CN108801225A - 一种无人机倾斜影像定位方法、系统、介质及设备 - Google Patents
一种无人机倾斜影像定位方法、系统、介质及设备 Download PDFInfo
- Publication number
- CN108801225A CN108801225A CN201810668285.4A CN201810668285A CN108801225A CN 108801225 A CN108801225 A CN 108801225A CN 201810668285 A CN201810668285 A CN 201810668285A CN 108801225 A CN108801225 A CN 108801225A
- Authority
- CN
- China
- Prior art keywords
- image
- unmanned plane
- tilts
- coordinate
- position 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.)
- Granted
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
- G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
- G01C11/08—Interpretation of pictures by comparison of two or more pictures of the same area the pictures not being supported in the same relative position as when they were taken
-
- 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
- G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
- G01C11/28—Special adaptation for recording picture point data, e.g. for profiles
Abstract
本申请公开了一种无人机倾斜影像定位方法,包括:获取无人机倾斜影像的POS信息;利用POS信息对无人机倾斜影像进行定位,得到第一位置坐标;利用立体卫星影像提取地面控制点的第二位置坐标;利用第二位置坐标对第一位置坐标进行优化,得到无人机倾斜影像的第三位置坐标。可见,在本申请中,因为是利用立体卫星影像去计算地面控制点,免去了在现有技术当中,对地面控制点的获取过程,所以,利用本申请中的方法,可以大大减少对无人机倾斜影像进行定位时的测量成本。相应的,本申请公开的一种无人机倾斜影像定位系统、介质及设备,同样具有上述有益效果。
Description
技术领域
本发明涉及遥感技术领域,特别涉及一种无人机倾斜影像定位方法、系统、介质及设备。
背景技术
随着无人机技术的不断发展,无人机(Unmanned Aerial Vehicle,UAV)被广泛应用在农业管理、电力巡线和地形测绘等领域当中。而无人机倾斜摄影技术,是通过在无人机平台上搭载多台传感器,同时从垂直、倾斜等不同角度采集影像,从而可以为各种三维模型的建立提供有力的数据保证。但是由于无人机有限的载荷能力和高昂的设备成本,在无人机平台上一般没有搭载高精度的专业定位和定向传感器,所以,在现有技术当中,一般是利用地面控制点(Ground Control Points,GCPs)来对无人机倾斜影像进行定位,但是,由于获取地面控制点时需要高昂的测量成本,所以,这种方式并不能满足无人机倾斜影像的定位需求。由此可见,怎样降低对无人机倾斜影像进行定位所需的测量成本,是本领域技术人员亟待解决的问题。
发明内容
有鉴于此,本发明的目的在于提供一种无人机倾斜影像定位方法、系统、介质及设备,以降低在对无人机倾斜影像进行定位时所需的测量成本。其具体方案如下:
一种无人机倾斜影像定位方法,包括:
获取无人机倾斜影像的POS信息;
利用所述POS信息对所述无人机倾斜影像进行定位,得到第一位置坐标;
利用立体卫星影像提取地面控制点的第二位置坐标;
利用所述第二位置坐标对所述第一位置坐标进行优化,得到所述无人机倾斜影像的第三位置坐标。
优选的,所述获取无人机倾斜影像的POS信息的过程,包括:
利用所述无人机的飞控数据和相机安装角获取所述无人机倾斜影像的POS信息;其中,所述飞控数据包括所述无人机在地理坐标系下中的位置信息和在导航坐标系中的飞行姿态信息;所述相机安装角为所述无人机上安装的各个相机与所述无人机的夹角。
优选的,所述利用所述POS信息对所述无人机倾斜影像进行定位,得到第一位置坐标的过程,包括:
利用所述POS信息筛选所述无人机倾斜影像中相互重叠的影像对;
提取所述影像对中的特征点,并对提取到的特征点进行特征匹配,得到第一同名点;
利用所述第一同名点和SFM算法对所述无人机倾斜影像进行定位,得到所述第一位置坐标。
优选的,所述提取所述影像对中的特征点的过程,包括:
