CN106778588A - 基于同名点的飞行状态检测方法及装置 - Google Patents

Abstract

本发明提供了一种基于同名点的飞行状态检测方法及装置，应用于无人机摄影测量处理领域。所述方法包括：对无人机获得的多幅图像进行航带划分，获得多个航带中每个航带包括的图像；获取每相邻的两幅图像间相互匹配的同名点，所述每相邻的两幅图像包括每个航带内每相邻的两幅图像以及不同航带间每相邻的两幅图像；根据获得的相互匹配的同名点，获取反映无人机飞行状态的多个影像参数。该方法及装置根据无人机拍摄的图像的同名点获取影像参数，根据该影像参数获得的飞行状态参数准确性更高。

Description

基于同名点的飞行状态检测方法及装置

技术领域

本发明涉及无人机摄影测量处理领域，具体而言，涉及一种基于同名点的飞行状态检测方法及装置。

背景技术

低空无人机航测系统具有分辨率高、机动性强等特点，已被广泛应用于国土资源监测、大比例尺测图以及应急抢险等方面。系统的设备轻便易携带，但是对飞行环境和气候气象较为敏感，外界环境和飞行条件的变化都会引起飞行状态的改变，影响最终成果的质量和精度。利用无人机航测系统的POS数据可以检查飞行状态，但是其不具备搭载高精度POS系统的条件，得到的飞行状态参数准确性不高。

发明内容

有鉴于此，本发明实施例提供了一种基于同名点的飞行状态检测方法及装置，通过根据无人机拍摄的图像获取反映无人机飞行状态的多个影像参数，以反映无人机的飞行状态，改善上述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于同名点的飞行状态检测方法，所述方法包括：对无人机获得的多幅图像进行航带划分，获得多个航带中每个航带包括的多幅图像；获取每相邻的两幅图像间相互匹配的同名点，所述每相邻的两幅图像包括每个航带内每相邻的两幅图像以及不同航带间每相邻的两幅图像；根据获得的相互匹配的同名点，获取反映无人机飞行状态的多个影像参数。

一种基于同名点的飞行状态检测装置，所述装置包括：航带划分模块，用于对无人机获得的多幅图像进行航带划分，获得多个航带以及每个航带包括的多幅图像；同名点获取模块，用于获取每相邻的两幅图像间相互匹配的同名点，所述每相邻的两幅图像包括每个航带内每相邻的两幅图像以及不同航带间每相邻的两幅图像；参数获取模块，用于根据获得的相互匹配的同名点，获取反映无人机飞行状态的多个影像参数。

本发明实施例提供的基于同名点的飞行状态检测方法及装置，对无人机获得的多幅图像进行同名点匹配，以根据匹配的同名点获取可以反映无人机飞行状态的影像参数，从而可以检测到无人机的飞行状态。相比于通过无人机航测系统的POS数据进行检测，可以得到更加准确的无人机飞行状态。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1示出了本发明较佳实施例提供的计算机的方框示意图；

图2示出了本发明第一实施例提供的基于同名点的飞行状态检测方法的流程图；

图3示出了本发明第一实施例提供的基于同名点的飞行状态检测方法的部分步骤的流程图；

图4示出了本发明第一实施例提供的基于同名点的飞行状态检测方法的特征点选取示意图；

图5示出了本发明第一实施例提供的基于同名点的飞行状态检测方法中相邻图像航向重叠的示意图；

图6示出了本发明第一实施例提供的基于同名点的飞行状态检测方法中具有旋角的两幅图像的示意图；

图7示出了本发明第一实施例提供的基于同名点的飞行状态检测方法中表示航线弯曲度的示意图；

图8示出了本发明第二实施例提供的基于同名点的飞行状态检测装置的结构框图。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

如图1所示，是本发明较佳实施例提供的计算机100的方框示意图。所述计算机100包括基于同名点的飞行状态检测装置200、存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、显示单元106及其他。

所述存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、显示单元106各元件相互之间直接或间接地电性连接，以实现坐标数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述基于同名点的飞行状态检测装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器101中的软件功能模块。所述处理器103用于执行存储器101中存储的可执行模块，例如所述基于同名点的飞行状态检测装置200包括的软件功能模块或计算机程序。

