CN107784633A - 适用于平面测量的无人机航拍图像校准方法 - Google Patents
适用于平面测量的无人机航拍图像校准方法 Download PDFInfo
- Publication number
- CN107784633A CN107784633A CN201710787809.7A CN201710787809A CN107784633A CN 107784633 A CN107784633 A CN 107784633A CN 201710787809 A CN201710787809 A CN 201710787809A CN 107784633 A CN107784633 A CN 107784633A
- Authority
- CN
- China
- Prior art keywords
- image
- calibration
- origin
- scale
- plane
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012937 correction Methods 0.000 claims abstract description 45
- 238000006243 chemical reaction Methods 0.000 claims abstract description 16
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 9
- 241001482237 Pica Species 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 8
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 24
- 238000005457 optimization Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000000153 supplemental effect Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012360 testing method Methods 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- 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
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
- Instructional Devices (AREA)
Abstract
本发明公开了一种适用于平面测量的无人机航拍图像校准方法,首先建立图像校准模型;判断是对任意地图进行校准还是现场航拍校准,如果是对对任意地图进行校准,则完成图像校准后,进行微调完成校准;如果是现场航拍校准,则先进行航拍图像采集,并记录校准参数,然后自动校准,获取初步校准参数;并判断该初步校准参数是否满足要求,如果是,则完成校准;如果否,则进行平面图像纠偏或平面图像快速校准,并在平面图像纠偏或平面图像快速校准后,进行微调完成校准。本发明采用更为简单、明了、快速的图像化操作,实现实时的无人机校准及测量,极大程度的节约了时间成本;可采用快速校准模式,可弥补图像校准的地图盲点问题,大大提高了校准的效率及用户体验。
Description
技术领域
本发明涉及图像校准领域,具体涉及一种适用于平面测量的无人机航拍图像校准方法。
背景技术
传统测绘测量大多借助GPS定位仪或全站仪等专业测量仪器进行实地测量,此类测绘手段虽然精度高,但操作难度高且需要到实地才能完成测量工作,效率较低。
近年来随着无人飞行器技术的发展,越来越多的测量工作开始将无人机航拍技术融入到其中,借助无人机的机动性及智能性,大大提高了测量效率。但目前无人机测量技术的操作仍然需要专业的团队及设备才能开展,不仅技术要求高而且在数据处理速度上有一定的延后性(甚至需要将原始数据发回服务器处理,产生数据泄密风险),导致众多非专业测绘人员被拒之门外。同时,传统的无人机正射影像测量技术只是用于平面地域,在丘陵及山坡地区,由于地貌的特殊性导致测量结果精度下降,甚至只能得到投影面积,最终结果与实际数据相差甚多。
目前市面上针对航拍图校准的方法主要是:
一、通过在图片中选取若干个已知点,并输入对应已知点地理坐标,进行地理纠偏校准。此方法虽然适用于任何航拍图片,但由于需要提供已知点地理坐标,甚至要用GPS定位仪到已知点实地进行测量获取地理坐标,导致实施过程较为复杂、效率低、技术要求高、用户体验差等不足。
二、通过专业影像测量软件对若干个连续关联图像根据曝光点空三数据进行地理拼接,实现高精度纠偏,此方法可以将若干副航拍图拼接成一整张图片,适用于大面积航拍地图的制作,但由于图像处理需要借助专业软件以及图形工作站,该软件及配套图形工作站不仅售价昂贵,而且图像拼接处理大多需要若干小时才能完成,无法实时实地的得出校准结果,使得效率低下。
发明内容
基于此,针对上述问题,有必要提出一种适用于平面测量的无人机航拍图像校准方法,本发明将传统的地图校准从枯燥的地理坐标冗长的数字中解放出来,取而代之的是更为简单、明了、快速的图像化操作,实现实时的无人机校准及测量,极大程度的节约了时间成本;且可采用快速校准模式,不仅可弥补图像校准的地图盲点问题,大大提高了校准的效率及用户体验;也为无人机测量技术的发展提供了一种新的思路和方向。
本发明的技术方案是:
一种适用于平面测量的无人机航拍图像校准方法,包括以下步骤:
a、利用图像方位角Azimuth、图像比例尺Scale和图像原点Origin三个参数建立图像校准模型;
b、对平面地图图像进行校准或对平面地图进行实地采集及自主校准,获取初步校准结果;
c、如果该初步校准结果为对平面地图图像进行校准的结果,则进入步骤f;如果该初步校准结果为对平面地图进行实地采集及自主校准的结果,则进入步骤d;
d、对初步校准结果进行校准结果验证,通过将校准后的图像叠加到电子地图,查看重叠效果,如果完全或基本重叠或满足测绘需求,则进入步骤f;如果重叠后存在位移,则进入步骤e;
e、进行平面图像纠偏或平面图像快速校准,判断校准结果是否满足要求,如果是,则进入步骤f;如果否,则重新进入步骤d;
f、判断校准结果是否需要微调,如果是,则进入步骤g;如果否,则进入步骤h;
g、对校准结果进行微调,得到精确的校准参数,并进入步骤h;
h、完成校准。
本发明具有与图像校准方法对应的多个模块,包括航拍设备及数据采集模块、图像校准模型模块、自动校准模块、图像纠偏模块、快速校准模块、图像校准模块以及微调模块;其中:
航拍设备及数据采集模块,用于针对地图校准,采集需要的校准数据及影像数据;
图像校准模型模块,用于建立图像校准标准及参考;
自动校准模块,用于对航拍地图进行初步校准;
图像纠偏模块,用于对初步校准的航拍地图进行高精度的二次纠偏;
快速校准模块,用于对平面地图进行快速的直接校准;
图像校准模块,用于对平面地图进行高精度的直接校准;
微调模块,用于对校准后的图像进行微量调整,实现更高精度的校准。
本发明以上述模块为基础,配合特有的图像校准方法实现更准确、快速、有效的图像校准;
首先以参数:图像方位角Azimuth、图像比例尺Scale和图像原点Origin,建立图像校准模型,其中:
图像方位角Azimuth,表示该图像在地理坐标中相对正北方偏移的角度;
图像比例尺Scale,表示图像中每个图像点在实际地理坐标中对应的地理尺度;
图像原点Origin,是为了代换图像中任意一点坐标而设立的原点,图像原点可以是图像中的任一点,本发明的最优选择是将图像中心点作为图像原点;