利用sift算法提取所述影像对中的特征点。
优选的,还包括:
利用RANSAC算法对所述第一同名点中的错误匹配点进行剔除。
优选的,所述利用立体卫星影像提取地面控制点的第二位置坐标的过程,包括:
按照预设规则将所述无人机倾斜影像进行分块,得到分块区域;
利用所述立体卫星影像的成像模型,在所述分块区域中获取与所述立体卫星影像所对应的角点;
将所述角点分别投影至所述立体卫星影像的左影像和右影像,得到像方投影点;
分别计算所述左影像和所述右影像中包含所述像方投影点的面积最小的外接矩形,得到与所述分块区域相对应的影像块;
利用sift算法提取所述分块区域和所述影像块中的特征点,并对提取到的特征点进行特征匹配,得到第二同名点;
将所述立体卫星影像中的第二同名点进行前方交会,得到所述第二位置坐标。
优选的,还包括:
利用预设扩展规则拓展所述影像块的面积,以减少所述无人机倾斜影像的定位误差。
相应的,本发明还公开了一种无人机倾斜影像定位系统,包括:
信息获取模块,用于获取无人机倾斜影像的POS信息;
位置定位模块,用于利用所述POS信息对所述无人机倾斜影像进行定位,得到第一位置坐标;
坐标提取模块,用于利用立体卫星影像提取地面控制点的第二位置坐标;
坐标优化模块,用于利用所述第二位置坐标对所述第一位置坐标进行优化,得到所述无人机倾斜影像的第三位置坐标。
相应的,本发明还公开了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如前述公开的无人机倾斜影像定位方法的步骤。
相应的,本发明还公开了一种无人机倾斜影像定位设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如前述公开的无人机倾斜影像定位方法的步骤。
可见,在本发明中,首先是利用获取到的POS信息对无人机倾斜影像进行初步定位,得到无人机倾斜影像的第一位置坐标,然后,利用立体卫星影像提取地面控制点的第二位置坐标,最后利用第二位置坐标对无人机倾斜影像的第一位置坐标进行优化,得到无人机倾斜影像的第三位置坐标。显然,在本发明中,是利用立体卫星影像计算得到地面控制点的第二位置坐标,来对无人机倾斜影像的第一位置坐标进行优化,所以,可以使得无人机倾斜影像的位置坐标更为精确,而且,在此过程中,因为免去了在现有技术当中,对地面控制点的获取过程,所以,利用本发明中的方法,可以大大减少对无人机倾斜影像进行定位时的测量成本。相应的,本发明提供的一种无人机倾斜影像定位系统、介质及设备,同样具有上述有益效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种无人机倾斜影像定位方法的流程图;
图2为本发明实施例公开的另一种无人机倾斜影像定位方法的流程图;
图3为本发明实施例公开的又一种无人机倾斜影像定位方法的流程图;
图4为本发明实施例公开的一种无人机倾斜影像定位系统的结构图;
图5为本发明实施例公开的一种无人机倾斜影像定位设备的结构图。
具体实施方式
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,所描述的实施例仅仅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。
本发明实施例公开了一种无人机倾斜影像定位方法,如图1所示,该方法包括:
步骤S11:获取无人机倾斜影像的POS信息;
可以理解的是,为了对无人机倾斜影像进行定位,首先需要获取无人机倾斜影像的POS信息,因为POS信息当中蕴含着无人机倾斜影像的位置坐标以及各种旋转角度,所以,利用这些数据信息可以对无人机倾斜影像进行初步的定位。在实际应用当中,可以通过无人机的飞控数据以及无人机上各种相机的安装角度,来计算得到无人机倾斜影像的POS信息。
步骤S12:利用POS信息对无人机倾斜影像进行定位,得到第一位置坐标;
当获取到了无人机倾斜影像当中的POS信息时,就可以利用POS信息对无人机倾斜影像进行初步的定位,也即,利用POS信息选择无人机倾斜影像当中重叠的影像对,然后提取影像对中的特征点,再对提取到的特征点进行匹配,即可以实现对无人机倾斜影像的初步定位,得到无人机倾斜影像的第一位置坐标。
步骤S13:利用立体卫星影像提取地面控制点的第二位置坐标;
步骤S14:利用第二位置坐标对第一位置坐标进行优化,得到无人机倾斜影像的第三位置坐标。
可以理解的是,随着立体卫星影像成像技术的快速发展,立体卫星影像的空间分辨率和时间分辨率越来越高,所以,立体卫星影像当中包含着地面物体中更为精确的定位信息。而在上述过程中,只是利用POS信息对无人机倾斜影像进行了初步定位,所以,利用立体卫星影像提取到的地面控制点,就可以对无人机倾斜影像的第一位置坐标进行优化,从而使得无人机倾斜影像的位置信息更为精确。
