CN112001277B - 无人机填图方法、填图装置及填图系统 - Google Patents
无人机填图方法、填图装置及填图系统 Download PDFInfo
- Publication number
- CN112001277B CN112001277B CN202010800039.7A CN202010800039A CN112001277B CN 112001277 B CN112001277 B CN 112001277B CN 202010800039 A CN202010800039 A CN 202010800039A CN 112001277 B CN112001277 B CN 112001277B
- Authority
- CN
- China
- Prior art keywords
- image data
- unmanned aerial
- aerial vehicle
- shooting
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000012937 correction Methods 0.000 claims abstract description 79
- 238000013507 mapping Methods 0.000 claims description 32
- 238000003384 imaging method Methods 0.000 claims description 30
- 238000001514 detection method Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 21
- 238000005259 measurement Methods 0.000 claims description 12
- 230000015572 biosynthetic process Effects 0.000 abstract description 15
- 230000002411 adverse Effects 0.000 abstract description 14
- 230000000694 effects Effects 0.000 abstract description 12
- 230000008030 elimination Effects 0.000 abstract description 10
- 238000003379 elimination reaction Methods 0.000 abstract description 10
- 238000003860 storage Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000001788 irregular Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种无人机填图方法、装置及填图系统,在获取无人机的机载设备对目标区域进行航拍的第一影像数据后,对第一影像数据进行成像检测,获取第一影像数据的修正参数,并根据修正参数修正第一影像数据中的冗杂信息,得到第二影像数据,进一步地消除第二影像数据中的畸变差,得到第三影像数据,将第三影像数据转换为填图结果。基于此,通过修正参数修正和畸变差消除,降低高原环境对无人机成像的负面影响,以提高填图结果的质量。
Description
技术领域
本发明涉及无人机设备领域,特别是涉及一种无人机填图方法、填图装置及填图系统。
背景技术
近些年来,无人机技术作为一种新兴技术,从理论研究走向了实用化的阶段。出现了众多不同类型的无人机技术产品。无人机作为一种飞行器平台,相比较于地面平台,其工作场景限制较小且使用范围广。目前,无人机平台可以搭载诸多的传感器设备,诸如分辨率较高的相机、可见光高分辨相机、红外摄像机、多光谱设备、物探领域的航磁设备、以及激光雷达等传感器。基于无人机平台和平台搭载设备的发展,无人机在各个领域开始得到广泛的应用。
其中,区域地质调查、勘探或地图测绘等地质区域作业,传统的方式是依靠工作人员人工作业,包括使用行走载具、攀爬设备等进行地面作业。但是,这类区域作业往往需要面临复杂的地形和恶劣的环境,给地面作业带来了诸多不便。无人机作为一种飞行器平台,可有效地克服地面作业中需要的障碍。因此,无人机在地质、测绘领域的应用优势开始突显,尤其是在高海拔且交通不便的高原地区,使用无人机进行填图作业,进而完成地质调查、勘探或地图测绘等作业的需求更为迫切。
目前,无人机根据构造分类主要有固定翼无人机、旋翼无人机、伞翼无人机和扑翼无人机等几种,而在地质、测绘领域中使用的主要是多旋翼无人机,根据载重不同采用四旋翼无人机、八旋翼无人机或十二旋翼无人机等。然而,无论是哪种构造分类的无人机,在高原地区使用都会面临以下几个问题:第一,高原地区空气密度低,影响无人机的动力和稳定性;第二,高原地区气候恶劣,风雨雪天气占比大,影响无人机的运行和机载设备的稳定性。由此可见,高原地区的使用问题,对无人机的平台和机载设备成像均有不利的影响,容易影响无人机填图生成的三维实体模型的质量,降低作业的精确度和参考性。
发明内容
基于此,有必要针对高原地区的使用问题,对无人机的平台和机载设备均有不利的影响,容易影响无人机填图生成的三维实体模型的质量,降低作业的精确度和参考性的缺陷,提供一种无人机填图方法、填图装置及填图系统。
一种无人机填图方法,包括步骤:
获取无人机的机载设备对目标区域进行航拍的第一影像数据;
对第一影像数据进行成像检测,获取第一影像数据的修正参数;
根据修正参数修正第一影像数据中的冗杂信息,得到第二影像数据;
消除第二影像数据中的畸变差,得到第三影像数据;
将第三影像数据转换为填图结果。
上述的无人机填图方法,在获取无人机的机载设备对目标区域进行航拍的第一影像数据后,对第一影像数据进行成像检测,获取第一影像数据的修正参数,并根据修正参数修正第一影像数据中的冗杂信息,得到第二影像数据,进一步地消除第二影像数据中的畸变差,得到第三影像数据,将第三影像数据转换为填图结果。基于此,通过修正参数修正和畸变差消除,降低高原环境对无人机成像的负面影响,以提高填图结果的质量。
本发明的一套技术方案中,还包括步骤:
获取无人机的机载设备对目标区域内预设标定点进行航拍的第四影像数据;
根据预设标定点对应的预设三维模型和第四影像数据获得三维标定数据;
根据三维标定数据和第三影像数据获得目标影像图或目标数字模型,以完成填图。
本发明的一套技术方案中,在获取无人机的机载设备对目标区域进行航拍的第一影像数据的过程之前,还包括步骤:
对机载设备进行相机标定,消除机载设备在目标区域的成像畸变。
本发明的一套技术方案中,消除第二影像数据中的畸变差的过程,包括步骤:
根据机载设备对应的预设鉴定报告,校正第二影像数据中的畸变差。