其中，存储器101可以是，但不限于，随机存取存储器101(Random Access Memory，RAM)，只读存储器101(Read Only Memory，ROM)，可编程只读存储器101(ProgrammableRead-Only Memory，PROM)，可擦除只读存储器101(Erasable Programmable Read-OnlyMemory，EPROM)，电可擦除只读存储器101(Electric Erasable Programmable Read-OnlyMemory，EEPROM)等。其中，存储器101用于存储程序，所述处理器103在接收到执行指令后，执行所述程序，本发明实施例任一实施例揭示的流过程定义的服务器/计算机所执行的方法可以应用于处理器103中，或者由处理器103实现。

处理器103可能是一种集成电路芯片，具有信号的处理能力。上述的处理器103可以是通用处理器103，包括中央处理器103(Central Processing Unit，简称CPU)、网络处理器103(Network Processor，简称NP)等；还可以是数字信号处理器103(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器103可以是微处理器103或者该处理器103也可以是任何常规的处理器103等。

所述外设接口104将各种输入/输出装置耦合至处理器103以及存储器101。在一些实施例中，外设接口104，处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。

输入输出单元105提供给用户输入数据实现用户与计算机的交互，如用于输入多帧图像，以使对该多帧图像进行处理，并输出处理结果。所述输入输出单元可以是，但不限于，鼠标和键盘等。

显示单元106在所述计算机与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器进行计算和处理。

由于无人机的位置参数和姿态数据的变化最终都会反映到无人机所拍摄的图像上，对构建航带之后的相邻图像进行特征点的检测和匹配，根据匹配获得的同名点可以准确地计算可以反映无人机飞行状态影像参数。以下详述了本发明实施例提供的根据无人机影像的同名点对无人机飞行状态的检测。可以理解的，该无人机影像为无人机拍摄的图像。

第一实施例

本实施例提供了一种基于同名点的飞行状态检测方法，以根据无人机拍摄的图像获得可以反映无人机的飞行状态的图像参数。具体的，如图2所示，该方法包括：

步骤S110：对无人机获得的多幅图像进行航带划分，获得多个航带中每个航带包括的图像。

该无人机获得的图像即为无人机在飞行过程中拍摄的地面的图像。由于无人机拍摄图像具有时间先后，可以根据无人机获得的多幅图像的拍摄顺序对该多幅图像进行航带划分，以确定无人机飞行的多个航带中，每个航带包括的图像。

在本实施例中，对航带的划分可以是，根据无人机实际飞行的航带数以及每个航带内所包括的图像的数量，将无人机获得的具有先后顺序的多幅图像进行航带划分。例如，无人机实际飞行了m个航带，每个航带内拍摄了n幅图像，则在无人机获得的总的k幅图像中，从第一幅图像至第n幅图像属于第一个航带，从第n+1幅图像至第2n幅图像属于第2个航带，以此类推。

当然，在无人机航带划分的方法在本实施例中并不作为限制，也可以是其他方式进行确定，例如，根据无人机拍摄图像时无人机所处的位置对获得的多幅图像进行航带划分。

步骤S120：获取每相邻的两幅图像间相互匹配的同名点，所述每相邻的两幅图像包括每个航带内每相邻的两幅图像以及不同航带间每相邻的两幅图像。

可以理解的，图像所对应的无人机的位置相邻的两幅图像为相邻的两幅图像，包括航带内相邻以及航带间相邻，图像对应的无人机位置为拍摄该幅图像时无人机所处的位置。例如，在同一个航带内，在无人机的飞行前进方向上，拍摄时间相邻的两幅图像对应的无人机位置相邻，为相邻的两幅图像。

在不同航带间，相邻两个航带存在彼此相邻的图像。在相邻两个航带中，第一航带内的图像对应的无人机位置，在第二航带中对应无人机位置最近的图像为相邻图像。

在相邻两个航带中，确定第一航带内的每一幅图像在第二航带中的相邻图像的方法可以是，对第一航带内的每一幅图像，计算该幅图像对应的无人机位置与第二航带内的所有图像对应的无人机位置之间的距离，得到的第二航带中与之距离最近的图像为与第一航带内该幅图像相邻的图像。

