CN115908706B - 实景三维模型与影像融合的高速铁路竣工验收方法 - Google Patents

Abstract

本发明公开了一种实景三维模型与影像融合的高速铁路竣工验收方法，包括：获取影像和POS数据，处理获取无畸变影像数据及内、外方位元素；进行实景三维重建，计算线性优列矩阵；利用线性优列矩阵搜索、提取最优匹配影像；对三维场景下的最优影像投影进行建模，得到投影模型；建立影像纹理映射，利用影像分级进行投影，形成数据可视化和融合交互；本申请采用线性优列矩阵提取最优匹配影像，通过最优匹配影像进行建模后，利用建立的纹理映射进行影像分级投影，能做大限度的消除视觉误差，避免模型拉花、空洞瓶颈性等问题。

Description

实景三维模型与影像融合的高速铁路竣工验收方法

技术领域

本发明涉及智能轨道交通技术领域，尤其涉及一种实景三维模型与影像融合的高速铁路竣工验收方法。

背景技术

高速铁路开展竣工验收涉及多个专业和专题，时间紧任务重。高速铁路竣工观感验收传统方式通过专业技术人员根据相关技术规范开展外业现场踏勘作业，梳理形成整改问题。随着高空间分辨率无人机影像和实景三维建模技术出现，使得内业***开展观感验收专业判读和分析成为了可能。

实景三维模型在竣工验收中应用存在模型拉花、空洞瓶颈性问题，单一模型本身无法直接应用于观感验收中，会引入视觉判读误差，因此本申请研究了一种实景三维模型与影像融合的高速铁路竣工验收方法。

发明内容

因此，本发明的目的在于提供一种实景三维模型与影像融合的高速铁路竣工验收方法，采用线性优列矩阵提取最优匹配影像，在一个视场观察点中通过最优匹配件影像进行投影建模后，进行影像纹理映射，利用分级影像，逐级融合交互，能做大限度的消除视觉误差，避免模型拉花、空洞瓶颈性等问题，实现了三维成果模型与影像的高质量融合，解决了实景模型不真实、单独影像无空间参考的问题。

为了实现上述目的，本发明提供的一种实景三维模型与影像融合的高速铁路竣工验收方法，包括以下步骤：

S1、获取影像和POS数据，并进行空三加密处理，获取无畸变影像数据及精确的内、外方位元素；

S2、采用倾斜建模方式在空三加密的基础上进行实景三维重建，得到实景三维模型；利用实景三维场景中观测位置、姿态和外方位元素；计算线性优列矩阵；利用线性优列矩阵提取最优匹配影像；

S3、对实景三维场景下的最优影像投影进行建模，得到投影模型；对投影模型的角点进行计算；

S4、以投影模型的角点，形成投影面，构建外包多面体，将影像进行纹理映射；

S5、利用S1中所述当前视场观察点、S3中投影模型的角点以及S4中的纹理映射；将原始影像分级切片后，进行数据可视化和融合交互；实现当前视场观察点变化时，同步进行对应影像的筛选和影像的映射加载；

S6、利用建立的实景三维模型对竣工工程进行视觉判识和几何尺寸测量；对识别和测量出的缺陷信息进行模板化整理输出。

进一步，优选的，在S1中，所述内方位元素包括相机焦距、像元大小、相幅宽、相幅高、像主点横坐标以及像主点纵坐标；所述外方位元素包括线元素和角元素；所述线元素包括曝光点横坐标、曝光点纵坐标、曝光点高程；所述角元素包括俯仰角、横滚角、航偏角。

进一步，优选的，在S2中，所述在实景三维场景中计算线性优列矩阵，包括以下步骤：

S201、在空三加密的基础上采用倾斜建模方式进行实景三维重建，获取OSGB格式的实景三维模型；

S202、将OSGB格式倾斜模型进行顶层重置、纹理压缩和格式转换为3dtiles格式实景模型数据；

S203、在实景三维场景的可视化界面下获取当前场景的观察位置点、外方位元素；计算观察位置点与外方位元素中的线元素的欧式距离，得到距离矩阵A；

S204、对距离矩阵A进行排序，将前10%的部分组成线性优列矩阵B。

进一步，优选的，在S2中，所述利用线性优列矩阵提取最优匹配影像包括以下步骤：

S205、将当前视场的观察位置点处的外方位元素中的角元素形成矩阵C，将优列矩阵B对应的角元素组成的矩阵B_j；分别计算C和B_j矩阵的相关系数r_j，得到相关***矩阵R；