其作用是,当以上三个参数均已知的情况下,以图中某点A为例,通过勾股定理得到原点到A点的图像距离PicDistance以及图像方位角PicAzimuth,将图像距离PicDistance乘以Scale得到地理距离MapDistance,将图像方位角PicAzimuth与图像方位角Azimuth相加得到地理实际方位角MapAzimuth;由原点Origin坐标以MapDistance和MapAzimuth为参数根据地理坐标转换方法即可得到A点的真实地理坐标。
建立图像校准模型后,可采用两种方法进行图像校准,其中:
对平面地图图像进行校准,适用于任何地图,无需实地测量,可对纸质或电子等地图的图像进行校准;
对平面地图进行实地采集及自主校准,可进行实地数据采集及自主校准,其校准准确度高,实现现场出校准结果,提高了校准效率。
对平面地图图像进行校准后,对校准结果进行微调,并实时的将新的微调结果跟电子地图重叠对比,得到更为精确的校准参数;
对平面地图进行实地采集及自主校准后,获得初步校准结果,如果初步校准的误差较大,可进行校准结果验证,如果校准验证通过,则进行微调,获得更精确的校准参数;如果校准验证未通过,则继续进行平面图像纠偏或平面图像快速校准。
本发明的图像校准方法,其流程清晰,图像校准方式多样,提高了校准的精确度;且采用简单、明了、快速的图像化操作,实现实时的无人机校准及测量,极大程度的节约了时间成本;可采用快速校准模式,弥补了图像校准的地图盲点问题,大大提高了校准的效率及用户体验;也为无人机测量技术的发展提供了一种新的思路和方向。
作为上述方案的进一步优化,所述步骤b中对平面地图图像进行校准的具体步骤如下:
b1、在平面地图上选取至少两个图像点;
b2、计算相邻两个图像点之间的图像方位角picAzimuth和图像距离picDistance;
b3、在电子地图中根据图像点的选取顺序标示出对应的标示点,且在标示过程中获取该标示点在电子地图上的地理坐标,并与对应的图像点配对;
b4、计算电子地图上相邻标示点之间的地理方位角MapAzimuth和地理距离MapDistance;
b5、根据获取的图像方位角picAzimuth、图像距离picDistance、地理方位角MapAzimuth和地理距离MapDistance计算出图像方位角Azimuth、图像比例尺Scale和图像原点Origin。
该对平面地图图像进行校准的方法适用于任何地图上任意点的定位校准,其获取所需参数数据的方式简单,不需要专业软件,能通过图像化操作快速计算出所需数据,提高了图像校准的精确度及效率。
作为上述方案的进一步优化,所述步骤b5中对图像方位角Azimuth、图像比例尺Scale和图像原点Origin进行计算方式如下,其中:
图像方位角Azimuth:Azimuth=MapAzimuth-picAzimuth;
图像比例尺Scale:Scale=MapDistance÷picDistance;
图像原点Origin:根据平面地图的图像尺寸计算出Origin的图像坐标,并获取一个标示点A以及A的地理坐标;A到Origin的图像方位角加上Azimuth得到A到Origin的地理方位角rotation,A到Origin的图像距离乘以Scale得到A到Origin的地理距离length,以length、rotaion以及A的地理坐标通过地理坐标转换方法得到Origin的地理平面坐标。至此,根据校准完成的校准模型,可以得到或者算出图像每个图像点的地理坐标,从而进行测量采集。
通过上述算法获得的图像方位角Azimuth、图像比例尺Scale和图像原点Origin的参数数据,其数据精确,误差小,使校准结果得到保障;
作为上述方案的进一步优化,所述步骤b中对平面地图进行实地采集及自主校准的具体步骤如下:
b1、调整云台曝光点与地面垂直,并控制无人机升至需要生成图像的地域上空;
b2、通过实时图像传输确认取景器包含所需要采集的地理范围,并触发采集信号,进行图像采集;
b3、记录无人机所在位置的曝光点地理坐标DroneLocation、曝光点飞行高度Altitude、曝光点方位角Rotation、地面站的地理坐标DeviceLocation和地面站海拔高度deviceLocation.altitude;
b4、获取相机传感器尺寸SenorWidth、焦距FocalLength和图像尺寸ImageWidth;或者获取相机传感器尺寸SenorHeight、焦距FocalLength和图像尺寸ImageHeight;
b5、计算得出图像方位角Azimuth、图像比例尺Scale、图像原点Origin和Origin海拔高度。
该对平面地图进行实地采集及自主校准的方法主要用于对实地进行图像采集和校准,能现场出校准结果,极大节约了人力、物力和时间,简化了图像校准的过程,提高了校准的效率;且获得的数据精确。
作为上述方案的进一步优化,所述步骤b5中所计算得出的图像方位角Azimuth、图像比例尺Scale、图像原点Origin和Origin海拔高度均为初步校准结果,其计算方式如下:
初步校准的图像方位角Azimuth:Azimuth=曝光点方位角Rotation;
初步校准的图像比例尺Scale:
Scale=SenorWidth÷FocalLength*Altitude÷ImageWidth
或Scale=SenorHeight÷FocalLength*Altitude÷ImageHeight;
初步校准的图像原点Origin及其海拔高度:
Origin=曝光点地理坐标DroneLocation;
Origin海拔高度=地面站海拔高度deviceLocation.altitude。
至此,根据校准完成的校准模型,可以得到或者算出图像每个图像点的地理坐标,从而进行测量采集。
通过上述精确采集的数据,按该算法获得初步校准的结果,大大缩小了数据误差的范围,为后续进行精确的二次校准提供了数据基础,由于该初步校准的结果误差在可控范围内,使得后续校准的精确度更高。
作为上述方案的进一步优化,所述步骤e中的平面图像纠偏包括以下步骤:
e11、选择至少两个标示点,当点击其中一个标示点的时候,通过标示点的图像坐标PicA和初步校准后的校准参数,得到该标示点初步校准后的地理坐标tempA;当点击另一个标示点的时候,通过标示点的图像坐标PicB和初步校准后的校准参数,得到该标示点初步校准后的地理坐标tempB;
e12、标示出地理坐标tempA和地理坐标tempB对应在电子地图上的位置,同时电子地图分别将视觉焦点移至该两个标示点;
e13、在电子地图上将正确的图像标示点标示出来,并记录该地图纠偏点的地理坐标MapA和MapB;
e14、通过计算得到MapA与MapB之间的地理距离MapDistance和地理方位角MapAzimuth,tempA与tempB之间的地理距离tempDistance和地理方位角tempAzimuth,方位角差值deviationAzimuth=MapAzimuth-tempAzimuth;
e15、校准后的图像方位角Azimuth:
Azimuth=初步校准的Azimuth+deviationAzimuth。
在对平面地图进行实地采集及自主校准,获得了初步校准结果后,可进行平面图像纠偏,实现高精度的二次纠偏;其参照初步校准的结果,获得至少两个点的地理坐标;再根据该地理坐标和该地图纠偏点的地理坐标,计算得出校准后的图像方位角Azimuth,实现了对校准后的图像方位角Azimuth进行高精度的纠偏测量和计算,其纠偏方式简单,使图像方位角Azimuth的数据更为精确。
作为上述方案的更进一步优化,所述步骤e中的平面图像纠偏还包括以下步骤:
e21、根据图像尺寸ImageWidth和ImageHeight得出图像中心点的图像坐标PicCenter;