例如，确定第一航带内第一图像在第二航带内的相邻图像的方式可以为，首先确定第一图像对应的第一无人机位置，计算该第一无人机位置与第二航带内所有图像对应的无人机位置之间的距离，获得多个距离值。在多个距离值中，若第二航带中的第二图像对应的第二无人机位置与第一图像对应的第一无人机位置的距离值最小，则该第二航带内的第二图像与第一航带内的第一图像相邻。

当然，在本实施例中，若无人机拍摄的图像为彩色图像，则首先将彩色图像转换为灰度图，再对换为灰度图的图像获取同名点。

具体的，如图3所示，步骤S120包括：

步骤S 121：获取每幅图像的特征点。

在本实施例中，可以通过FAST特征检测器获取图像的特征点。

具体的，首先，以每幅图像的每个像素点为圆心像素点，以预设长度为半径，获得每个圆心像素点对应的圆周像素点。即以每个像素点作为圆心，作为圆心的像素点即为圆心像素点，以预设长度作为半径确定一个圆，该圆的圆周上的像素点为圆周像素点。

再将与对应的圆周像素点满足预设关系的圆心像素点作为特征点。

在本实施例中，该预设关系为第一预设关系或第二预设关系。其中，所述第一预设关系为连续预设个数的圆周像素点的灰度值与对应的圆心像素点的灰度值之差均大于第一预设阈值，所述第二预设关系为连续预设个数的圆周像素点的灰度值与对应的圆心像素点的灰度值之差均小于第二预设阈值。

以在图4中的像素点P为例，确定像素点P是否是特征点。以像素点P为圆心像素点，以3个像素点的长度作为半径，确定的圆周像素点为像素点P周围的编号1至16的像素点。

判断像素点P周围的编号1至16的圆周像素点是否满足第一预设关系或者第二预设关系。以12作为预设个数，则判断圆周像素点形成的圆环上是否存在12个连续像素点构成的圆弧，该圆弧的所有像素点满足I_p→x≤I_p-t或者I_p→x≥I_p+t。其中，I_p表示圆心像素点P的像素值，I_p→x表示圆心像素点P对应的圆周像素点的像素值，t表示第一预设阈值，-t表示第二预设阈值。若该圆弧的所有像素点满足I_p→x≤I_p-t或者I_p→x≥I_p+t，则圆心像素点P为一个特征点。

在本实施例中，作为半径的预设长度并不作为限定，优选的，以3个像素点作为预设长度。预设个数并不作为限定，本实施例中，对应半径的预设长度优选为3，预设个数优选为12。第一预设阈值以及第二预设阈值也不作为限定，可以优选为20。

步骤S 122：建立每个特征点的描述符。

为每一幅图像的每一个特征点建立描述符。可以是每确定一个特征点，即建立一个特征点的描述符，也可以是将所有特征点都确定后，再为每个特征点建立描述符。

具体的，首先，确定每个特征点的主方向。对每个特征点确定主方向具体确定方式可以是，以特征点为圆心，建立一个半径为r个像素点的圆，计算该圆的矩心C，若以P表示该特征点，则圆心和矩心确定一个由圆心到矩心的方向即为特征点的主方向θ。

当然，可以理解的，数字图像I(x,y)的(p+q)阶几何矩表示为图像矩心表示为一阶矩和零阶矩的比值那么主方向θ＝arctan2(m₀₁,m₁₀)。

根据特征点的主方向建立特征点的描述符。对于每一个特征点，具体建立描述符的方式可以是：

以特征点P为中心，在预定大小的矩形区域内按照高斯分布选取预定对数的像素对。然后将选取的预定对数的像素对中每一个像素点的坐标旋转到该特征点P的主方向θ。公式如下所示：

