CN106127697B - 无人机机载成像高光谱几何校正方法 - Google Patents
无人机机载成像高光谱几何校正方法 Download PDFInfo
- Publication number
- CN106127697B CN106127697B CN201610415761.2A CN201610415761A CN106127697B CN 106127697 B CN106127697 B CN 106127697B CN 201610415761 A CN201610415761 A CN 201610415761A CN 106127697 B CN106127697 B CN 106127697B
- Authority
- CN
- China
- Prior art keywords
- point
- correction
- angle
- pos data
- coordinate
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001228 spectrum Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 5
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 8
- 230000000717 retained effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 4
- 239000003550 marker Substances 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 description 6
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Classifications
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30181—Earth observation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Processing Or Creating Images (AREA)
Abstract
无人机机载成像高光谱几何校正方法。属于图像处理领域。目前根据POS数据校正获得的图像与实际偏离过大，景物点、线、面畸变较大，且难以通过多项式校正进行几何精校正。本发明方法包括：采集当前无人机低精度POS传感器的位置姿态信息校正视准轴误差；根据地物特征的角点、轮廓信息对POS数据预处理，获得对应的外方位元素；共线方程校正；通过地面校正点进行多项式校正。本发明考虑了自然地物特征与传感器本身误差之间的关系，提高校正精度，对无人机航拍低精度POS数据进行优化，只携带低精度POS传感器以及高光谱成像仪即可进行无人机航拍图像的精确校正，为当前低成本无人机高光谱成像广泛应用提供技术支撑。
Description
技术领域
本发明涉及一种本发明涉及图像处理技术领域，尤其涉及一种无人机机载成像高光谱几何校正方法。
背景技术
近年来，成像高光谱的空间分辨率与光谱分辨率越来越高，在农业自动化，城市规划等各个领域起到了很大的作用，具有巨大的发展潜力。当前高光谱图像的采集主要依靠卫星进行采集，具有卫星平台轨道相对固定，只能获取固定时间的图像，不能实时实地的进行信息采集，受天气影响较大等缺点，难以满足现在工农业对高光谱图像时间分辨率上的要求。
无人机具有实时性高，可适应各种环境，价格相对便宜等优点。随着无人机技术的发展，小型无人机机载高光谱在农业低空遥感及城市规划上具有重要的研究和应用价值。
无人机的载荷较低，平台稳定性较差，容易受气流，风速的影响，而大多数成像高光谱采用推扫的方式，使得高光谱成像受平台姿态影响，几何畸变较大。后续的几何校正需要高精度的POS数据来进行，但由于无人机载荷较低，无法携带高精度的POS设备及其它设备。给无人机高光谱成像实际应用造成了很大困难。