e22、根据勾股定理求出PicA和PicB在以PicCenter为中心旋转deviationAzimuth后的图像坐标rotationPicA和rotationPicB;
e23、利用初步校准后的校准参数得到旋转后rotationPicA和rotationPicB对应的地理坐标rotationMapA和rotationMapB;
e24、得到rotationMapA和rotationMapB间的地理距离rotationDistance,并计算出图像比例尺校准印子m=rotationDistance÷MapDistance;
e25、校准后的图像比例尺Scale:Scale=m*初步校准的Scale。
利用初步校准的图像比例尺Scale实现对校准后的图像比例尺Scale进行高精度的纠偏测量和计算,使图像比例尺Scale的数据更为精确。
作为上述方案的更进一步优化,所述步骤e中的平面图像纠偏还包括以下步骤:
e31、根据校准后的图像比例尺Scale得到rotationPicA和rotationPicB所对应的新的地理坐标ZoomA和ZoomB,以及调整后的曝光点飞行高度adjustAltitude;
e32、根据ZoomA与MapA的地理距离以及ZoomB与MapB的地理距离得到平均地理距离AverageDistance;
e33、根据ZoomA与MapA的地理方位角以及ZoomB与MapB的地理方位角得到平均地理方位角AverageAzimuth;
e34、校准后的图像原点Origin以及新的Origin海拔高度,其中:
校准后的图像原点Origin,由初步校准的Origin以AverageDistance和AverageAzimuth为参数,再根据地理坐标转换方法求得;
Origin海拔高度=deviceLocation.altitude+(Altitude-adjustAltitude)。
以纠偏校准后的图像比例尺Scale为数据基础,获得新的计算数据,根据这些新的计算数据以及初步校准的Origin,再根据地理坐标转换方法,获得校准后的图像原点Origin,使图像原点Origin的坐标更为精确;且对Origin海拔高度进行重新计算调整,更新Origin海拔高度,使最终校准参数更精确。
获得纠偏校准后的图像方位角Azimuth、纠偏校准后的图像比例尺Scale、纠偏校准后的图像原点Origin和新的Origin海拔高度;至此,根据校准完成的校准模型,可以得到或者算出图像每个图像点的地理坐标,从而进行测量采集。
作为上述方案的更进一步优化,所述步骤e中的平面图像快速校准包括以下步骤:
e1、在图像中标示出地面站的位置,记录地面站的图像坐标PicDevice,并将地面站的图像坐标PicDevice与地面站的地理坐标DeviceLocation配对;
e2、计算出图像中心点的图像坐标PicCenter,将图像中心点的图像坐标PicCenter与曝光点地理坐标DroneLocation配对;
e3、根据地面站的图像坐标PicDevice与图像中心点的图像坐标PicCenter计算出图像方位角PicAzimuth和图像距离PicDistance;根据地面站的地理坐标DeviceLocation与曝光点地理坐标DroneLocation计算得出地理方位角MapAzimuth和地理距离MapDistance;
e4、计算出校准后的图像方位角Azimuth、图像比例尺Scale和图像原点Origin,其中:
校准后的图像方位角Azimuth:Azimuth=MapAzimuth-PicAzimuth;
校准后的图像比例尺Scale:Scale=MapDistance÷PicDistance;
校准后的图像原点Origin:Origin=DroneLocation;
e5、根据校准后的图像比例尺Scale,求出调整后的曝光点飞行高度adjustAltitude;
e6、计算出新的Origin海拔高度:
Origin海拔高度=deviceLocation.altitude+(Altitude-adjustAltitude)。
至此,根据校准完成的校准模型,可以得到或者算出图像每个图像点的地理坐标,从而进行测量采集。在对平面地图进行实地采集及自主校准,获得了初步校准结果后,还可以直接进行平面图像的快速校准,其校准的效率高、成本低;不仅可以弥补图像校准的地图盲点问题,更进一步的将校准步骤缩减到一步完成,大大提高了工作效率及用户体验,将无人机测量的技术门槛极大的缩减到普通老百姓都能接受的程度,为更多的用户提供分享无人机测量技术的高效性以及便捷性的机会;也为无人机测量技术的发展提供了一种新的思路和方向。
作为上述方案的更进一步优化,所述步骤g进行包括以下步骤:
每次校准完成后,增加或减少图像原点Origin的位移、旋转图像方位角Azimuth的角度以及放大或缩小图像比例尺Scale;并实时的将新的微调结果与电子地图重叠对比,得到精确的校准参数。
对平面地图图像进行校准后,可进行微调,获得更精确的校准参数;
或者在进行平面图像纠偏后,也可进行微调,获得更精确的校准参数;
或者在进行平面图像快速校准后,也可进行微调,获得更精确的校准参数;
每次微调后与电子地图重叠对比,如果满足需求,则完成校准;如果不满足需求,则继续进行微调;由于进行微调之前的校准数据误差在可控范围内,所以每次校准完成后,增加或减少图像原点Origin约0.3米的位移、旋转图像方位角Azimuth约0.3°的角度以及放大或缩小图像比例尺Scale约0.3倍,且该微调数据可根据需求调节,使得每次微调后所获得的校准结果都更加精确,使得大大提高了最终校准参数的精确度。
本发明的有益效果是:
1、本发明将传统的地图校准从枯燥的地理坐标冗长的数字中解放出来,取而代之的是更为简单、明了、快速的图像化操作,实现实时的无人机校准及测量,极大程度的节约了时间成本。
2、本发明具有多种校准方法,适用于各种平面地图的测量及校准,满足用户需求,可实现地图校准和实地测量及校准,且校准的流程清晰,校准的方式简单,经多次校准和验证后的校准结果精确。
3、进行实地采集及自主校准后,可进行平面图像纠偏,用于对初步校准的结果进行高精度的二次纠偏,使获得的校准参数更精确。
4、进行实地采集及自主校准后,还可采用快速校准模式,不仅可弥补图像校准的地图盲点问题,大大提高了校准的效率及用户体验;也为无人机测量技术的发展提供了一种新的思路和方向。
5、对校准结果进行微调,每次微调后与电子地图重叠对比,如果满足需求,则完成校准;如果不满足需求,则继续进行微调;由于进行微调之前的校准数据误差在可控范围内,进行一次或多次微调后所获得的校准结果都更加精确,所以大大提高了最终完成校准后的精确度。
附图说明
图1是本发明实施例所述适用于平面测量的无人机航拍图像校准方法的流程图;
图2是本发明实施例所述对平面地图图像进行校准的流程图;
图3是本发明实施例所述对平面地图进行实地采集及自主校准的流程图;
图4是本发明实施例所述平面图像纠偏的流程图;
图5是本发明实施例所述平面图像快速校准的流程图。
具体实施方式
下面结合附图对本发明的实施例进行详细说明。
实施例1
如图1所示,一种适用于平面测量的无人机航拍图像校准方法,包括以下步骤:
a、利用图像方位角Azimuth、图像比例尺Scale和图像原点Origin三个参数建立图像校准模型;
b、对平面地图图像进行校准或对平面地图进行实地采集及自主校准,获取初步校准结果;
c、如果该初步校准结果为对平面地图图像进行校准的结果,则进入步骤f;如果该初步校准结果为对平面地图进行实地采集及自主校准的结果,则进入步骤d;
d、对初步校准结果进行校准结果验证,通过将校准后的图像叠加到电子地图,查看重叠效果,如果完全或基本重叠或满足测绘需求,则进入步骤f;如果重叠后存在位移,则进入步骤e;
