CN112729254A - 适用于多梯度航带倾斜摄影测量的空中三角测量解算方法 - Google Patents

适用于多梯度航带倾斜摄影测量的空中三角测量解算方法 Download PDF

Info

Publication number
CN112729254A
CN112729254A CN202011535873.4A CN202011535873A CN112729254A CN 112729254 A CN112729254 A CN 112729254A CN 202011535873 A CN202011535873 A CN 202011535873A CN 112729254 A CN112729254 A CN 112729254A
Authority
CN
China
Prior art keywords
image
points
images
matching
point
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
Application number
CN202011535873.4A
Other languages
English (en)
Inventor
徐正宣
刘国祥
张瑞
张雨露
寇川
张广泽
冯涛
王栋
伊小娟
宋章
王哲威
欧阳吉
周学军
谢荣强
刘志军
孟少伟
贺建军
贾杰
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.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202011535873.4A priority Critical patent/CN112729254A/zh
Publication of CN112729254A publication Critical patent/CN112729254A/zh
Pending legal-status Critical Current

Links

Images

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
    • G01C11/30—Interpretation of pictures by triangulation
    • G01C11/34—Aerial triangulation

Landscapes

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

Abstract

本发明公开了适用于多梯度航带倾斜摄影测量的空中三角测量解算方法，涉及航空摄影测量技术领域，包括S1采集初始数据；S2对初始数据进行预处理获得影像列表和初始数据的拓扑关系，确定影像间的初始关系；S3完成影像匹配和转点，确定自动像点进行量测，量测后进行弱区分析；S4根据自动像点量测值和分区信息确定控制点，量测控制点的像点坐标，得到空三结果；多梯度倾斜影像各航点倾斜影像需满足统一相对关系，即同一航点拍摄的所有影像均使用同一个GNSS/IMU的位置姿态信息，采用此种方式可方便使用影像的位置与姿态来描述倾斜影像和下视影像的几何位置关系，再结合数字化空三解算方法，降低影像之间的自动匹配难度和计算复杂度，提高空三解算的准确度。