S206、对相关系数矩阵R进行排序，选择相关系数最大值对应的影像作为最优匹配影像。

进一步，优选的，在S3中，所述对实景三维场景下的最优影像投影进行建模，得到投影模型，包括如下步骤：

S301、利用内方位元素和最优匹配影像的外方位元素，计算投影中心D的地面投影横坐标和地面投影纵坐标；

S302、将当前视场观察点的平均高程，设定为初始高程值，利用高程值进行迭代计算，得到影像中心的三维投影坐标（X_C,Y_C,Z_C）；

S303、根据得到的影像中心的三维投影坐标（X_C,Y_C,Z_C），分别利用高程值进行迭代计算，依次计算得出影像左上角、左下角、右上角、右下角的角点投影坐标。

进一步，优选的，在S4中，以投影模型的角点，形成投影面，将照片纹理进行映射，构建外包多面体，包括以下步骤：

将投影模型的角点，作为外包多面体的底面；

根据实景模型最高点至底面的距离，设置参考面；

将参考面其中一边为轴转动θ度，进行选址；得到角点投影面；其中，θ=90°-Phi；Phi为相机俯仰角；

利用角点投影面将照片作为纹理进行映射。

进一步，优选的，所述将原始影像分级切片采用如下方法：

将获取的原始影像，采用二叉树分类法进行影像分块和影像分辨率重采样；

将二叉树分类法分类后的每一级影像切片数据单独放在一个文件夹下；

采用影像名称+分级编号的形式，进行文件夹命名。

进一步，优选的，在S5中，进行数据可视化和融合交互时，采用WEBGL开源框架进行实景三维模型数据的加载，在实景三维模型场景上开展影像加载区域空间多边形面计算，对加载影像区域的实景模型进行隐藏显示；

在实景三维场景上，利用S3中计算的影像四个角点坐标，及S4中构建的外包多面体，将影像作为外包多面体的纹理进行映射；

将实景三维模型的观察位置角度、姿态变化作为触发影像筛选和加载的事件，每进行一次视角变换就进行一次影像的筛选与影像的映射加载。

进一步，优选的，在S6中，利用建立的实景三维模型对竣工工程进行视觉判识时，包括在实景三维模型的对应位置上通过拾取点获取缺陷位置空间坐标为point_qx_i(X,Y,Z)；

通过里程桩高索引表进行插值计算得到详细的里程坐标索引表；

计算缺陷点位与里程坐标索引表的欧式距离D_i，得到距离矩阵[D_i],对距离矩阵进行排序，选择距离最小的坐标对应的里程为缺陷位置的里程信息；

采用里程、标段、坐标信息、位置描述、问题描述、照片、备注作为表头建立模板化表格，进行缺陷报表输出。

本申请公开的一种实景三维模型与影像融合的高速铁路竣工验收方法，相比于现有技术，至少具有以下优点：

1、采用线性优列矩阵提取最优匹配影像，在一个视场观察点中通过最优匹配件影像进行投影建模后，形成的纹理映射为无空间参考的原始影像提供了空间参考，能做大限度的消除视觉误差，避免模型拉花、空洞瓶颈性等问题，实现了三维成果模型与影响的高质量融合，解决了实景三维模型无法直接应用工程竣工验收的技术问题。

2、本申请实现了基于融合场景的铁路观感缺陷检测、工程几何属性提取、专题应用分析示范应用，变革了现阶段需要现场开展铁路工程竣工观感验收的技术方式，大幅度提高了竣工验收的效率。