e、进行平面图像纠偏或平面图像快速校准,判断校准结果是否满足要求,如果是,则进入步骤f;如果否,则重新进入步骤d;
f、判断校准结果是否需要微调,如果是,则进入步骤g;如果否,则进入步骤h;
g、对校准结果进行微调,得到精确的校准参数,并进入步骤h;
h、完成校准。
本发明具有与图像校准方法对应的多个模块,包括航拍设备及数据采集模块、图像校准模型模块、自动校准模块、图像纠偏模块、快速校准模块、图像校准模块以及微调模块;其中:
航拍设备及数据采集模块,用于针对地图校准,采集需要的校准数据及影像数据;
图像校准模型模块,用于建立图像校准标准及参考;
自动校准模块,用于对航拍地图进行初步校准;
图像纠偏模块,用于对初步校准的航拍地图进行高精度的二次纠偏;
快速校准模块,用于对平面地图进行快速的直接校准;
图像校准模块,用于对平面地图进行高精度的直接校准;
微调模块,用于对校准后的图像机型微量调整,实现更高精度的校准。
本发明以上述模块为基础,配合特有的图像校准方法实现更准确、快速、有效的图像校准;
首先以参数:图像方位角Azimuth、图像比例尺Scale和图像原点Origin,建立图像校准模型,其中:
图像方位角Azimuth,表示该图像在地理坐标中相对正北方偏移的角度;
图像比例尺Scale,表示图像中每个点在实际地理坐标中对应的地理尺度;
图像原点Origin,是为了代换图像中任意一点坐标而设立的原点,图像原点可以是图像中的任一点,本发明的最优选择是将图像中心点作为图像原点;
其作用是,当以上三个参数均已知的情况下,以图中某点A为例,通过勾股定理得到原点到A点的图像距离PicDistance以及图像方位角PicAzimuth,将图像距离PicDistance乘以Scale得到地理距离MapDistance,将图像方位角PicAzimuth与图像方位角Azimuth相加得到地理实际方位角MapAzimuth;由原点Origin坐标以MapDistance和MapAzimuth为参数根据地理坐标转换方法即可得到A点的真实地理坐标。
建立图像校准模型后,可采用两种方法进行图像校准,其中:
对平面地图图像进行校准,适用于任何地图,无需实地测量,可对纸质或电子等地图的图像进行校准;
对平面地图进行实地采集及自主校准,可进行实地数据采集及自主校准,其校准准确度高,实现现场出校准结果,提高了校准效率。
对平面地图图像进行校准后,对校准结果进行微调,并实时的将新的微调结果跟电子地图重叠对比,得到更为精确的校准参数;
对平面地图进行实地采集及自主校准后,获得初步校准结果,如果初步校准的误差较大,可进行校准结果验证,如果校准验证通过,则进行微调,获得更精确的校准参数;如果校准验证未通过,则继续进行平面图像纠偏或平面图像快速校准。
本发明的图像校准方法,其流程清晰,图像校准方式多样,提高了校准的精确度;且采用简单、明了、快速的图像化操作,实现实时的无人机校准及测量,极大程度的节约了时间成本;可采用快速校准模式,弥补了图像校准的地图盲点问题,大大提高了校准的效率及用户体验;也为无人机测量技术的发展提供了一种新的思路和方向。
实施例2
本实施例在实施例1的基础上,如图2所示,所述步骤b中对平面地图图像进行校准的具体步骤如下:
b1、在平面地图上选取至少两个图像点;
b2、计算相邻两个图像点之间的图像方位角picAzimuth和图像距离picDistance;
b3、在电子地图中根据图像点的选取顺序标示出对应的标示点,且在标示过程中获取该标示点在电子地图上的地理坐标,并与对应的图像点配对;
b4、计算电子地图上相邻标示点之间的地理方位角MapAzimuth和地理距离MapDistance;
b5、根据获取的图像方位角picAzimuth、图像距离picDistance、地理方位角MapAzimuth和地理距离MapDistance计算出图像方位角Azimuth、图像比例尺Scale和图像原点Origin。
该对平面地图图像进行校准的方法适用于任何地图上任意点的定位校准,其获取所需参数数据的方式简单,不需要专业软件,能通过图像化操作快速计算出所需数据,提高了图像校准的精确度及效率。
实施例3
本实施例在实施例2的基础上,所述步骤b5中对图像方位角Azimuth、图像比例尺Scale和图像原点Origin进行计算方式如下,其中:
图像方位角Azimuth:Azimuth=MapAzimuth-picAzimuth;
图像比例尺Scale:Scale=MapDistance÷picDistance;
图像原点Origin:根据平面地图的图像尺寸计算出Origin的图像坐标,并获取一个标示点A以及A的地理坐标;A到Origin的图像方位角加上Azimuth得到A到Origin的地理方位角rotation,A到Origin的图像距离乘以Scale得到A到Origin的地理距离length,以length、rotaion以及A的地理坐标通过地理坐标转换方法得到Origin的地理平面坐标。至此,根据校准完成的校准模型,可以得到或者算出图像每个图像点的地理坐标,从而进行测量采集。且通过上述算法获得的图像方位角Azimuth、图像比例尺Scale和图像原点Origin的参数数据,其数据精确,误差小,使校准结果得到保障。
实施例4
本实施例在实施例1的基础上,如图3所示,所述步骤b中对平面地图进行实地采集及自主校准的具体步骤如下:
b1、调整云台曝光点与地面垂直,并控制无人机升至需要生成图像的地域上空;
b2、通过实时图像传输确认取景器包含所需要采集的地理范围,并触发采集信号,进行图像采集;
b3、记录无人机所在位置的曝光点地理坐标DroneLocation、曝光点飞行高度Altitude、曝光点方位角Rotation、地面站的地理坐标DeviceLocation和地面站海拔高度deviceLocation.altitude;
b4、获取相机传感器尺寸SenorWidth、焦距FocalLength和图像尺寸ImageWidth;或者获取相机传感器尺寸SenorHeight、焦距FocalLength和图像尺寸ImageHeight;
b5、计算得出图像方位角Azimuth、图像比例尺Scale、图像原点Origin和Origin海拔高度。
至此,根据校准完成的校准模型,可以得到或者算出图像每个图像点的地理坐标,从而进行测量采集。该对平面地图进行实地采集及自主校准的方法主要用于对实地进行图像采集和校准,能现场出校准结果,极大节约了人力、物力和时间,简化了图像校准的过程,提高了校准的效率;且获得的数据精确。
实施例5
本实施例在实施例4的基础上,所述步骤b5中所计算得出的图像方位角Azimuth、图像比例尺Scale、图像原点Origin和Origin海拔高度均为初步校准结果,其计算方式如下:
初步校准的图像方位角Azimuth:Azimuth=曝光点方位角Rotation;
初步校准的图像比例尺Scale:
Scale=SenorWidth÷FocalLength*Altitude÷ImageWidth
或Scale=SenorHeight÷FocalLength*Altitude÷ImageHeight;
初步校准的图像原点Origin及其海拔高度:
Origin=曝光点地理坐标DroneLocation;
Origin海拔高度=地面站海拔高度deviceLocation.altitude。
至此,根据校准完成的校准模型,可以得到或者算出图像每个图像点的地理坐标,从而进行测量采集。通过上述精确采集的数据,按该算法获得初步校准的结果,大大缩小了数据误差的范围,为后续进行精确的二次校准提供了数据基础,由于该初步校准的结果误差在可控范围内,使得后续校准的精确度更高。
实施例6
本实施例在实施例1的基础上,如图4所示,所述步骤e中的平面图像纠偏包括以下步骤:
e11、选择至少两个标示点,当点击其中一个标示点的时候,通过标示点的图像坐标PicA和初步校准后的校准参数,得到该标示点初步校准后的地理坐标tempA;当点击另一个标示点的时候,通过标示点的图像坐标PicB和初步校准后的校准参数,得到该标示点初步校准后的地理坐标tempB;
e12、标示出地理坐标tempA和地理坐标tempB对应在电子地图上的位置,同时电子地图分别将视觉焦点移至该两个标示点,便于确定标示点的标示;
e13、在电子地图上将正确的图像标示点标示出来,并记录该地图纠偏点的地理坐标MapA和MapB;
e14、通过计算得到MapA与MapB之间的地理距离MapDistance和地理方位角MapAzimuth,tempA与tempB之间的地理距离tempDistance和地理方位角tempAzimuth,方位角差值deviationAzimuth=MapAzimuth-tempAzimuth;
e15、校准后的图像方位角Azimuth:
Azimuth=初步校准的Azimuth+deviationAzimuth。
在对平面地图进行实地采集及自主校准,获得了初步校准结果后,可进行平面图像纠偏,实现高精度的二次纠偏;其参照初步校准的结果,获得至少两个点的地理坐标;再根据该地理坐标和该地图纠偏点的地理坐标,计算得出校准后的图像方位角Azimuth,实现了对校准后的图像方位角Azimuth进行高精度的纠偏测量和计算,其纠偏方式简单,使图像方位角Azimuth的数据更为精确。
实施例7
本实施例在实施例6的基础上,如图4所示,所述步骤e中的平面图像纠偏还包括以下步骤:
e21、根据图像尺寸ImageWidth和ImageHeight得出图像中心点的图像坐标PicCenter;
e22、根据勾股定理求出PicA和PicB在以PicCenter为中心旋转deviationAzimuth后的图像坐标rotationPicA和rotationPicB;
e23、利用初步校准后的校准参数得到旋转后rotationPicA和rotationPicB对应的地理坐标rotationMapA和rotationMapB;
e24、得到rotationMapA和rotationMapB间的地理距离rotationDistance,并计算出图像比例尺校准印子m=rotationDistance÷MapDistance;
e25、校准后的图像比例尺Scale:Scale=m*初步校准的Scale。
利用初步校准的图像比例尺Scale实现对校准后的图像比例尺Scale进行高精度的纠偏测量和计算,使图像比例尺Scale的数据更为精确。
实施例8
本实施例在实施例7的基础上,如图4所示,所述步骤e中的平面图像纠偏还包括以下步骤:
e31、根据校准后的图像比例尺Scale得到rotationPicA和rotationPicB所对应的新的地理坐标ZoomA和ZoomB,以及调整后的曝光点飞行高度adjustAltitude;
e32、根据ZoomA与MapA的地理距离以及ZoomB与MapB的地理距离得到平均地理距离AverageDistance;
e33、根据ZoomA与MapA的地理方位角以及ZoomB与MapB的地理方位角得到平均地理方位角AverageAzimuth;
e34、校准后的图像原点Origin以及新的Origin海拔高度,其中:
校准后的图像原点Origin,由初步校准的Origin以AverageDistance和AverageAzimuth为参数,再根据地理坐标转换方法求得;
Origin海拔高度=deviceLocation.altitude+(Altitude-adjustAltitude)。
以纠偏校准后的图像比例尺Scale为数据基础,获得新的计算数据,根据这些新的计算数据以及初步校准的Origin,再根据地理坐标转换方法,获得校准后的图像原点Origin,使图像原点Origin的坐标更为精确;且对Origin海拔高度进行重新计算调整,更新Origin海拔高度,使最终校准参数更精确。
实施例9
本实施例在实施例1的基础上,如图4所示,所述步骤e中的平面图像纠偏包括以下步骤:
e11、选择至少两个标示点,当点击其中一个标示点的时候,通过标示点的图像坐标PicA和初步校准后的校准参数,得到该标示点初步校准后的地理坐标tempA;当点击另一个标示点的时候,通过标示点的图像坐标PicB和初步校准后的校准参数,得到该标示点初步校准后的地理坐标tempB;
e12、标示出地理坐标tempA和地理坐标tempB对应在电子地图上的位置,同时电子地图分别将视觉焦点移至该两个标示点;
e13、在电子地图上将正确的图像标示点标示出来,并记录该地图纠偏点的地理坐标MapA和MapB;
e14、通过计算得到MapA与MapB之间的地理距离MapDistance和地理方位角MapAzimuth,tempA与tempB之间的地理距离tempDistance和地理方位角tempAzimuth,方位角差值deviationAzimuth=MapAzimuth-tempAzimuth;
e15、校准后的图像方位角Azimuth:
Azimuth=初步校准的Azimuth+deviationAzimuth;
e21、根据图像尺寸ImageWidth或ImageHeight得出图像中心点的图像坐标PicCenter;
e22、根据勾股定理求出PicA和PicB在以PicCenter为中心旋转deviationAzimuth后的图像坐标rotationPicA和rotationPicB;
e23、利用初步校准后的校准参数得到旋转后rotationPicA和rotationPicB对应的地理坐标rotationMapA和rotationMapB;
e24、得到rotationMapA和rotationMapB间的地理距离rotationDistance,并计算出图像比例尺校准印子m=rotationDistance÷MapDistance;
e25、校准后的图像比例尺Scale:Scale=m*初步校准的Scale;
e31、根据校准后的图像比例尺Scale得到rotationPicA和rotationPicB所对应的新的地理坐标ZoomA和ZoomB,以及调整后的曝光点飞行高度adjustAltitude;
e32、根据ZoomA与MapA的地理距离以及ZoomB与MapB的地理距离得到平均地理距离AverageDistance;
e33、根据ZoomA与MapA的地理方位角以及ZoomB与MapB的地理方位角得到平均地理方位角AverageAzimuth;
e34、校准后的图像原点Origin以及新的Origin海拔高度,其中:
校准后的图像原点Origin,由初步校准的Origin以AverageDistance和AverageAzimuth为参数,再根据地理坐标转换方法求得;
Origin海拔高度=deviceLocation.altitude+(Altitude-adjustAltitude)。
获得纠偏校准后的图像方位角Azimuth、纠偏校准后的图像比例尺Scale、纠偏校准后的图像原点Origin和新的Origin海拔高度;至此,根据校准完成的校准模型,可以得到或者算出图像每个图像点的地理坐标,从而进行测量采集。
实施例10
本实施例在实施例1的基础上,如图5所示,所述步骤e中的平面图像快速校准包括以下步骤:
e1、在图像中标示出地面站的位置,记录地面站的图像坐标PicDevice,并将地面站的图像坐标PicDevice与地面站的地理坐标DeviceLocation配对;
e2、计算出图像中心点的图像坐标PicCenter,将图像中心点的图像坐标PicCenter与曝光点地理坐标DroneLocation配对;
