特征在于：对于砖墙、屋顶盖瓦等结构纹理信息丰富的区域，首先利用构件库中墙面大样作为样本，利用纹理合成方法将多个样本合成为一张大的纹理图；其次确定需要填充砖墙结构的区域，在进行墙体大样图填充前需要先将灰色区域的边界确定，构造大小合适的墙体大样图后填充到灰色区域，将灰色区域与墙体大样图裁剪后获得墙体填充效果。

9.根据权利要求1所述的一种基于图像的特色建筑立面图测绘方法，其特征在于：对于特色建筑中存在大量的重复结构，首先测量和绘制出重复结构中的第一个单元，利用构件库有相同的构件，如果没有相同的构件则直接测量获得；然后测量出重复结构最右边的极限位置，测量出重复单元的长度和重复范围的长度X_e和X_t；对于相邻的重复结构，直接复制第一个单元即完成所有结构的绘制，对有间隔重复性的结构，其重复复制的偏移距离定义为：l＝X_e+(X_t-nX_e)/(n-1)，其中n为重复单元的个数，l的定义为从第一个重复单元最左边计算开始。