本发明的一套技术方案中,对第一影像数据进行成像检测,获取第一影像数据的修正参数的过程,包括步骤:
检测第一影像数据的实际信噪比;
比较第一影像数据对应的原始干扰区域和实际信噪比,得到对比度测量值;
根据对比度测量值和实际信噪比作为修正参数。
本发明的一套技术方案中,根据修正参数修正第一影像数据中的冗杂信息的过程,包括步骤:
去除第一影像数据中原始干扰区域中大于修正参数的影像区域。
本发明的一套技术方案中,将第三影像数据转换为填图结果的过程,包括步骤:
对第三影像数据进行空三处理,获得空三处理结果。
本发明的一套技术方案中,将第三影像数据转换为填图结果的过程,包括步骤:
基于第三影像数据提取出数字高程模型。
一种无人机填图装置,包括:
航拍获取模块,用于获取无人机的机载设备对目标区域进行航拍的第一影像数据;
参数获取模块,用于对第一影像数据进行成像检测,获取第一影像数据的修正参数;
修正模块,用于根据修正参数修正第一影像数据中的冗杂信息,得到第二影像数据;
校正模块,用于消除第二影像数据中的畸变差,得到第三影像数据;
影像转换模块,用于将第三影像数据转换为填图结果。
上述的无人机填图装置,在获取无人机的机载设备对目标区域进行航拍的第一影像数据后,对第一影像数据进行成像检测,获取第一影像数据的修正参数,并根据修正参数修正第一影像数据中的冗杂信息,得到第二影像数据,进一步地消除第二影像数据中的畸变差,得到第三影像数据,将第三影像数据转换为填图结果。基于此,通过修正参数修正和畸变差消除,降低高原环境对无人机成像的负面影响,以提高填图结果的质量。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述任一实施例的无人机填图方法的步骤。
上述的计算机设备,在获取无人机的机载设备对目标区域进行航拍的第一影像数据后,对第一影像数据进行成像检测,获取第一影像数据的修正参数,并根据修正参数修正第一影像数据中的冗杂信息,得到第二影像数据,进一步地消除第二影像数据中的畸变差,得到第三影像数据,将第三影像数据转换为填图结果。基于此,通过修正参数修正和畸变差消除,降低高原环境对无人机成像的负面影响,以提高填图结果的质量。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一实施例的无人机填图方法的步骤。
上述的计算机可读存储介质,在获取无人机的机载设备对目标区域进行航拍的第一影像数据后,对第一影像数据进行成像检测,获取第一影像数据的修正参数,并根据修正参数修正第一影像数据中的冗杂信息,得到第二影像数据,进一步地消除第二影像数据中的畸变差,得到第三影像数据,将第三影像数据转换为填图结果。基于此,通过修正参数修正和畸变差消除,降低高原环境对无人机成像的负面影响,以提高填图结果的质量。
一种填图系统,包括影像处理设备和无人机;
影像处理设备被配置为:
获取无人机的机载设备对目标区域进行航拍的第一影像数据;
对第一影像数据进行成像检测,获取第一影像数据的修正参数;
根据修正参数修正第一影像数据中的冗杂信息,得到第二影像数据;
消除第二影像数据中的畸变差,得到第三影像数据;
将第三影像数据转换为填图结果。
上述的填图系统,影像处理设备在获取无人机的机载设备对目标区域进行航拍的第一影像数据后,对第一影像数据进行成像检测,获取第一影像数据的修正参数,并根据修正参数修正第一影像数据中的冗杂信息,得到第二影像数据,进一步地消除第二影像数据中的畸变差,得到第三影像数据,将第三影像数据转换为填图结果。基于此,通过修正参数修正和畸变差消除,降低高原环境对无人机成像的负面影响,以提高填图结果的质量。
一种倾斜拍摄无人机,设有无人机倾斜拍摄平台、红外测距设备和高度控制器;无人机倾斜拍摄平台设于所述倾斜拍摄无人机的底部;红外测距设备用于测量倾斜拍摄无人机距离地面的竖直高度;高度控制器用于调整倾斜拍摄无人机距离地面的竖直高度;倾斜拍摄无人机为固定翼无人机或旋翼无人机。
上述的倾斜拍摄无人机,设置无人机倾斜拍摄平台,能够通过无人机倾斜拍摄平台连续倾斜拍摄的图像获取更加准确的非规则拍摄对象的模型,并且通过在无人机上设置高度调节装置,保证无人机倾斜拍摄平台在进行连续倾斜拍摄时,无人机相对底面的高度保持不变,可以适应野外山区内复杂多变的山风,防止山风造成连续拍摄的图像产生高度差,以降低高原环境对无人机成像的负面影响。
在其中一个实施例中,无人机倾斜拍摄平台包括:基板、调平装置、水平板、第一拍摄组件和第二拍摄组件;
水平板通过调平装置安装在基板上;调平装置调节水平板处于水平状态;第一拍摄组件固定设置在水平板的底面上,且拍摄方向竖直向下;第二拍摄组件可转动地设置在水平板的底面上,且拍摄方向相对竖直方向倾斜向下;第二拍摄组件绕第一拍摄组件旋转。
本发明的一套技术方案中,水平板的底面设有圆形滑轨,第一拍摄组件位于圆形滑轨的圆心处;第二拍摄组件设置在滑块上,滑块在圆形滑轨内绕第一拍摄组件转动。
本发明的一套技术方案中,圆形滑轨的内侧壁设有齿圈,滑块位于圆形滑轨内的部分设有齿轮;齿轮与齿圈通过行星齿轮组啮合,且第二拍摄组件朝远离圆形滑轨的径向向外倾斜。
本发明的一套技术方案中,水平板设有齿轮组电机,齿轮组电机控制滑块绕第一拍摄组件转动。
本发明的一套技术方案中,调平装置设有至少3个调平组件和1个标定铰;调平组件为可伸缩杆,相对于第一拍摄组件在水平板上的位置周向均布;标定铰为直接将基板和水平板连接的球铰;
可伸缩杆的固定端与水平板球铰接,可伸缩杆的伸缩端与基板球铰接;水平板设有陀螺仪,陀螺仪与调平装置的控制器电连接,控制器控制调平组件的伸缩长度。
本发明的一套技术方案中,第一拍摄组件包括第一相机,第一相机的拍摄方向竖直向下;
第二拍摄组件包括第二相机和倾斜调整组件,倾斜调整组件调整第二相机的拍摄方向与竖直方向的夹角。
本发明的一套技术方案中,第二相机的拍摄范围与第一相机的拍摄范围之间设有公共拍摄区域。
本发明的一套技术方案中,水平板和基板均为圆形板;
基板设有周向均布的多个安装通孔。
附图说明
图1为实施例1中一实施方式的无人机倾斜拍摄平台的结构示意图;
图2为实施例2中一实施方式的倾斜拍摄无人机的结构示意图;
图3为实施例3中一实施方式的无人机填图方法流程图;
图4为实施例3中另一实施方式的录播控制方法流程图;
图5为实施例4中一实施方式的录播显示界面图;
图6为实施例4中一实施方式的切换方法流程图;
图7为实施例4中一实施方式的无人机填图装置模块结构图;
图8为实施例6中一实施方式的填图系统结构示意图。
附图标记:
1-基板;2-水平板;3-调平组件;4-第一相机;5-第二相机;6-圆形滑轨;
7-滑块;8-倾斜调整组件;1001-无人机。
具体实施方式
为了更好地理解本发明的目的、技术方案以及技术效果,以下结合附图和实施例对本发明进行进一步的讲解说明。同时声明,以下所描述的实施例仅用于解释本发明,并不用于限定本发明。