e3、根据地面站的图像坐标PicDevice与图像中心点的图像坐标PicCenter计算出图像方位角PicAzimuth和图像距离PicDistance;根据地面站的地理坐标DeviceLocation与曝光点地理坐标DroneLocation计算得出地理方位角MapAzimuth和地理距离MapDistance;
e4、计算出校准后的图像方位角Azimuth、图像比例尺Scale和图像原点Origin,其中:
校准后的图像方位角Azimuth:Azimuth=MapAzimuth-PicAzimuth;
校准后的图像比例尺Scale:Scale=MapDistance÷PicDistance;
校准后的图像原点Origin:Origin=DroneLocation;
e5、根据校准后的图像比例尺Scale,求出调整后的曝光点飞行高度adjustAltitude;
e6、计算出新的Origin海拔高度:
Origin海拔高度=deviceLocation.altitude+(Altitude-adjustAltitude)。
至此,根据校准完成的校准模型,可以得到或者算出图像每个图像点的地理坐标,从而进行测量采集。在对平面地图进行实地采集及自主校准,获得了初步校准结果后,还可以直接进行平面图像的快速校准,其校准的效率高、成本低;不仅可以弥补图像校准的地图盲点问题,更进一步的将校准步骤缩减到一步完成,大大提高了工作效率及用户体验,将无人机测量的技术门槛极大的缩减到普通老百姓都能接受的程度,为更多的用户提供分享无人机测量技术的高效性以及便捷性的机会;也为无人机测量技术的发展提供了一种新的思路和方向。
实施例11
本实施例在实施例1的基础上,所述步骤g进行包括以下步骤:
每次校准完成后,增加或减少图像原点Origin的位移、旋转图像方位角Azimuth的角度以及放大或缩小图像比例尺Scale;并实时的将新的微调结果与电子地图重叠对比,得到精确的校准参数。
对平面地图图像进行校准后,可进行微调,获得更精确的校准参数;
或者在进行平面图像纠偏后,也可进行微调,获得更精确的校准参数;
或者在进行平面图像快速校准后,也可进行微调,获得更精确的校准参数;
每次微调后与电子地图重叠对比,如果满足需求,则完成校准;如果不满足需求,则继续进行微调;由于进行微调之前的校准数据误差在可控范围内,所以每次校准完成后,增加或减少图像原点Origin约0.3米的位移、旋转图像方位角Azimuth约0.3°的角度以及放大或缩小图像比例尺Scale约0.3倍,且该微调数据可根据需求调节,使得每次微调后所获得的校准结果都更加精确,使得大大提高了最终校准参数的精确度。
以上所述实施例仅表达了本发明的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本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。
Claims (10)
1.一种适用于平面测量的无人机航拍图像校准方法,其特征在于,包括以下步骤:
a、利用图像方位角Azimuth、图像比例尺Scale和图像原点Origin三个参数建立图像校准模型;
b、对平面地图图像进行校准或对平面地图进行实地采集及自主校准,获取初步校准结果;
c、如果该初步校准结果为对平面地图图像进行校准的结果,则进入步骤f;如果该初步校准结果为对平面地图进行实地采集及自主校准的结果,则进入步骤d;
d、对初步校准结果进行校准结果验证,通过将校准后的图像叠加到电子地图,查看重叠效果,如果完全或基本重叠或满足测绘需求,则进入步骤f;如果重叠后存在位移,则进入步骤e;
e、进行平面图像纠偏或平面图像快速校准,判断校准结果是否满足要求,如果是,则进入步骤f;如果否,则重新进入步骤d;
f、判断校准结果是否需要微调,如果是,则进入步骤g;如果否,则进入步骤h;
g、对校准结果进行微调,得到精确的校准参数,并进入步骤h;
h、完成校准。
2.根据权利要求1所述的适用于平面测量的无人机航拍图像校准方法,其特征在于,所述步骤b中对平面地图图像进行校准的具体步骤如下:
b1、在平面地图上选取至少两个图像点;
b2、计算相邻两个图像点之间的图像方位角picAzimuth和图像距离picDistance;
b3、在电子地图中根据图像点的选取顺序标示出对应的标示点,且在标示过程中获取该标示点在电子地图上的地理坐标,并与对应的图像点配对;
b4、计算电子地图上相邻标示点之间的地理方位角MapAzimuth和地理距离MapDistance;
b5、根据获取的图像方位角picAzimuth、图像距离picDistance、地理方位角MapAzimuth和地理距离MapDistance计算出图像方位角Azimuth、图像比例尺Scale和图像原点Origin。
3.根据权利要求2所述的适用于平面测量的无人机航拍图像校准方法,其特征在于,所述步骤b5中对图像方位角Azimuth、图像比例尺Scale和图像原点Origin进行计算方式如下,其中:
图像方位角Azimuth:Azimuth=MapAzimuth-picAzimuth;
图像比例尺Scale:Scale=MapDistance÷picDistance;
图像原点Origin:根据平面地图的图像尺寸计算出Origin的图像坐标,并获取一个标示点A以及A的地理坐标;A到Origin的图像方位角加上Azimuth得到A到Origin的地理方位角rotation,A到Origin的图像距离乘以Scale得到A到Origin的地理距离length,以length、rotaion以及A的地理坐标通过地理坐标转换方法得到Origin的地理平面坐标。
4.根据权利要求1所述的适用于平面测量的无人机航拍图像校准方法,其特征在于,所述步骤b中对平面地图进行实地采集及自主校准的具体步骤如下:
b1、调整云台曝光点与地面垂直,并控制无人机升至需要生成图像的地域上空;
b2、通过实时图像传输确认取景器包含所需要采集的地理范围,并触发采集信号,进行图像采集;
b3、记录无人机所在位置的曝光点地理坐标DroneLocation、曝光点飞行高度Altitude、曝光点方位角Rotation、地面站的地理坐标DeviceLocation和地面站海拔高度deviceLocation.altitude;
b4、获取相机传感器尺寸SenorWidth、焦距FocalLength和图像尺寸ImageWidth;或者获取相机传感器尺寸SenorHeight、焦距FocalLength和图像尺寸ImageHeight;
b5、计算得出图像方位角Azimuth、图像比例尺Scale、图像原点Origin和Origin海拔高度。
5.根据权利要求4所述的适用于平面测量的无人机航拍图像校准方法,其特征在于,所述步骤b5中所计算得出的图像方位角Azimuth、图像比例尺Scale、图像原点Origin和Origin海拔高度均为初步校准结果,其计算方式如下:
初步校准的图像方位角Azimuth:Azimuth=曝光点方位角Rotation;
初步校准的图像比例尺Scale:
Scale=SenorWidth÷FocalLength*Altitude÷ImageWidth
或Scale=SenorHeight÷FocalLength*Altitude÷ImageHeight;
初步校准的图像原点Origin及其海拔高度:
Origin=曝光点地理坐标DroneLocation;
Origin海拔高度=地面站海拔高度deviceLocation.altitude。
6.根据权利要求1所述的适用于平面测量的无人机航拍图像校准方法,其特征在于,所述步骤e中的平面图像纠偏包括以下步骤:
e11、选择至少两个标示点,当点击其中一个标示点的时候,通过标示点的图像坐标PicA和初步校准后的校准参数,得到该标示点初步校准后的地理坐标tempA;当点击另一个标示点的时候,通过标示点的图像坐标PicB和初步校准后的校准参数,得到该标示点初步校准后的地理坐标tempB;