其中，(u,v)和(u',v')分别表示像素点旋转前后的坐标。

将选取的所有像素点旋转到主方向后，确定每对像素对的代表数。具体的，可以是，对选取的预定对数的每对像素对采用如下公式进行计算：

其中p(x)和p(y)分别表示图像中位于x＝(u₁,v₁)和y＝(u₂,v₂)的像素灰度值，该x＝(u₁,v₁)和y＝(u₂,v₂)为根据高斯分布选取的像素对。在一个像素对中，具体哪一个像素点作为x，哪一个像素点作为y在本实施例中并不做限定，只要保证若一个像素对中的第一个像素点表示为x，第二个像素点表示为y，其他所有的像素对都采用相同的规定进行表示，即第一个像素点表示为x，第二个像素点表示为y；或者一个像素对中的第一个像素点表示为y，第二个像素点表示为x，其他所有的像素对都采用相同的规定进行表示，即第一个像素点表示为y，第二个像素点表示为x。当满足x＝(u₁,v₁)的灰度值小于y＝(u₂,v₂)的灰度值时，τ的值为1，否则为0。τ为像素对x、y的代表数。

则可以根据每个特征点的代表数、该特征点选取的像素点的对数建立特征点的描述符f(p)：

其中，N表示特征点P对应的选取的像素对的数量。

在本实施例中，选取像素对的预定大小的矩形区域的具体大小并不作为限定，优选的，矩形区域的长宽相等且长宽选取为奇数个像素点的长度，具体可以为长宽均为31个像素点的矩形区域。另外，选取的像素对的预定对数并不作为限制，对应长宽均为31个像素点的矩形区域，优选的预定对数为128对。

当以特征点P为中心，在长宽均为31个像素点的矩形区域内按照高斯分布选取128对的像素对时，获得的特征点P的描述符为：

步骤S123：根据每个特征点的描述符，在每两幅图像中的第一图像中获取与第二图像中的每个特征点满足预设匹配标准的特征点，获取到的满足预设匹配标准的两个特征点为相互匹配的同名点。

在本实施例中，该预设匹配标准并不作为限定，优选的，可以是以两个特征点间欧氏距离最小作为预设匹配标准。

在本实施例中，计算两个特征点的欧式距离的方式可以是，通过公式：

其中，descr_A表示特征点A的描述符，descr_B表示特征点B的描述符，d(A,B)为特征点A和特征点B之间的欧式距离。

在该步骤中，当获取第一图像中的特征点M在第二图像中的同名点时，计算第二图像中所有特征点与该特征点M的欧氏距离。若第二图像中的所有特征点中，特征点Q与第一图像中的特征点M的欧式距离最小，则该特征点Q为与该特征点M相互匹配的同名点。获取第一图像中其他特征点在第二图像中的同名点的方法与获取特征点M在第二图像中的同名点的方式一样。

进一步的，在本实施例的步骤S121中，可以将满足第一预设关系的圆心像素点标记为第一特征点；将满足第二预设关系的圆心像素点标记为第二特征点。则在步骤S123中，在每两幅图像中的第一图像中获取与第二图像中的第一特征点满足预设匹配标准的第一特征点，获取到的满足预设匹配标准的两个第一特征点为相互匹配的同名点；在每两幅图像中的第一图像中获取与第二图像中的第二特征点满足预设匹配标准的第二特征点，获取到的满足预设匹配标准的两个第二特征点为相互匹配的同名点。

即在每相邻两幅图像中，第一特征点和第一特征点进行匹配，第二特征点和第二特征点进行匹配，以减少特征点的匹配次数。

进一步的，由于获取到的相互匹配的同名点中，可能存在误匹配的同名点，于是，本实施例还可以包括将误匹配的同名点从获得的相互匹配的同名点中删除。

在本实施例中，删除误匹配的同名点的方法可以是比值提纯法，对第一图像中的每一个同名点，寻找第二图像中与该同名点最近距离NN和次近距离SCN的两个特征点，如果NN/SCN的值小于给定的阈值，则判定该同名点与该距离最近的特征点相互匹配，即将第一图像中的该同名点与第二图像中与该同名点匹配的同名点保留；否则不匹配，从获得的相互匹配的同名点中删除第一图像中的该同名点以及第二图像中与该同名点匹配同名点。该给定的阈值可以用户根据实际需要确定，在本实施例中，优选为0.65。

