无人机倾斜摄影测量与区域网平差

无人机倾斜摄影测量与区域网平差主要内容无人机与倾斜影像发展背景无人机影像空三处理技术五倾斜影像区域网平差测绘无人机发展展望无人机与倾斜影像发展背景无人机摄影测量发展环境数字摄影测量发展无人机技术争奇斗艳摄影测量与计算机视觉无人机摄影测量发展环境数字摄影测量发展行业门槛大大降低无人机技术发展争奇斗艳计算机视觉发展计算机视觉与摄影测量的关系计算机视觉有影响力的成果（一日建罗马）摄影测量人的对策数字摄影测量发展数字影像和计算机发展催生数字摄影测量随着数字传感器技术的发展，尤其是CCD器件和CMOS器件的迅速发展，利用CCD(或CMOS)像机不需要胶片就可直接获得被测物的数字影像，这种直接基于数字影像的进行摄影测量称为数字摄影测量处理设备由精密机器设备到精密数值计算数字摄影测量发展摄影测量平民化胶片到数字、精密机器转化为数值计算一台普通PC可完成摄影测量任务从业门槛大大降低自动化程度大大提高减少对人的依赖摄影测量行业特点技术驱动（模拟解析数字、胶片到数字、GPS像控点）具备爆发增长的条件（门槛低、需求大、光线到光束）进军大比例尺无人机技术争奇斗艳黄蜂无人机飞机原型是由Aerovironmen公司建造的战场空中战术微型航空器（Waspblock3型）系统。黄蜂无人机通过固定的翅膀获得上升力，并通过螺旋桨获得推动力，螺旋桨的动力来自一个10w的电动马达。黄蜂无人机最大高度范围大约三英里，续航能力大约1个小时。三种黄蜂尺寸大小：Block1:长5英寸，宽13英寸，0.4磅Block2：长6英寸，宽16英寸，0.6磅Block3：长15英寸，宽29英寸，0.9磅全球鹰诺斯罗普·格鲁曼公司的RQ-4A“全球鹰”是美国空军乃至全世界最先进的无人机。“全球鹰”最大飞行速度740km/h，巡航速度635km/h，航程26000km，续航时间42h。可从美国本土起飞到达全球任何地点进行侦察。机上载有合成孔径雷达、电视摄像机、红外探测器三种侦察设备，以及防御性电子对抗装备和数字通信设备。摄影测量与计算机视觉的联系与区别摄影测量是测绘学科的一个分支，它是对由摄影机提取的影像（二维）进行量测，测定物体在三维空间的位置、形状、大小、乃至物体的运动。摄影测量在近百年的历史中经历了：模拟、解析与数字摄影测量三个阶段。当被测物体的尺寸或摄影距离小于100米时的摄影测量称之为近景摄影测量（Close-rangephotogrammetry）摄影测量与计算机视觉计算机视觉的研究目标是使计算机具有通过二维图像认知三维环境信息的能力，这种能力将不仅使机器感知三维环境中物体的几何信息，包括它的形状、位置、姿态、运动等，而且能对它们进行描述、存储、识别与理解。摄影测量与计算机视觉由此可知，数字近景摄影测量与计算机视觉（特别是立体视觉）在研究内容和目标上十分相近。数字摄影测量关注的是几何量的量测信息（物体的位置、大小和形状等）；计算机视觉也需要量测信息，但其更为关注的是对物体进行描述、识别和理解。因此，数字近景摄影测量和视觉测量（或检测）所关注的是完全一致的。摄影测量与计算机视觉事实上，数字近景摄影测量与计算机视觉（测量）的理论基础是一致的，二者都是针孔成像原理（像点、镜头中心和物点共线）的具体应用。摄影测量计算机视觉相互融合发展摄影测量有严密光束法平差计算机视觉各种求取初值的方法一日建罗马计算机视觉代表性成果一百万多张网络罗马城相片非定焦未知相机内参数无初始方位元素全自动处理三项促进革命性发展的技术从给定的两张相片中自动检测出可靠且充分密集的连接点，如SIFT、MSER仅利用连接点就可以对大量影像进行自动定向，如bundler对定向的影像自动进行密集匹配，如PMVS、SGM摄影测量人的对策问题计算机视觉发展势头强劲摄影测量研究人数少•对策融入新的大家庭吸纳计算机视觉成果，与时俱进无人机影像空三处理技术1.