附图说明

图1为本发明提供的实景三维模型与影像融合的高速铁路竣工验收方法的流程图。

图2为本申请实景三维重建效果图。

图3为本申请的三维模型与影像融合的效果图。

图4为本申请基于融合场景的尺寸量测中拱形宽度量测及边坡坡度分析示意图。

图5为本申请基于融合场景的尺寸量测中声屏障高度、位置量测示意图。

图6为本申请缺陷检测与完成性分析中基于模型的缺陷观感检测示意图。

图7为本申请缺陷检测与完成性分析中另一处缺陷观感检测示意图。

图8为本申请缺陷检测与完成性分析中影像下的声屏障观感检测示意图。

图9为本申请构建外包多面体的示意图。

图10为本申请中原始影像分级切片的流程示意图。

具体实施方式

以下通过附图和具体实施方式对本发明作进一步的详细说明。

如图1所示，本发明一方面实施例提供的一种实景三维模型与影像融合的高速铁路竣工验收方法，包括以下步骤：

S1、获取影像和POS数据，并进行空三加密处理，获取无畸变影像数据及精确的内、外方位元素；

S2、采用倾斜建模方式在空三加密的基础上进行实景三维重建，得到实景三维模型；利用实景三维场景中观测位置、姿态和外方位元素；计算线性优列矩阵；利用线性优列矩阵提取最优匹配影像；

S3、对实景三维场景下的最优影像投影进行建模，得到投影模型；对投影模型的角点进行计算；

S4、以投影模型的角点，形成投影面，构建外包多面体，将影像进行纹理映射；

S5、利用S1中所述当前视场观察点、S3中投影模型的角点以及S4中的纹理映射；将原始影像分级切片后，进行数据可视化和融合交互；实现当前视场观察点变化时，同步进行对应影像的筛选和影像的映射加载；

S6、利用建立的实景三维模型对竣工工程进行视觉判识和几何尺寸测量；对识别和测量出的缺陷信息进行模板化整理输出。

在具体实施例中，在S1中，所述内方位元素包括相机焦距、像元大小、相幅宽、相幅高、像主点横坐标以及像主点纵坐标；所述外方位元素包括线元素和角元素；所述线元素包括曝光点横坐标、曝光点纵坐标、曝光点高程；所述角元素包括俯仰角、横滚角、航偏角。

对于一个设备而已言，具有相同的内方位元素，对于每张影像而言，具备自己独自的外方位元素。通过外业数据采集获取区域影像(一般为jpg或tiff格式)和POS数据（相片拍摄时的地理空间坐标位置），通过输入数据和相机参数进行空三加密处理，获取精确内、外方位元素和无畸变影像数据。其中：内方位元素为相机本身的参数信息主要包括：相机的焦距FocalLength、像元大小Pixel，相幅尺寸，宽Width，高Height、像主点位置。外方位元素包括：精确物方坐标和精确角元素。通过相机标定获取的相机内方位元素如表1所示，通过外业数据采集获取相片的外方位元素，其中i=0~count,count为本次作业的相片总数，如表2所示。

表1.内方位元素

相机焦距	像元大小	相幅宽	相幅高	像主点横坐标	像主点纵坐标
						F	P	W	H	x	y

表2.外方位元素

曝光点横坐标	曝光点纵坐标	曝光点高程	俯仰	横滚	航偏
						Xi	Yi	Zi	Phii	Omegai	Kappai

进一步，在S2中，所述在实景三维场景中计算线性优列矩阵，包括以下步骤：

S201、在空三加密的基础上采用倾斜建模方式进行实景三维重建，获取OSGB格式的实景三维模型；

S202、将OSGB格式倾斜模型进行顶层重置、纹理压缩和格式转换为3dtiles格式实景模型数据；

S203、在实景三维场景的可视化界面下获取当前场景的观察位置点、外方位元素；计算观察位置点与外方位元素中的线元素的欧式距离，得到距离矩阵A；

S204、对距离矩阵A进行排序，将前10%的部分组成线性优列矩阵B。

进一步，优选的，在S2中，所述利用线性优列矩阵提取最优匹配影像包括以下步骤：

S205、将当前视场的观察位置点处的外方位元素中的角元素形成矩阵C，将优列矩阵B对应的角元素组成的矩阵B_j；分别计算C和B_j矩阵的相关系数r_j，得到相关***矩阵R；