进一步的，还包括再通过RANSAC(随机抽样一致性)方法进行特征点对提纯，进一步剔除误匹配的同名点，获得相邻两幅图像中第一图像与第二图像的相互匹配的同名点。

另外，由于无人机航测影像受到物镜畸变、地形起伏、中心投影等因素的影响，匹配的结果可能存在匹配失败的问题。于是，本实施例还包括判断每幅图像是否与其相邻的图像成功匹配同名点，该成功匹配同名点是指，在相邻两幅图像中获得有相互匹配的同名点。具体的，可以是：

步骤S124：对每幅图像进行判断是否获得与相邻图像间相互匹配的同名点。

该步骤的判断包括判断每幅图像是否与同一航带内相邻的图像获得相互匹配的同名点，判断每幅图像是否与其他航带的相邻的图像获得相互匹配的同名点。

步骤S125：将未获取到相互匹配的同名点的两幅相邻图像进行显示，以使用户对显示的两幅相邻图像进行同名点匹配。

可以理解的，该显示可以是主动显示或者被动显示。主动显示即为，主动在显示单元106上显示匹配失败的相邻图像，被动显示即为，将匹配失败的相邻图像放在一个预设的存储位置，用户可以打开该存储位置的匹配失败的图像进行显示。

另外，两幅图像间是否成功匹配同名点的标准也可以是，判断相邻两幅图像中是否获得预设对数的同名点，该预设对数不做限定，由用户根据实际需要确定。若判断的为相邻两幅图像中是否获得预设对数的同名点，则将未获取到预设对数的相互匹配的同名点的两幅相邻图像进行显示。

步骤S126：接收用户对未获取到相互匹配的同名点的两幅相邻图像所匹配的同名点。

用户可以对显示的匹配失败的相邻图像进行手动匹配。即用户可以采用平移、旋转、缩放功能浏览图像，目视判读相邻的两幅图像的同名点，使用鼠标点击同名点，记录其位置并用十字丝标记显示。

计算机接收用户匹配的同名点并存储，以确定匹配失败的相邻图像中相互匹配的同名点。

另外，计算机也可以给与用户查看匹配后的所有图像的权限，并且，向用户提供删除功能，使用户可以删除匹配错误的同名点，并提供定位功能，以使用户根据同名点的位置回访已采集同名点在图像中的位置。

步骤S130：根据获得的相互匹配的同名点，获取反映无人机飞行状态的多个影像参数。

获取的反映无人机飞行状态的多个影像参数包括图像的倾斜角、图像之间的航高差、航线弯曲度、每相邻两幅图像之间的旋角、每个航带内的每相邻两幅图像间的航向重叠度以及不同航带间每相邻两幅图像间的旁向重叠度中的至少一种。

对于每相邻两幅图像之间的旋角、每个航带内的每相邻两幅图像间的航向重叠度以及不同航带间每相邻两幅图像间的旁向重叠度，可以直接根据相邻图像之间相互匹配的同名点获得。

具体的，首先可以通过薄板样条函数描述无人机影像间同名点的对应关系，公式如下所示：

其中，(x_L,y_L)、(x_R,y_R)为相互匹配的同名点的像素坐标，U(r)＝r²lnr，i表示第i对相互匹配的同名点，n表示同名点总共有n对。r为同名点间的平面距离，(x_i,y_i)、(x_j,y_j)分别表示第i对同名点的坐标；a_k、b_k(k＝0，1，2)为全局刚性变换的系数；α_i、β_i为第i个匹配点对的局部非刚性变换系数。

于是，利用航带内部和航带间相邻图像的同名点解算该薄板样条函数的未知系数a_k、b_k(k＝0，1，2)、α_i、β_i(i＝1，2，…，n)。获得薄板样条函数的未知系数后，根据该薄板样条函数，可以将相邻两幅图像转换到同一坐标系内，即以将相邻两幅图像中第二图像的坐标转换到第一图像所在的坐标系。

在本实施例中，可以将相邻两幅图像中第二图像的边框坐标转换到第一图像所在的坐标系。再根据相邻两幅图像的边框坐标，计算相邻两幅图像对应的航向重叠度或者旁向重叠度。其计算公式可以是：