需要说明的是,地面控制点是利用地面控制点的物方坐标与对应的像方坐标,根据几何成像方程解算无人机倾斜影像的定位参数。所以,在本实施例中,是利用立体卫星影像来提取地面控制点的位置坐标,也即,第二位置坐标,然后,利用获取到的第二位置坐标对无人机倾斜影像的第一位置坐标进行优化,得到第三位置坐标,以确保无人机倾斜影像的位置坐标可以更为精确。此外,由于在本实施例中,是直接从立体卫星影像上提取地面控制点的位置坐标,从而避免了从正射影像和低精度的数字高程模型(Digital ElevationModel,DEM)中获取地面控制点,所以,通过本实施例中的方法能够得到测量精度更高的地面控制点。
可见,在本实施例中,首先是利用获取到的POS信息对无人机倾斜影像进行初步定位,得到无人机倾斜影像的第一位置坐标,然后,利用立体卫星影像提取地面控制点的第二位置坐标,最后利用第二位置坐标对无人机倾斜影像的第一位置坐标进行优化,得到无人机倾斜影像的第三位置坐标。显然,在本实施例中,是利用立体卫星影像计算得到地面控制点的第二位置坐标,来对无人机倾斜影像的第一位置坐标进行优化,所以,可以使得无人机倾斜影像的位置坐标更为精确,而且,在此过程中,因为免去了在现有技术当中,对地面控制点的获取过程,所以,利用本实施例中方法,可以大大减少对无人机倾斜影像进行定位时的测量成本。
基于上述实施例,本实施例对上一实施例进行具体的说明与优化,具体的,上述步骤S11:获取无人机倾斜影像的POS信息的过程,包括:
利用无人机的飞控数据和相机安装角获取无人机倾斜影像的POS信息;
其中,飞控数据包括无人机在地理坐标系下中的位置信息和在导航坐标系中的飞行姿态信息;相机安装角为无人机上安装的各个相机与无人机的夹角。
在本实施例中,提供了一种具体的获取无人机倾斜影像的POS信息的方法,也即,利用无人机的飞控数据和相机安装角获取无人机倾斜影像的POS信息。其中,飞控数据中包括无人机在地理坐标系下的位置信息以及无人机在导航坐标系下的飞行姿态信息。相机安装角为无人机上安装的各个相机与无人机的夹角。当获取到了这些数据信息以后,就可以为后续的步骤提供计算的基础。
可以理解的是,因为无人机的飞控数据中记录了无人机在地理坐标系下的位置信息以及无人机在导航坐标下的飞行姿态信息,所以,通过计算就可以将这些数据信息转换到摄影测量直角坐标系下,再利用相机安装角,将这些数据进行旋转和计算,就可以得到无人机倾斜影像的POS信息。
而且,在本实施例中,因为考虑到无人机倾斜影像的覆盖范围较小,所以,在本实施例中,可以选择以无人机倾斜影像中的地面覆盖区域为中心,并将该中心作为局部坐标系的原点,然后,在建立的局部坐标系中对无人机倾斜影像进行定位,以进一步的提高对无人机倾斜影像的定位精度。
需要说明的是,经纬度坐标、导航坐标以及局部坐标之间的相互转换,可以参见摄影测量方面的相关资料,旋转角的计算可以参见《New calibration and computingmethod for direct georeferencing of image and scanner data using the positionand angular data of an hybrid inertial navigation system》,此处不再进行赘述。显然,通过此种方法可以实现对无人机倾斜影像的初步定位,大幅度减少无人机倾斜影像与立体卫星影像同名点的搜索范围。
基于上述实施例,本实施例对上一实施例进行具体的说明与优化,如图2所示,具体的,上述步骤S12:利用POS信息对无人机倾斜影像进行定位,得到第一位置坐标的过程,包括:
步骤S121:利用POS信息筛选无人机倾斜影像中相互重叠的影像对;
可以理解的是,因为POS信息当中蕴含着大量无人机倾斜影像当中的数据信息,所以,可以利用POS信息来筛选无人机倾斜影像当中相互重叠的影像对。具体的,在本实施例中,假设无人机倾斜影像的坐标位置为(Xs,Ys,Zs),无人机倾斜影像中的物方平均高程面为Z=Z0,无人机倾斜影像的旋转角所组成的旋转矩阵R为:
式中,a1、a2、a3、b1、b2、b3、c1、c2和c3分别为无人机倾斜影像在各个方向上的旋转角度。
那么根据上述计算公式就可以得到无人机倾斜影像的像方的平均高程面的计算公式,也即:
式中,(X,Y)为像点在平均高程面上的投影点坐标,(x,y)为无人机倾斜影像中的像点坐标,f为无人机的相机投影中心到像平面的距离。
所以,根据上述公式可以计算得到每一张无人机倾斜影像在物方平面的投影四边形,然后,通过判断无人机倾斜影像中的投影四边形是否相交,即可以筛选得到无人机倾斜影像中相互重叠的影像对。
此外,如果当获取到的重叠区域比较狭窄或者是获取到的面积较小时,就不能在后续过程中提取得到稳定的匹配点,所以,在本实施例中,还可以利用影像对中重叠区域的几何形状来剔除影像对中重叠区域较小的影像对。具体的,在本实施例中,是利用下述公式来剔除影像对中重叠区域较小的影像对,也即:
式中,Wo和Ho分别为影像对中重叠区域的外接矩形的宽度和高度,Wt和Ht分别为待测试投影四边形的宽度和高度,Ro为设定的重叠区域的阈值。
显然,通过上述条件的筛选,就可以利用POS信息筛选得到无人机倾斜影像中相互重叠的影像对,并且,将影像对中重叠区域面积较小的影像对进行剔除。
步骤S122:提取影像对中的特征点,并对提取到的特征点进行特征匹配,得到第一同名点;
可以理解的是,对影像对进行特征提取与匹配后,就可以利用获取到的影像对中的第一同名点来对无人机倾斜影像的位置进行定位。