S206、对相关系数矩阵R进行排序，选择相关系数最大值对应的影像作为最优匹配影像。

在进行线性优列矩阵的计算时，采用如下实施例的方法。

在实景三维场景的可视化界面下获取当前场景的观察位置点View_s（X_S，Y_S，Z_S），视场角度的俯仰横滚和航偏。影像Image_i外方位线元素为X_i，Y_i，Z_i，角元素Omega_i,Phi_i,Kappa_i。分别计算View_s（X_S，Y_S，Z_S）与Image_i线元素的与（X_i，Y_i，Z_i）之间的欧式距离D_i 得到距离矩阵A [D_i]，相关计算公式如下：

……………… (1)

对矩阵[D_i]进行排序，选择前10%的部分组成线性优列矩阵B [D_j]，其中j=i/10。

（4）最优匹配影像提取

将视场观测点处的角元素构成矩阵C [Phi_s, Omega_s,Kappa_s],将优列矩阵B对应的角元素组成的矩阵为B_j[Phi_j,Omega_j,Kappa_j]，分别计算C和B_i矩阵的相关系数r_j，得到相关***矩阵R；

…………… (2)

其中，Cov(B_j,C)为B_j与C的协方差，Var[B_j]为B_j的方差，Var[C]为C的方差。对相关系数矩阵R进行排序，选择相关系数值最大的r_k为最优匹配影像Image_k。

如图2所示，在S3中，所述对实景三维场景下的最优影像投影进行建模，得到投影模型，包括如下步骤：

S301、利用内方位元素和最优匹配影像的外方位元素，计算投影中心D的地面投影横坐标和地面投影纵坐标；

S302、将当前视场观察点的平均高程，设定为初始高程值，利用高程值进行迭代计算，得到影像中心的三维投影坐标（X_C,Y_C,Z_C）

S303、根据得到的影像中心的三维投影坐标（X_C,Y_C,Z_C），分别利用高程值进行迭代计算，依次计算得出影像左上角、左下角、右上角、右下角的角点投影坐标。

具体为，利用上述方法得到的内方位元素F，P，W，H，x，y；以及得到的最优匹配影像Image_k的外方位元素：X_k，Y_k，Z_k，Phi_k，Omega_k，Kappa_k。Z为投影点的地面高程。利用影像的外方位元素计算投影中心坐标值(X,Y)，其计算公式为：

………………………………………………(3)

… (4)

…(5)

………………………………………(6)

(sin()*……(7)

(cos())…(8)

根据计算上述间接变量，得到地面投影横坐标X,

……………………(9)

………………………(10)

……………………………(11)

…………………………… (12)

根据计算上述间接变量，得到地面投影横坐标Y₀,

……………………(13)

首先计算影像中心点的地面投影坐标。Z的初始值取当前视场下模型的平均高程 Z₀,、取0，利用公式（9），公式（13）计算得到影像中心点坐标（X_C1,Y_C1），取得当前坐 标下的高程值为Z _C1。计算Z_re= Z_C1- Z₀,如果Z_re>1,进入迭代运算，Z取Z_c1，H、W取0，计算得到 （X_C2,Y_C2），提取当前坐标高程为Z_c2，计算Z_re= Z_C2- Z_C1，如果Z_re>1，继续迭代直到 Z_re<=1结 束迭代，得到影像中心投影坐标（X_C,Y_C,Z_C）。

②计算影像左上角点LU的模型投影坐标，取Z为Z_C，取相幅的高度H，取-W, 利 用公式（9），公式（13）计算得到坐标（X_LU1,Y_LU1），取得当前坐标下的高程值为Z_LU1。计算Z_re= Z_LU1- Z_c,如果Z_re>1,进入迭代运算，Z取Z_LU1，取相幅的高度H，取-W，计算得到 （X _{LU 2},Y _{LU 2}），提取当前坐标高程Z _{LU 2}，计算Z_re= Z _{LU 2}- Z _{LU 1}，如果Z_re>1，继续迭代直到 Z_re<=1结束迭代，得到影像左上角点模型投影坐标（X_LU,Y_LU,Z_LU）。