其中，P_x％、P_y％分别为航向和旁向重叠度；L_x、L_y分别为图像像素坐标的宽度和高度，在本实施例中，以航带延伸方向，即无人机的飞行方向的图像长度为图像像素坐标的宽度L_x。Min(L_x)、Min(L_y)分别为最短的航向重叠边长和最短旁向重叠边长。如图5示出了在同一航带内的相邻两幅图像中第一图像P1与第二图像P2的最短的航向重叠边长LMin以及最长的航向重叠边长LMax，该LMin即为重叠度计算公式中的Min(L_x)。

可以理解的，对于同一航带内的相邻两幅图像，计算获得的重叠度为航向重叠度，对于不同航带的相邻两幅图像，计算获得的为旁向重叠度。

将相邻两幅图像中第二图像的坐标转换到第一图像所在的坐标系后，可以计算每相邻两幅图像之间的旋角。

再根据相邻两幅图像的边框坐标，计算第二图像相对于第一图像所旋转的角度。以图6为例，图6中，P1为第一图像，P2为第二图像，在图6中，P2转换到P1所在的坐标系，计算P2相对于P1的旋角，即计算图6中直线CD与AB的夹角k的角度。计算方式可以是：k＝atan(y_A-y_B,x_A-x_B)。

当然，相邻两幅图像之间的旋角的计算方式在本实施例中并不作为限定，也可以是其他计算方式。

对于图像的倾斜角、图像之间的航高差以及航线弯曲度，可以先根据获得的相互匹配的同名点，获取每幅图像的外方位元素；再根据所述多幅图像中每幅图像的外方位元素进行获取。

具体的，首先利用同名点构建航测区域自由网，解算每幅图像的外方位元素。

根据图像的外方位元素确定的图像的倾斜角、图像之间的航高差以及图像所对应的航带的航线弯曲度的数据可以由用户根据实际需要确定。

在本实施例中，对于每幅图像，以其外方位元素中俯仰角和侧滚角中的最大值作为该图像的倾斜角。以相邻两幅图像之间在竖直方向上的Z轴坐标值之差作为该相邻两幅图像之间的航高差；在一条航带内的图像中，最大的Z轴坐标值与最小的Z轴坐标值之差，作为该航带的航高差。

对于每一条航带的航线弯曲度，首先计算该航带内第一幅图像对应的无人机位置与最后一幅图像对应的无人机位置形成的线段的长度L，再计算该航带内其他图像所对应的无人机位置到该线段的垂距。以到该线段的最远的垂距δ与该线段的长度L的比值作为该航带的航线弯曲度：如图7示出了一条航带内的多幅图像对应的各个无人机的位置，在图7中，点P1代表第一幅图像对应的无人机位置，P2代表最后一幅图像对应的无人机位置，P1、P2的连线长度为L，P3代表该航带内所有图像中到P1、P2的连线最远的图像对应的无人机的位置，P3到P1、P2的连线的垂距为δ，则图7所示的航带的航线弯曲度则为

在本实施例中，根据无人机拍摄的图像的相互匹配的同名点，获得的反映无人机飞行状态的多个影像参数，图像的倾斜角反映了无人机的倾斜状态，图像之间的航高差反映了图像对应的无人机飞行位置之间的航高差，航线弯曲度反映了无人机飞行航线的弯曲程度，每相邻两幅图像之间的旋角反映了无人机的飞行方向的旋转性，每个航带内的每相邻两幅图像间的航向重叠度以及不同航带间每相邻两幅图像间的旁向重叠度反映了无人机在同一航带内拍摄图像的频率以及不同航带间飞行时的航带间距等。

根据获得的反映无人机飞行状态的多个影像参数，可以确定无人机在获取图像过程中的飞行状态，确定无人机获取的图像是否满足实际需求。若获取的图像不满足要求，则可能需要根据获得的多个影像参数调整无人机的飞行状态，重新进行图像获取。