Description

适用于多梯度航带倾斜摄影测量的空中三角测量解算方法
技术领域
本发明涉及航空摄影测量技术领域，尤其涉及一种适用于多梯度航带倾斜摄影测量的空中三角测量解算方法。
背景技术
无人机倾斜摄影测量技术是利用无人机搭载倾斜摄影装置，同时快速获取倾斜三维影像和正射影像，再利用计算机自动图形处理技术进行自动空中三角测量处理，经过影像匹配和表面纹理映射等技术手段，最大限度地真实还原地表的真实景物。
空中三角测量(后文简称“空三”)，是航空摄影测量数据处理流程中的关键，其发展阶段经历了模拟法、解析法和数字空三等阶段。随着低空无人机航测的普及和计算机处理能力的大幅提升，模拟法现今已基本不再使用，目前广范采用数字化空三解算方法。该方法传承了解析法的构网方法，利用“计算机图像处理”、“影像密集匹配”以及“计算机视觉”等先进技术，实现像点自动量测、自动进行区域构网与平差解算，获取空三成果。该方法大幅提高了匹配精度及可靠性，极大缩短了空三成果生产周期，但目前还未真正实现全自动化。
发明内容
本发明的目的就在于为了解决上述问题设计了一种适用于多梯度航带倾斜摄影测量的空中三角测量解算方法。
本发明通过以下技术方案来实现上述目的：
适用于多梯度航带倾斜摄影测量的空中三角测量解算方法，包括以下步骤：
S1、通过低空无人机多梯度航带倾斜摄影方式采集初始数据，初始数据包括倾斜影像数据集、GNSS数据和IMU数据；
S2、对初始数据进行多梯度倾斜影像数据集预处理和几何数据预处理获得空三区域的影像列表和初始数据的拓扑关系，并确定区域中影像间的初始关系；
S3、完成影像列表的影像匹配和转点，并确定自动像点进行量测，自动像点量测完成后进行弱区分析发现确定整个空三区域的弱区位置和弱区范围；
S4、根据自动像点量测值和整个空三区域的分区信息确定控制点，并量测控制点的像点坐标，得到空三结果。
本发明的有益效果在于：本发明中的多梯度倾斜影像各航点倾斜影像需满足统一相对关系，即同一航点拍摄的所有影像均使用同一个GNSS/IMU的位置姿态信息，采用此种方式可方便使用影像的位置与姿态来描述倾斜影像和下视影像的几何位置关系，再结合数字化空三解算方法，降低影像之间的自动匹配难度和计算复杂度，提高空三解算的准确度。
附图说明
图1是本发明适用于多梯度航带倾斜摄影测量的空中三角测量解算方法的示意图；
图2是本发明适用于多梯度航带倾斜摄影测量的空中三角测量解算方法中多梯度航带倾斜影像几何相对关系示意图。
具体实施方式
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。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。基于本发明中的实施例，本领域普通技术人员在没有作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。
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。
在本发明的描述中，需要理解的是，术语“上”、“下”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，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。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，“设置”、“连接”等术语应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合附图，对本发明的具体实施方式进行详细说明。
适用于多梯度航带倾斜摄影测量的空中三角测量解算方法，包括以下步骤：
S1、通过低空无人机多梯度航带倾斜摄影方式采集初始数据，初始数据包括倾斜影像数据集、GNSS数据和IMU数据。
S2、对初始数据进行多梯度倾斜影像数据集预处理和几何数据预处理获得空三区域的影像列表和初始数据的拓扑关系，并确定区域中影像间的初始关系；
S21、根据倾斜影像数据集、GNSS数据和IMU数据的拓扑分析，建立空三区域的影像列表与初始拓扑关系；
S22、基于GPU与CPU协同的快速SIFT算子的快速无序影像的自动整理，建立影像列表和初始影像间的拓扑关系；
S23、人工分别建立多梯度航带影像列表，多梯度航带间影像的对应关系则通过量测航带间种子点的方法确定，最后按固定的影像重叠度或固定基线长度的方法，确定区域中影像间的初始关系。
S3、完成影像列表的影像匹配和转点，并确定自动像点进行量测，自动像点量测完成后进行弱区分析发现确定整个空三区域的弱区位置和弱区范围；
S31、影像列表根据分层金字塔的由粗到细的分频道相关策略进行两两影像的影像匹配，完成影像列表的影像匹配和转点，并确定自动像点是基准影像按格网提取的特征点和上一模型的匹配点，逐级匹配后按最小二乘高精度影像匹配获得目标点的同名像点；
S32、根据RANSAC算法剔除影像列表中不满足共面条件的错误匹配点；
S321、按照最近邻算法获取匹配点集，然后利用左右一致性检验和唯一性约束剔除影像列表中错误的匹配点从而得到初始匹配结果；
S322、根据初始匹配结果计算左影像和右影像的基础矩阵，进一步剔除错误的匹配点获得二次匹配结果，基本矩阵F计算参数Δf表示为Δf＝|xr-Fxl|，其中xr、xl代表匹配点分别在右影像和左影像上的像点坐标，当Δf大于设定的阈值时，该点判定为错误匹配点；
S323、二次匹配结果通过在同名匹配点对在影像中的分布均匀挑选点对计算单应性矩阵，对二次匹配结果中无法剔除同一核线上的误匹配点对，可以通过单应矩阵进行辅助，利用RANSAC计算左右影像的单应性矩阵H，然后计算Δh，Δh＝|xr-Hxl|，其中xr、xl代表匹配点分别在右影像和左影像上的像点坐标。当Δh大于设定的阈值时，该点判定为错误匹配点。
S33、自动像点进行量测后进行弱区分析，由于低反射区的存在，以及其它情况引起的影像匹配失败造成的无点区或少点区，而形成整个空三区域的影像连接中断形成弱区，从而自动发现和标明整个空三区域的弱区位置和弱区范围。
S4、根据自动像点量测值和整个空三区域的分区信息确定控制点，并量测控制点的像点坐标，得到空三结果；
S41、根据自动像点观测值和自动分区信息进行分区自由平差，建立影像间的叠置分析数据结构；
S42、根据叠置分析数据结构确定控制点位的粗略位置；
S43、在控制点位的粗略位置区域内确定明显特征点，并采用多片影像匹配技术进行控制点的像点量测，获得控制点在其它相邻影像上的同名像点坐标；
S44、测量控制点的地面坐标得到空三结果。
本发明的技术方案不限于上述具体实施例的限制，凡是根据本发明的技术方案做出的技术变形，均落入本发明的保护范围之内。

Claims (5)