③计算影像右上角点RU的模型投影坐标，取Z为Z_C，取相幅的高度H，取 W, 利用公式（9），公式（13）计算得到坐标（X_RU1,Y_RU1），取得当前坐标下的高程值为Z_RU1。计算 Z_re= Z_RU1- Z_c,如果Z_re>1,进入迭代运算，Z取Z_RU1，取相幅的高度H，取W，计算得到 （X_RU2,Y_RU2），提取当前坐标高程Z_{RU 2}，计算Z_re= Z_RU2- Z_RU1，如果Z_re>1，继续迭代直到 Z_re<=1 结束迭代，得到影像右上角点模型投影坐标（X_RU,Y_RU,Z_RU）。

④计算影像右下角点RD的模型投影坐标，取Z为Z_C，取-H，取W, 利用公 式（9），公式（13）计算得到坐标（X_RD1,Y_RD1），取得当前坐标下的高程值为Z _RU1。计算Z_re= Z_RD1- Z_c,如果Z_re>1,进入迭代运算，Z取Z_RD1，取相幅的高度-H，取W，计算得到（X_RD2, Y_RD2），提取当前坐标高程Z_RD2，计算Z_re=Z_RD2-Z_RD1，如果Z_re>1，继续迭代直到 Z_re<=1结束迭代， 得到影像右下角点模型投影坐标（X_RD,Y_RD,Z_RD）。

⑤计算影像左下角点LD的模型投影坐标，取Z为Z_C，取-H，取-W, 利用公 式（9），公式（13）计算得到坐标（X_LD1,Y_LD1），取得当前坐标下的高程值为Z_LD1。计算Z_re= Z_LD1- Z_c,如果Z_re>1,进入迭代运算，Z取Z_LD1，取相幅的高度-H，取-W，计算得到（X_LD2, Y_LD2），提取当前坐标高程Z_LD2，计算Z_re=Z_LD2-Z_LD1，如果Z_re>1，继续迭代直到 Z_re<=1结束迭代， 得到影像左下角点模型投影坐标（X_LD,Y_LD,Z_LD）。

如图9所示，在S4中，以投影模型的角点，形成投影面，构建外包多面体，将影像进行纹理映射；包括以下步骤：

将投影模型的角点，作为外包多面体的底面；

根据实景模型最高点至底面的距离，设置参考面；

将参考面其中一边为轴转动θ度，进行选址；得到角点投影面；

利用角点投影面将照片作为纹理进行映射。

根据上述计算得出的四个角LU、LD、RD、RU四个角点，利用角点绘制外包多面体的底面。h值为区域范围内实景模型的最高点至底面的距离值。构建平行于LU、RU、RD和LD底面的参考面LU’、RU’、RD’和LD’。将LU’、RU’、RD’和LD’面以LD’、RD’按照θ角度进行选址得到以LU’’、RU’’、RD’和LD’为角点的投影面，将照片作为纹理进行映射。其中，θ=90°-Phi；为摄像机俯仰角的余角。

如图10所示，还包括将原始影像分级切片采用如下方法：

将获取的原始影像，采用二叉树分类法进行影像分块和影像分辨率重采样；

将二叉树分类法分类后的每一级影像切片数据单独放在一个文件夹下；

采用影像名称+分级编号的形式，进行文件夹命名。

原始影像的分辨率为m*n其中（m>n），切片的大小定义为长边为64像素。则动态分级为q1，其中q1应满足2^q1<floor(m/64)，其中floor.为向下取整函数。采用二分法对原始影像的进行分块，0级为不分块，1级为2¹*2¹块，Q1级为2^Q1*2^Q1块。

对3dtiles 格式专业换后的成果模型数据和影响分级后的单张影像数据采用云服务器进行集中存储，采用静态数据形式对影像文件夹进行发布，通过数据库实现不同里程段的模型、影像数据网络发布相对地址结构化管理。相关数据库表的结构如下：