具体的,上述步骤S122:提取影像对中的特征点的过程,包括:
利用sift算法提取影像对中的特征点。
可以理解的是,在无人机倾斜影像当中,不同的成像角度会导致影像的几何变形和辐射畸变,这些几何变形和辐射畸变就会大大增加影像对中特征点提取的难度。
因为sift算法是基于物体上的一些局部外观的兴趣点来提取影像上的特征点,而与影像的大小与旋转度无关,而且,sift算法对于无人机倾斜影像当中的光线、噪声和微观角度的改变容错性也较高,所以,在本实施例中,是利用sift算法来提取无人机倾斜影像当中的特征点,然后,再利用提取到的特征点进行特征匹配,获取影像对中的同名点,以完成对无人机倾斜影像的定位。
步骤S123:利用第一同名点和SFM算法对无人机倾斜影像进行定位,得到第一位置坐标。
当获取到了影像对中的第一同名点时,就可以利用SFM(Structural fromMotion,运动恢复结构)算法对无人机倾斜影像进行初步的定位,得到无人机倾斜影像的第一位置坐标。
具体的,SFM算法是从相互重叠的影像对出发,获取无人机倾斜影像的定位信息和无人机倾斜影像当中各个场景的结构信息,SFM算法的基本原理是最小化物方三维点的像方投影点与对应影像点之间的误差平方和,也即:
式中,Xi为物方三维点的坐标,Cj为相机的定位参数,若物方三维点的坐标Xi能够被相机的定位参数Cj定位到时,则ρij为1,若物方三维点的坐标Xi不能够被相机的定位参数Cj定位到时,则ρij为0,P(Cj,Xi)为物方三维点在影像上的投影点,xij为对应的像点坐标。
显然,通过求取物方三维点的像方投影点与对应影像点之间的误差平方和的最小值,即可以实现对无人机倾斜影像的定位。
需要说明的是,在不加入任何绝对定位信息前,SFM的重建结果不具备地理位置和真实的尺寸信息,所以,在后续过程中,还需要对该无人机倾斜影像的位置坐标进行再次优化。
此外,为了进一步的提高对第一同名点的获取精度,还可以利用下述方法对获取到的第一同名点中的错误匹配点进行剔除,具体的:
利用RANSAC算法对第一同名点中的错误匹配点进行剔除。
可以理解的是,通过上述过程提取到的第一同名点中,必定有一些错误的匹配点,所以,在本实施例中,是利用RANSAC算法对第一同名点中的错误匹配点进行剔除,也即,利用无人机倾斜影像的影像对的几何约束条件来剔除第一同名点中的错误匹配点。显然,通过此种方法,能够使得无人机倾斜影像的定位精度更高。
基于上述实施例,本实施例对上一实施例进行具体的说明与优化,如图3所示,具体的,上述步骤S13:利用立体卫星影像提取地面控制点的第二位置坐标的过程,包括:
步骤S131:按照预设规则将无人机倾斜影像进行分块,得到分块区域;
步骤S132:利用立体卫星影像的成像模型,在分块区域中获取与立体卫星影像所对应的角点;
步骤S133:将角点分别投影至立体卫星影像的左影像和右影像,得到像方投影点;
步骤S134:分别计算左影像和右影像中包含像方投影点的面积最小的外接矩形,得到与分块区域相对应的影像块;
可以理解的是,由于无人机倾斜影像的地面覆盖范围较广,影像尺寸过大,所以并不能将整个的立体卫星影像与无人机倾斜影像进行匹配,在本实施例中,为了解决这一问题,是利用预设规则对无人机倾斜影像进行分块,得到无人机倾斜影像的分块区域,然后,在各个分块区域中遍历无人机倾斜影像中的各个特征点。
在本实施例中,为了避免过大的分块区域导致sift算法的高内存消耗,分块区域需要根据立体卫星影像的分辨率R进行设定,具体的,在本实施例中,是利用下述公式设定分块区域的尺寸D;
D=SI*R;
式中,SI为分块区域投影到立体卫星影像的投影尺寸,R为立体卫星影像的分辨率。
此处举一个例子进行具体的说明,假设立体卫星影像的分辨率R为0.5米,期望的分块区域的尺寸为3000像素,那么就可以将分块区域设定为1500米,也即,通过此种方法,就可以按照实际情况对无人机倾斜影像进行分块,以便于在后续流程步骤中,对无人机倾斜影像当中的同名点进行匹配。
假设在无人机倾斜影像当中,地面覆盖区域的物方点坐标在X,Y,Z三个方向的最小值和最大值分别为(Xmin,Xmax),(Ymin,Ymax)和(Zmin,Zmax),那么,当前分块区域在X,Y,Z三个方向的坐标取值范围可以分别为表示为(BXmin,BXmax),(BYmin,BYmax)和(BZmin,BZmax)。
那么,基于立体卫星影像的成像模型,将会得到当前分块区域的八个角点,也即,(BXmin,BYmin,BZmin)、(BXmin,BYmax,BZmin)、(BXmax,BYmax,BZmin)、(BXmax,BYmin,BZmin)、(BXmin,BYmin,BZmax)、(BXmin,BYmax,BZmax)、(BXmax,BYmax,BZmax)和(BXmax,BYmin,BZmax),然后,将这八个角点分别投影至立体卫星影像的左影像和右影像当中,得到左影像与右影像上对应的八个像方投影点,最后,分别在左影像和右影像当中计算包含八个像方投影点的最小外接矩形,得到分块区域中物方所对应的影像块。
在实际应用当中,因为对无人机倾斜影像的定位略有偏差,所以,在本实施例中,还可以分别对左影像和右影像上的影像块进行拓展,以减少对无人机倾斜影像的定位误差。