在本发明实施例的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接可以是机械连接,也可以是电连接可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
全文中描述使用的术语“顶部”、“底部”、“在……上方”、“下”和“在……上”是相对于装置的部件的相对位置,例如装置内部的顶部和底部衬底的相对位置。可以理解的是装置是多功能的,与它们在空间中的方位无关。
实施例1
如图1、图2所示,本发明实施例提供一种无人机倾斜拍摄平台,用于无人机倾斜拍摄。无人机倾斜拍摄平台,包括:基板1、调平装置、水平板2、第一拍摄组件和第二拍摄组件。基板1与无人机固定连接,作为整个无人机倾斜拍摄平台的安装载体;水平板2通过调平装置安装在基板1上,调平装置调节水平板2处于水平状态;第一拍摄组件固定设置在水平板2的底面上,且拍摄方向竖直向下;第二拍摄组件可转动地设置在水平板2的底面上,且拍摄方向相对竖直方向倾斜向下,用于获取直射拍摄图像;第二拍摄组件绕第一拍摄组件旋转,用于获取连续倾斜拍摄图像。由于本发明实施例主要用于对山区等野外地质勘察或灾害评估,野外复杂的气流会造成无人机的倾斜,当无人机发生倾斜时,调平装置能够调节水平板2处于水平状态,使得在第二拍摄组件进行连续倾斜拍摄时,不会因无人机的倾斜而造成连续倾斜拍摄图像存在高度和/或角度的差异,避免因此产生的三维模型误差。
在第二拍摄组件进行倾斜拍摄时,第二拍摄组件的拍摄方向始终沿第二拍摄组件圆形运动轨迹的径向向外,以保证连续倾斜拍摄的角度保持不变,方便三维模型的合成。具体的,水平板2的底面设有圆形滑轨6,第一拍摄组件位于圆形滑轨的圆心处;第二拍摄组件设置在滑块7上,滑块7在圆形滑轨6内绕第一拍摄组件转动,且第二拍摄组件朝远离圆形滑轨6的径向向外倾斜。在进行连续倾斜拍摄时,滑块7在圆形滑轨6内匀角速度转动,连续拍摄的拍摄步长越短、滑块7旋转一周后,连续倾斜拍摄的图像越多,每帧图像之间的连续性越好,三维模型的合成越贴合实际的拍摄对象,但如果拍摄步长过短,拍摄的图像过多,会极大地增加图像的数据量以及模型合成的计算量,本发明实施例中滑块7旋转一周,连续倾斜拍摄的图像数量为8-60,优选为24。
本发明实施例通过行星齿轮组的形式来实现滑块7在圆形滑轨6内的运动,具体的,圆形滑轨6的内侧壁设有齿圈,滑块7位于圆形滑轨6内的部分设有齿轮;齿轮与齿圈通过行星齿轮组啮合。
为了使滑块7能够在圆形滑轨6内绕第一拍摄组件匀速转动,本发明实施例中,水平板2设有齿轮组电机,齿轮组电机控制滑块7绕第一拍摄组件转动,由于齿轮组电机的转动角速度决定了滑块7在圆形滑轨6内绕第一拍摄组件旋转的角速度,而滑块7在圆形滑轨6内绕第一拍摄组件旋转的角速度决定了第二拍摄组件进行连续倾斜拍摄过程中拍摄图像的时间间隔,因此为了方便对齿轮组电机转动速度的控制,本发明实施例中齿轮组电机采用步进电机,以简化电机的控制算法。
本发明实施例中,调平装置调节水平板2处于水平状态,具体的,调平装置设有至少3个调平组件3和1个标定铰;调平组件3为可伸缩杆,相对于第一拍摄组件在水平板2上的位置周向均布;标定铰为直接将基板1和水平板2连接的球铰;可伸缩杆的固定端与水平板2球铰接,可伸缩杆的伸缩端与基板1球铰接。调平组件3通过伸缩来调整基板1与水平板2对应位置处的距离,使得在基板1随无人机发生倾斜时,水平板2能够保证处于水平状态。此外,由于调平组件3均未可伸缩杆,标定铰的设置能够防止调平组件3造成水平板2远离或靠近无人机,只要无人机能够保持相对地表高度不变,即可实现水平板2相对地表高度不变,且保持水平,进而使得第二拍摄组件在进行连续倾斜拍摄时不会出现图像的高度差,避免因此产生的三维建模误差,是三维模型能更加准确地模拟实际地形。为了简化调平组件3控制算法的复杂程度,本发明实施例中,标定铰与水平板2连接的位置与第一拍摄组件在水平板2上的安装位置重合,并分别位置水平板2的顶面和底面上,圆形滑轨6的圆心处。
为了反映水平板2是否处于水平状态,本发明实施例中采用陀螺仪作为水平板2的水平程度的反馈,具体的,水平板2设有陀螺仪,陀螺仪与调平装置的控制器电连接,控制器控制调平组件3的伸缩长度。通过陀螺仪来反映水平板2的状态,并提供反馈信号,用以作为调整调平结组件的伸缩长度依据。
本发明实施例中,第一拍摄组件包括第一相机4,第一相机4的拍摄方向竖直向下,第一相机4获取直射图像,能够作为连续倾斜拍摄图像生成三维模型时的合成位置依据,使得图像合成时不会造成图像间明显的位置错位。
第二拍摄组件包括第二相机5和倾斜调整组件8,倾斜调整组件8调整第二相机5的拍摄方向与竖直方向的夹角。本发明实施例采用第二相机5绕第一相机4旋转的方式来进行连续倾斜拍摄,并获取连续倾斜拍摄图像,用以合成三维模型,整个过程中只使用一个相机作为倾斜拍摄的相机,相比现有的设置4个不同方向的倾斜相机,能够简化倾斜拍摄平台的重量,减轻无人机的负载,提高无人机的实际续航时间。此外,倾斜调整组件8能够调整第二相机5相对水平面的俯仰角度,在使用第二相机5进行连续倾斜拍摄前,可以根据拍摄对象的山体走势、倾斜程度等设置第二相机5的俯仰角度,使得第二相机5进行连续倾斜拍摄的图像能够包含更多的拍摄对象的特征、形状等信息,使通过连续倾斜拍摄的图像合成的三维模型能够更加真实地模拟拍摄对象。
由于第一相机4的直射图像作为连续倾斜拍摄图像合成的位置标定依据,第二相机5的拍摄范围与第一相机4的拍摄范围之间设有公共拍摄区域。
为了方便本发明实施例的生产加工,本发明实施例中,水平板2和基板1均为圆形板,方便圆形滑轨6的设置、调平组件3的周向均布设置、以及第一拍摄组件在水平板2上的位置设置。基板1设有周向均布的多个安装通孔,用以与无人机固定连接,周向均布设置有利于使基板1对无人机的作用力周向均布施加,防止本发明实施例与无人机的安装,造成无人机的重量不平衡。
实施例2
本发明实施例提供了一种倾斜拍摄无人机,通过在无人机上安装实施例1的无人机倾斜拍摄平台来实现无人机对户外山地等非规则拍摄对象的倾斜拍摄。需要说明的是,无人机为固定翼无人机或旋翼无人机;固定翼无人机成本较低、便携性更强,体型变得越来越小,重量越来越轻,由原来的油机,发展为现在的油电混合、纯电力驱动的无人机,适用于地质区域调查项目。旋翼无人机,可以为四旋翼无人机、升力更大的八旋翼无人机载重更大的十二旋翼无人机、十六旋翼无人机,根据复杂的大小,拍摄环境的复杂成度确定。
实施例1中的无人机倾斜拍摄平台能够保证第二拍摄组件相对与基板1的高度差不变,即第二拍摄组件相对与无人机的高度差不变,当无人机相对地表的高度不变,即可保证第二拍摄组件相对地表的高度不变,从而使连续倾斜拍摄的图像之间不存在高度差。更方便通过连续倾斜拍摄的图像来合成三维模型。本发明实施例中,倾斜拍摄无人机还设有红外测距设备和高度控制器;红外测距设备测量倾斜拍摄无人机距离地面的竖直高度;高度控制器通过调整无人机的飞行或悬停状态,来调整倾斜拍摄无人机距离地面的竖直高度。