无人机影像特点2.无人机影像对空三的影响3.如何获得良好的空三成果4.GodWork简介5.无人机数据处理实例6.DSM匹配与滤波1.无人机航飞特点1.1装载非专业数码相机1.2小像幅、小基高比1.3影像数量多1.4重叠度高，偏角大1.5存在像点位移1.1非专业数码相机普通定焦型普通单反型数码相机可量测单反型佳能5DMarkII相机无人机装载的非专业相机存在镜头畸变系统误差。如下图所示的佳能5DMarkII相机和其参数。相机型号佳能5DMarkII像片大小(pixel)5616*3744焦距(mm)24.0像主点x02805.2330像主点y01909.9680焦距f3805.0257径向畸变系数k1(1e-9)7.8963158668径向畸变系数k2(1e-16)-5.29偏心畸变系数p1(1e-8)7.8087790670偏心畸变系数p2(1e-8)-6.1462701818非正方形比例(1e-6)-2.498976非正交性畸变(1e-5)-1.7928397航高H基线B基线B大像幅小像幅1.2小像幅、小基高比1.3影像数量多举例对6km2方某地进行航拍：无人机平台装载Cannon450D相机全部相片数达1200张传统航测平台使用DMC相机全部相片不超过300张1.4重叠度高、偏角大航向重叠度能达到70-85%，旁向重叠35-55%，但受相机姿态的影响，所拍摄影像间的预设重叠度无法得到严格保证相邻影像间很可能存在较大的旋角和上下错动，最大旋转角可能达到20°1.5像点位移•摄影相机安装在无人机的移动平台上，在相机曝光时间内飞行器的运动产生的像点位移会造成影像模糊。对于大型专业宽幅量测数码航空相机会通过时间延迟与向前运动补偿来消除像点位移影响。但对于无人机搭载的中幅甚至小幅的非量测相机，这些像点位移是没法得到补偿的。2.无人机航飞对空三影响2.1大偏角给匹配带来困难2.2基高比小和大偏角对相对定向的影响2.3高重叠度的匹配更稳健2.4像点位移降低了像点量测精度2.5非专业相机的镜头畸变2.1大偏角给匹配带来困难由于无人机姿态不稳定的特性，决定了相邻影像间很可能存在较大的旋偏角和上下错动，无法使用传统的灰度影像匹配算法获取同名点，具体在以下三个方面：1.像间的左右重叠度和上下重叠度变化大，加上低空遥感影像摄影比例尺大，造成表面不连续地物（如高楼）在影像上的投影差大，因而无法确定匹配的搜索范围；2.相邻影像间的旋偏角大，难以进行灰度相关；3.飞行器的飞行高度、侧滚角和俯仰角变化大，从而导致影像间的比例尺差异大，降低了灰度相关的成功率和可靠性2.2对相对定向的影响基高比小：由于无人机获取的影像重叠度大，摄影时的基线短，而基线越短，所成的交会角就会小，极大程度的影响了测图的高程精度，如果仍然按传统方法用相邻影像构成立体相对，高程精度就很难得到保证。一般处理办法是通过隔片构成立体相对，通过增加基线长度和增大前方交会角的方式，提高测图的高程精度。大偏角：当无人机在几百米高空飞行时，由于其自身的质量较轻、气流影响较大，使其在空中的姿态很不稳定，导致获取的影像存在较大的畸变差，并且相邻影像的亮度、对比度的差距也较大，降低了同名点匹配的数量和精度，而影像的相对定向的精度与匹配特征点的数量和精度密切相关。2.3高重叠度的匹配更稳健影像的重叠度越大(也即基线越短)，相邻影像间的差异越小，自动匹配越容易，匹配点越多，相对定向的精度也非常好。随着影像重叠度的减小(也即基线变长)，影像间的差异变大，由姿态引起的影像间的差异比较明显，造成匹配的同名点数不断减少，相对定向精度逐渐降低，在重叠度低于65％时(大于60％)，匹配困难。航向重叠度(%)89.186.380.175.370.065.1自动匹配点数940770645510440348中误差(pixel)0.10.20.30.40.60.82.4像点位移公式(1).