具体的,利用预设扩展规则拓展影像块的面积,以减少无人机倾斜影像的定位误差。
假设对左影像和右影像上的影像块分别向外扩展SE像素,得到扩展左影像IL和扩展右影像IR,在实际操作当中,如果无人机倾斜影像的最大定位误差为δmax,那么扩展尺寸SE可以按照下面的公式进行计算,也即:
式中,SE为拓展尺寸,δmax为无人机倾斜影像的最大定位误差,R为立体卫星影像的分辨率。
步骤S135:利用sift算法提取分块区域和影像块中的特征点,并对提取到的特征点进行特征匹配,得到第二同名点;
可以理解的是,无人机倾斜影像与立体卫星影像之间在尺寸、旋转和辐射等方面有所差异,所以,在本实施例中,为了尽可能的消除无人机倾斜影像中透视投影畸变的影响,是利用sift算法对无人机倾斜影像和立体卫星影像进行特征提取。具体的,首先利用sift算法从立体卫星影像的扩展左影像IL和扩展右影像IR的影像块中提取特征点,然后,将提取到的特征点与当前分块区域内的物方三维点对应的无人机倾斜影像的特征点进行匹配。
具体的,对于无人机倾斜影像当中的每个物方三维点Pi,都可以在立体卫星影像的扩展左影像IL和扩展右影像IR中找到与该物方三维点Pi所对应的同名点和也即,第二同名点,然后将这些特征点组成一个三元组就可以得到无人机倾斜影像与立体卫星影像的同名点。
当然,为了进一步的剔除第二同名点中的错误匹配点,在本实施例中,还可以通过验证三元组中立体卫星影像同名点的相似性来剔除第二同名点中的错误匹配点,也即,计算同名点和所对应的sift描述子距离,将sift描述子距离中的值大于预设阈值的同名点进行剔除,可以想到的是,通过上述步骤就可以得到无人机倾斜影像与立体卫星影像中稳健的第二同名点。进一步的提高了第二同名点的匹配准确率。
为了尽可能的消除无人机倾斜影像当中的透视投影畸变的影响,在本实施例中,对于当前分块区域内的每一个物方三维点,均可以找到与该物方三维点的倾斜角度最小的n个无人机倾斜影像的特征点,此处假设n=5,如果找到对应的无人机倾斜影像的特征点的数量小于5,则可以忽略掉该物方三维点,然后,利用特征描述子的最近欧式距离准则,从立体卫星影像的扩展左影像IL提取的sift特征点中,搜索n个无人机倾斜影像的sift特征点所对应的匹配点,如果在无人机倾斜影像当中,找到n2个特征点对应于扩展左影像IL影像块中的同一个特征点,那么就可以保留当前匹配点,否则,就将该当前匹配点进行剔除。需要说明的是,此处的倾斜角度为无人机倾斜影像中心与像方主点组成的方向向量与铅垂线方向的夹角。
步骤S136:将立体卫星影像中的第二同名点进行前方交会,得到地面控制点的第二位置坐标。
可以理解的是,通过上述步骤得到了无人机倾斜影像与立体卫星影像的第二同名点,然后,将这些第二同名点进行前方交会,就可以得到地面控制点的第二位置坐标。
需要说明的是,在现有技术当中,立体卫星影像一般采用通用传感器模型来建立物方三维点与像方二维像点的数学关系,也即:
式中,(s,l)为像点坐标经过平移和缩放后的标准化坐标,(U,V,W)为物方坐标经过平移和缩放后的标准化坐标。
所以,利用立体卫星影像的左影像和右影像的同名点和可以计算得到对应物方三维点坐标然后将物方三维点Pi和计算所得的物方三维点坐标组成一个物方三维点坐标二元组(Pi,),也即,计算得到了地面控制点的第二位置坐标。
相应的,本发明还公开一种无人机倾斜影像定位系统,如图4所示,包括:
信息获取模块31,用于获取无人机倾斜影像的POS信息;
位置定位模块32,用于利用POS信息对无人机倾斜影像进行定位,得到第一位置坐标;
坐标提取模块33,用于利用立体卫星影像提取地面控制点的第二位置坐标;
坐标优化模块34,用于利用第二位置坐标对第一位置坐标进行优化,得到无人机倾斜影像的第三位置坐标。
优选的,信息获取模块31,包括:
信息获取单元,用于利用无人机的飞控数据和相机安装角获取无人机倾斜影像的POS信息;其中,飞控数据包括无人机在地理坐标系下中的位置信息和在导航坐标系中的飞行姿态信息;相机安装角为无人机上安装的各个相机与无人机的夹角。
优选的,位置定位模块32,包括:
影像筛选单元,用于利用POS信息筛选无人机倾斜影像中相互重叠的影像对;
特征点提取单元,用于提取影像对中的特征点,并对提取到的特征点进行特征匹配,得到第一同名点;
位置定位单元,用于利用第一同名点和SFM算法对无人机倾斜影像进行定位,得到第一位置坐标。
优选的,特征点提取单元,包括:
特征点提取子单元,用于利用sift算法提取影像对中的特征点。
优选的,还包括:
匹配点剔除单元,用于利用RANSAC算法对第一同名点中的错误匹配点进行剔除。
优选的,坐标提取模块33,包括:
影像分块单元,用于按照预设规则将所述无人机倾斜影像进行分块,得到分块区域;
角点获取单元,用于利用立体卫星影像的成像模型,在分块区域中获取与立体卫星影像所对应的角点;
角点投影单元,用于将角点分别投影至立体卫星影像的左影像和右影像,得到像方投影点;
影像块获取单元,用于分别计算左影像和右影像中包含像方投影点的面积最小的外接矩形,得到与分块区域相对应的影像块;