使用本发明实施例进行地质勘探或灾害评估时,先将基板1与无人机的底部连接,使用螺栓穿过基板1的安装通孔和无人机的底部,并将基板1与无人机固定连接,完成无人机与无人机倾斜拍摄平台的安装。
预先对待航拍的山体进行粗评估,确定无人机航拍的高度、第二相机5的俯仰角度、第二相机5进行连续是倾斜拍摄360°的拍摄次数等参数,完成无人机连续倾斜拍摄的参数的预先设置。
放飞无人机,并控制无人机飞行至目标拍摄区域上方,调整无人机的高度,至目标高度;启动第一相机4,对目标区域进行直射拍摄,获得的直射图像作为连续倾斜拍摄图像的合成依据;启动滑块7,滑块7带动第二相机5绕第一相机4匀速转动,在第二相机5绕第一相机4匀速转动的过程中,第二相机5进行连续倾斜拍摄,获取连续倾斜拍摄图像,用于合成目标区域的三维空间模型。
在上述拍摄过程中:当无人机因外力(山区气流等)发生倾斜时,水平板2页发生倾斜,陀螺仪发出水平板2倾斜的信号,通过调平装置的控制器调整每个调平组件3的伸缩长度,使得水平板2再次处于水平状态;当无人机因外力(山区气流等)发生高度变化时,无人机上的红外测距设备检测到无人机相对底面的高度发生变换,并通过无人机自身的控制装置调整无人机的悬停或飞行高度至初始高度。本发明实施例通过上述调整,使得在第二相机5进行连续倾斜拍摄时,获得的连续拍摄图像不会出现高度差和角度差,同时结合直射图像,能更加准确地合成目标区域的三维模型。需要说明的是,直射图像和连续倾斜拍摄图像可以储存在无人机的存储设备中,也可通过无线或有线的方式传输至无人机的控制人员处。
当完成对目标区域的航拍后,回收无人机,将实施例1的无人机倾斜拍摄平台从无人机上拆下即可。
综上所述,本发明实施例提供了一种无人机倾斜拍摄平台及倾斜拍摄无人机;本发明通过绕第一拍摄组件旋转的第二拍摄组件进行不同水平方向的连续倾斜拍摄,从而能够通过连续倾斜拍摄的图像获取更加准确的非规则拍摄对象的模型;本发明设置水平板及调平装置,能够保证在第二拍摄组件绕第一拍摄组件进行连续倾斜拍摄时,第二拍摄组件始终位于同一水平面上,使得连续倾斜拍摄的图像不会出现高度上的位移差,方便通过图像合成模型;本发明在无人机上设置高度调节装置,从而保证在进行连续倾斜拍摄时,无人机相对底面的高度保持不变,可以适应野外山区内复杂多变的山风,防止山风造成连续拍摄的图像产生高度差。
实施例3
本发明实施例提供了一种无人机填图方法。
其中,无人机填图方法可应用于上述任一实施例的倾斜拍摄无人机。
图3为一实施方式的无人机填图方法流程图,如图3所示,一实施方式的无人机填图方法包括步骤S100至步骤S104:
S100,获取无人机的机载设备对目标区域进行航拍的第一影像数据;
无人机采用实施例2的倾斜拍摄无人机,机载设备采用但不限于实施例1的无人机倾斜拍摄平台。利用倾斜拍摄无人机对目标区域进行航拍,获取目标区域的直射图像和连续倾斜拍摄图像,目标区域为无人机进行填图的勘测区域。拍摄过程中可根据工作人员的操控或自动规划飞行路线完成对目标区域的航拍。无人机倾斜拍摄平台能够从多个方向来观察物体,能够获取直射图像和连续倾斜拍摄图像,还可以实现对拍摄对象的高度、长度、坡度、角度的数据记录。
基于此,第一影像数据包括无人机倾斜拍摄平台拍摄的直射图像和连续倾斜拍摄图像以及航拍影像的相关参数。
在其中一个实施例中,图3为另一实施方式的无人机填图方法流程图,如图3所示,在步骤S100中获取无人机的机载设备对目标区域进行航拍的第一影像数据的过程之前,还包括步骤S200:
S200,对机载设备进行相机标定,消除机载设备在目标区域的成像畸变。
其中,基于机载设备获取到的第一影像数据主要用于三维重建。以机载设备为CCD相机为例,CCD数码相机对物理世界进行三维重建,第一影像数据对应的储存影像格式是以像素为单位进行,相机标定的工作主要是确立二维影像与三维影像的对应关系。相机需提前设置好三维模型,并确定三维模型的数据点与影像中对应点的关系,以作为相机的参数。需要注意的是,对机载设备的相机标定,可以根据机载设备选用的相机种类和应用场景选用不同的标定方法,包括但不限于主动视觉相机标定方法或相机自标定法等。本发明实施例采用实施例1的无人机倾斜拍摄平台时,第一映像数据包括直射图像和连续倾斜拍摄图像,由于直射图像与连续倾斜拍摄图像存在拍摄范围的重叠区域,直射图像可以作为将连续倾斜拍摄图像合成三维模型时的图像参照依据。每个连续倾斜拍摄图像对应一个水平面上的拍摄方位,以此时对应的第二相机的拍摄方向和位置能够建立坐标系,并根据该连续倾斜拍摄图像,能够获取在该坐标系下的模型图像,再将所有连续倾斜拍摄图像对应的各自的坐标系下的模型图像,通过坐标系变换,转换为第一相机处建立的空间基准坐标系的模型图像,最后将直射图像与每个连续倾斜拍摄图像对应的空间基准坐标系的模型图像进行比对,获取对应的公共区域,依照每个公共区域在直射图像中的位置关系,将所有连续倾斜拍摄图像对应的空间基准坐标系的模型图像拼合成三维模型。
S101,对第一影像数据进行成像检测,获取第一影像数据的修正参数;
获取到的第一影像数据为接收自机载设备航拍的数据,第一影像数据的质量依赖机载设备的性能。在高原地区应用时,高原地区的不利因素会影响机载设备的成像水平,为第一影像数据引入干扰数据。对第一影像数据进行成像检测,包括检测第一影像数据中的噪声、对比度和亮度等,得到成像检测结果。通过成像检测结果与预设的基准参考值的差值,作为修正参数。
在其中一个实施例中,可根据先验标准对第一影像数据进行成像检测,检测第一影像数据与先验标准的差异,将差异值作为修正参数。
在其中一个实施例中,如图3所示,步骤S101中对第一影像数据进行成像检测,获取第一影像数据的修正参数的过程,包括步骤S300至S302:
S300,检测第一影像数据的实际信噪比;
在获取到第一影像数据后,检测第一影像数据的实际信噪比。在其中一个实施例中,对第一影像数据对应的影像进行区域划分,对各划分后的区域进行信噪比检测,得到实际信噪比。
S301,比较第一影像数据对应的原始干扰区域和实际信噪比,得到对比度测量值;
其中,原始干扰区域的划分,可以根据先验标准确定。通过先验标准确定各影像划分区域的信噪比,确定信噪比大于设定阈值的区域为原始干扰区域。比较原始干扰区域的和实际信噪比,得到对比度测量值。
S302,根据对比度测量值和实际信噪比作为修正参数。
在其中一个实施例中,还可根据原始干扰区域的亮度值确定对比度测量值。
S102,根据修正参数修正第一影像数据中的冗杂信息,得到第二影像数据;
在确定修正系数后,可基于修正系数确定参数区间。调整或删除第一影像数据中选定区域中相应参数超出参数区间的影像区域,以修正第一影像数据得到第二影像数据。
在其中一个实施例中,如图3所示,步骤S102中根据修正参数修正第一影像数据中的冗杂信息,得到第二影像数据的过程,包括步骤S400:
S400,去除第一影像数据中原始干扰区域中大于修正参数的影像区域。
其中,通过去除第一影像数据中的部分影像区域,以降低无人机在高原运行引入的干扰数据。
S103,消除第二影像数据中的畸变差,得到第三影像数据;