第二实施例

本实施例提供了一种基于同名点的飞行状态检测装置200，请参见图8，该装置200包括：

航带划分模块210，用于对无人机获得的多幅图像进行航带划分，获得多个航带中每个航带包括的多幅图像。同名点获取模块220，用于获取每相邻的两幅图像间相互匹配的同名点，所述每相邻的两幅图像包括每个航带内每相邻的两幅图像以及不同航带间每相邻的两幅图像。参数获取模块230，用于根据获得的相互匹配的同名点，获取反映无人机飞行状态的多个影像参数。

进一步的，如图8所示，在本实施例中，同名点获取模块220包括：特征点获取单元221，用于获取每幅图像的特征点；描述符建立单元222，用于建立每个特征点的描述符；同名点获取单元223，用于根据每个特征点的描述符，在每两幅图像中的第一图像中获取与第二图像中的每个特征点满足预设匹配标准的特征点，获取到的满足预设匹配标准的两个特征点为相互匹配的同名点。

进一步的，在本实施例中，特征点获取单元221包括：像素点关系确定子单元，用于以每幅图像的每个像素点为圆心像素点，以预设长度为半径，获得每个圆心像素点对应的圆周像素点；特征点获取子单元，用于将与对应的圆周像素点满足预设关系的圆心像素点作为特征点。

在本实施例中，像素点关系确定子单元确定的预设关系为第一预设关系或第二预设关系，所述第一预设关系为连续预设个数的圆周像素点的灰度值与对应的圆心像素点的灰度值之差均大于第一预设阈值，所述第二预设关系为连续预设个数的圆周像素点的灰度值与对应的圆心像素点的灰度值之差均小于第二预设阈值。

进一步的，在本实施例中，像素点关系确定子单元还用于将满足第一预设关系的圆心像素点标记为第一特征点；将满足第二预设关系的圆心像素点标记为第二特征点。同名点获取单元223用于在每两幅图像中的第一图像中获取与第二图像中的第一特征点满足预设匹配标准的第一特征点，获取到的满足预设匹配标准的两个第一特征点为相互匹配的同名点；在每两幅图像中的第一图像中获取与第二图像中的第二特征点满足预设匹配标准的第二特征点，获取到的满足预设匹配标准的两个第二特征点为相互匹配的同名点。

另外，由于图像的匹配过程中，可能存在匹配失败的情况，即在相邻两幅图像中未找到相互匹配的同名点或者找到的相互匹配的同名点的数量不满足预设要求，则将匹配失败的两幅图像另行存储或者进行推送，以使用户可以对匹配失败的相邻图像进行手动匹配。于是，在本实施例中，还可以包括：匹配结果判断模块，用于对每幅图像进行判断是否获得与相邻图像间相互匹配的同名点；显示模块，用于将未获取到相互匹配的同名点的两幅相邻图像进行显示，以使用户对显示的两幅相邻图像进行同名点匹配；同名点接收模块，用于接收用户对未获取到相互匹配的同名点的两幅相邻图像所匹配的同名点。

进一步的，在本实施例中，参数获取模块230用于根据获得的相互匹配的同名点，获取每相邻两幅图像之间的旋角、每个航带内的每相邻两幅图像间的航向重叠度以及不同航带间每相邻两幅图像间的旁向重叠度。

另外，在本实施例中，参数获取模块230还用于根据获得的相互匹配的同名点，获取每幅图像的外方位元素；再根据所述多幅图像中每幅图像的外方位元素，获取每幅图像的倾斜角、图像之间的航高差、航线弯曲度中的至少一种。

综上所述，本发明实施例提供的基于同名点的飞行状态检测方法及装置，对无人机飞行过程中拍摄的图像进行同名点获取，根据获得的同名点获取可以反映无人机飞行状态的影像参数，从而根据获得的影像参数确定无人机的飞行状态，检测结果更加精确。并且，对于同名点获取失败的相邻图像，通过人机交互由用户确定其同名点，可检测特征信息匮乏、纹理重复、几何变形大的图像的同名点，以使获得的同名点更加准确，以获得更加准确的影像参数。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能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，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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种基于同名点的飞行状态检测方法，其特征在于，所述方法包括：