目前使用的无人机几何校正方法一般单纯采用地面控制点进行多项式校正，但这种方法对POS精度要求较高，且精度受控制点影响较大。还有人使用框架摄像机与高光谱图像进行匹配校正，然而受无人机载重影响，携带框架摄像机无疑增加了成本，在应用上有一定限制。
现有低成本小型无人机只负载有低精度的POS位置传感器以及推扫式高光谱成像仪，由于风力影响，只根据POS数据校正获得的图像与实际偏离过大，景物点，线，面畸变仍旧较大，且难以通过多项式校正进行几何精校正，不能满足实际使用要求。
发明内容
本发明的目的是为了解决目前根据POS数据校正获得的图像与实际偏离过大，景物点，线，面畸变较大，且难以通过多项式校正进行几何精校正，不能满足实际使用要求，而提出一种无人机机载成像高光谱几何校正方法。
一种无人机机载成像高光谱几何校正方法，所述方法通过以下步骤实现：
步骤一、获得无人机低精度POS传感器的POS数据：俯仰角Φ、翻滚角Ω、方位角Ψ，航高h，同时获取无人机GPS信息；
步骤二、校正视准轴偏差产生的POS数据的误差；
步骤三、根据地物特征对POS数据及高光谱图像进行预处理；
步骤四、建立地面坐标系，根据校正后的POS数据进行共线方程几何校正；
步骤五、地面参考点校正。
本发明的有益效果为：
本发明针对已有系统的校正方法，采集当前无人机低精度POS传感器的位置姿态信息校正视准轴误差；根据地物特征的角点、轮廓信息对POS数据进行预处理，获得对应的外方位元素；共线方程校正；通过地面校正点进行多项式校正。对POS数据进行预处理过程中，是以实际景物特征为出发点，结合POS数据，对现有在无人机平台下，只携带低精度POS成像高光谱仪设备下采集到的图像进行几何校正。
采用本发明公开的一种无人机载成像高光谱几何校正的方法,利用地物特征信息对POS信息进行预处理，提高了POS信息精度,对无人机低精度POS数据进行优化,实现成像高光谱仪逐扫描线几何精确校正，为无人机成像高光谱广泛应用提供了技术支撑。
附图说明
图1为本发明的方法流程图；
图2为本发明涉及的POS数据预处理过程；
图3为本发明的畸变与角点关系示意图；图中的“X”表示角点。
具体实施方式
具体实施方式一：
本实施方式的无人机机载成像高光谱几何校正方法，结合图1所示，所述方法通过以下步骤实现：
步骤一、获得无人机低精度POS传感器的POS数据：俯仰角Φ、翻滚角Ω、方位角Ψ，航高h，同时获取无人机GPS信息；
步骤二、校正视准轴偏差产生的POS数据的误差；
步骤三、根据地物特征对POS数据及高光谱图像进行预处理；
步骤四、建立地面坐标系，根据校正后的POS数据进行共线方程几何校正；
步骤五、地面参考点校正。
具体实施方式二：
与具体实施方式一不同的是，本实施方式的无人机机载成像高光谱几何校正方法，步骤二所述的校正视准轴偏差产生的POS数据误差的过程为，
步骤二一、利用标准校验场获得标准参照物的准确位置信息；
步骤二二、设视准轴偏差为(ex，ey，ez)，POS数据为(Φ，Ω，Ψ)，则影像姿态角构成的正交变换矩阵R表示为：
其中，ex为X方向上的旋转误差，ey为Y方向上的旋转误差，ez为Z方向上的旋转误差；
为IMU坐标系到物方坐标系的变换矩阵，有：
为像空间到IMU坐标的变换矩阵，有：
步骤二三、设高光谱图像拍摄时实际的俯仰角翻滚角ω，方位角κ，则正交变换矩阵R仍表示为：
结合以上方程，可以解算出：
具体实施方式三：
与具体实施方式一或二不同的是，本实施方式的无人机机载成像高光谱几何校正方法，步骤三所述的根据地物特征对POS数据及高光谱图像进行预处理的过程为，由于POS姿态数据精度很低，造成地物畸变较大，直接校正后，地物畸变难以恢复，故对POS姿态数据做以下处理，见图2：
步骤三一、对POS数据进行卡尔曼滤波，并对GPS信息进行差分修正；再根据经纬度信息
计算出扫描中心相对起始扫描中心偏移的横坐标和纵坐标的距离，将单位换算成米；.