在上述实施例中,步骤S200中通过相机标定消除机载设备的畸变。在步骤S103中,获取到第二影像数据后,通过数据处理方式消除第二影像数据中的畸变差。在其中一个实施例中,可根据预先存储S200步骤中的相机标定结果,并根据相机标定结果执行数据处理,消除第二影像数据中的畸变差。在另一个实施例中,可采用机载设备的鉴定报告,使用畸变差校正中的小像幅模块进行校正,纠正第二影像数据的畸变差。
S104,将第三影像数据转换为填图结果。
在获取到第三影像数据后,将经数据预处理后的第三影像数据进行填图转换,转换为三维数据模型或三维实景图等,已完成对目标区域的填图作业。
在其中一个实施例中,如图3所示,步骤S104中将第三影像数据转换为填图结果的过程,包括步骤S500:
S500,对第三影像数据进行空三处理,获得空三处理结果。
对第三影像数据进行空三处理,就是基于第三影像数据对机载设备的航拍做空中三角测量,获得测量结果。
其中,传统的空三处理的方式主要是影像数据结合控制点数据获得兴趣点坐标,而无人机在高原地区作业时,影像数据量大,空三处理中对加密点、控制点、连接点的处理量也较大,传统的人工判读和转刺的作业方式难以处理大数据量。基于此,在其中一个实施例中,步骤S500中对第三影像数据进行空三处理的过程,包括以下步骤A1至A3:
A1,对第三影像数据进行空三解算。
其中,获取目标区域第三影像数据对应的控制点数据和相机标定数据。判读控制点数据判读确定各控制点所在的影像及影像上的位置,相机标定文件用于空三解算前期纠正影像的光学畸变和后期中为自检校光束法平差提供初值。具体过程如下:
第一,判读确定各控制点所在的影像及影像上的位置。作为一个较优的实施方式,在确定控制点所在影像位置时,选择控制点位于中间部位的影像。第二,完成特征点提取和匹配。特征点提取时选用具有旋转不变性、尺度不变性及对影像灰度变化不敏感的算子进行。作为一个较优的实施方式,选用SIFT(Scale-invariant feature transform尺度不变特征变换)作为算子。第三,相对定向构建区域网,通过获得各影像之间的相对外方位元素,再通过将各影像间的相对外方位元素统一至像空间辅助坐标系下构建区域网。第四,根据控制点在地面测量坐标系下的坐标和与之相对应的相机空间坐标系下的坐标求得绝对定向参数,然后根据绝对定向指标将整个区域网替换至地面测量坐标系下。第五,通过自检较光束法平差优化,基于以上各步骤获得了各影像的概略绝对外方位元素和连接点在地面测量坐标系下的概略坐标。经过自检较光束法平差优化获得精确的绝对外方位元素和连接点地面测量坐标。
A2,生成点云数据。
在步骤A1空三解算结果的基础上,通过稠密匹配或对稀疏点云的扩展等方式获得密集点云,为获得数字地表模型提供数据源。
A3,填图结果获取。
在其中一个实施例中,根据影像的绝对外方位元素可以形成可视立体像对模型,进而在立体环境下对地物点坐标进行采集获得数字线划图;由产生的点云数据可以获得数字地表模型,根据数字地表模型又可以获得真正射影像图。
在另一实施例中,由点云数据生成不规则三角网,通过纹理映射获得测区的三维模型。
在其中一个实施例中,图5为又一实施方式的无人机填图方法流程图,如图5所示,步骤S104中将第三影像数据转换为填图结果的过程,包括步骤S600:
S600,基于第三影像数据提取出数字高程模型。
其中,第一影像数据包括无人机遥感影像及其精确定向参数,经过影像预处理和多级金字塔影像生成,能得到特征线、特征点和格网点三类匹配单元,从生成的低尺度金字塔影像中开始进行由粗到细的、由低到高提取,最后可以获得原始分辩率影像上的成果。完成基于逐级金字塔影像之后配准后,全部的匹配的特性形成了不规则的三角网类型的数字高程模型结果,以低一级金字塔影像匹配的初始值并且调正匹配参数和前提下进行高一级影像匹配,然后可以基于多影像最小二乘匹配算法精化配准全部已经匹配成功的影像的特征,经过粗差的消除,在融合了所有匹配特征单元之后,内插形成最终的数字高程模型。
本实施例中,又一实施方式的无人机填图方法还包括以下步骤:
在机载设备选用全景相机时,完成正射影像拼接。
在完成前期数据采集、预处理、图片的配准、图片融合等后,根据空间域与频率域两种拼接方法完成正射影像拼接。包括步骤B1至B3:
B1,通过图像坐标变换和重采样对机载设备的航拍影像进行图像预处理。其中,图像左边变换采用多项式法,通过对航拍影像进行拉伸、放缩、旋转和平移的方法进行处理。
B2,对航拍数据进行图像配准。在参考图中找出图像中的特征点和模板,用来确定对应的位置,确定两幅图像之间的变换关系。确定两幅图像中的变换关系是保证图像拼接质量的重要因素。配准的算法包括以下几个部分:1)在图像中找到用于配准的特征信息点;2)找到图像之间的匹配特征对;3)建立无人机图像之间的匹配关系和模型的参数;4)确立统一平面进行全局拼接。
B3,对航拍数据进行图像融合。根据图像配准的结果,进行图像的融合。图像融合主要是通过消除光线、配准误差和抖动带来的拼接痕迹。在机载设备航拍图像的拼接过程中,选取图像中的控制点为已知特征点,也可以人为选择特征点,根据一定的变换规则,采用最小二乘法进行融合。
在其中一个实施例中,又一实施方式的无人机填图方法还包括以下步骤:
对第一影像数据、第二影像数据或第三影像数据对应的图像进行几何校正。
对已经存在的大比例尺图件为基准,进行几何校正。从中可以获取控制点的坐标和高程,通过同名点之间的匹配,进行几何校正。
在其中一个实施例中,图6为再一实施方式的无人机填图方法流程图,如图6所示,再一实施方式的无人机填图方法还包括步骤S700至S702:
S700,获取无人机的机载设备对目标区域内预设标定点进行航拍的第四影像数据;
其中,在目标区域内预先设定多个预设标定点,无人机在目标区域内作业时对预设标定点进行航拍。在其中一个实施例中,预设标定点可在第四影响数据对应的图像内清晰显像。
S701,根据预设标定点对应的预设三维模型和第四影像数据获得三维标定数据;
其中,预设标定点可构成预设三维模型,预设标定点在预设三维模型内的预设三维坐标确定。根据第四影像数据,可确定预设坐标点在第四影像数据中对应的图像像素坐标。根据图像像素坐标、预设三维坐标和预设三维模型的映射关系,确定三维标定数据。
S702,根据三维标定数据和第三影像数据获得目标影像图或目标数字模型,以完成填图。
其中,第三影像数据也可确定预设标定点的图像像素坐标,在确定预设标定点的在第三影像数据对应的图像像素坐标,根据三维标定数据获取确定预设标定点所属的预设三维模型与目标区域实际图像的比例关系。在根据第三影像数据进行填图转换,获得目标影像图或目标数字模型时,根据该比例关系修正目标影像图或目标数字模型。
上述任一实施例的无人机填图方法,在获取无人机的机载设备对目标区域进行航拍的第一影像数据后,对第一影像数据进行成像检测,获取第一影像数据的修正参数,并根据修正参数修正第一影像数据中的冗杂信息,得到第二影像数据,进一步地消除第二影像数据中的畸变差,得到第三影像数据,将第三影像数据转换为填图结果。基于此,通过修正参数修正和畸变差消除,降低高原环境对无人机成像的负面影响,以提高填图结果的质量。
