Page 105 - 《武汉大学学报（信息科学版）》2025年第6期

第 50 卷第 6 期 朱 军等：结构语义特征约束的地震灾害 AR 场景精准建模方法 1127

constraints. The optimized AR scene registration error has been reduced by 80% compared to the direct
modeling method. Conclusions: The findings demonstrate that the proposed method can effectively extract
and match virtual-real features, leading to accurate AR scene modelling for earthquake disaster scenarios.
At the same time, the proposed method has important application potential for improving the accuracy and
reliability of AR applied to disaster emergency response, and can assist on-site rescue personnel to obtain
more accurate disaster information.
Key words： earthquake field； augment reality； structure semantic； feature constraints； virtual-real fusion
modeling

近年来，全球气候变化和自然灾害频发，其 但在 AR 场景建模中，由于虚实图像存在异质性，
中地震导致的建筑物受灾造成了巨大的人员伤 传统真实图像特征提取方法 ［18-19］ 无法适用于异源
亡与经济财产损失，地震受灾建筑中救援工作的 虚实图像，特征提取及匹配精度较差，无法满足高
展开也面临诸多风险与挑战 ［1-2］ 。《“十四五”国家 精度位姿解算需求。近年来，随着深度学习方法
［3］
应急体系规划》 中提出的安全应急产品和服务 的飞速发展，许多基于深度学习的虚实特征匹配
发展重点包括新型应急指挥通信和信息感知产 算法被提出 ［20］ ，但其高效运作依赖于大量标注精
品。在应急救援工作中，相较于侧重沉浸感的虚 确的训练样本。在复杂灾害场景下，样本数据的
拟现实（virtual reality， VR），侧重虚拟与现实融 缺乏限制了深度学习模型的提取精度，导致提取

合的增强现实（augmented reality， AR）是实现高 结果不可靠。此外，国内外学者也对异源图像匹
效灾情信息融合、灾情场景感知的重要举措 ［4-6］ 。 配进行了研究，部分学者考虑利用建筑结构特征
AR 建模是一种将虚拟信息与真实世界场景叠加 信息优化异源图像匹配，分别利用天际线 ［21］ 、铅垂
的计算机技术，然而在复杂的地震灾害场景中， 线 ［22］ 、二维地图 ［23］ 等内容改进了目标特征的提取
现 有 AR 建 模 难 以 精 准 获 取 真 实 世 界 空 间 信 及匹配过程，能够实现建筑在自然状态下的虚实
息 ［7-8］ ，导致灾害场景 AR 建模不精确，难以为应 融合建模，但在复杂受灾环境下，仅靠单一约束的
急救援提供较为准确的信息支撑。 特征提取难以实现高精度 AR 场景建模。
目前 AR 建模方法主要基于标识信息实现， 针对以上问题，为提高地震灾害 AR 场景虚
［9］
包括基于标识物 、即时定位与地图构建（simul‑ 实建模精度，本文以基于地理配准的 AR 建模方
taneous localization and mapping，SLAM） 、图像 法为基础，充分考虑地震灾害现场复杂环境，剖
［10］
识别 ［11］ 、空间感知 ［12］ 等，此类方法需要在对目标区 析地震受灾建筑特征，提出了结构语义特征约束
域进行预处理的前提下，基于标识进行 AR 融合 的地震灾害 AR 场景精准建模方法，以期解决现
建模，但方法识别范围有限，且需要提前布置标识 有方法针对复杂灾害场景存在的融合不准问题，
物，难以实现地震灾害场景复杂应急环境 AR 建 实现地震现场的虚拟场景现实场景的高精度融
模 ［13］ 。为解决上述问题，有学者提出了基于地理 合建模，为救援人员快速精准定位受困者提供技
配准的户外 AR 建模方法 ［14］ ，在结合三维地理信 术支撑，提高地震灾害应急救援效率。
息系统与 AR 的基础上，基于位置和姿态传感器
在三维地理信息场景中进行注册，对虚实场景进 1 方法
行 AR 融合展示，符合环境复杂的地震灾害场景
1.1 总体研究思路
应急救援使用场景需求。然而，受到定位精度以
本文提出结构语义特征约束的地震灾害 AR
及惯性测量单元（inertial measurement unit，IMU）
场景精准建模方法，如图 1 所示。首先，充分考虑
获取姿态误差等硬件限制，基于地理配准的户外
建筑结构与地震灾害现场受灾环境，厘清不同情
AR 建模方法存在虚实融合不准的问题 ［15］ 。
景下灾害现场空间结构约束，构建灾害现场空间
针对户外 AR 建模虚实融合不准的问题，学
结构语义特征库；然后，充分利用受灾现场结构
者们使用基于视觉的三维配准方法进行 AR 融合
特征，提出了结构特征约束的地震灾害虚实特征
建模。基于视觉的三维配准核心是在特征提取
提取方法；最后，基于虚实特征对进行高精度位
和 匹 配 的 基 础 上 对 用 户 的 位 置 、姿 态 进 行 解
姿解算，实现地震灾害现场 AR 场景精准建模。
算 ［16-17］ ，进 而 实 现 真 实 世 界 与 虚 拟 世 界 的 配 准 。