飞行器的地面速度(2).相机曝光时间(3).焦距长度c(4).飞行器的飞行高度(5).像元大小曝光间隔与地面分辨率、地面速度关系相同曝光时间下飞行器运动速度越大,像点位移量越大,影像模糊程度越高；相同飞行器运动速度下曝光时间越长,像点位移量越大,影像模糊程度越高；减少曝光时间会相应地减少进光量，这样同样影响影像的拍摄质量；降低飞行速度，顾虑到影像基高比就要相应地增加曝光时间间隔，这样就会影响作业效率；飞行时既要考虑到像点位移也要考虑作业效率和影像获取的质量，所以需要在曝光时间间隔与飞行器的飞行速度间找到一个最佳值。像点位移综合分析2.5镜头畸变从左图中的我们直接看出可以看出边缘像片点的镜头畸变值较中间大，而右图给出了镜头畸变大小与点离像主点距离的模拟的函数关系。3.如何获得良好的空三成果3.1无人机的选择3.2相机方面3.3飞行设计3.4控制点布设3.5空三处理3.1无人机的选择飞行速度飞行速度越慢，像点位移越小飞行平稳度飞机平稳，保证重叠度续航时间续航时间长短，直接影响作业效率有效荷载可装载的相机类型（+镜头）易操作性维修保养3.2相机方面相机关键参数光圈、快门、CCD尺寸、芯片处理速度、镜头质量相机标定任务前或后进行标定，可考虑便携板进行标定有利提高精度（0.3m到0.1m）相机模式全手动模式(起飞前进行测光)焦距选择避免盲目选择长焦（500m航高时速100km/h24mm镜头，较合适）3.3飞行设计重叠度通常采用航向75%旁向50%重叠，保障60%30%重叠要求航高充分顾及影像的有效分辨率，并非航高越低分辨率越高有风天气尽量避免有风天气飞行，特殊情况采用高重叠度方式进行飞行，减小后期处理工作量和保证处理精度3.4控制点布设原则均匀布设，边角加密，大面积弱纹理区域（水域、森林、农田）边界加密。一块很多小片缝合的大毡布，控制点是固定毡布的钉子，钉子稀少的地方毡布会下垂(区域网变形)，相同密度毡布厚的地方下垂量小(重叠度高和连接点多的区域)。毡布破洞周围会产生下垂（大面积弱纹理区域）,避免下垂破洞附近加钉子(加控制点)。飞行前布控，可以提高精度。圆形点较优飞行后布控，平面内的标志点较优3.5空三处理连接点质量和度数注意检查连接点质量（重复纹理或无纹理地区）连接点度数尽量高逐步优化很多软件依赖较好曝光点坐标，恰是无人机的短板。可以粗略平差计算结果作为初值。像片边界点镜头畸变、像片周边模糊4.GodWork简介4.1系统概述针对无人飞机像幅小、姿态不稳定、重叠度大、非专业相机等特点，开发了一套无人机摄影测量数据自动处理系统GodWork2006-2008年基础算法研究2009年-2010年系统开发2011年-系统应用与升级4.2系统功能无人机影像数据相机标定参数影像POS数据GodWork全自动处理系统控制点数据彩色三维点云DEM正射影像4.3系统特色采用特征匹配，适用于大偏角影像、大高差地区空三和DEM生成一体化，所有点参与光束法平差每片像点5千~2万个，空三结果直接生成DEM较传统空三增加了上百倍的观测值，系统具备更强的粗差检测能力自标定，不需要严格相机参数处理自动化程度高支持多核CPU4.4系统流程特征匹配每张影像提取特征点，相邻影像进行匹配初始构网每张影像提取特征点，相邻影像进行匹配带附加参数的光束法平差把所有匹配点纳入平差过程DEM和正射影像生成4.5效率测试采用不同地面类型无人机影像数据20套，每套数据像片数100~1200张不等，航高500~800米，佳能5D相机，焦距24mm，像片大小5616x3744像素运行环境，Intel4核i7CPU、内存8G运行模式全自动批处理平均处理速度每分钟5片成果密集点云（每片5,000~20,000像点）DEM正射影像（采用GeoDoging进行匀光和镶嵌）4.6实例(左)彩色的点云(中)DEM(右)正射影像新疆某地区338张像片，耗时25分钟，