实施例4
本发明实施例还提供一种无人机填图装置。
图7为一实施方式的无人机填图装置模块结构图,如图7所示,一实施方式的无人机填图装置包括模块100至104:
航拍获取模块100,用于获取无人机的机载设备对目标区域进行航拍的第一影像数据;
参数获取模块101,用于对第一影像数据进行成像检测,获取第一影像数据的修正参数;
修正模块102,用于根据修正参数修正第一影像数据中的冗杂信息,得到第二影像数据;
校正模块103,用于消除第二影像数据中的畸变差,得到第三影像数据;
影像转换模块104,用于将第三影像数据转换为填图结果。
上述任一实施例的无人机填图装置,在获取无人机的机载设备对目标区域进行航拍的第一影像数据后,对第一影像数据进行成像检测,获取第一影像数据的修正参数,并根据修正参数修正第一影像数据中的冗杂信息,得到第二影像数据,进一步地消除第二影像数据中的畸变差,得到第三影像数据,将第三影像数据转换为填图结果。基于此,通过修正参数修正和畸变差消除,降低高原环境对无人机成像的负面影响,以提高填图结果的质量。
实施例5
本发明实施例还提供了一种计算机存储介质,其上存储有计算机指令,该指令被处理器执行时实现上述任一实施例的录播控制方法。
本领域的技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、随机存取存储器(RAM,Random Access Memory)、只读存储器(ROM,Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、终端、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
与上述的计算机存储介质对应的是,在一个实施例中还提供一种计算机设备,该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,处理器执行程序时实现如上述各实施例中的任意一种无人机填图方法。
上述计算机设备,在获取无人机的机载设备对目标区域进行航拍的第一影像数据后,对第一影像数据进行成像检测,获取第一影像数据的修正参数,并根据修正参数修正第一影像数据中的冗杂信息,得到第二影像数据,进一步地消除第二影像数据中的畸变差,得到第三影像数据,将第三影像数据转换为填图结果。基于此,通过修正参数修正和畸变差消除,降低高原环境对无人机成像的负面影响,以提高填图结果的质量。
实施例6
本发明实施例还提供一种填图系统。
图8为一实施方式的填图系统结构示意图,如图8所示,一实施方式的填图系统包括影像处理设备1000和无人机1001;
影像处理设备1000被配置为:
获取无人机1001的机载设备对目标区域进行航拍的第一影像数据;
对第一影像数据进行成像检测,获取第一影像数据的修正参数;
根据修正参数修正第一影像数据中的冗杂信息,得到第二影像数据;
消除第二影像数据中的畸变差,得到第三影像数据;
将第三影像数据转换为填图结果。
其中,无人机1001根据工作人员的操控或自动规划飞行路线完成对目标区域的航拍,并将航拍数据,包括第一影像数据等无线传输至影像处理设备1000,由影像处理设备1000执行上述任一实施例的无人机填图方法的步骤。
上述填图系统,在获取无人机1001的机载设备对目标区域进行航拍的第一影像数据后,对第一影像数据进行成像检测,获取第一影像数据的修正参数,并根据修正参数修正第一影像数据中的冗杂信息,得到第二影像数据,进一步地消除第二影像数据中的畸变差,得到第三影像数据,将第三影像数据转换为填图结果。基于此,通过修正参数修正和畸变差消除,降低高原环境对无人机成像的负面影响,以提高填图结果的质量。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种无人机填图方法,其特征在于,包括步骤:
获取无人机的机载设备对目标区域进行航拍的第一影像数据;
对所述第一影像数据进行成像检测,获取所述第一影像数据的修正参数;
所述对所述第一影像数据进行成像检测,获取所述第一影像数据的修正参数的过程,包括步骤:
检测所述第一影像数据的实际信噪比;
比较所述第一影像数据对应的原始干扰区域和所述实际信噪比,得到对比度测量值;
根据所述对比度测量值和所述实际信噪比作为所述修正参数;
根据所述修正参数修正所述第一影像数据中的冗杂信息,得到第二影像数据;
消除所述第二影像数据中的畸变差,得到第三影像数据;
将所述第三影像数据转换为填图结果;
所述无人机采用倾斜拍摄无人机,所述倾斜拍摄无人机设有无人机倾斜拍摄平台,所述无人机倾斜拍摄平台包括基板、调平装置、水平板、第一拍摄组件和第二拍摄组件;所述水平板通过调平装置安装在所述基板上;所述调平装置用于调节水平板处于水平状态;所述第一拍摄组件固定设置在水平板的底面上,且拍摄方向竖直向下;所述第二拍摄组件可转动地设置在水平板的底面上,且拍摄方向相对竖直方向倾斜向下;所述第二拍摄组件能够绕所述第一拍摄组件旋转。
2.根据权利要求1所述的无人机填图方法,其特征在于,在获取无人机的机载设备对目标区域进行航拍的第一影像数据的过程之前,还包括步骤:
对所述机载设备进行相机标定,消除所述机载设备在目标区域的成像畸变。
3.根据权利要求1所述的无人机填图方法,其特征在于,所述消除所述第二影像数据中的畸变差的过程,包括步骤:
根据所述机载设备对应的预设鉴定报告,校正所述第二影像数据中的畸变差。
4.根据权利要求1所述的无人机填图方法,其特征在于,所述检测所述第一影像数据的实际信噪比的过程,包括步骤:
对第一影像数据对应的影像进行区域划分,对各划分后的区域进行信噪比检测,得到实际信噪比。
5.根据权利要求4所述的无人机填图方法,其特征在于,所述根据所述修正参数修正所述第一影像数据中的冗杂信息的过程,包括步骤:
去除所述第一影像数据中原始干扰区域中大于所述修正参数的影像区域。
6.根据权利要求1至5任一项所述的无人机填图方法,其特征在于,所述将所述第三影像数据转换为填图结果的过程,包括步骤:
对所述第三影像数据进行空三处理,获得空三处理结果。
7.根据权利要求1至5任一项所述的无人机填图方法,其特征在于,所述将所述第三影像数据转换为填图结果的过程,包括步骤:
基于所述第三影像数据提取出数字高程模型。
8.一种填图系统,其特征在于,包括影像处理设备和无人机;
所述影像处理设备被配置为:
获取无人机的机载设备对目标区域进行航拍的第一影像数据;
对所述第一影像数据进行成像检测,获取所述第一影像数据的修正参数;
所述对所述第一影像数据进行成像检测,获取所述第一影像数据的修正参数的过程,包括步骤:
检测所述第一影像数据的实际信噪比;
比较所述第一影像数据对应的原始干扰区域和所述实际信噪比,得到对比度测量值;
根据所述对比度测量值和所述实际信噪比作为所述修正参数;
根据所述修正参数修正所述第一影像数据中的冗杂信息,得到第二影像数据;
