CN108109171A - 无人机航片旋偏角的检测方法、装置、设备和存储介质 - Google Patents
无人机航片旋偏角的检测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN108109171A CN108109171A CN201711479624.6A CN201711479624A CN108109171A CN 108109171 A CN108109171 A CN 108109171A CN 201711479624 A CN201711479624 A CN 201711479624A CN 108109171 A CN108109171 A CN 108109171A
- Authority
- CN
- China
- Prior art keywords
- image
- point
- unmanned plane
- drift angle
- mrow
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Abstract
本发明实施例公开了一种无人机航片旋偏角的检测方法、装置、设备和存储介质。该方法包括:选择无人机航拍得到的第一影像和第二影像;从所述第一影像中选择两个位置点,并且从所述第二影像中选择与所述两个位置点分别同名的两个位置点;分别确定选择的各位置点在所属影像中的位置;依据选择的各位置点在所属影像中的位置,确定所述无人机航片的旋偏角。实现了在无人机航拍进程中,以航拍影像中的具体位置点为依据,自动化地检测无人机航片的旋偏角,提高了航片旋偏角的检测效率和准确度;且无需人工操作核实,降低人工成本的投入。
Description
技术领域
本发明实施例涉及遥感影像处理技术领域,尤其涉及一种无人机航片旋偏角的检测方法、装置、设备和存储介质。
背景技术
无人机航拍技术是继传统的航空拍摄之后出现的一种新的数字测绘航空摄影技术,相对于传统航空拍摄,无人机航摄具有操控便捷、起降灵活以及成本低等特点。
无人机是影响无人机航片影像质量的关键因素。由于无人机航拍影像的旋偏角的大小直接影响到后续无人机影像处理的精度效果,因此对于无人机影像航拍旋偏角的检测,有利于做航飞质量的控制。目前存在两种检测无人机航片旋偏角的方法:其一是通过无人机内置的IMU(Inertial Measurement Unit,惯性测量单元)系统在传感器成像过程中实时测量无人机的位置和姿态,以此来计算无人机航片旋偏角;其二是通过人工对每张航拍影像的观察,人为主观地判断无人机航片旋偏角。
然而,由于无人机机身较轻,易受气流的影响导致飞行姿态不够稳定;且在现有无人机功能基础上,IMU系统的精度不需要过高,相应的成本较低。进而,上述两点同时导致了IMU系统测量的数据精度误差较大,数据不够准确。但如果仅仅为了检测旋偏角而提高IMU系统的精度,由于IMU系统的精度越高相应的成本也越高,因此势必会提高对无人机不必要的成本投入。此外,人工主观对旋偏角进行判断的方式,不仅耗费人力成本,检测效率低下,而且受人为主观影响因素大,没有量化的评价指标。进而导致在无人机航拍结束后,通常将航拍影像交由内业人员进行质量检测;当检测到航片质量不符合要求时,则需要再由外业人员重新进行航拍,作业周期相对繁琐冗长。
发明内容
本发明实施例提供了一种无人机航片旋偏角的检测方法、装置、设备和存储介质,能够自动化地检测无人机航片的旋偏角,提高了航片旋偏角的检测效率和准确度。
第一方面,本发明实施例提供了一种无人机航片旋偏角的检测方法,包括:
选择无人机航拍得到的第一影像和第二影像;
从所述第一影像中选择两个位置点,并且从所述第二影像中选择与所述两个位置点分别同名的两个位置点;
分别确定选择的各位置点在所属影像中的位置;
依据选择的各位置点在所属影像中的位置,确定所述无人机航片的旋偏角。
第二方面,本发明实施例提供了一种无人机航片旋偏角的检测装置,包括:
影响选取模块,用于选择无人机航拍得到的第一影像和第二影像;
位置点选取模块,用于从所述第一影像中选择两个位置点,并且从所述第二影像中选择与所述两个位置点分别同名的两个位置点;
位置确定模块,用于分别确定选择的各位置点在所属影像中的位置;
旋偏角确定模块,用于依据选择的各位置点在所属影像中的位置,确定所述无人机航片的旋偏角。
第三方面,本发明实施例提供了一种设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例所述的无人机航片旋偏角的检测方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例所述的无人机航片旋偏角的检测方法。
本发明实施例通过选取两个相邻时间的航拍影像,从其中一幅影像中选择两个位置点,并在另一幅影像中找到与前一幅影像的两个位置点名称相同的两个对应的位置点,从而根据两幅影像中彼此对应的四个位置点来计算出航片的旋偏角。实现了在无人机航拍进程中,以航拍影像中的具体位置点为依据,自动化地检测无人机航片的旋偏角,提高了航片旋偏角的检测效率和准确度;且无需人工操作核实,降低人工成本的投入。
附图说明
图1为本发明实施例一提供的一种无人机航片旋偏角的检测方法的流程图;
图2为本发明实施例一提供的无人机航片旋偏角检测的示例图;
图3为本发明实施例二提供的一种无人机航片旋偏角的检测方法的流程图;
图4为本发明实施例二提供的剔除候选位置点的示例图;
图5为本发明实施例二提供的计算旋偏角的示例图;
图6为本发明实施例三提供的一种无人机航片旋偏角的检测装置的结构示意图;
图7为本发明实施例四提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明实施例的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明实施例相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种无人机航片旋偏角的检测方法的流程图,本实施例可适用于测量无人机航片旋偏角的情况,该方法可由无人机航片旋偏角的检测装置来执行。该方法具体包括如下步骤:
S110、选择无人机航拍得到的第一影像和第二影像。
在本发明的具体实施例中,第一影像和第二影像为无人机进行航拍时拍摄得来的众多航拍影像中的两幅,且第一影像与第二影像为两个相邻时间上拍摄得到的影像,拍摄高度基本相同。优选的,可以选择与当前时刻距离较近的航拍影像作为第一影像和第二影像,进而可以实现近乎于实时的检测无人机航片旋偏角的效果。此外,对第一影像与第二影像的成像范围有所要求,第一影像与第二影像的重叠区域最好大于整个影像的60%,在此成像标准上,对无人机航片旋偏角的检测才具有意义。
示例性的,假设无人机以25次每秒的频率来进行拍摄,则无人机每40毫秒就进行一次拍摄。当无人机运行正常且趋于稳定时,选择当前时刻拍下的航拍影像作为第一影像,同时选择40毫秒之前拍摄的航拍影像作为第二影像。可以采用一定的相似度计算方法,确定第一影像与第二影像的重叠区域占据了整个影像区域的60%以上,则可以进行后续的检测流程。
S120、从所述第一影像中选择两个位置点,并且从所述第二影像中选择与所述两个位置点分别同名的两个位置点。
在本发明的具体实施例中,首先从第一影像中选择两个位置点。若无人机此次针对的航拍对象是城市区域,则该位置点可以是航拍影像中的建筑物、路面、桥以及植被等具体的点;若无人机此次针对的航拍对象是野外区域,则该位置点可以是航拍影像中的山脉、河流以及植被等具体的点。由于无人机航拍时,对于一些大型的物体,例如建筑物或者山脉等,不可能是百分之百的从上空垂直向下拍摄,进而导致大型物体的成像存在一定的倾斜角度,相应的在不同时刻的航拍影像中,该大型物体的倾斜角度也有所不同,进一步导致该大型物体的位置存在差异,影响对该大型物体的位置的准确确定。因此,相对于大型物体,可以优先选择相对较小的物体作为从第一影像中选择的位置点。例如,相对于建筑物来说,可以优先选择路面作为第一影像的位置点。此外,在本实施例中,还可以采用尺度不变特征变换(Scale-invariant feature transform,SIFT)算法来检测和提取第一影像中的关键点作为位置点。其次,从第二影像中选择与第一影像中两个位置点分别同名的两个位置点。
示例性的,在上述示例中,假设无人机是对某个城市区域进行拍摄,则采用SIFT算法来检测和提取第一影像中的关键点。若以第一影像中某条道路上的两个点为位置点,则在第二影像中,通过第一影像中该条道路的名称以及周围的环境,确定第二影像中与该条道路名称相同的道路,以及与第一影像的两个位置点对应的两个点作为第二影像的两个位置点。
值得注意的是,若将第一影像与第二影像并排且对齐摆放在同一界面中,则第一影像中的两个位置点所在的直线与第二影像中同名的两个位置点所在的直线经过延伸后,两条直线能够相交在一起。以上述示例为例,在理想情况中,存在两条直线是平行不相交的情况。假设该条道路是笔直的,没有任何的弧度,且无人机是沿着该条道路进行拍摄,则第一影像中两个位置点所在的直线与第二影像中同名的两个位置点所在的直线应该是平行不相交的。但是,在现实环境中,由于实际地理环境的复杂性、气流等因素对无人机的影响以及拍摄角度等因素对航拍影像的影响,不存在两条直线是平行不相交的情况,即第一影像中两个位置点所在的直线与第二影像中同名的两个位置点所在的直线经延长后是一定会相交在一起的。
S130、分别确定选择的各位置点在所属影像中的位置。
在本发明的具体实施例中,各位置点在所属影像中的位置是指位置点在影像中的具体坐标值。首先分别在第一影像和第二影像中构建统一的影像像素坐标系,即两幅影像中的两个坐标系的坐标原点、坐标轴的方向以及坐标轴上的坐标值完全相同。示例性的,分别以两幅影像的左上角为坐标原点。其次,根据各位置点在各影像中的相对位置,确定每个位置点的像素坐标。
S140、依据选择的各位置点在所属影像中的位置,确定所述无人机航片的旋偏角。
在本发明的具体实施例中,航片旋偏角是由于无人机在动态中进行摄影,产生左右移动、左右倾斜、航摄仪绕主光轴转动、航向改向、无人机纵轴偏离、航摄仪安装误差以及摄影时的操作误差等因素的综合反映结果。航摄规范中定义的航片旋偏角是指相邻影响的主点连线与像幅沿航线方向的两框标连线之间的夹角。在本实施例中,在确定两幅影像中四个位置点的像素坐标后,可以通过分别计算第一影像中两位置点所在直线与横坐标轴沿指向方向之间的夹角,以及第二影像中同名的两个位置点所在直线与横坐标轴沿指向方向之间的夹角,利用两个夹角之间的差值即可确定航片的旋偏角。或者将角的计算关系转换为位置点的坐标计算关系,由位置点的坐标直接获取航片的旋偏角。
示例性的,图2为本发明实施例一提供的无人机航片旋偏角检测的示例图。如图2所示,图2是从无人机航拍影像中选择的两张航拍影像,指定左侧影像为第一影像,右侧影像为第二影像。其中,从第一影像中选择了两个位置点a1和a2,从第二影像中选择了与位置点a1和a2分别同名的两个位置点b1和b2。假设分别以两张影像的左上角为坐标原点构建统一的直角坐标系,则分别确定了a1、a2、b1和b2的像素坐标,进而根据各位置点的坐标值可以计算得到角θa和角θb的值;最终根据角θa、角θb和旋偏角θ的位置关系,可以得到旋偏角θ=θa-θb。
本实施例的技术方案,通过选取两个相邻时间的航拍影像,从其中一幅影像中选择两个位置点,并在另一幅影像中找到与前一幅影像的两个位置点名称相同的两个对应的位置点,从而根据两幅影像中彼此对应的四个位置点来计算出航片的旋偏角。实现了在无人机航拍进程中,以航拍影像中的具体位置点为依据,自动化地检测无人机航片的旋偏角,提高了航片旋偏角的检测效率和准确度;且无需人工操作核实,降低人工成本的投入。
实施例二
本实施例在上述实施例一的基础上,提供了无人机航片旋偏角的检测方法的一个优选实施方式,能够自动化地选取航片影像的位置点,并根据位置点的坐标计算航片的旋偏角。图3为本发明实施例二提供的一种无人机航片旋偏角的检测方法的流程图,如图3所示,该方法包括以下具体步骤:
S310、选择无人机航拍得到的第一影像和第二影像。
在本发明的具体实施例中,从众多的航拍影像中选取两个相邻时间上拍摄得到的航拍影像,作为用于检测航片旋偏角的第一影像与第二影像。同时对第一影像与第二影像的成像范围有所要求,即第一影像与第二影像的重叠区域最好大于整个影像区域的60%,在此成像标准上,对无人机航片旋偏角的检测才具有意义。
S320、针对所述第一影像中的每一候选位置点,确定该候选位置点在所述第二影像中的同名位置点。
在本发明的具体实施例中,仅通过一组位置点计算得来的航片旋偏角具有偶然性,且误差较大。因此,需要采集多组位置点来确定最终的旋偏角。在本实施例中,可以采用多种关键点检测算法,例如SIFT算法,来检测第一影像中的所有关键点作为第一影像的候选位置点,并获取各个候选位置点的名称及周边信息,以此来确定第二影像中与第一影像的各个候选位置点同名的位置点,并将两幅影像中的对应位置点关联起来,以备后续多次检测计算使用。其中,对于在第二影像中确定不到与候选位置点对应的位置点的情况,则该候选位置点可能位于两幅影像的重叠区域之外,因此第二影像不包含该候选位置点所属的区域,可以去除第一影像中的该候选位置点。
优选的,若由该候选位置点到对应的同名位置点所组成的同名向量,与另一候选位置点到对应的同名位置点所组成的同名向量是相等向量,则保留该候选位置点;否则,剔除该候选位置点。
在本发明的具体实施例中,考虑到在无人机航拍过程中,无人机姿态受到气流以及中心投影灯因素的影响,越靠近影像的边缘区域,图像的变形越大,进而导致错误匹配点的产生,因此需要对错误匹配点进行粗差点剔除。本实施例可以采用基于向量的提出粗差点的方法。通常情况下,相对于平移运动而言,无人机中相机的倾斜角、俯仰角、拉伸运动等细节变化是比较小的,因此可以理解的是,第一影像中一个位置点与第二影像中对应的同名位置点所形成的向量,与第一影像中另一个位置点与第二影像中对应的同名位置点所形成的向量,在理论上的差别是非常小的。因此,若由该候选位置点到对应的同名位置点所组成的同名向量,与另一候选位置点到对应的同名位置点所组成的同名向量是相等向量,则说明在第二影像中能够匹配得到该候选位置点的正确位置点,并保留该候选位置点。而当两个向量不相等或者差别特别大时,则说明匹配点有误,在第二影像中不能匹配得到该候选位置点的正确位置点,并从第一影像中剔除该候选位置点。
示例性的,图4为本发明实施例二提供的剔除候选位置点的示例图。如图4所示,是两张差别特别小的航拍影像,指定左侧影像为第一影像,右侧影像为第二影像。其中,已知第一影像中的候选位置点pi与第二影像中的同名位置点qi对应,并组成了同名向量;在第二影像中匹配得到与第一影像中的候选位置点pj对应的同名位置点qj,并组成了同名向量。通过计算可知,向量与向量相等,因此第二影像中的同名位置点qj是正确的,保留第一影像中的候选位置点pj以及与其对应的第二影像中的同名位置点qj。假设向量与向量不相等时,则剔除第一影像中的候选位置点pj,同时也无需保留第二影像中的错误同名位置点qj。
S330、从所述第一影像中选择两个位置点,并且从所述第二影像中选择与所述两个位置点分别同名的两个位置点。
在本发明的具体实施例中,经过特定的算法对第一影像检测关键点,对关键点进行筛选和剔除得到检测可用的候选位置点,因此可以进行对旋偏角的计算。从最终的候选位置点中选择两个位置点,并根据第一影像中候选位置点与第二影像中位置点的对应关系,从第二影像中选择与第一影像中选取的两个位置点同名的两个位置点,供本次旋偏角的计算使用。
S340、分别确定选择的各位置点在所属影像中的位置。
在本发明的具体实施例中,通过分别在第一影像和第二影像中构建统一的影像像素坐标系,根据各位置点在各影像中的相对位置,确定每个位置点的像素坐标。
S350、依据从所述第一影像中选择的两个位置点在所述第一影像中的位置,确定选择的两个位置点所在的直线与所述第一影像的像素坐标系横轴之间的第一夹角;依据所述第二影像中同名的两个位置点在所述第二影像中的位置,确定同名的两个位置点所在的直线与所述第二影像的像素坐标系横轴之间的第二夹角。
在本发明的具体实施例中,在确定两幅影像中四个位置点的像素坐标后,通过第一影像中两位置点所在直线与第二影像中同名的两个位置点所在直线的相对位置,可以获得航片的旋偏角。本实施例可以以各影像中各自的坐标系横轴为位置参考点,依据从第一影像中选择的两个位置点在第一影像中的像素坐标,可以计算第一影像中两位置点所在直线与横坐标轴沿指向方向之间的第一夹角;并依据从第二影像中选择的两个位置点在第二影像中的像素坐标,计算第二影像中同名的两个位置点所在直线与横坐标轴沿指向方向之间的第二夹角,利用两个夹角之间的差值即可确定航片的旋偏角。
S360、依据所述第一夹角和所述第二夹角,确定所述无人机航片的旋偏角。
在本发明的具体实施例中,以坐标系横轴为位置参考点,通过将第一影像中两个位置点所在的直线转换为与坐标系横轴的第一夹角,将第二影像中两个同名位置点所在的直线转换为与坐标系横轴的第二夹角,根据两条直线的位置关系,取第一夹角和第二夹角的差值即可获得此次计算的航片旋偏角。
示例性的,图5为本发明实施例二提供的计算旋偏角的示例图。如图5所示,指定左侧影像为第一影像,右侧影像为第二影像。其中,选择了第一影像中的两个位置点a1和a2,同样在第二影像中选取与位置点a1和a2分别对应的同名位置点b1和b2。进而第一影像中的位置点a1和a2构成了直线a1a2,第二影像中的位置点b1和b2构成了直线b1b2。分别以两张影像的左上角为坐标原点建立坐标系,为了便于观察,将坐标系横轴向下平移至经过位置点a1,则直线a1a3表示坐标横轴。设∠a2a1a3=θa,∠b2a1a3=θb。由各个位置点的坐标可得,其中,(xa1,ya1)和(xa2,ya2)分别是第一影像中两个位置点a1和a2的坐标,(xb1,yb1)和(xb2,yb2)分别是第二影像中同名的两个位置点b1和b2的坐标,最终得到旋偏角θ=θa-θb。
优选的,依据如下公式,确定所述无人机航片的旋偏角:
其中,θ是无人机航片的旋偏角,abs()是求绝对值函数,(xa1,ya1)和(xa2,ya2)分别是从所述第一影像中选择的两个位置点a1和a2在所述第一影像中的位置,(xb1,yb1)和(xb2,yb2)分别是从所述第二影像中同名的两个位置点b1和b2在所述第二影像中的位置。
优选的,从所述第一影像和所述第二影像中多次选择位置点,并依据选择的位置点在所属影像中的位置,分别确定无人机的旋偏角;对多次确定的无人机的旋偏角求均值,得到所述无人机的真实旋偏角。
在本发明的具体实施例中,仅通过一组位置点计算得来的航片旋偏角具有偶然性,且误差较大。因此,需要从已确定的候选位置点中选择不同的多组位置点分别计算旋偏角,对各次计算得到的旋偏角进行加权平均来确定最终的旋偏角,提高无人机航片旋偏角检测的稳定性。因此,最终确定的旋偏角其中,θi为第i次选取位置点计算得到的旋偏角,N为最终计算得到的旋偏角的个数。
S370、若所述无人机航片的旋偏角大于预设的角度阈值,则生成重新拍摄提醒。
在本发明的具体实施例中,无人机航片的旋偏角是由于摄影时航摄机定向不准确而产生的,旋偏角不但会影响航拍影像的重叠度,而且还会给航测内业作业增加难度。因此,通常为航片的旋偏角预设了角度阈值,当检测得到的旋偏角大于该角度阈值时,则说明拍摄的影像不够准确,进而生成重新拍摄提醒,以提醒操作的外业人员重新进行拍摄,来获得符合规定的航拍影像。例如,预先设定航片旋偏角的角度阈值为8°,且设定不能出现连续三张航片的旋偏角均超过8°的情况。因此,当检测得到无人机航拍得到的航拍旋偏角小于8°时,则视为此时的无人机航拍正常,且拍摄得到的影像可以为后续的内业人员正常使用;否则,视为拍摄的影像不符合规定范围,影像后续的内业人员的正常作业,进而生成重新拍摄提醒,以提醒操作的外业人员重新进行拍摄,来获得符合规定的航拍影像。
本实施例的技术方案,通过选取两个相邻时间的航拍影像,首先对一幅影像中的位置点进行筛选剔除,得到能够检测使用的候选位置点,并在另一幅影像中确定与第一幅影像中的各个候选位置点对应的同名位置点;其次通过构建统一的坐标系,确定两幅影像中四个位置点的位置坐标;然后根据各位置点的坐标值计算得到旋偏角,并多次选取位置点来检测旋偏角,以多次检测结果的加权平均值为最终的航片旋偏角;最后根据旋偏角的预设角度阈值的大小关系,生成重新拍摄提醒或者继续拍摄。实现了在无人机航拍进程中,以航拍影像中的具体位置点为依据,自动化地检测无人机航片的旋偏角,提高了航片旋偏角的检测效率和准确度;且无需人工操作核实,降低人工成本的投入。
实施例三
图6为本发明实施例三提供的一种无人机航片旋偏角的检测装置的结构示意图,本实施例可适用于检测无人机航片旋偏角的情况,该装置可实现本发明任意实施例所述的无人机航片旋偏角的检测方法。该装置具体包括:
影像选取模块610,用于选择无人机航拍得到的第一影像和第二影像;
位置点选取模块620,用于从所述第一影像中选择两个位置点,并且从所述第二影像中选择与所述两个位置点分别同名的两个位置点;
位置确定模块630,用于分别确定选择的各位置点在所属影像中的位置;
旋偏角确定模块640,用于依据选择的各位置点在所属影像中的位置,确定所述无人机航片的旋偏角。
优选的,所述旋偏角确定模块640,包括:
第一夹角确定单元,用于依据从所述第一影像中选择的两个位置点在所述第一影像中的位置,确定选择的两个位置点所在的直线与所述第一影像的像素坐标系横轴之间的第一夹角;
第二夹角确定单元,用于依据所述第二影像中同名的两个位置点在所述第二影像中的位置,确定同名的两个位置点所在的直线与所述第二影像的像素坐标系横轴之间的第二夹角;
旋偏角确定单元,用于依据所述第一夹角和所述第二夹角,确定所述无人机航片的旋偏角。
优选的,所述旋偏角确定模块640,还包括:
提醒生成单元,用于若所述无人机航片的旋偏角大于预设的角度阈值,则生成重新拍摄提醒。
进一步的,所述装置还包括:
同名位置点确定模块650,用于在所述从所述第一影像中选择两个位置点,并且从所述第二影像中选择与所述两个位置点分别同名的两个位置点之前,针对所述第一影像中的每一候选位置点,确定该候选位置点在所述第二影像中的同名位置点;
误差点剔除模块660,用于若由该候选位置点到对应的同名位置点所组成的同名向量,与另一候选位置点到对应的同名位置点所组成的同名向量是相等向量,则保留该候选位置点;否则,剔除该候选位置点。
本实施例的技术方案,通过各个模块间的相互配合,实现了影像的选取、位置点的选取、位置点坐标的确定、旋偏角的计算以及提醒的生成等功能,实现了在无人机航拍进程中,以航拍影像中的具体位置点为依据,自动化地检测无人机航片的旋偏角,提高了航片旋偏角的检测效率和准确度;且无需人工操作核实,降低人工成本的投入。
实施例四
图7为本发明实施例四提供的一种设备的结构示意图,图7示出了适于用来实现本发明实施例实施方式的示例性设备的框图。图7显示的设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
图7显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图7未显示,通常称为“硬盘驱动器”)。尽管图7中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明实施例各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的无人机航片旋偏角的检测方法。
实施例五
本发明实施例五还提供一种计算机可读存储介质,其上存储有计算机程序(或称为计算机可执行指令),该程序被处理器执行时用于执行一种无人机航片旋偏角的检测方法,该方法包括:
选择无人机航拍得到的第一影像和第二影像;
从所述第一影像中选择两个位置点,并且从所述第二影像中选择与所述两个位置点分别同名的两个位置点;
分别确定选择的各位置点在所属影像中的位置;
依据选择的各位置点在所属影像中的位置,确定所述无人机航片的旋偏角。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明实施例的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明实施例不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明实施例的保护范围。因此,虽然通过以上实施例对本发明实施例进行了较为详细的说明,但是本发明实施例不仅仅限于以上实施例,在不脱离本发明实施例构思的情况下,还可以包括更多其他等效实施例,而本发明实施例的范围由所附的权利要求范围决定。
Claims (11)
1.一种无人机航片旋偏角的检测方法,其特征在于,包括:
选择无人机航拍得到的第一影像和第二影像;
从所述第一影像中选择两个位置点,并且从所述第二影像中选择与所述两个位置点分别同名的两个位置点;
分别确定选择的各位置点在所属影像中的位置;
依据选择的各位置点在所属影像中的位置,确定所述无人机航片的旋偏角。
2.根据权利要求1所述的方法,其特征在于,所述依据选择的各位置点在所属影像中的位置,确定所述无人机航片的旋偏角,包括:
依据从所述第一影像中选择的两个位置点在所述第一影像中的位置,确定选择的两个位置点所在的直线与所述第一影像的像素坐标系横轴之间的第一夹角;
依据所述第二影像中同名的两个位置点在所述第二影像中的位置,确定同名的两个位置点所在的直线与所述第二影像的像素坐标系横轴之间的第二夹角;
依据所述第一夹角和所述第二夹角,确定所述无人机航片的旋偏角。
3.根据权利要求1或2所述的方法,其特征在于,所述依据选择的各位置点在所属影像中的位置,确定所述无人机航片的旋偏角,包括:
依据如下公式,确定所述无人机航片的旋偏角:
<mrow>
<mi>&theta;</mi>
<mo>=</mo>
<mi>a</mi>
<mi>b</mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>arctan</mi>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>y</mi>
<mrow>
<mi>a</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>a</mi>
<mn>1</mn>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>a</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>a</mi>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>)</mo>
<mo>-</mo>
<mi>arctan</mi>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>y</mi>
<mrow>
<mi>b</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>b</mi>
<mn>1</mn>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>b</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>b</mi>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
其中,θ是无人机航片的旋偏角,abs()是求绝对值函数,(xa1,ya1)和(xa2,ya2)分别是从所述第一影像中选择的两个位置点a1和a2在所述第一影像中的位置,(xb1,yb1)和(xb2,yb2)分别是从所述第二影像中同名的两个位置点b1和b2在所述第二影像中的位置。
4.根据权利要求1所述的方法,其特征在于,在所述从所述第一影像中选择两个位置点,并且从所述第二影像中选择与所述两个位置点分别同名的两个位置点之前,还包括:
针对所述第一影像中的每一候选位置点,确定该候选位置点在所述第二影像中的同名位置点;
若由该候选位置点到对应的同名位置点所组成的同名向量,与另一候选位置点到对应的同名位置点所组成的同名向量是相等向量,则保留该候选位置点;否则,剔除该候选位置点。
5.根据权利要求1所述的方法,其特征在于,所述依据选择的各位置点在所属影像中的位置,确定所述无人机航片的旋偏角,还包括:
若所述无人机航片的旋偏角大于预设的角度阈值,则生成重新拍摄提醒。
6.一种无人机航片旋偏角的检测装置,其特征在于,包括:
影响选取模块,用于选择无人机航拍得到的第一影像和第二影像;
位置点选取模块,用于从所述第一影像中选择两个位置点,并且从所述第二影像中选择与所述两个位置点分别同名的两个位置点;
位置确定模块,用于分别确定选择的各位置点在所属影像中的位置;
旋偏角确定模块,用于依据选择的各位置点在所属影像中的位置,确定所述无人机航片的旋偏角。
7.根据权利要求6所述的装置,其特征在于,所述旋偏角确定模块,包括:
第一夹角确定单元,用于依据从所述第一影像中选择的两个位置点在所述第一影像中的位置,确定选择的两个位置点所在的直线与所述第一影像的像素坐标系横轴之间的第一夹角;
第二夹角确定单元,用于依据所述第二影像中同名的两个位置点在所述第二影像中的位置,确定同名的两个位置点所在的直线与所述第二影像的像素坐标系横轴之间的第二夹角;
旋偏角确定单元,用于依据所述第一夹角和所述第二夹角,确定所述无人机航片的旋偏角。
8.根据权利要求6所述的装置,其特征在于,所述装置还包括:
同名位置点确定模块,用于在所述从所述第一影像中选择两个位置点,并且从所述第二影像中选择与所述两个位置点分别同名的两个位置点之前,针对所述第一影像中的每一候选位置点,确定该候选位置点在所述第二影像中的同名位置点;
误差点剔除模块,用于若由该候选位置点到对应的同名位置点所组成的同名向量,与另一候选位置点到对应的同名位置点所组成的同名向量是相等向量,则保留该候选位置点;否则,剔除该候选位置点。
9.根据权利要求6所述的装置,其特征在于,所述旋偏角确定模块,还包括:
提醒生成单元,用于若所述无人机航片的旋偏角大于预设的角度阈值,则生成重新拍摄提醒。
10.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一项所述的无人机航片旋偏角的检测方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一项所述的无人机航片旋偏角的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711479624.6A CN108109171A (zh) | 2017-12-29 | 2017-12-29 | 无人机航片旋偏角的检测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711479624.6A CN108109171A (zh) | 2017-12-29 | 2017-12-29 | 无人机航片旋偏角的检测方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108109171A true CN108109171A (zh) | 2018-06-01 |
Family
ID=62214977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711479624.6A Pending CN108109171A (zh) | 2017-12-29 | 2017-12-29 | 无人机航片旋偏角的检测方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108109171A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113747071A (zh) * | 2021-09-10 | 2021-12-03 | 深圳市道通智能航空技术股份有限公司 | 一种无人机拍摄方法、装置、无人机及存储介质 |
CN116612067A (zh) * | 2023-04-06 | 2023-08-18 | 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 (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916452A (zh) * | 2010-07-26 | 2010-12-15 | 中国科学院遥感应用研究所 | 一种基于飞行控制信息的无人机遥感影像自动拼接方法 |
CN103760917A (zh) * | 2013-12-31 | 2014-04-30 | 河南理工大学 | 航空摄影仪智能旋像设备及智能旋像方法 |
CN106778587A (zh) * | 2016-12-09 | 2017-05-31 | 国家测绘地理信息局四川测绘产品质量监督检验站 | 基于无人机影像的飞行状态检测方法及装置 |
-
2017
- 2017-12-29 CN CN201711479624.6A patent/CN108109171A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916452A (zh) * | 2010-07-26 | 2010-12-15 | 中国科学院遥感应用研究所 | 一种基于飞行控制信息的无人机遥感影像自动拼接方法 |
CN103760917A (zh) * | 2013-12-31 | 2014-04-30 | 河南理工大学 | 航空摄影仪智能旋像设备及智能旋像方法 |
CN106778587A (zh) * | 2016-12-09 | 2017-05-31 | 国家测绘地理信息局四川测绘产品质量监督检验站 | 基于无人机影像的飞行状态检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
SEUNG JAE LEE 等: "Autonomous Swing-Angle Estimation for Stable Slung-Load Flight of Multi-Rotor UAVs*", 《2017 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION (ICRA)》 * |
李红林: "无人机遥感影像空中三角测量应用研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113747071A (zh) * | 2021-09-10 | 2021-12-03 | 深圳市道通智能航空技术股份有限公司 | 一种无人机拍摄方法、装置、无人机及存储介质 |
CN113747071B (zh) * | 2021-09-10 | 2023-10-24 | 深圳市道通智能航空技术股份有限公司 | 一种无人机拍摄方法、装置、无人机及存储介质 |
CN116612067A (zh) * | 2023-04-06 | 2023-08-18 | 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 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112894832B (zh) | 三维建模方法、装置、电子设备和存储介质 | |
JP5832341B2 (ja) | 動画処理装置、動画処理方法および動画処理用のプログラム | |
JP5746477B2 (ja) | モデル生成装置、3次元計測装置、それらの制御方法及びプログラム | |
US11788845B2 (en) | Systems and methods for robust self-relocalization in a visual map | |
CN110163903A (zh) | 三维图像的获取及图像定位方法、装置、设备和存储介质 | |
US20090110267A1 (en) | Automated texture mapping system for 3D models | |
EP3274964B1 (en) | Automatic connection of images using visual features | |
JP2012063866A (ja) | 点群位置データ処理装置、点群位置データ処理方法、点群位置データ処理システム、および点群位置データ処理プログラム | |
CN106940181B (zh) | 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 | |
CN110081881A (zh) | 一种基于无人机多传感器信息融合技术的着舰引导方法 | |
JP2019190974A (ja) | キャリブレーション装置、キャリブレーション方法、及びプログラム | |
CN112184812B (zh) | 提升无人机相机对AprilTag识别定位精度方法及定位方法和系统 | |
CN109685855A (zh) | 一种道路云监控平台下的摄像机标定优化方法 | |
KR102309608B1 (ko) | 라이다(Lidar)와 스테레오-카메라(Stereo-Camera) 간의 좌표계 정합 방법 | |
CN114004977A (zh) | 一种基于深度学习的航拍数据目标定位方法及系统 | |
JP2016039390A (ja) | 画像生成方法および装置 | |
JP4521568B2 (ja) | 対応点探索方法、相互標定方法、3次元画像計測方法、対応点探索装置、相互標定装置、3次元画像計測装置、対応点探索プログラム及び対応点探索プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN112529957A (zh) | 确定摄像设备位姿的方法和装置、存储介质、电子设备 | |
US20180114339A1 (en) | Information processing device and method, and program | |
CN108801225A (zh) | 一种无人机倾斜影像定位方法、系统、介质及设备 | |
CN106778588A (zh) | 基于同名点的飞行状态检测方法及装置 | |
Horanyi et al. | Generalized pose estimation from line correspondences with known vertical direction | |
CN108830797A (zh) | 一种基于仿射投影矩阵模型的直线匹配方法 | |
CN108109171A (zh) | 无人机航片旋偏角的检测方法、装置、设备和存储介质 | |
Abdullah et al. | Camera calibration performance on different non-metric cameras. |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180601 |
|
RJ01 | Rejection of invention patent application after publication |