同名点获取单元,用于利用sift算法分别提取分块区域和影像块中的特征点,并对提取到的特征点进行特征匹配,得到第二同名点;
同名点交会单元,用于将立体卫星影像中的第二同名点进行前方交会,得到第二位置坐标。
优选的,还包括:
影像块扩展单元,用于利用预设扩展规则拓展影像块的面积,以减少无人机倾斜影像的定位误差。
相应的,本发明还公开了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如前述公开的一种无人机倾斜影像定位方法的步骤。
相应的,本发明还公开了一种无人机倾斜影像定位设备,如图5所示,包括:
存储器41,用于存储计算机程序;
处理器42,用于执行计算机程序时实现如前述公开的无人机倾斜影像定位方法的步骤。
最后,还需要说明的是,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。
以上对本发明所提供的一种无人机倾斜影像定位方法、系统、介质及设备进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种无人机倾斜影像定位方法,其特征在于,包括:
获取无人机倾斜影像的POS信息;
利用所述POS信息对所述无人机倾斜影像进行定位,得到第一位置坐标;
利用立体卫星影像提取地面控制点的第二位置坐标;
利用所述第二位置坐标对所述第一位置坐标进行优化,得到所述无人机倾斜影像的第三位置坐标。
2.根据权利要求1所述的方法,其特征在于,所述获取无人机倾斜影像的POS信息的过程,包括:
利用所述无人机的飞控数据和相机安装角获取所述无人机倾斜影像的POS信息;其中,所述飞控数据包括所述无人机在地理坐标系下中的位置信息和在导航坐标系中的飞行姿态信息;所述相机安装角为所述无人机上安装的各个相机与所述无人机的夹角。
3.根据权利要求1所述的方法,其特征在于,所述利用所述POS信息对所述无人机倾斜影像进行定位,得到第一位置坐标的过程,包括:
利用所述POS信息筛选所述无人机倾斜影像中相互重叠的影像对;
提取所述影像对中的特征点,并对提取到的特征点进行匹配,得到第一同名点;
利用所述第一同名点和SFM算法对所述无人机倾斜影像进行定位,得到所述第一位置坐标。
4.根据权利要求3所述的方法,其特征在于,所述提取所述影像对中的特征点的过程,包括:
利用sift算法提取所述影像对中的特征点。
5.根据权利要求3所述的方法,其特征在于,还包括:
利用RANSAC算法对所述第一同名点中的错误匹配点进行剔除。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述利用立体卫星影像提取地面控制点的第二位置坐标的过程,包括:
按照预设规则将所述无人机倾斜影像进行分块,得到分块区域;
利用所述立体卫星影像的成像模型,在所述分块区域中获取与所述立体卫星影像所对应的角点;
将所述角点分别投影至所述立体卫星影像的左影像和右影像,得到像方投影点;
分别计算所述左影像和所述右影像中包含所述像方投影点的面积最小的外接矩形,得到与所述分块区域相对应的影像块;
利用sift算法分别提取所述分块区域和所述影像块中的特征点,并对提取到的特征点进行特征匹配,得到第二同名点;
将所述立体卫星影像中的第二同名点进行前方交会,得到所述第二位置坐标。
7.根据权利要求6所述的方法,其特征在于,还包括:
利用预设扩展规则拓展所述影像块的面积,以减少所述无人机倾斜影像的定位误差。
8.一种无人机倾斜影像定位系统,其特征在于,包括:
信息获取模块,用于获取无人机倾斜影像的POS信息;
位置定位模块,用于利用所述POS信息对所述无人机倾斜影像进行定位,得到第一位置坐标;
坐标提取模块,用于利用立体卫星影像提取地面控制点的第二位置坐标;
坐标优化模块,用于利用所述第二位置坐标对所述第一位置坐标进行优化,得到所述无人机倾斜影像的第三位置坐标。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的无人机倾斜影像定位方法的步骤。
10.一种无人机倾斜影像定位设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述的无人机倾斜影像定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810668285.4A CN108801225B (zh) | 2018-06-26 | 2018-06-26 | 一种无人机倾斜影像定位方法、系统、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810668285.4A CN108801225B (zh) | 2018-06-26 | 2018-06-26 | 一种无人机倾斜影像定位方法、系统、介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108801225A true CN108801225A (zh) | 2018-11-13 |
CN108801225B CN108801225B (zh) | 2020-11-17 |
Family
ID=64071725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810668285.4A Active CN108801225B (zh) | 2018-06-26 | 2018-06-26 | 一种无人机倾斜影像定位方法、系统、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108801225B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109737924A (zh) * | 2019-02-28 | 2019-05-10 | 华南机械制造有限公司 | 基于无人机的三维测绘系统 |
CN110657784A (zh) * | 2019-09-20 | 2020-01-07 | 武汉大学 | 一种实时测定光轴指向的空间单镜头立体测绘相机 |
CN111947623A (zh) * | 2020-08-12 | 2020-11-17 | 湖南大狗科技有限公司 | 一种根据surf-scan快速得到现场地图的方法 |
CN114777744A (zh) * | 2022-04-25 | 2022-07-22 | 中国科学院古脊椎动物与古人类研究所 | 一种古生物领域的地质测量方法、装置及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464149A (zh) * | 2008-12-31 | 2009-06-24 | 武汉大学 | Pos辅助航空影像匹配方法 |
EP2538298A1 (en) * | 2011-06-22 | 2012-12-26 | Sensefly Sàrl | Method for acquiring images from arbitrary perspectives with UAVs equipped with fixed imagers |
CN105627991A (zh) * | 2015-12-21 | 2016-06-01 | 武汉大学 | 一种无人机影像实时全景拼接方法及系统 |
US9592912B1 (en) * | 2016-03-08 | 2017-03-14 | Unmanned Innovation, Inc. | Ground control point assignment and determination system |
US20170074678A1 (en) * | 2015-09-11 | 2017-03-16 | Geosat Aerospace & Technology Inc. | Positioning and orientation data analysis system and method thereof |
CN107356230A (zh) * | 2017-07-12 | 2017-11-17 | 深圳市武测空间信息有限公司 | 一种基于实景三维模型的数字测图方法和系统 |
CN207180662U (zh) * | 2017-07-27 | 2018-04-03 | 上海华测导航技术股份有限公司 | 一种无人机高精度倾斜摄影测量系统 |
-
2018
- 2018-06-26 CN CN201810668285.4A patent/CN108801225B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464149A (zh) * | 2008-12-31 | 2009-06-24 | 武汉大学 | Pos辅助航空影像匹配方法 |
EP2538298A1 (en) * | 2011-06-22 | 2012-12-26 | Sensefly Sàrl | Method for acquiring images from arbitrary perspectives with UAVs equipped with fixed imagers |
US20170074678A1 (en) * | 2015-09-11 | 2017-03-16 | Geosat Aerospace & Technology Inc. | Positioning and orientation data analysis system and method thereof |
CN105627991A (zh) * | 2015-12-21 | 2016-06-01 | 武汉大学 | 一种无人机影像实时全景拼接方法及系统 |
US9592912B1 (en) * | 2016-03-08 | 2017-03-14 | Unmanned Innovation, Inc. | Ground control point assignment and determination system |
CN107356230A (zh) * | 2017-07-12 | 2017-11-17 | 深圳市武测空间信息有限公司 | 一种基于实景三维模型的数字测图方法和系统 |
