Page 54 - 2025年第56卷第9期

h
在通道 c、高度索引第 i 行、宽度索引第 w 列的像素值； z c (h) 为通道 c 中，第 h 行所有列的像素平均值
h
w
w
（横向池化）；z c (w) 为通道 c 中，第 w 列所有行的像素平均值（纵向池化），z c (h) 与 z c (w) 为通道 c 中沿
高度和宽度的池化核权重，捕捉图像的全局特征（如水平和垂直裂缝）。
该图像在经过高度和宽度方向的池化操作后，其维度由 C × H × W 转换为 C × H × 1 和 C × 1 × W
的两个输出维度，该输出维度能够获取精确的位置信息并保持长期的依赖。
坐标注意力的生成首先需要将高度和宽度得到的坐标信息进行拼接，随后对其进行卷积操作和非
线性激活操作，融合后的特征图 f 包含空间位置和通道信息，如下式所示：
h w

f = δ (F 1 ( z ，z )) （3）
式中：δ 为非线性激活函数，以增加模型的特征表达能力；F 1 (·) 为卷积函数，用于融合横向和纵向的
池化信息。
最后，该通道上高度为 i，宽度为 j 的特征 x c (i，j ) 经过输出模块变换为 y c (i，j )，如下式所示：
h h w w

g = σ (F h ( f ))， g = σ (F w ( f )) （4）
h w

y c (i，j ) = x c (i，j ) × g c (i) × g c ( j ) （5）

式中：F h 、F w 为针对不同方向的卷积操作，生成注意力权重；σ 为 Sigmoid 激活函数，将权重限制在
[ 0，1]内；x c (i，j ) 为输入图像在通道 c、高度索引第 i 行、宽度索引第 j 列处的值；y c (i，j ) 为经过注意
w
h
力模块变量后的特征值；g c (i) 和 g c ( j ) 分别为通道 c 中，沿高度和宽度的注意力权重。
2.2 混凝土结构多视图三维重建和缺陷定位量化 基于计算机视觉理论的混凝土结构多视图三维重建
方法，通过几何关系运算恢复目标对象的三维空间坐标信息，同时恢复相机在各个拍摄时刻的位姿信
息，其主要步骤可概括为特征匹配、稀疏重建、稠密重建、点云网格化和纹理映射，见图 3。

图 3 基于多视图立体视觉的三维重建流程

特征匹配即对该数据集进行图像两两匹配，计算两幅图像中存在的共有特征点并将其配对。引入尺
度不变特征转换算法作为混凝土结构航拍图像特征匹配的计算方法。核心思想是在不同尺度空间上寻找
关键点，通过利用检测图像中的局部特征，在尺度空间中检索极值点，提取出其位置、尺度和旋转不
变量。
稀疏重建的目的在于将这些特征点从二维图像中投影到三维空间中，该过程又被称为运动恢复结
构。通过针孔相机理论，建立成像平面二维坐标到真实世界三维坐标的映射关系，进而估计相机位姿
信息。在明确相机位姿信息后，将匹配得到的共有特征点进行前方交会获得三维点坐标。通过稀疏重
建可以获得结构的稀疏点云模型，该模型点云数量较少，仅包含图像数据集中特征点的投影，只能表
征结构的大致形状与空间位置，无法满足视觉三维重建所需的精度与细节信息，需要对点云进行稠密

化 ， 即 将 航 拍 图 像 集 中 每 一 个 像 素 均 投 影 到 三 维 空 间 中 ， 这 个 步 骤 称 为 稠 密 重 建（Multiple View
Stereo，MVS），旨在利用图像集的相机姿态信息和图像特征点的密集对应关系，实现对稠密三维点云
模型的构建。本文采用基于深度图融合的 PatchMatch 算法计算每张输入图像的深度图，将所有像素点
反向投影至三维空间，生成三维点云模型。
通过稠密重建可获取混凝土结构的密集点云模型，但该点云模型是离散结构，无法完成后续的纹
理映射工作，需要进一步将点云连接，形成网格化模型，达到离散到连续的目的。本文采用泊松重建
方法，根据具有法线信息的稠密点云，来求解物体的向量场。
混凝土结构网格模型仅能表征混凝土结构特征，无法描述表面纹理细节信息，故需要进行纹理
重建以生成真实的实景模型。本文采用基于映射的纹理重建方法。在纹理映射时，输入为初步构建的
混凝土结构网络模型，其包括了大量的面片和顶点，每个顶点为一组三维空间坐标点，面片为三个顶

— 1158 —