对无人机获得的多幅图像进行航带划分，获得多个航带中每个航带包括的图像；

获取每相邻的两幅图像间相互匹配的同名点，所述每相邻的两幅图像包括每个航带内每相邻的两幅图像以及不同航带间每相邻的两幅图像；

根据获得的相互匹配的同名点，获取反映无人机飞行状态的多个影像参数。

2.根据权利要求1所述的方法，其特征在于，所述获取每相邻的两幅图像间相互匹配的同名点包括：

获取每幅图像的特征点；

建立每个特征点的描述符；

根据每个特征点的描述符，在每两幅图像中的第一图像中获取与第二图像中的每个特征点满足预设匹配标准的特征点，获取到的满足预设匹配标准的两个特征点为相互匹配的同名点。

3.根据权利要求2所述的方法，其特征在于，所述获取每幅图像的特征点包括：

以每幅图像的每个像素点为圆心像素点，以预设长度为半径，获得每个圆心像素点对应的圆周像素点；

将与对应的圆周像素点满足预设关系的圆心像素点作为特征点。

4.根据权利要求2所述的方法，其特征在于，所述预设关系为第一预设关系或第二预设关系，

所述第一预设关系为连续预设个数的圆周像素点的灰度值与对应的圆心像素点的灰度值之差均大于第一预设阈值，

所述第二预设关系为连续预设个数的圆周像素点的灰度值与对应的圆心像素点的灰度值之差均小于第二预设阈值。

5.根据权利要求4所述的方法，其特征在于，将满足第一预设关系的圆心像素点标记为第一特征点；将满足第二预设关系的圆心像素点标记为第二特征点，

所述在每两幅图像中的第一图像中获取与第二图像中的每个特征点满足预设匹配标准的特征点包括：

在每两幅图像中的第一图像中获取与第二图像中的第一特征点满足预设匹配标准的第一特征点，获取到的满足预设匹配标准的两个第一特征点为相互匹配的同名点；

在每两幅图像中的第一图像中获取与第二图像中的第二特征点满足预设匹配标准的第二特征点，获取到的满足预设匹配标准的两个第二特征点为相互匹配的同名点。

6.根据权利要求1所述的方法，其特征在于，所述根据获得的相互匹配的同名点，获取反映无人机飞行状态的多个影像参数包括：

根据获得的相互匹配的同名点，获取每幅图像的外方位元素；

根据所述多幅图像中每幅图像的外方位元素，获取每幅图像的倾斜角、图像之间的航高差、航线弯曲度中的至少一种。

7.根据权利要求1所述的方法，其特征在于，所述根据获得的相互匹配的同名点，获取反映无人机飞行状态的多个影像参数包括：

根据获得的相互匹配的同名点，获取每相邻两幅图像之间的旋角、每个航带内的每相邻两幅图像间的航向重叠度以及不同航带间每相邻两幅图像间的旁向重叠度。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

所述根据获得的相互匹配的同名点，获取反映无人机飞行状态的多个影像参数之前，还包括：

对每幅图像进行判断是否获得与相邻图像间相互匹配的同名点，

将未获取到相互匹配的同名点的两幅相邻图像进行显示，以使用户对显示的两幅相邻图像进行同名点匹配；

接收用户对未获取到相互匹配的同名点的两幅相邻图像所匹配的同名点。

9.一种基于同名点的飞行状态检测装置，其特征在于，所述装置包括：

航带划分模块，用于对无人机获得的多幅图像进行航带划分，获得多个航带中每个航带包括的图像；

同名点获取模块，用于获取每相邻的两幅图像间相互匹配的同名点，所述每相邻的两幅图像包括每个航带内每相邻的两幅图像以及不同航带间每相邻的两幅图像；

参数获取模块，用于根据获得的相互匹配的同名点，获取反映无人机飞行状态的多个影像参数。

10.根据权利要求9所述的装置，其特征在于，所述同名点获取模块包括：

特征点获取单元，用于获取每幅图像的特征点；

描述符建立单元，用于建立每个特征点的描述符；

同名点获取单元，用于根据每个特征点的描述符，在每两幅图像中的第一图像中获取与第二图像中的每个特征点满足预设匹配标准的特征点，获取到的满足预设匹配标准的两个特征点为相互匹配的同名点。