步骤三二、通过高光谱图像本身的景物特征，获取高光谱图像角点信息；获得的角点包括景物自身的拐角以及交叉点、几何畸变造成的角点以及噪声造成的角点；且几何畸变造成的角点与其它两种角点的最大区别在于，
几何畸变造成的角点在同一个扫描行内有多个相似的形状；
景物自身的拐角交叉点不在同一扫描行；
噪声造成的角点是孤立存在的；
步骤三三、对于推扫高光谱成像仪而言，几何畸变产生原因是风力的变化影响翻滚角Ω，以扫描行坐标作为横坐标、翻滚角Ω作为纵坐标形成的曲线的极值点处，见图3；
计算翻滚角Ω的所有极值点所在的行Xo，并记录，对行高光谱图像做分割以获得地物轮廓信息；
步骤三四、将获得的角点与地物轮廓做匹配，检查角点是否与获得的地物轮廓重叠；
若角点与获得的地物轮廓重叠，则认为该角点为地物拐点或由于风力影响造成的畸变点，再对这些角点做判断，若角点所在行属于Xo，则判定该角点为畸变点；
若角点不与获得的地物轮廓重叠，则将不重叠的角点标志为基准点；
步骤三五、对地物轮廓进行规则化校正，计算角点与规则化的地物轮廓偏差，进一步更新经卡尔曼滤波后的POS数据，则获得校正后的POS数据为(Φ′，Ω′，Ψ，h，Ox，Oy)；其中，Ox表示当前扫描行扫描中心相比起始行扫描中心偏移的横向GPS信息，Oy表示当前扫描行扫描中心相比起始行扫描中心偏移的纵向GPS信息。
具体实施方式四：
与具体实施方式三不同的是，本实施方式的无人机机载成像高光谱几何校正方法，步骤三一所述的对原始GPS信息数据进行差分修正的过程为，对GPS信息数据进行插值处理，使之与其他数据匹配，并与起始GPS信息数据做差分。
具体实施方式五：
与具体实施方式三或四不同的是，本实施方式的无人机机载成像高光谱几何校正方法，步骤三四所述的对地物轮廓进行规则化校正，计算角点与规则化的地物轮廓偏差，进一步更新经卡尔曼滤波后的POS数据，则获得校正后的POS数据为(Φ′，Ω′，Ψ，h，Ox，Oy)的过程为，对于与获得的地物轮廓重叠的角点，去除轮廓上属于几何畸变造成的角点，将保留下的角点作为轮廓线端点，对保留下的角点在邻近行之间做插值点，使插值点与保留下的角点成直线排列，获取一个新的轮廓图，并与原始轮廓做对比，将算出轮廓像素偏差保存在一个与高光谱图像行数相同的行向量G＝(g1,g2,g3…)中，对经卡尔曼滤波后的POS数据中的翻滚角Ω进行进一步校正，获得Ω′＝Ω+G/h。
具体实施方式六：
与具体实施方式五不同的是，本实施方式的无人机机载成像高光谱几何校正方法，步骤四所述建立地面坐标系，根据校正后的POS数据进行共线方程几何校正的过程为，
步骤四一、建立空间辅助坐标系(X，Y，Z)，建立从像空间坐标系转换到辅助坐标系(x，y，-f)的变换关系：
步骤四二、建立辅助坐标系(x，y，-f)到地面摄影坐标系上之间的关系，地面上点A坐标为(XA，YA，ZA)，投影中心为S，S坐标为(XS，YS，ZS)：
最终解算出投影变换关系，有：
步骤四三、根据相机参数获得内方位参数，根据校正过的POS数据获得外方位参数，以及GPS信息偏差，从而可以解算出(XS，YS，ZS)以及正交变换矩阵R，从而利用公式(8)解算出空间坐标；
步骤四四、逐行计算每点对应的物理坐标，由于计算出的点分布并不均匀，则在每次计算出相邻两行的物理坐标后，根据两行对应相同X坐标的点构建四边形，做双线性插值，获得校正图像。
具体实施方式七：
与具体实施方式一、二、四或六不同的是，本实施方式的无人机机载成像高光谱几何校正方法，步骤五所述地面参考点校正的过程为，根据实际参考点，建立校正多项式，并根据最小二乘法求出多项式参数，对高光谱图像进行逐行、逐像素校正，获得最终图像，具体为：
步骤五一、建立投影坐标系；
步骤五二、利用已知地面控制点求解多项式系数：
设高光谱图像上点的坐标为(u,v)，投影坐标系上对应点的坐标为(x,y)，则二者的关系用如下多项式表达：
在高光谱图像上与投影坐标系上参考点的坐标为已知，通过最小二乘法拟合出多项式系数；m表示多项式的次数；j表示x的次数，k表示y的次数；
步骤五三、遥感图像的纠正变换(几何纠正)；
通过公式(9)计算投影坐标系上每点对应高光谱图像上点的坐标，对于对应的(u,v)不为整数点，则做二次线性插值，获得(u,v)点的灰度值，并以该灰度值作为投影坐标系上对应点的灰度值，完成校正。
实施例1：
A.数据导入
(A1)读取成像光谱仪获得的IMG格式光谱数据；
(A2)读取POS格式文件中的俯仰角Φ、翻滚角Ω、方位角Ψ，航高h，GPS，航速，速度，速度方向等参数；
B.校正视准轴误差
(B1)在训练场试飞，并通过实际地物信息与获取数据，以及公式(1)-(5)计算获得视准轴误差(ex,ey,ez)；