消除所述第二影像数据中的畸变差,得到第三影像数据;
将所述第三影像数据转换为填图结果;
所述无人机采用倾斜拍摄无人机,所述倾斜拍摄无人机设有无人机倾斜拍摄平台,所述无人机倾斜拍摄平台包括基板、调平装置、水平板、第一拍摄组件和第二拍摄组件;所述水平板通过调平装置安装在所述基板上;所述调平装置用于调节水平板处于水平状态;所述第一拍摄组件固定设置在水平板的底面上,且拍摄方向竖直向下;所述第二拍摄组件可转动地设置在水平板的底面上,且拍摄方向相对竖直方向倾斜向下;所述第二拍摄组件能够绕所述第一拍摄组件旋转。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010800039.7A CN112001277B (zh) | 2020-08-11 | 2020-08-11 | 无人机填图方法、填图装置及填图系统 |
PCT/CN2020/134789 WO2022032942A1 (zh) | 2020-08-11 | 2020-12-09 | 无人机填图方法、填图装置及填图系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010800039.7A CN112001277B (zh) | 2020-08-11 | 2020-08-11 | 无人机填图方法、填图装置及填图系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112001277A CN112001277A (zh) | 2020-11-27 |
CN112001277B true CN112001277B (zh) | 2021-05-07 |
Family
ID=73462996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010800039.7A Active CN112001277B (zh) | 2020-08-11 | 2020-08-11 | 无人机填图方法、填图装置及填图系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112001277B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022032942A1 (zh) * | 2020-08-11 | 2022-02-17 | 中国地质科学院矿产资源研究所 | 无人机填图方法、填图装置及填图系统 |
CN112257630A (zh) * | 2020-10-29 | 2021-01-22 | 广东稳峰电力科技有限公司 | 电力系统的无人机探测成像方法及装置 |
CN114241142B (zh) * | 2021-11-23 | 2022-10-14 | 北京国网富达科技发展有限责任公司 | 一种多精度dem数据差值平滑融合方法和系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204524A (zh) * | 2016-06-23 | 2016-12-07 | 凌云光技术集团有限责任公司 | 一种评价图像质量的方法及装置 |
CN106408650A (zh) * | 2016-08-26 | 2017-02-15 | 中国人民解放军国防科学技术大学 | 在轨掠飞成像对空间目标三维重建与测量方法 |
CN106846478A (zh) * | 2017-02-10 | 2017-06-13 | 中国电建集团成都勘测设计研究院有限公司 | 水电水利工程地质三维实景野外编录填图系统 |
CN107356230A (zh) * | 2017-07-12 | 2017-11-17 | 深圳市武测空间信息有限公司 | 一种基于实景三维模型的数字测图方法和系统 |
CN110276304A (zh) * | 2019-06-25 | 2019-09-24 | 北京师范大学 | 基于降尺度的高分辨率植被生产力遥感估算方法 |
CN110310248A (zh) * | 2019-08-27 | 2019-10-08 | 成都数之联科技有限公司 | 一种无人机遥感影像实时拼接方法及系统 |
CN209524914U (zh) * | 2019-04-12 | 2019-10-22 | 成都睿铂科技有限责任公司 | 一种航空倾斜摄影装置 |
CN110570488A (zh) * | 2019-08-29 | 2019-12-13 | 上海联影智能医疗科技有限公司 | 图像校正方法、计算机设备和存储介质 |
CN111064864A (zh) * | 2018-10-17 | 2020-04-24 | 杭州海康慧影科技有限公司 | 设置畸变校正参数的方法、装置和内窥镜系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9460353B2 (en) * | 2010-09-16 | 2016-10-04 | California Institute Of Technology | Systems and methods for automated water detection using visible sensors |
CN103884321B (zh) * | 2014-04-17 | 2016-04-13 | 西安煤航信息产业有限公司 | 一种遥感影像成图工艺 |
CN106683068B (zh) * | 2015-11-04 | 2020-04-07 | 北京文博远大数字技术有限公司 | 一种三维数字化图像采集方法 |
CN106124050B (zh) * | 2016-06-22 | 2017-12-15 | 电子科技大学 | 一种基于子空间的高光谱亚像元目标盲提取检测方法 |
CN106327573B (zh) * | 2016-08-25 | 2019-03-12 | 成都慧途科技有限公司 | 一种针对城市建筑的实景三维建模方法 |
CN106586009A (zh) * | 2016-10-27 | 2017-04-26 | 江苏云端智能科技有限公司 | 一种无人机 |
CN108303382A (zh) * | 2018-02-06 | 2018-07-20 | 安徽大学 | 一种基于AdaBoost分类器的冬小麦白粉病多时相遥感监测方法及其评价方法 |
US11010639B2 (en) * | 2018-02-19 | 2021-05-18 | Raytheon Company | In-scene multi-angle surface-specific signature generation and exploitation |
CN108765298A (zh) * | 2018-06-15 | 2018-11-06 | 中国科学院遥感与数字地球研究所 | 基于三维重建的无人机图像拼接方法和系统 |
