Page 109 - 《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 1131

1.4.2 地震灾害现场 AR 融合建模 根据解算的用户高精度位姿，进行用户位姿在虚
灾害现场虚实融合建模方法如图 7 所示。首 拟场景中的准确注册，综合三维虚拟模型以及标
先将用户信息库与渲染服务器建立连接，通过位 注符号库进行救援方案标注，进而实现地震灾害
姿、相机传感器获取真实图像以及粗位姿；然后 AR 场景的精准虚实融合建模。

图 7 灾害现场虚实融合建模
Fig. 7 Virtual-Real Fusion Modelling of Disaster Site

2 实验与分析 2） 实验数据
本文从不同角度采集了虚拟图像以及真实
为了验证本文方法，本文选取四川省成都市 图像进行特征提取实验，拍摄数据为救援常用地
内占地面积 60 m 的轻度受损两层砖房以及占地 面视角，图像分辨率均为 4 000×3 000 像素，并同
2
112 m 的轻度受损三层砖房作为实验案例。基于 时记录拍摄照片的位姿与姿态信息，分别使用建
2
受损建筑虚拟模型，以搭载 Android 系统的移动 模数据以及三维重建结果构造虚拟场景，根据本
设 备 为 获 取 设 备 ，以 Unity3D 以 及 Visual Studio 文所述虚实映射方法初步获取虚拟图像，实验数
2019 为实验平台，结合 OpenCV 计算机视觉开源 据如图 8 所示。
库，设计了虚实图像线特征提取、特征匹配实验 2.2 实验分析
以及位姿解算与虚实融合实验。 2.2.1 结构语义特征提取分析
2.1 实验仪器设备及实验数据 为了验证本文语义约束的线特征提取方法
1） 实验设备 应用于地震灾害现场的有效性，采用现有的主流

实验图像使用移动设备进行数据采集，使用 线 特 征 提 取 方 法 Hough_p ［24］ 、LSD ［25］ 、FLD ［26］ 、
相机进行真实图像获取，同时使用位姿传感器记 EDLines ［27］ 与本文方法对实验数据进行线特征提
录位姿姿态，基于标定棋盘格标定手机相机内参， 取处理，得到结果如图 9 所示。
得到手机相机的横向、纵向焦距分别为 3 919.8 像 本文采用 F1 分数对结果进行评价，F1 分数
素、2 926.4 像素，相机主点位置为（1 969.4 像素， 综合了准确率 P 和召回率 R 两个指标。P 和 R 通
1 475.9 像 素），相 机 径 向 畸 变 系 数 为（0.005 5， 常是一对矛盾的度量，当提取置信度高时，P 偏
−0.041 0），切向畸变系数为（0.004， 0.005）。 高；分类置信度低时，R 偏高。因此本文将 F1 分