(B2)通过公式(1)-(5),以及(ex,ey,ez)对POS数据中的俯仰角Φ、翻滚角Ω、方位角Ψ进行校正，获得新的((Φ′,Ψ′,Ω′))。
CPOS数据预处理
(C1)对GPS数据进行插值，使之与其它数据匹配，并与起始GPS数据做差分，结果单位转换为m；
(C2)对俯仰角Φ′、翻滚角Ω′、方位角Ψ′，航高h等数据进行卡尔曼滤波；获得新的数据(Φ″,Ψ″,Ω″,h)。
(C3)使用SIFT算子计算高光谱图像的角点信息，并保存在一个矩阵V中，V的行数为高光谱图像的行数，列数为高光谱图像的列数，维数等于光谱维。当与之对应的元素为角点是，设置为1，否则为0；
(C4)使用横向Sober算子求高光谱图像每个波段的轮廓，并保存在一个与原有高光谱图像相同大小的图像中；
(C5)对Ω″求差分，设置一个阈值，当差分值小于阈值时，则判定该行为极值点，记录在一个行向量O中；
(C6)对高光谱图像波段轮廓进行叠加判断，获取比较清晰的轮廓；
(C7)对高光谱图像中的角点进行滤除，若同一位置的角点存在于多个波段中，则保留，反之去除；
(C8)判断保留的角点是否与轮廓重叠，重叠保留，反之，去除；
(C9)去除轮廓上属于行向量O元素对应行的角点；
(C10)将保留下的角点作为轮廓线端点，对保留下角点邻近行之间做插值点，使之与保留下的角点成直线排列，获取一个新的轮廓图，并与之前轮廓做对比，算出轮廓像素偏差，保存在一个与高光谱图像行数相同的行向量G＝(g1,g2,g3…),可近似对Ω″进行进一步校正，获得Ω″′＝Ω″+G/h。
D.共线方程校正
将(Φ″,Ψ″,Ω″)作为外方位参素，根据内方位参数以及(XS，YS，ZS)，R以及公式(8)做投影校正，由于投影像素分布不均匀，故根据相邻两行的投影结果，对中间元素做插值，获得校正图像。
E.多项式校正
在有地面参考点的情况下，建立校正多项式，并根据最小二乘法求出多项式参数。对高光谱图像进行逐行，逐像素校正，获得最终图像。
本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (6)
1.一种无人机机载成像高光谱几何校正方法，其特征在于：所述方法通过以下步骤实现：
步骤一、获得无人机低精度POS传感器的POS数据：俯仰角Φ、翻滚角Ω、方位角Ψ，航高h，同时获取无人机GPS信息；
步骤二、校正视准轴偏差产生的POS数据的误差；
步骤三、根据地物特征对POS数据及高光谱图像进行预处理，其过程为：
步骤三一、对POS数据进行卡尔曼滤波，并对GPS信息进行差分修正；再根据经纬度信息计算出扫描中心相对起始扫描中心偏移的横坐标和纵坐标的距离；
步骤三二、通过高光谱图像本身的景物特征，获取高光谱图像角点信息；获得的角点包括景物自身的拐角以及交叉点、几何畸变造成的角点以及噪声造成的角点；
步骤三三、计算翻滚角Ω的所有极值点所在的行Xo，并记录，对行高光谱图像做分割以获得地物轮廓信息；
步骤三四、将获得的角点与地物轮廓做匹配，检查角点是否与获得的地物轮廓重叠；
若角点与获得的地物轮廓重叠，则认为该角点为地物拐点或由于风力影响造成的畸变点，再对这些角点做判断，若角点所在行属于Xo，则判定该角点为畸变点；
若角点不与获得的地物轮廓重叠，则将不重叠的角点标志为基准点；
步骤三五、对地物轮廓进行规则化校正，计算角点与规则化的地物轮廓偏差，进一步更新经卡尔曼滤波后的POS数据，则获得校正后的POS数据为(Φ′，Ω′，Ψ，h，Ox，Oy)；其中，Ox表示当前扫描行扫描中心相比起始行扫描中心偏移的横向GPS信息，Oy表示当前扫描行扫描中心相比起始行扫描中心偏移的纵向GPS信息；
步骤四、建立地面坐标系，根据校正后的POS数据进行共线方程几何校正；
步骤五、地面参考点校正。
2.根据权利要求1所述无人机机载成像高光谱几何校正方法，其特征在于：步骤二所述的校正视准轴偏差产生的POS数据误差的过程为，
步骤二一、利用标准校验场获得标准参照物的准确位置信息；
步骤二二、设视准轴偏差为(ex，ey，ez)，POS数据为(Φ，Ω，Ψ)，则影像姿态角构成的正交变换矩阵R表示为：
其中，ex为X方向上的旋转误差，ey为Y方向上的旋转误差，ez为Z方向上的旋转误差；
为IMU坐标系到物方坐标系的变换矩阵，有：
为像空间到IMU坐标的变换矩阵，有：
步骤二三、设高光谱图像拍摄时实际的俯仰角翻滚角ω，方位角κ，则正交变换矩阵R仍表示为：
结合以上方程，可以解算出：
3.根据权利要求2所述无人机机载成像高光谱几何校正方法，其特征在于：步骤三一所述的对GPS信息数据进行差分修正的过程为，对GPS信息数据进行插值处理，并与起始GPS信息数据做差分。
4.根据权利要求3所述无人机机载成像高光谱几何校正方法，其特征在于：步骤三五所述的对地物轮廓进行规则化校正，计算角点与规则化的地物轮廓偏差，进一步更新经卡尔曼滤波后的POS数据，则获得校正后的POS数据为(Φ′，Ω′，Ψ，h,Ox，Oy)的过程为，对于与获得的地物轮廓重叠的角点，去除轮廓上属于几何畸变造成的角点，将保留下的角点作为轮廓线端点，对保留下的角点在邻近行之间做插值点，使插值点与保留下的角点成直线排列，获取一个新的轮廓图，并与原始轮廓做对比，将算出轮廓像素偏差保存在一个与高光谱图像行数相同的行向量G＝(g1,g2,g3…)中，对经卡尔曼滤波后的POS数据中的翻滚角Ω进行进一步校正，获得Ω′＝Ω+G/h。
5.根据权利要求4所述无人机机载成像高光谱几何校正方法，其特征在于：步骤四所述建立地面坐标系，根据校正后的POS数据进行共线方程几何校正的过程为，
步骤四一、建立空间辅助坐标系(X，Y，Z)，建立从像空间坐标系转换到辅助坐标系(x，y，-f)的变换关系：
步骤四二、建立辅助坐标系(x，y，-f)到地面摄影坐标系上之间的关系，地面上点A坐标为(XA，YA，ZA)，投影中心为S，S坐标为(XS，YS，ZS)：
最终解算出投影变换关系，有：
步骤四三、根据相机参数获得内方位参数，根据校正过的POS数据获得外方位参数，以及GPS信息偏差，从而可以解算出(XS，YS，ZS)以及正交变换矩阵R，从而利用公式(8)解算出空间坐标；
步骤四四、逐行计算每点对应的物理坐标，则在每次计算出相邻两行的物理坐标后，根据两行对应相同X坐标的点构建四边形，做双线性插值，获得校正图像。
6.根据权利要求1、2、4或5所述无人机机载成像高光谱几何校正方法，其特征在于：步骤五所述地面参考点校正的过程为，根据实际参考点，建立校正多项式，并根据最小二乘法求出多项式参数，对高光谱图像进行逐行、逐像素校正，获得最终图像，具体为：
步骤五一、建立投影坐标系；
步骤五二、利用已知地面控制点求解多项式系数：
设高光谱图像上点的坐标为(u,v)，投影坐标系上对应点的坐标为(x,y)，则二者的关系用如下多项式表达：
已知参考点在高光谱图像上的坐标与投影坐标系上的坐标，通过最小二乘法拟合出多项式系数；m表示多项式的次数；j表示x的次数，k表示y的次数；
步骤五三、遥感图像的纠正变换：
通过公式(9)计算投影坐标系上每点对应高光谱图像上点的坐标，对于对应的(u,v)不为整数点，则做二次线性插值，获得(u,v)点的灰度值，并以该灰度值作为投影坐标系上对应点的灰度值，完成校正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610415761.2A CN106127697B (zh) | 2016-06-07 | 2016-06-07 | 无人机机载成像高光谱几何校正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610415761.2A CN106127697B (zh) | 2016-06-07 | 2016-06-07 | 无人机机载成像高光谱几何校正方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106127697A CN106127697A (zh) | 2016-11-16 |
| CN106127697B true CN106127697B (zh) | 2018-12-11 |
Family
ID=57270508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610415761.2A Active CN106127697B (zh) | 2016-06-07 | 2016-06-07 | 无人机机载成像高光谱几何校正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106127697B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108122203B (zh) * | 2016-11-29 | 2020-04-07 | 上海东软医疗科技有限公司 | 一种几何参数的校正方法、装置、设备及系统 |
| CN106408964B (zh) * | 2016-12-05 | 2019-01-29 | 山东大学 | 空地协同公交信号优先精准车道级控制区域的获取方法 |