CN110009688A (zh) * | 2019-03-19 | 2019-07-12 | 北京市遥感信息研究所 | 一种红外遥感影像相对辐射定标方法、系统及遥感平台 |
-
2020
- 2020-08-11 CN CN202010800039.7A patent/CN112001277B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204524A (zh) * | 2016-06-23 | 2016-12-07 | 凌云光技术集团有限责任公司 | 一种评价图像质量的方法及装置 |
CN106408650A (zh) * | 2016-08-26 | 2017-02-15 | 中国人民解放军国防科学技术大学 | 在轨掠飞成像对空间目标三维重建与测量方法 |
CN106846478A (zh) * | 2017-02-10 | 2017-06-13 | 中国电建集团成都勘测设计研究院有限公司 | 水电水利工程地质三维实景野外编录填图系统 |
CN107356230A (zh) * | 2017-07-12 | 2017-11-17 | 深圳市武测空间信息有限公司 | 一种基于实景三维模型的数字测图方法和系统 |
CN111064864A (zh) * | 2018-10-17 | 2020-04-24 | 杭州海康慧影科技有限公司 | 设置畸变校正参数的方法、装置和内窥镜系统 |
CN209524914U (zh) * | 2019-04-12 | 2019-10-22 | 成都睿铂科技有限责任公司 | 一种航空倾斜摄影装置 |
CN110276304A (zh) * | 2019-06-25 | 2019-09-24 | 北京师范大学 | 基于降尺度的高分辨率植被生产力遥感估算方法 |
CN110310248A (zh) * | 2019-08-27 | 2019-10-08 | 成都数之联科技有限公司 | 一种无人机遥感影像实时拼接方法及系统 |
CN110570488A (zh) * | 2019-08-29 | 2019-12-13 | 上海联影智能医疗科技有限公司 | 图像校正方法、计算机设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
Ortho-Rectification and Slope Correction of SAR Data Using DEM and Its Accuracy Evaluation;Shimada, M;《Selected Topics in Applied Earth Observations and Remote Sensing》;20101231;第3卷(第4期);259-263 * |
图像去噪方法的对比研究;孙晓明等;《科技视界》;20140524(第6期);149-149 * |
成像光谱数据挖掘与矿物填图技术研究;曹代勇等;《遥感技术与应用》;20040109;第17卷(第5期);657-671 * |
Also Published As
Publication number | Publication date |
---|---|
CN112001277A (zh) | 2020-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111959803B (zh) | 一种无人机倾斜拍摄平台及倾斜拍摄无人机 | |
CN112001277B (zh) | 无人机填图方法、填图装置及填图系统 | |
EP3228986B1 (en) | Surveying system | |
Nagai et al. | UAV-borne 3-D mapping system by multisensor integration | |
Smith et al. | High spatial resolution data acquisition for the geosciences: kite aerial photography | |
CN109597095A (zh) | 背包式三维激光扫描与立体成像组合系统及数据获取方法 | |
KR101308744B1 (ko) | 항공촬영 영상의 지형대비 기준점 합성형 공간영상도화 시스템 | |
CN107492069B (zh) | 基于多镜头传感器的图像融合方法 | |
CN111458720A (zh) | 复杂山区基于机载激光雷达数据的倾斜摄影建模方法 | |
KR101223242B1 (ko) | 지형정보 변화에 따른 영상 이미지의 공간영상 도화 시스템 | |
JP7251474B2 (ja) | 情報処理装置、情報処理方法、情報処理プログラム、画像処理装置および画像処理システム | |
Kaartinen et al. | Accuracy of 3D city models: EuroSDR comparison | |
CN109556569B (zh) | 地形图测绘方法及装置 | |
CN113012292B (zh) | 一种基于无人机航拍的ar远程施工监控方法及系统 | |
KR101214081B1 (ko) | 항공촬영이미지와 수치정보를 합성 처리하는 영상도화 시스템 | |
CN113415433B (zh) | 基于三维场景模型的吊舱姿态修正方法、装置和无人机 | |
KR102557775B1 (ko) | 드론을 이용한 3차원 지도 제작 방법 | |
WO2022032942A1 (zh) | 无人机填图方法、填图装置及填图系统 | |
CN110986888A (zh) | 一种航空摄影一体化方法 | |
CN115937446A (zh) | 基于ar技术的地形测绘装置及方法 | |
CN104732557A (zh) | 一种地面激光扫描仪彩色点云生成方法 | |
Nasrullah | Systematic analysis of unmanned aerial vehicle (UAV) derived product quality | |
Thuse et al. | Accuracy assessment of vertical and horizontal coordinates derived from Unmanned Aerial Vehicles over District Six in Cape Town | |
CN115950435A (zh) | 无人机巡检影像的实时定位方法 | |
KR101721456B1 (ko) | 영상촬영 후 영상 데이타와 영상이미지 합성을 위한 영상처리시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |