CN108759791B - 基于前方交会的无人机航摄影像自动定位方法 - Google Patents

基于前方交会的无人机航摄影像自动定位方法 Download PDF

Info

Publication number
CN108759791B
CN108759791B CN201810831672.5A CN201810831672A CN108759791B CN 108759791 B CN108759791 B CN 108759791B CN 201810831672 A CN201810831672 A CN 201810831672A CN 108759791 B CN108759791 B CN 108759791B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial
aerial vehicle
image
images
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
CN201810831672.5A
Other languages
English (en)
Other versions
CN108759791A (zh
Inventor
胡永江
张岩
李建增
张玉华
李爱华
褚丽娜
赵月飞
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.)
Army Engineering University of PLA
Original Assignee
Army Engineering University of PLA
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 Army Engineering University of PLA filed Critical Army Engineering University of PLA
Priority to CN201810831672.5A priority Critical patent/CN108759791B/zh
Publication of CN108759791A publication Critical patent/CN108759791A/zh
Application granted granted Critical
Publication of CN108759791B publication Critical patent/CN108759791B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于前方交会的无人机航摄影像自动定位方法，涉及摄影测量技术领域。本发明将全部无人机航摄影像进行相邻特征匹配，然后构建摄影测量坐标系，将全部无人机航摄影像按航向进行自动旋转，接着基于前方交会理论对全部无人机航摄影像内任一点进行定位，得到在大地坐标系下的三维坐标，最后对定位结果进行平差。本方法能够加强无人机对地目标定位的准确性与自动化程度，增强无人机对地目标定位的准确性与自动化程度，是对现有技术的重要改进。

Description

基于前方交会的无人机航摄影像自动定位方法
技术领域
本发明涉及摄影测量技术领域，特别是指一种基于前方交会的无人机航摄影像自动定位方法。
背景技术
目前，小型无人机对地观测系统已经成为世界各国争相研究的热点课题，并在实际应用过程中不断提升无人机对地观测系统的性能。与传统测量方法、卫星遥感和航空遥感相比，无人机遥感具有高时效、高分辨率、低成本、低损耗、低风险及可重复等诸多优势，能够在大面积区域、常规航摄困难地区和突发自然灾害地区快速获取高分辨率影像，可以更快、更高效地制作大比例尺地形图、DEM、DOM和DSM等数字产品及数字三维城市。并且快速获取的国土、资源、环境等地理信息的空间要素，已广泛应用到大比例尺地形图绘制与更新、自然灾害与地质环境勘查、土地利用动态监测、电力工程、海洋资源与环境监测、风能开发勘测、交通、军事等领域。同时，无人机在应急测绘、中小区域测绘、农村建设测绘和困难地区测绘中都发挥着重要的作用。因此，如何提高无人机大比例尺成图精度具有一定的研究价值。
发明内容
有鉴于此，本发明的目的在于提出一种基于前方交会的无人机航摄影像自动定位方法，能够加强无人机对地目标定位的准确性与自动化程度。
基于上述目的，本发明提供的技术方案是：
一种基于前方交会的无人机航摄影像自动定位方法，其包括以下步骤：
步骤一：利用特征匹配算法计算得到由V1变换至V2的单应性矩阵a1，利用特征匹配算法计算得到由V2变换至V3的单应性矩阵a2，按此法对V1,V2,…,Vn并行处理，最后得到a1,a2,…,an-1；其中，V1,V2,…,Vn分别为n张无人机航摄影像，n＞4，n为整数；
步骤二：如(1)(2)(3)式并行计算得到Zi；其中，航摄影像图幅为C×R像素，K为非零常数，1≤i≤n-1，i为整数；
Figure GDA0002658912830000021
Figure GDA0002658912830000022
Figure GDA0002658912830000023
步骤三：所有航摄影像按(4)式并行处理，得到处理后航摄影像；其中，(a(j),b(j))为计算机图像坐标系下的Vj内任一点坐标，(A(j),B(j))为计算机图像坐标系下的vj内对应点坐标，k0为非零常数，vj为对应处理后航摄影像，Z为Zi中个数最多的矩阵；
Figure GDA0002658912830000031
步骤四：将vj与对应内外方位元素按(5)(6)(7)(8)(9)(10)(11)式并行处理，得到处理后航摄影像内任一点在大地坐标系下的三维坐标
Figure GDA0002658912830000032
其中，kj为非零常数，p为像元大小，x0、y0与f为航摄影像内方位元素，
Figure GDA0002658912830000033
ωj、
Figure GDA0002658912830000034
与κj为vj外方位元素，ωj、
Figure GDA0002658912830000035
与κj分别为横滚、俯仰与偏航角；
Figure GDA0002658912830000036
Figure GDA0002658912830000037
Figure GDA0002658912830000038
Figure GDA0002658912830000041
Figure GDA0002658912830000042
Figure GDA0002658912830000043
Figure GDA0002658912830000044
完成基于前方交会的无人机航摄影像自动定位。
本发明相比背景技术的优点在于：
本发明将全部无人机航摄影像进行相邻特征匹配，然后构建摄影测量坐标系，将全部无人机航摄影像按航向进行自动旋转，接着基于前方交会理论对全部无人机航摄影像内任一点进行定位，得到在大地坐标系下的三维坐标，最后对定位结果进行平差。
本方法能够加强无人机对地目标定位的准确性与自动化程度，可以增强无人机对地目标定位的准确性与自动化程度，是对现有技术的重要改进。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明做进一步的详细说明。
一种基于前方交会的无人机航摄影像自动定位方法，运行于计算处理单元中，包括以下步骤：
步骤一：利用特征匹配算法计算得到由V1变换至V2的单应性矩阵a1，利用特征匹配算法计算得到由V2变换至V3的单应性矩阵a2，按此法对V1,V2,…,Vn并行处理，最后得到a1,a2,…,an-1；其中，V1,V2,…,Vn分别为n张无人机航摄影像，n＞4，n为整数；
步骤二：如(1)(2)(3)式并行计算得到Zi；其中，航摄影像图幅为C×R像素，K为非零常数，1≤i≤n-1，i为整数；
Figure GDA0002658912830000051
Figure GDA0002658912830000061
Figure GDA0002658912830000062
步骤三：所有航摄影像按(4)式并行处理，得到处理后航摄影像；其中，(a(j),b(j))为计算机图像坐标系下的Vj内任一点坐标，(A(j),B(j))为计算机图像坐标系下的vj内对应点坐标，k0为非零常数，vj为对应处理后航摄影像，Z为Zi中个数最多的矩阵；
Figure GDA0002658912830000063
步骤四：将vj与对应内外方位元素按(5)(6)(7)(8)(9)(10)(11)式并行处理，得到处理后航摄影像内任一点在大地坐标系下的三维坐标
Figure GDA0002658912830000064
其中，kj为非零常数，p为像元大小，x0、y0与f为航摄影像内方位元素，
Figure GDA0002658912830000065
ωj、
Figure GDA0002658912830000066
与κj为vj外方位元素，ωj、
Figure GDA0002658912830000067
与κj分别为横滚、俯仰与偏航角；
Figure GDA0002658912830000068
Figure GDA0002658912830000071
Figure GDA0002658912830000072
Figure GDA0002658912830000073
Figure GDA0002658912830000074
Figure GDA0002658912830000075
Figure GDA0002658912830000081
至此，完成基于前方交会的无人机航摄影像自动定位。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子。凡在本发明的精神和原则之内，对以上实施例所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于前方交会的无人机航摄影像自动定位方法，其特征在于，包括以下步骤：
步骤一：利用特征匹配算法计算得到由V1变换至V2的单应性矩阵a1，利用特征匹配算法计算得到由V2变换至V3的单应性矩阵a2，按此法对V1,V2,…,Vn并行处理，最后得到a1,a2,…,an-1；其中，V1,V2,…,Vn分别为n张无人机航摄影像，n＞4，n为整数；
步骤二：如(1)(2)(3)式并行计算得到Zi；其中，航摄影像图幅为C×R像素，K为非零常数，1≤i≤n-1，i为整数；
Figure FDA0002658912820000011
Figure FDA0002658912820000012
Figure FDA0002658912820000013
步骤三：所有航摄影像按(4)式并行处理，得到处理后航摄影像；其中，(a(j),b(j))为计算机图像坐标系下的Vj内任一点坐标，(A(j),B(j))为计算机图像坐标系下的vj内对应点坐标，k0为非零常数，vj为对应处理后航摄影像，Z为Zi中个数最多的矩阵；
Figure FDA0002658912820000021
步骤四：将vj与对应内外方位元素按(5)(6)(7)(8)(9)(10)(11)式并行处理，得到处理后航摄影像内任一点在大地坐标系下的三维坐标
Figure FDA0002658912820000022
其中，kj为非零常数，p为像元大小，x0、y0与f为航摄影像内方位元素，
Figure FDA0002658912820000023
ωj、
Figure FDA0002658912820000024
与κj为vj外方位元素，ωj、
Figure FDA0002658912820000025
与κj分别为横滚、俯仰与偏航角；
Figure FDA0002658912820000026
Figure FDA0002658912820000027
Figure FDA0002658912820000028
Figure FDA0002658912820000031
Figure FDA0002658912820000032
Figure FDA0002658912820000033
Figure FDA0002658912820000034
完成基于前方交会的无人机航摄影像自动定位。
CN201810831672.5A 2018-07-26 2018-07-26 基于前方交会的无人机航摄影像自动定位方法 Active CN108759791B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810831672.5A CN108759791B (zh) 2018-07-26 2018-07-26 基于前方交会的无人机航摄影像自动定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810831672.5A CN108759791B (zh) 2018-07-26 2018-07-26 基于前方交会的无人机航摄影像自动定位方法

Publications (2)

Publication Number Publication Date
CN108759791A CN108759791A (zh) 2018-11-06
CN108759791B true CN108759791B (zh) 2020-11-10

Family

ID=63971773

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810831672.5A Active CN108759791B (zh) 2018-07-26 2018-07-26 基于前方交会的无人机航摄影像自动定位方法

Country Status (1)

Country Link
CN (1) CN108759791B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109584346A (zh) * 2018-11-30 2019-04-05 中国人民解放军陆军工程大学 基于图像匹配的无人机侦察视频超分辨率重建方法
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

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101509784B (zh) * 2009-03-20 2012-03-28 西安煤航信息产业有限公司 一种gps/ins数据直接定向精度评估方法
CN102607535B (zh) * 2012-02-07 2014-01-22 湖州师范学院 一种利用视差空间集束调整的高精度实时立体视觉定位方法
CN106204507B (zh) * 2015-05-28 2021-05-25 湖南维纳斯克视觉测量技术有限公司 一种无人机图像拼接方法

Also Published As

Publication number Publication date
CN108759791A (zh) 2018-11-06

Similar Documents

Publication Publication Date Title
Zongjian UAV for mapping—low altitude photogrammetric survey
Zhang et al. Photogrammetric processing of low‐altitude images acquired by unpiloted aerial vehicles
CN101604018B (zh) 高分辨率遥感影像数据处理方法及其系统
Yu et al. Modeling of landslide topography based on micro-unmanned aerial vehicle photography and structure-from-motion
CN106780321B (zh) 一种cbers-02卫星hr传感器影像整体严密定向与纠正拼接方法
CN101545776B (zh) 基于数字地图的数码像片方位元素获取方法
CN113538595B (zh) 利用激光测高数据辅助提升遥感立体影像几何精度的方法
CN111003214B (zh) 基于云控制的国产陆地观测卫星姿轨精化方法
CN108759791B (zh) 基于前方交会的无人机航摄影像自动定位方法
Wang et al. Large-scale orthorectification of GF-3 SAR images without ground control points for China’s land area
CN111536970A (zh) 一种用于低能见度大尺度场景的红外惯性组合导航方法
CN107067454B (zh) 一种基于超图组件开发平台的雷达威力图三维显示方法
CN104751451B (zh) 基于无人机低空高分辨率影像的密集点云提取方法
CN112985398A (zh) 目标定位方法及系统
Zhang et al. Natural forest ALS-TLS point cloud data registration without control points
CN113282695A (zh) 一种基于遥感影像的矢量地理信息采集方法和装置
Lei et al. Using high-resolution imagery acquired with an autonomous unmanned aerial vehicle for urban construction and planning
Sefercik Performance estimation of ASTER Global DEM depending upon the terrain inclination
LU501719B1 (en) Terrain simulation method based on satellite images and digital elevation data
CN103679673A (zh) 一种宽视场线阵ccd影像几何畸变模拟方法
Kim Study of the UAV for application plans and landscape analysis
Ma et al. Low‐Altitude Photogrammetry and Remote Sensing in UAV for Improving Mapping Accuracy
CN108957500B (zh) 一种传感器观测视线与地球表面交点的计算方法
Yu et al. Ice flow velocity mapping in Greenland using historical images from 1960s to 1980s: Scheme design
Liu et al. A continuative variable resolution digital elevation model for ground-based photogrammetry

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