| CN106846385B (zh) * | 2016-12-30 | 2020-11-24 | 广州地理研究所 | 基于无人机的多传感遥感影像匹配方法、装置和系统 |
| CN106846277B (zh) * | 2017-02-16 | 2020-03-20 | 中国科学院遥感与数字地球研究所 | 一种线推扫成像的高光谱遥感图像错行纠正方法及装置 |
| CN106920207B (zh) * | 2017-03-13 | 2020-05-19 | 哈尔滨工程大学 | 一种基于硬件实现的空间平台像平面投影点实时计算的方法 |
| CN107221010B (zh) * | 2017-07-12 | 2023-07-04 | 中国科学院上海技术物理研究所 | 基于三面阵相机的机载高光谱图像几何校正方法与装置 |
| CN107507150A (zh) * | 2017-08-31 | 2017-12-22 | 天津大学 | 一种基于多项式拟合的柱面图像校正方法 |
| CN107741220B (zh) * | 2017-10-26 | 2020-07-24 | 中煤航测遥感集团有限公司 | 影像处理方法、装置及电子设备 |
| CN108180926B (zh) * | 2017-12-20 | 2021-03-19 | 中国科学院长春光学精密机械与物理研究所 | 一种面阵相机imu视准轴误差地面检测方法 |
| CN108320309A (zh) * | 2017-12-29 | 2018-07-24 | 宁波诺视智能科技有限公司 | 一种计算航拍图像的像素点与gps对应关系的方法及系统 |
| CN109493298B (zh) * | 2018-11-13 | 2019-08-30 | 中国国土资源航空物探遥感中心 | 一种机载摆扫式高光谱数据快速几何校正方法 |
| CN110555813B (zh) * | 2019-08-27 | 2021-10-22 | 成都数之联科技有限公司 | 一种无人机遥感影像的快速几何校正方法及系统 |
| CN110310248B (zh) * | 2019-08-27 | 2019-11-26 | 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 |
| CN112556725B (zh) * | 2020-12-10 | 2023-03-21 | 湖北省地震局(中国地震局地震研究所) | 一种针对便携式无人机无控制点测图相对精度的检测方法 |
| CN115618749B (zh) * | 2022-12-05 | 2023-04-07 | 四川腾盾科技有限公司 | 一种大型无人机实时定位的误差补偿方法 |
| CN116821414B (zh) * | 2023-05-17 | 2024-07-19 | 成都纵横大鹏无人机科技有限公司 | 基于无人机视频形成视场投影地图的方法及系统 |
| CN117934346B (zh) * | 2024-03-21 | 2024-06-07 | 安徽大学 | 一种无稳定平台的机载线阵高光谱遥感影像几何处理方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103345737A (zh) * | 2013-06-04 | 2013-10-09 | 北京航空航天大学 | 一种基于误差补偿的uav高分辨率影像几何校正方法 |
| CN103810701A (zh) * | 2014-01-15 | 2014-05-21 | 北京农业信息技术研究中心 | 一种无人机载成像高光谱几何校正的方法及系统 |
| CN104700367A (zh) * | 2015-03-05 | 2015-06-10 | 清华大学 | 一种艇载高光谱推帚成像数据的几何校正方法 |
| CN105046251A (zh) * | 2015-08-04 | 2015-11-11 | 中国资源卫星应用中心 | 一种基于环境一号卫星遥感影像的自动正射校正方法 |
-
2016
- 2016-06-07 CN CN201610415761.2A patent/CN106127697B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103345737A (zh) * | 2013-06-04 | 2013-10-09 | 北京航空航天大学 | 一种基于误差补偿的uav高分辨率影像几何校正方法 |
| CN103810701A (zh) * | 2014-01-15 | 2014-05-21 | 北京农业信息技术研究中心 | 一种无人机载成像高光谱几何校正的方法及系统 |