CN207180662U (zh) * | 2017-07-27 | 2018-04-03 | 上海华测导航技术股份有限公司 | 一种无人机高精度倾斜摄影测量系统 |
Non-Patent Citations (2)
Title |
---|
张岩,等: "基于POS与图像匹配的无人机目标定位方法研究", 《军械工程学院学报》 * |
赵政,等: "基于POS的无人机倾斜影像匹配方法", 《国土资源遥感》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109737924A (zh) * | 2019-02-28 | 2019-05-10 | 华南机械制造有限公司 | 基于无人机的三维测绘系统 |
CN110657784A (zh) * | 2019-09-20 | 2020-01-07 | 武汉大学 | 一种实时测定光轴指向的空间单镜头立体测绘相机 |
CN110657784B (zh) * | 2019-09-20 | 2021-09-03 | 武汉大学 | 一种实时测定光轴指向的空间单镜头立体测绘相机 |
CN111947623A (zh) * | 2020-08-12 | 2020-11-17 | 湖南大狗科技有限公司 | 一种根据surf-scan快速得到现场地图的方法 |
CN114777744A (zh) * | 2022-04-25 | 2022-07-22 | 中国科学院古脊椎动物与古人类研究所 | 一种古生物领域的地质测量方法、装置及电子设备 |
CN114777744B (zh) * | 2022-04-25 | 2024-03-08 | 中国科学院古脊椎动物与古人类研究所 | 一种古生物领域的地质测量方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108801225B (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106327573B (zh) | 一种针对城市建筑的实景三维建模方法 | |
AU2008322565B9 (en) | Method and apparatus of taking aerial surveys | |
JP4901103B2 (ja) | 地理的位置を決定し及び測定を行うコンピュ−タ化システム及び方法、並びにプログラム | |
CN108765298A (zh) | 基于三维重建的无人机图像拼接方法和系统 | |
CN106780729A (zh) | 一种无人机序列影像批处理三维重建方法 | |
CN108801225A (zh) | 一种无人机倾斜影像定位方法、系统、介质及设备 | |
JP2008186145A (ja) | 空撮画像処理装置および空撮画像処理方法 | |
KR20090064679A (ko) | 이종 센서 통합 모델링에 의한 수치 사진 측량 방법 및장치 | |
CN103886640A (zh) | 一种建筑物的三维模型的获取方法及系统 | |
CN107917699B (zh) | 一种用于提高山区地貌倾斜摄影测量空三质量的方法 | |
JPH03196372A (ja) | 画像の位置合わせ装置 | |
CN112184786B (zh) | 一种基于合成视觉的目标定位方法 | |
WO2021212477A1 (zh) | 校正点云数据的方法和相关装置 | |
KR102239562B1 (ko) | 항공 관측 데이터와 지상 관측 데이터 간의 융합 시스템 | |
CN110555813B (zh) | 一种无人机遥感影像的快速几何校正方法及系统 | |
CN112862966B (zh) | 地表三维模型构建方法、装置、设备及存储介质 | |
Tjahjadi et al. | Single frame resection of compact digital cameras for UAV imagery | |
Sai et al. | Geometric accuracy assessments of orthophoto production from uav aerial images | |
CN108253942B (zh) | 一种提高倾斜摄影测量空三质量的方法 | |
CN110986888A (zh) | 一种航空摄影一体化方法 | |
WO2020198963A1 (zh) | 关于拍摄设备的数据处理方法、装置及图像处理设备 | |
CN105393084B (zh) | 确定位置信息的方法、装置及用户设备 | |
CN112785686A (zh) | 一种基于大数据的林区地图构建方法及可读存储介质 | |
CN108195359A (zh) | 空间数据的采集方法及系统 | |
CN107705272A (zh) | 一种空间影像的高精度几何校正方法 |
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 |