表3.模型影像数据库表单结构

序号

工程名称

链段

起始里程

终止里程

Model_URL

Photo_URL

1

朝凌高铁

DK

32.0

35.5

/CL/GEOdata/Model/DK/32.0-35.5/

/CL/GEOdata/Photo/DK/32.0-35.5/

2

杭绍台高铁

YDK

1.0

2.5

/HST/GEOdata/Model/DK/1-2.5/

/HST/GEOdata/Photo/DK/1-2.5/

进一步，优选的，在S5中，进行数据可视化和融合交互时，采用WEBGL开源框架进行实景三维模型数据的加载，在实景三维模型场景上开展影像加载区域空间多边形面计算，对加载影像区域的实景模型进行隐藏显示；

在实景三维场景上，利用S3中计算的影像四个角点坐标，利用S3中计算的影像四个角点坐标，及S4中构建的外包多面体，将影像作为外包多面体的纹理进行映射；

将实景三维模型的观察位置角度、姿态变化作为触发影像筛选和加载的事件，每进行一次视角变换就进行一次影像的筛选与影像的映射加载。

如图6-8所示，在S6中，利用建立的实景三维模型对竣工工程进行视觉判识时，包括在实景三维模型的对应位置上通过拾取点获取缺陷位置空间坐标为point_qx_i(X,Y,Z)；

通过里程桩高索引表进行插值计算得到详细的里程坐标索引表；如表4所示。

表4里程桩高表（模拟测试数据）

ID	里程	X	Y	Z	备注
						1	DK100+250	21260562.77	3334516.71	152.33	原始数据
2	DK100+251	21260567.47	3334515.31	152.45	插值数据
						3	DK100+252	21260572.17	3334513.92	152.55	插值数据
4	DK100+253	21260576.87	3334512.524	152.67	插值数据
						5	DK100+254	21260581.57	3334511.13	152.75	插值数据
6	…	…	…	…	…
						7	DK100+260	21260567.47	3334515.31	155.77	原始数据

计算缺陷点位与里程坐标索引表的欧式距离D_i，得到距离矩阵[D_i],对距离矩阵进行排序，选择距离最小的坐标对应的里程为缺陷位置的里程信息；采用里程、标段、坐标信息、位置描述、问题描述、照片、备注作为表头建立模板化表格，进行缺陷报表输出。如表5所示：

表5缺陷检测信息模板

如图4-5所示，还可利用模型进行几何尺寸量测；构建基于实景三维模型的几何尺度量测工具，工具包括水平距离d、垂直距离h、空间距离l、坡度i量测等工具。根据《高速铁路工程静态验收技术规范》TB 10760-2013中所涉及的关于尺寸量测的相关规定，结合设计施工要求执行。相关结构化表格如表6所示：

表6 工程目标几何尺寸量测检验统计表

相关计算公式如下：

获取要量测两点的空间坐标为（x₁，y₁，z₁），（x₂，y₂，z₂）

①水平距离d计算：

…………………………(14)

②垂直高度h计算：

③空间距离计算l：

…………………(15)

④坡度计算i：

………………………………………(16)

显然，上述实施例仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (6)

1.一种实景三维模型与影像融合的高速铁路竣工验收方法，其特征在于：包括以下步骤：

S1、获取区域影像和拍摄时的地理空间坐标位置，并进行空三加密处理，获取无畸变影像数据及精确的内方位元素、外方位元素；

S2、采用倾斜建模方式在空三加密的基础上进行实景三维重建，得到实景三维模型；利用实景三维场景中观测位置、姿态和外方位元素；计算线性优列矩阵；利用线性优列矩阵提取最优匹配影像；其中，在实景三维场景中计算线性优列矩阵，包括以下步骤：

S201、在空三加密的基础上采用倾斜建模方式进行实景三维重建，获取OSGB格式的实景三维模型；

S202、将OSGB格式倾斜模型进行顶层重置、纹理压缩和格式转换为3dtiles格式实景模型数据；

S203、在实景三维场景的可视化界面下获取当前场景的观察位置点、外方位元素；计算观察位置点与外方位元素中的线元素的欧式距离，得到距离矩阵A；

S204、对距离矩阵A进行排序，将前10％的部分组成线性优列矩阵B；

在S2中，所述利用线性优列矩阵提取最优匹配影像包括以下步骤：

S205、将当前视场的观察位置点处的外方位元素中的角元素形成矩阵C，将优列矩阵B对应的角元素组成的矩阵B_j；分别计算C和B_j矩阵的相关系数r_j，得到相关***矩阵R；