| CN104700367A (zh) * | 2015-03-05 | 2015-06-10 | 清华大学 | 一种艇载高光谱推帚成像数据的几何校正方法 |
| CN105046251A (zh) * | 2015-08-04 | 2015-11-11 | 中国资源卫星应用中心 | 一种基于环境一号卫星遥感影像的自动正射校正方法 |
Non-Patent Citations (3)
| Title |
|---|
| POS辅助航测地形测图的关键技术研究;吴珍丽;《中国博士学位论文全文数据库 基础科技辑》;20150515(第2015年第5期);正文第17页2.2.2小节至第62页3.2.4小节，图2-5 * |
| 基于微小型无人机的遥感信息获取关键技术综述;汪沛 等;《农业工程学报》;20140930;第30卷(第18期);第1-12页 * |
| 轻型飞机成像光谱图象几何校正技术研究;张杰林 等;《中国图象图形学报》;20020630;第7卷(第6期);第576-580页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106127697A (zh) | 2016-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106127697B (zh) | 无人机机载成像高光谱几何校正方法 | |
| Gómez-Candón et al. | Assessing the accuracy of mosaics from unmanned aerial vehicle (UAV) imagery for precision agriculture purposes in wheat | |
| Sugiura et al. | Remote-sensing technology for vegetation monitoring using an unmanned helicopter | |
| CN103557841B (zh) | 一种提高多相机合成影像摄影测量精度的方法 | |
| CN103674063B (zh) | 一种光学遥感相机在轨几何定标方法 | |
| CN103822615A (zh) | 一种多控制点自动提取与聚合的无人机地面目标实时定位方法 | |
| CN105180963B (zh) | 基于在线标校的无人机遥测参数修正方法 | |
| CN107798668B (zh) | 基于rgb影像的无人机成像高光谱几何校正的方法及系统 | |
| CN112598608B (zh) | 一种基于目标区域的光学卫星快速融合产品制作方法 | |
| Greslou et al. | Pleiades-HR innovative techniques for geometric image quality commissioning | |
| CN104361563B (zh) | 基于gps的高光谱遥感图像几何精校正方法 | |
| Jurado et al. | An efficient method for generating UAV-based hyperspectral mosaics using push-broom sensors | |
| CN114972545B (zh) | 一种高光谱卫星的在轨数据快速预处理方法 | |
| CN113514829A (zh) | 面向InSAR的初始DSM的区域网平差方法 | |
| CN115618749B (zh) | 一种大型无人机实时定位的误差补偿方法 | |
| Ahamed et al. | Tower remote-sensing system for monitoring energy crops; image acquisition and geometric corrections | |
| CN112950719A (zh) | 一种基于无人机主动式光电平台的无源目标快速定位方法 | |
| CN110223233B (zh) | 一种基于图像拼接的无人机航拍建图方法 | |
| CN102944308B (zh) | 一种时空联合调制干涉成像光谱仪姿态误差校正方法 | |
| CN103776426A (zh) | 一种旋转平台农田成像几何校正方法 | |
| CN111044076B (zh) | 基于参考底图的高分一号b卫星几何检校方法 | |