e12、标示出地理坐标tempA和地理坐标tempB对应在电子地图上的位置,同时电子地图分别将视觉焦点移至该两个标示点;
e13、在电子地图上将正确的图像标示点标示出来,并记录该地图纠偏点的地理坐标MapA和MapB;
e14、通过计算得到MapA与MapB之间的地理距离MapDistance和地理方位角MapAzimuth,tempA与tempB之间的地理距离tempDistance和地理方位角tempAzimuth,方位角差值deviationAzimuth=MapAzimuth-tempAzimuth;
e15、校准后的图像方位角Azimuth:
Azimuth=初步校准的Azimuth+deviationAzimuth。
7.根据权利要求6所述的适用于平面测量的无人机航拍图像校准方法,其特征在于,在完成权利要求6的步骤后,执行以下步骤:
e21、根据图像尺寸ImageWidth和ImageHeight得出图像中心点的图像坐标PicCenter;
e22、根据勾股定理求出PicA和PicB在以PicCenter为中心旋转deviationAzimuth后的图像坐标rotationPicA和rotationPicB;
e23、利用初步校准后的校准参数得到旋转后rotationPicA和rotationPicB对应的地理坐标rotationMapA和rotationMapB;
e24、得到rotationMapA和rotationMapB间的地理距离rotationDistance,并计算出图像比例尺校准印子m=rotationDistance÷MapDistance;
e25、校准后的图像比例尺Scale:Scale=m*初步校准的Scale。
8.根据权利要求7所述的适用于平面测量的无人机航拍图像校准方法,其特征在于,在完成权利要求7的步骤后,执行以下步骤:
e31、根据校准后的图像比例尺Scale得到rotationPicA和rotationPicB所对应的新的地理坐标ZoomA和ZoomB,以及调整后的曝光点飞行高度adjustAltitude;
e32、根据ZoomA与MapA的地理距离以及ZoomB与MapB的地理距离得到平均地理距离AverageDistance;
e33、根据ZoomA与MapA的地理方位角以及ZoomB与MapB的地理方位角得到平均地理方位角AverageAzimuth;
e34、校准后的图像原点Origin以及新的Origin海拔高度,其中:
校准后的图像原点Origin,由初步校准的Origin以AverageDistance和AverageAzimuth为参数,再根据地理坐标转换方法求得;
Origin海拔高度=deviceLocation.altitude+(Altitude-adjustAltitude)。
9.根据权利要求1所述的适用于平面测量的无人机航拍图像校准方法,其特征在于,所述步骤e中的平面图像快速校准包括以下步骤:
e1、在图像中标示出地面站的位置,记录地面站的图像坐标PicDevice,并将地面站的图像坐标PicDevice与地面站的地理坐标DeviceLocation配对;
e2、计算出图像中心点的图像坐标PicCenter,将图像中心点的图像坐标PicCenter与曝光点地理坐标DroneLocation配对;
e3、根据地面站的图像坐标PicDevice与图像中心点的图像坐标PicCenter计算出图像方位角PicAzimuth和图像距离PicDistance;根据地面站的地理坐标DeviceLocation与曝光点地理坐标DroneLocation计算得出地理方位角MapAzimuth和地理距离MapDistance;
e4、计算出校准后的图像方位角Azimuth、图像比例尺Scale和图像原点Origin,其中:
校准后的图像方位角Azimuth:Azimuth=MapAzimuth-PicAzimuth;
校准后的图像比例尺Scale:Scale=MapDistance÷PicDistance;
校准后的图像原点Origin:Origin=DroneLocation;
e5、根据校准后的图像比例尺Scale,求出调整后的曝光点飞行高度adjustAltitude;
e6、计算出新的Origin海拔高度:
Origin海拔高度=deviceLocation.altitude+(Altitude-adjustAltitude)。
10.根据权利要求1所述的适用于平面测量的无人机航拍图像校准方法,其特征在于,所述步骤g进行包括以下步骤:
每次校准完成后,增加或减少图像原点Origin的位移、旋转图像方位角Azimuth的角度以及放大或缩小图像比例尺Scale;并实时的将新的微调结果与电子地图重叠对比,得到精确的校准参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710787809.7A CN107784633B (zh) | 2017-09-04 | 2017-09-04 | 适用于平面测量的无人机航拍图像校准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710787809.7A CN107784633B (zh) | 2017-09-04 | 2017-09-04 | 适用于平面测量的无人机航拍图像校准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107784633A true CN107784633A (zh) | 2018-03-09 |
CN107784633B CN107784633B (zh) | 2021-04-13 |
Family
ID=61438018
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710787809.7A Active CN107784633B (zh) | 2017-09-04 | 2017-09-04 | 适用于平面测量的无人机航拍图像校准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107784633B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108725816A (zh) * | 2018-05-23 | 2018-11-02 | 苏州科商兴达信息科技有限公司 | 一种光伏电站无人机智能巡检系统 |
CN108832986A (zh) * | 2018-05-20 | 2018-11-16 | 北京工业大学 | 一种基于天地一体化的多源数据管控平台 |
CN110726398A (zh) * | 2019-10-22 | 2020-01-24 | 浙江煤炭测绘院有限公司 | 一种自然资源遥感测绘影像定位方法 |
WO2020108634A1 (zh) * | 2018-11-30 | 2020-06-04 | 苏州极目机器人科技有限公司 | 地图校准方法、测绘移动终端以及测绘系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0661672B1 (fr) * | 1993-12-29 | 2002-03-20 | Koninklijke Philips Electronics N.V. | Procédé et dispositif de traitement d'image pour construire à partir d'une image source une image cible avec changement de perspective |
