CN105447868B - 一种微小型无人机航拍数据的自动检查方法 - Google Patents

一种微小型无人机航拍数据的自动检查方法 Download PDF

Info

Publication number
CN105447868B
CN105447868B CN201510851171.XA CN201510851171A CN105447868B CN 105447868 B CN105447868 B CN 105447868B CN 201510851171 A CN201510851171 A CN 201510851171A CN 105447868 B CN105447868 B CN 105447868B
Authority
CN
China
Prior art keywords
image
quality
quality inspection
data
flight path
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
Application number
CN201510851171.XA
Other languages
English (en)
Other versions
CN105447868A (zh
Inventor
苗培培
高广
支晓栋
王邦松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Pegasus Robot Technology Co ltd
Original Assignee
Shenzhen Science And Technology Ltd Of Flying Horse Robot
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Science And Technology Ltd Of Flying Horse Robot filed Critical Shenzhen Science And Technology Ltd Of Flying Horse Robot
Priority to CN201510851171.XA priority Critical patent/CN105447868B/zh
Publication of CN105447868A publication Critical patent/CN105447868A/zh
Application granted granted Critical
Publication of CN105447868B publication Critical patent/CN105447868B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Abstract

本发明公开了一种微小型无人机航拍数据的自动检查方法，包括如下步骤：A：根据影像和POS信息，进行飞行轨迹和影像的展示；B：根据飞行轨迹和影像的展示进行自动质检分析；C：根据质检分析结果输出质检报告。本发明采用专业用于航飞质量现场检查及评估的自动化软件，可快速获取航飞质量报告，提高无人机数据质检工序的效率及可靠性。一键式操作即可完成航测数据的质量检查，无须专业航测背景简单培训即可掌握，降低作业门槛。提供无人机数据的专业质检报告，且图形化输出结果及指标统计文件为航飞质量评价提供可靠依据；并提供友好的交互界面，可展示影像曝光点、脚印图、姿态超限、影像连接强度等多种信息，便于用户多角度查看数据质量。

Description

一种微小型无人机航拍数据的自动检查方法
技术领域
本发明涉及无人机航拍数据的质检方法，尤其涉及的是一种微小型无人机航拍数据自动检查方法。
背景技术
无人机所具备的灵活、低成本、快速获取的特点使得无人机航测遥感系统成为继航空摄影、卫星遥感等影像获取的又一新型遥感平台，已被广泛应用在测绘、农业、应急等各个领域。无人机得益于其轻巧便携特点的同时，也存在着抗风性能、姿态稳定性差等缺点，其直接导致影像航向重叠度和旁向重叠度不规则、像片旋偏角较大、航线弯曲度过大等问题,也直接影响着航测成图的精准性,美观性和可靠性 ，因此在无人机数据获取阶段，需要对航拍数据进行严格的质量检查与评估，以保证其满足成果数据处理需求。
现阶段对于航拍数据的检查缺少有效的质量控制手段，一般是外业航拍获取数据进入内业作业时，由专业人员在空三加密阶段，根据匹配的点来进行影像质量的判定，当发现质量不合格时，只能重飞，造成工期浪费，也增加了生产成本。
因此，现有技术存在缺陷，需要改进。
发明内容
本发明所要解决的技术问题是：提供一种可快速获取航飞质量报告，提高无人机数据质检工序的效率及可靠性，降低作业门槛的微小型无人机航拍数据的自动检查方法。
本发明的技术方案如下：一种微小型无人机航拍数据的自动检查方法，包括如下步骤：A：根据影像和POS信息，进行飞行轨迹和影像的展示；B：根据飞行轨迹和影像的展示进行自动质检分析；C：根据质检分析结果输出质检报告。
应用于上述技术方案，所述的自动检查方法中，步骤A中，飞行轨迹和影像的展示包括影像曝光点的显示、影像的脚印图显示、影像的显示、影像航带信息的显示。
应用于各个上述技术方案，所述的自动检查方法中，在步骤A中，在进行飞机轨迹和影像的展示时，还进行姿态角超限显示设置、以及删除可剔除冗余影像。
应用于各个上述技术方案，所述的自动检查方法中，在步骤A中，在删除可剔除冗余影像时，具体操作为删除拐角处或测区外的影像，使其不参与自动质检分析的过程。
应用于各个上述技术方案，所述的自动检查方法中，在步骤A之前，还执行步骤A0：对原始影像进行重采样，再通过SIFT匹配算法在相邻影像间进行同名点自动匹配，利用匹配的同名点和机载POS信息进行空三平差，得到影像准确的POS信息。
应用于各个上述技术方案，所述的自动检查方法中，步骤A中，还根据影像拍摄的相机信息，进行飞行轨迹和影像的展示。
应用于各个上述技术方案，所述的自动检查方法中，步骤B中，进行的自动质检分析的过程包括：影像重叠度计算、高精度POS生成、三维点云生成、高精度DEM生成、测区缩略图生产、影像纹理质量统计中的一项或任意几项。
应用于各个上述技术方案，所述的自动检查方法中，步骤C中，输出的质检报告包括图像化输出和指标化文件输出。
应用于各个上述技术方案，所述的自动检查方法中，其中，图像化输出包括快速生成测区缩略图、稀疏DEM或点云输出、影像重叠度的渲染图；并且，指标化文件输出包括文本和统计表的详细信息输出。
应用于各个上述技术方案，所述的自动检查方法中，在步骤C之后，还执行步骤D：根据输出的质检报告，获取原始影像的质量评价，并确定补救措施。
采用上述方案，本发明采用专业用于航飞质量现场检查及评估的自动化软件，可快速获取航飞质量报告，提高无人机数据质检工序的效率及可靠性。一键式操作即可完成航测数据的质量检查，无须专业航测背景简单培训即可掌握，降低作业门槛。并且，提供无人机数据的专业质检报告，且图形化输出结果及指标统计文件为航飞质量评价提供可靠依据；并提供友好的交互界面，可展示影像曝光点、脚印图、姿态超限、影像连接强度等多种信息，便于用户多角度查看数据质量。
附图说明
图1为本发明的流程示意图。
具体实施方式
以下结合附图和具体实施例，对本发明进行详细说明。
本实施例提供了一种微小型无人机航拍数据的自动检查方法，其主要用于野外航拍现场获取影像的质量评价，便于航拍外业人员及时发现航飞问题，采取补救措施，如重飞、补飞等；也可用于数据后处理阶段前的数据准备分析，如相机参数、航带重叠度等信息确认，保障数据处理的准确性，提高生产效率。
如图1所示，其中，自动检查方法包括如下步骤：首先步骤A：根据影像和POS信息，进行飞行轨迹和影像的展示，即飞行航迹展示，并且，在一般的情况下，还根据影像拍摄的相机信息，进行飞行轨迹和影像的展示。
其中，飞行轨迹和影像的展示具体如下：
影像曝光点显示 ：通过POS曝光点确认航迹是否符合规划要求；
影像的脚印图显示:根据影像IMU信息计算其地面覆盖范围；可查看影像是否全覆盖及相机参数是否和影像对应；
影像的显示：进行原始影像的重采样处理并显示，提高浏览处理速度。
姿态角超限显示设置：根据初始POS，采用不同色彩姿态超限的信息，作为影像是否满足要求的辅助判断；
影像航带信息的显示：根据POS信息中的GPS数据，计算出飞机的飞行路径，再利用航偏角阈值，其中，航偏角阈值通常设置为10º，即可计算出影像所属航带；
可剔除冗余影像：对于拐角处或测区外的影像进行删除，不参与质检计算，从而提供质检的精确度。
或者，在步骤A之前，还执行步骤A0：对原始影像进行重采样，再通过SIFT匹配算法在相邻影像间进行同名点自动匹配，利用匹配的同名点和机载POS信息进行空三平差，得到影像准确的POS信息，如此，可以根据精准的POS信息，进行飞行轨迹和影像的展示。
并且，在完成飞行轨迹和影像的展示之后，进行步骤B：根据飞行轨迹和影像的展示进行自动质检分析；进行的自动质检分析的过程包括：影像重叠度计算、高精度POS生成、三维点云生成、高精度DEM生成、测区缩略图生产、影像纹理质量统计中的一项或任意几项。为了确保质检的全面性和质检结果的准确性，一般对以上过程均进行分析，具体地：
影像重叠度计算，是用来计算影像间的重叠度信息，提供（航向 、旁向）最大重叠度，最小重叠度，平均度数，连接弱区等信息统计, 并可生成重叠度渲染图，通过影像重叠度计算，可以查看影像是否满足重叠度设计要求。
高精度POS计算，是进行影像的区域网平差计算，得到高精度POS数据。根据更新后的POS数据进行影像飞行轨迹、脚印图、IMU超限等信息的更新，并提供高精度POS数据与原始POS的残差。支持输出其他格式的POS文件。
三维点云生成，在计算出高精度POS后，根据共线方程，计算出影像加密点坐标，得到该测区的三维点云数据，进行点云数据的滤波，滤除房屋、树木等非地面点，得到该测区地形的三维点云数据。通过三维点云数据可用于查看影像匹配效果，平差结果是否正确，并可了解测区的地貌状况。
高精度DEM生成，其根据测区的三维点云数据，进行格网内插，得到栅格DEM数据，通过得到的栅格DEM数据，可用于了解到整个测区的覆盖情况、影像匹配情况，对测区地形地貌有一定了解。
测区缩略图生成，进行重采样影像的正射纠正，并进行镶嵌线寻址，生成测区的缩略图，并支持输出tif，img格式的缩略图。测区缩略图可用于快速查看测区全貌，检查航飞影像的质量。若存在非覆盖区域，可即时采取重飞或补飞策略。
影像纹理质量统计，进行影像纹理的直方图、亮度对比度等信息统计，可得到影像定量化的评价。如亮度适合且对比度合理，则影像辨识度越好，反之亦然。
通过进行以上质检分析之后，可以将质检分析结果通过质检报告的形式输出，即步骤C，根据质检分析结果输出质检报告。
其中，进行航片的质检报告输出，主要包括图像化输出和指标化文件输出，航拍质量的图形化输出包括：（1）快速生成测区缩略图：便于飞行覆盖区域的检查、影像质量的检查，例如：纹理、色彩，（2）稀疏DEM或点云的输出：可以用于检测航片的匹配效果，（3）影像重叠度的渲染图：按照影像的重叠度数进行图形化展示，检查是否能够满足匹配要求。
航拍质量的指标化文件输出包括：质检报告的文本和统计表的详细信息输出，包括准确POS信息，重叠度信息、航带信息等。
如此，还可以还执行步骤D：在根据根据输出的质检报告，获取原始影像的质量评价，其中，评价可以根据对飞行航拍质量的影像重叠度计算、高精度POS生成、三维点云生成、高精度DEM生成、测区缩略图生产、影像纹理质量统计等图像化输出和指标化文件输出数据，来确定补救措施，例如，重飞、补飞等；也可用于数据后处理阶段前的数据准备分析，如相机参数、航带重叠度等信息确认，保障数据处理的准确性，提高生产效率。
以上仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种微小型无人机航拍数据的自动检查方法，其特征在于，包括如下步骤：
A：根据影像和POS信息，进行飞行轨迹和影像的展示；飞行轨迹和影像的展示包括影像曝光点的显示、影像的脚印图显示、影像的显示、影像航带信息的显示；
影像曝光点显示：通过POS曝光点确认航迹是否符合规划要求；
影像的脚印图显示:根据影像IMU信息计算其地面覆盖范围；可查看影像是否全覆盖及相机参数是否和影像对应；
影像的显示：进行原始影像的重采样处理并显示，提高浏览处理速度；
影像航带信息的显示：根据POS信息中的GPS数据，计算出飞机的飞行路径，再利用航偏角阈值，其中，航偏角阈值通常设置为10º，即可计算出影像所属航带；
B：根据飞行轨迹和影像的展示进行自动质检分析，进行的自动质检分析的过程包括：影像重叠度计算、高精度POS生成、三维点云生成、高精度DEM生成、测区缩略图生产、影像纹理质量统计；
C：根据质检分析结果输出质检报告；其中，输出的质检报告包括图像化输出和指标化文件输出；
其中，图像化输出包括快速生成测区缩略图、稀疏DEM或点云输出、影像重叠度的渲染图；并且，指标化文件输出包括文本和统计表的详细信息输出。
2.根据权利要求1所述的自动检查方法，其特征在于：在步骤A中，在进行飞机轨迹和影像的展示时，还进行姿态角超限显示设置、以及删除可剔除冗余影像。
3.根据权利要求2所述的自动检查方法，其特征在于：在步骤A中，在删除可剔除冗余影像时，具体操作为删除拐角处或测区外的影像，使其不参与自动质检分析的过程。
4.根据权利要求1所述的自动检查方法，其特征在于：在步骤A之前，还执行步骤A0：对原始影像进行重采样，再通过SIFT匹配算法在相邻影像间进行同名点自动匹配，利用匹配的同名点和机载POS信息进行空三平差，得到影像准确的POS信息。
5.根据权利要求1所述的自动检查方法，其特征在于：步骤A中，还根据影像拍摄的相机信息，进行飞行轨迹和影像的展示。
6.根据权利要求1-5任一所述的自动检查方法，其特征在于：在步骤C之后，还执行步骤D：根据输出的质检报告，获取原始影像的质量评价，并确定补救措施。
CN201510851171.XA 2015-11-30 2015-11-30 一种微小型无人机航拍数据的自动检查方法 Active CN105447868B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510851171.XA CN105447868B (zh) 2015-11-30 2015-11-30 一种微小型无人机航拍数据的自动检查方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510851171.XA CN105447868B (zh) 2015-11-30 2015-11-30 一种微小型无人机航拍数据的自动检查方法

Publications (2)

Publication Number Publication Date
CN105447868A CN105447868A (zh) 2016-03-30
CN105447868B true CN105447868B (zh) 2018-01-16

Family

ID=55558001

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510851171.XA Active CN105447868B (zh) 2015-11-30 2015-11-30 一种微小型无人机航拍数据的自动检查方法

Country Status (1)

Country Link
CN (1) CN105447868B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106528513B (zh) * 2016-10-18 2021-04-06 广州极飞科技有限公司 一种基于无人机作业的作业报告生成方法及装置
CN106940181B (zh) * 2017-03-10 2019-04-26 中国电建集团昆明勘测设计研究院有限公司 一种无人机影像像控分布网构建与航片可选范围匹配方法
CN108896019A (zh) * 2018-05-10 2018-11-27 四川省冶地工程勘察设计有限公司 基于无人机航测数据的航片影像立体区域网平差方法
CN108548525A (zh) * 2018-06-14 2018-09-18 浙江鼎测地理信息技术有限公司 一种利用无人机航空摄影进行野外测绘的方法
CN111754451A (zh) * 2019-12-31 2020-10-09 广州极飞科技有限公司 测绘无人机成果检测方法、装置、电子设备及存储介质
CN111400538B (zh) * 2020-06-04 2020-10-20 常州市新翼空间信息科技有限公司 一种用于航拍测量航片的巡查比对处理系统及其方法
CN112362033B (zh) * 2020-10-29 2022-10-14 中国自然资源航空物探遥感中心 一种航空遥感相机影像的质检方法
CN112732687B (zh) * 2020-12-29 2023-05-02 中国民用航空飞行学院 基于数据清洗的航空飞行数据可视化处理系统及分析方法
CN113109831A (zh) * 2021-03-26 2021-07-13 国家电网有限公司 一种使用激光雷达对输电线路进行巡检的数据处理方法
CN113791637A (zh) * 2021-08-31 2021-12-14 梅州市励图空间信息技术有限公司 一种基于无人机的航测系统智能化快速处理方法
CN116612067B (zh) * 2023-04-06 2024-02-23 北京四维远见信息技术有限公司 航飞质量检查方法、装置、设备和计算机可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103471567A (zh) * 2013-09-03 2013-12-25 中国科学院遥感与数字地球研究所 一种航空摄影飞行质量检查方法
CN104008556A (zh) * 2014-06-18 2014-08-27 武汉大学 一种基于影像统计特征的数字航空影像变形自动检查方法
CN104101329A (zh) * 2013-04-03 2014-10-15 北京中遥云图信息技术有限公司 无人机飞行质量检查系统
WO2014172345A2 (en) * 2013-04-15 2014-10-23 Massachusetts Institute Of Technology Fully automated system and method for image segmentation and quality control of protein microarrays

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9336568B2 (en) * 2011-06-17 2016-05-10 National Cheng Kung University Unmanned aerial vehicle image processing system and method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104101329A (zh) * 2013-04-03 2014-10-15 北京中遥云图信息技术有限公司 无人机飞行质量检查系统
WO2014172345A2 (en) * 2013-04-15 2014-10-23 Massachusetts Institute Of Technology Fully automated system and method for image segmentation and quality control of protein microarrays
CN103471567A (zh) * 2013-09-03 2013-12-25 中国科学院遥感与数字地球研究所 一种航空摄影飞行质量检查方法
CN104008556A (zh) * 2014-06-18 2014-08-27 武汉大学 一种基于影像统计特征的数字航空影像变形自动检查方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"低空无人机航摄飞行质量自动检查方法研究";李超;《中国优秀硕士学位论文全文数据库 基础科学辑》;20140215(第2期);论文第13、25-27、38-57页 *
"关于轻型无人机航摄影像的质量探讨";杨爱玲等;《测绘与空间地理信息》;20110430;第34卷(第2期);185-187 *

Also Published As

Publication number Publication date
CN105447868A (zh) 2016-03-30

Similar Documents

Publication Publication Date Title
CN105447868B (zh) 一种微小型无人机航拍数据的自动检查方法
AU2021201579B2 (en) System and method for detecting features in aerial images using disparity mapping and segmentation techniques
US11557092B2 (en) Methods and systems for wireframes of a structure or element of interest and wireframes generated therefrom
Over et al. Processing coastal imagery with Agisoft Metashape Professional Edition, version 1.6—Structure from motion workflow documentation
Gini et al. Aerial images from an UAV system: 3D modeling and tree species classification in a park area
Korpela et al. Single-tree forest inventory using lidar and aerial images for 3D treetop positioning, species recognition, height and crown width estimation
de Moraes Frasson et al. Three-dimensional digital model of a maize plant
JP4719753B2 (ja) 異種センサ統合モデリングによるデジタル写真測量方法及びその装置
CN102147250B (zh) 一种数字线划图测图方法
KR101349375B1 (ko) 3차원 지리정보시스템용 건물의 자동 3차원 공간영상 자동도화방법
KR101219767B1 (ko) 수치지형도 작성을 위한 차량 모바일 매핑 시스템을 이용한 도로 레이어 현지조사 방법
JP6631206B2 (ja) 土工管理方法
KR101349376B1 (ko) 타겟을 이용한 수치지도 제작용 건물평면의 자동도화방법
CN103954970A (zh) 一种地形要素采集方法
CN107063187A (zh) 一种全站仪与无人机影像联合的树高快速提取方法
Dahaghin et al. Precise 3D extraction of building roofs by fusion of UAV-based thermal and visible images
CN113378754B (zh) 一种工地裸土监测方法
CN109961043A (zh) 一种基于无人机高分辨率影像的单木高度测量方法及系统
Kurdi et al. Full series algorithm of automatic building extraction and modelling from LiDAR data
Arcidiacono et al. Improving per-pixel classification of crop-shelter coverage by texture analyses of high-resolution satellite panchromatic images
CN115830474A (zh) 一种识别野生藏药独一味及其分布并计算其产量的方法与系统
CN113418510A (zh) 一种基于多旋翼无人机的高标准农田验收方法
Gómez-Candón et al. How the spatial resolution can affect the quality of mosaics and assessment of optimum number of tie points necessary to obtain good quality images
CN112414373A (zh) 一种基于无人机、vr技术的自动解译方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230110

Address after: Building A09, No. 6, Huandong Trunk Road, Binhai New Area Pilot Free Trade Zone (Airport Economic Zone), Tianjin, 300308

Patentee after: Tianjin Pegasus Robot Technology Co.,Ltd.

Address before: 518000, 1st Floor, 16th Building, Zhiheng Industrial Park, Nantou Street, Nanshan District, Shenzhen City, Guangdong Province

Patentee before: SHENZHEN FEIMA ROBOTICS Co.,Ltd.

TR01 Transfer of patent right