| Wang et al. | A method for generating true digital orthophoto map of UAV platform push-broom hyperspectral scanners assisted by lidar | |
| CN104019800A (zh) | 大侧摆线阵ccd遥感图像对地定位的方法 | |
| CN112257630A (zh) | 电力系统的无人机探测成像方法及装置 | |
| Jhan et al. | A modified projective transformation scheme for mosaicking multi-camera imaging system equipped on a large payload fixed-wing UAS |
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: 20210107 Address after: 150000 No. 92, West Da Zhi street, Nangang District, Harbin, Heilongjiang. Patentee after: INDUSTRIAL TECHNOLOGY Research Institute OF HEILONGJIANG PROVINCE Address before: 150001 No. 92 West straight street, Nangang District, Heilongjiang, Harbin Patentee before: HARBIN INSTITUTE OF TECHNOLOGY |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221122 Address after: 150027 Room 412, Unit 1, No. 14955, Zhongyuan Avenue, Building 9, Innovation and Entrepreneurship Plaza, Science and Technology Innovation City, Harbin Hi tech Industrial Development Zone, Heilongjiang Province Patentee after: Heilongjiang Industrial Technology Research Institute Asset Management Co.,Ltd. Address before: 150000 No. 92, West Da Zhi street, Nangang District, Harbin, Heilongjiang. Patentee before: INDUSTRIAL TECHNOLOGY Research Institute OF HEILONGJIANG PROVINCE |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221228 Address after: Room 111-096, Floor 1, Building 2, Science and Innovation Headquarters, Shenzhen (Harbin) Industrial Park, No. 288, Zhigu Street, Songbei District, Harbin, 150000, Heilongjiang Patentee after: Tiananma Technology (Heilongjiang) Co.,Ltd. Address before: 150027 Room 412, Unit 1, No. 14955, Zhongyuan Avenue, Building 9, Innovation and Entrepreneurship Plaza, Science and Technology Innovation City, Harbin Hi tech Industrial Development Zone, Heilongjiang Province Patentee before: Heilongjiang Industrial Technology Research Institute Asset Management Co.,Ltd. |
|
| TR01 | Transfer of patent right |