CN102612636A (zh) * | 2009-09-23 | 2012-07-25 | 近地图控股有限公司 | 包括级联照相机和/或校准特征的详细捕获大区域图像的系统和方法 |
CN104061906A (zh) * | 2014-06-16 | 2014-09-24 | 江苏恒创软件有限公司 | 基于无人机的航拍测绘装置及图像校准方法 |
CN104657464A (zh) * | 2015-02-10 | 2015-05-27 | 腾讯科技(深圳)有限公司 | 一种数据处理方法及装置 |
CN105556329A (zh) * | 2013-09-27 | 2016-05-04 | 高通股份有限公司 | 混合照片导航及地图绘制 |
-
2017
- 2017-09-04 CN CN201710787809.7A patent/CN107784633B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0661672B1 (fr) * | 1993-12-29 | 2002-03-20 | Koninklijke Philips Electronics N.V. | Procédé et dispositif de traitement d'image pour construire à partir d'une image source une image cible avec changement de perspective |
CN102612636A (zh) * | 2009-09-23 | 2012-07-25 | 近地图控股有限公司 | 包括级联照相机和/或校准特征的详细捕获大区域图像的系统和方法 |
CN105556329A (zh) * | 2013-09-27 | 2016-05-04 | 高通股份有限公司 | 混合照片导航及地图绘制 |
CN104061906A (zh) * | 2014-06-16 | 2014-09-24 | 江苏恒创软件有限公司 | 基于无人机的航拍测绘装置及图像校准方法 |
CN104657464A (zh) * | 2015-02-10 | 2015-05-27 | 腾讯科技(深圳)有限公司 | 一种数据处理方法及装置 |
Non-Patent Citations (1)
Title |
---|
王家杰: "无人机低空摄影测量系统研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108832986A (zh) * | 2018-05-20 | 2018-11-16 | 北京工业大学 | 一种基于天地一体化的多源数据管控平台 |
CN108832986B (zh) * | 2018-05-20 | 2021-03-16 | 北京工业大学 | 一种基于天地一体化的多源数据管控平台 |
CN108725816A (zh) * | 2018-05-23 | 2018-11-02 | 苏州科商兴达信息科技有限公司 | 一种光伏电站无人机智能巡检系统 |
WO2020108634A1 (zh) * | 2018-11-30 | 2020-06-04 | 苏州极目机器人科技有限公司 | 地图校准方法、测绘移动终端以及测绘系统 |
CN110726398A (zh) * | 2019-10-22 | 2020-01-24 | 浙江煤炭测绘院有限公司 | 一种自然资源遥感测绘影像定位方法 |
CN110726398B (zh) * | 2019-10-22 | 2022-01-14 | 浙江煤炭测绘院有限公司 | 一种自然资源遥感测绘影像定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107784633B (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107784633A (zh) | 适用于平面测量的无人机航拍图像校准方法 | |
CN104200086A (zh) | 宽基线可见光相机位姿估计方法 | |
CN112113542A (zh) | 一种无人机航摄建设用地土地专项数据验收的方法 | |
CN105424058B (zh) | 基于摄影测量技术的数码相机投影中心位置精确标定方法 | |
CN109813335A (zh) | 数据采集系统的标定方法、装置、系统及存储介质 | |
CN103186892B (zh) | 利用航拍图像生成等比例实景现场图的方法及系统 | |
CN106408601A (zh) | 一种基于gps的双目融合定位方法及装置 | |
CN104240262A (zh) | 一种用于摄影测量的相机外参数标定装置及标定方法 | |
CN103017666A (zh) | 用于确定几何空间中测量点的位置的过程和装置 | |
CN113793270A (zh) | 一种基于无人机姿态信息的航拍图像几何校正方法 | |
CN107833244A (zh) | 一种基于车载激光雷达数据的行道树属性自动识别方法 | |
CN108020175A (zh) | 一种多光栅投影双目视觉舌体表面三维整体成像方法 | |
TWI444593B (zh) | 地面目標定位系統與方法 | |
CN104655106B (zh) | 基于gps rtk和全景影像的自主定位定向测图方法 | |
CN103196429B (zh) | 城市天际轮廓线立面正射影像图的快速获取和测量方法 | |
CN102721410B (zh) | 一种基于gps/imu定位定向技术的海岛空中三角测量方法 | |
CN110986888A (zh) | 一种航空摄影一体化方法 | |
CN104180794B (zh) | 数字正射影像拉花区域的处理方法 | |
CN105004321B (zh) | 顾及曝光不同步的无人机gps辅助光束法平差方法 | |
CN106023207A (zh) | 一种基于移动测量系统双全景的城市部件采集方法 | |
CN111598937A (zh) | 一种基于标定区块对靶校正的农田测亩方法及系统 | |
CN106504286A (zh) | 卫星影像定位方法和装置 | |
CN107007998A (zh) | 一种高尔夫球场的图像网格化直接距离测量法 | |
CN105405135B (zh) | 基于基本配置点的两步法摄影物点、像点自动匹配方法 | |
CN105571598B (zh) | 一种卫星激光高度计足印相机姿态的测定方法 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211026 Address after: 610000 No. 3-3, floor 3, building A2, No. 1666, second section of Chenglong Avenue, Chengdu Economic and Technological Development Zone (Longquanyi District), Sichuan Province Patentee after: Chengdu zhunwang Technology Co.,Ltd. Address before: 614100 no.217, Yingchun West Road, Yicheng Town, Jiajiang County, Leshan City, Sichuan Province Patentee before: Huang Renjie |