S206、对相关系数矩阵R进行排序，选择相关系数最大值对应的影像作为最优匹配影像；

S3、对实景三维场景下的最优匹配影像投影进行建模，得到投影模型；对投影模型的角点进行计算；所述对实景三维场景下的最优影像投影进行建模，得到投影模型，包括如下步骤：

S301、利用内方位元素和最优匹配影像的外方位元素，计算投影中心D的地面投影横坐标和地面投影纵坐标；

S302、将当前视场观察点的平均高程，设定为初始高程值，利用高程值进行迭代计算，得到影像中心的三维投影坐标(X_C,Y_C,Z_C)；

S303、根据得到的影像中心的三维投影坐标(X_C,Y_C,Z_C)，分别利用高程值进行迭代计算，依次计算得出影像左上角、左下角、右上角、右下角的角点投影坐标；

S4、以投影模型的角点，形成投影面，构建外包多面体，将影像进行纹理映射；

S5、利用S1中当前视场观察点、S3中投影模型的角点以及S4中的纹理映射；将原始影像分级切片后，进行数据可视化和融合交互；实现当前视场观察点变化时，同步进行对应影像的筛选和影像的映射加载；

S6、利用建立的实景三维模型对竣工工程进行视觉判识和几何尺寸测量；对识别和测量出的缺陷信息进行模板化整理输出。

2.根据权利要求1所述的实景三维模型与影像融合的高速铁路竣工验收方法，其特征在于：在S1中，所述内方位元素包括相机焦距、像元大小、相幅宽、相幅高、像主点横坐标以及像主点纵坐标；所述外方位元素包括线元素和角元素；所述线元素包括曝光点横坐标、曝光点纵坐标、曝光点高程；所述角元素包括俯仰角、横滚角、航偏角。

3.根据权利要求1所述的实景三维模型与影像融合的高速铁路竣工验收方法，其特征在于：在S4中，以投影模型的角点，形成投影面，将照片纹理进行映射，构建外包多面体，包括以下步骤：

将投影模型的角点，作为外包多面体的底面；

根据实景模型最高点至底面的距离，设置参考面；

将参考面其中一边为轴转动θ度，进行选址；得到角点投影面；其中，θ＝90°-Phi；Phi为相机俯仰角；

利用角点投影面将照片作为纹理进行映射。

4.根据权利要求1所述的实景三维模型与影像融合的高速铁路竣工验收方法，其特征在于：在S5中，所述将原始影像分级切片采用如下方法：

将获取的原始影像，采用二叉树分类法进行影像分块和影像分辨率重采样；

将二叉树分类法分类后的每一级影像切片数据单独放在一个文件夹下；

采用影像名称+分级编号的形式，进行文件夹命名。

5.根据权利要求1所述的实景三维模型与影像融合的高速铁路竣工验收方法，其特征在于：在S5中，进行数据可视化和融合交互时，采用WEBGL开源框架进行实景三维模型数据的加载，在实景三维模型场景上开展影像加载区域空间多边形面计算，对加载影像区域的实景模型进行隐藏显示；

在实景三维场景上，利用S3中计算的影像四个角点坐标，及S4中构建的外包多面体，将影像作为外包多面体的纹理进行映射；

将实景三维模型的观察位置角度、姿态变化作为触发影像筛选和加载的事件，每进行一次视角变换就进行一次影像的筛选与影像的映射加载。

6.根据权利要求1所述的实景三维模型与影像融合的高速铁路竣工验收方法，其特征在于：在S6中，利用建立的实景三维模型对竣工工程进行视觉判识时，包括在实景三维模型的对应位置上通过拾取点获取缺陷位置空间坐标为point_qx_i(X,Y,Z)；

通过里程桩高索引表进行插值计算得到详细的里程坐标索引表；

计算缺陷点位与里程坐标索引表的欧式距离D_i，得到距离矩阵[D_i],对距离矩阵进行排序，选择距离最小的坐标对应的里程为缺陷位置的里程信息；

采用里程、标段、坐标信息、位置描述、问题描述、照片、备注作为表头建立模板化表格，进行缺陷报表输出。