1.适用于多梯度航带倾斜摄影测量的空中三角测量解算方法，其特征在于，包括以下步骤：
S1、通过低空无人机多梯度航带倾斜摄影方式采集初始数据，初始数据包括倾斜影像数据集、GNSS数据和IMU数据；
S2、对初始数据进行多梯度倾斜影像数据集预处理和几何数据预处理获得空三区域的影像列表和初始数据的拓扑关系，并确定区域中影像间的初始关系；
S3、完成影像列表的影像匹配和转点，并确定自动像点进行量测，自动像点量测完成后进行弱区分析发现确定整个空三区域的弱区位置和弱区范围；
S4、根据自动像点量测值和整个空三区域的分区信息确定控制点，并量测控制点的像点坐标，得到空三结果。
2.根据权利要求1所述的适用于多梯度航带倾斜摄影测量的空中三角测量解算方法，其特征在于，在S2中包括：
S21、根据倾斜影像数据集、GNSS数据和IMU数据的拓扑分析，建立空三区域的影像列表与初始拓扑关系；
S22、基于GPU与CPU协同的快速SIFT算子的快速无序影像的自动整理，建立影像列表和初始影像间的拓扑关系；
S23、通过量测航带间种子点确定多梯度航带间影像的对应关系，并确定区域中影像间的初始关系。
3.根据权利要求2所述的适用于多梯度航带倾斜摄影测量的空中三角测量解算方法，其特征在于，在S3中包括：
S31、影像列表根据分层金字塔的由粗到细的分频道相关策略进行两两影像的影像匹配，完成影像列表的影像匹配和转点，并确定自动像点；
S32、根据RANSAC算法剔除影像列表中不满足共面条件的错误匹配点；
S33、自动像点进行量测后进行弱区分析发现确定整个空三区域的弱区位置和弱区范围。
4.根据权利要求3所述的适用于多梯度航带倾斜摄影测量的空中三角测量解算方法，其特征在于，在S4中包括：
S41、根据自动像点观测值和自动分区信息进行分区自由平差，建立影像间的叠置分析数据结构；
S42、根据叠置分析数据结构确定控制点位的粗略位置；
S43、在控制点位的粗略位置区域内确定明显特征点，并采用多片影像匹配技术进行控制点的像点量测，获得控制点在其它相邻影像上的同名像点坐标；
S44、测量控制点的地面坐标得到空三结果。
5.根据权利要求3所述的适用于多梯度航带倾斜摄影测量的空中三角测量解算方法，其特征在于，在S32中包括：
S321、利用左右一致性检验和唯一性约束剔除影像列表中错误的匹配点获得初始匹配结果；
S322、根据初始匹配结果计算左影像和右影像的基础矩阵，进一步剔除错误的匹配点获得二次匹配结果，基本矩阵F计算参数Δf表示为Δf＝|xr-Fxl|，其中xr、xl代表匹配点分别在右影像和左影像上的像点坐标，当Δf大于设定的阈值时，该点判定为错误匹配点；
S323、二次匹配结果根据RANSAC算法进一步错误匹配点获得最终匹配结果，计算左右影像的单应性矩阵H，然后计算Δh，Δh＝|xr-Hxl|，其中xr、xl代表匹配点分别在右影像和左影像上的像点坐标。当Δf大于设定的阈值时，该点判定为错误匹配点。
CN202011535873.4A 2020-12-23 2020-12-23 适用于多梯度航带倾斜摄影测量的空中三角测量解算方法 Pending CN112729254A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011535873.4A CN112729254A (zh) 2020-12-23 2020-12-23 适用于多梯度航带倾斜摄影测量的空中三角测量解算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011535873.4A CN112729254A (zh) 2020-12-23 2020-12-23 适用于多梯度航带倾斜摄影测量的空中三角测量解算方法

Publications (1)

Publication Number Publication Date
CN112729254A true CN112729254A (zh) 2021-04-30

Family

ID=75604577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011535873.4A Pending CN112729254A (zh) 2020-12-23 2020-12-23 适用于多梯度航带倾斜摄影测量的空中三角测量解算方法

Country Status (1)

Country Link
CN (1) CN112729254A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102915540A (zh) * 2012-10-10 2013-02-06 南京大学 基于改进的Harris-Laplace和SIFT描述符的影像匹配方法
CN103077528A (zh) * 2013-02-25 2013-05-01 南京大学 基于DCCD-Laplace和SIFT描述符的快速影像匹配方法
CN104966281A (zh) * 2015-04-14 2015-10-07 中测新图(北京)遥感技术有限责任公司 多视影像的imu/gnss引导匹配方法
CN106815824A (zh) * 2016-12-08 2017-06-09 华中科技大学 一种提高大规模三维重建效率的图像近邻优化方法
CN107220996A (zh) * 2017-05-17 2017-09-29 武汉大学 一种基于三角结构一致的无人机线阵与面阵影像匹配方法
CN107371040A (zh) * 2017-08-28 2017-11-21 荆门程远电子科技有限公司 一种无人机影像高效处理系统
CN109238239A (zh) * 2018-09-12 2019-01-18 成都坤舆空间科技有限公司 基于航空摄影的数字测量三维建模方法
CN109614859A (zh) * 2018-11-01 2019-04-12 清华大学 视觉定位特征提取和匹配方法及装置
CN110310310A (zh) * 2019-03-27 2019-10-08 南京航空航天大学 一种针对航空影像配准的改进方法
CN111126418A (zh) * 2018-10-30 2020-05-08 国家海洋局第一海洋研究所 一种基于平面透视投影的倾斜影像匹配方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102915540A (zh) * 2012-10-10 2013-02-06 南京大学 基于改进的Harris-Laplace和SIFT描述符的影像匹配方法
CN103077528A (zh) * 2013-02-25 2013-05-01 南京大学 基于DCCD-Laplace和SIFT描述符的快速影像匹配方法
CN104966281A (zh) * 2015-04-14 2015-10-07 中测新图(北京)遥感技术有限责任公司 多视影像的imu/gnss引导匹配方法
CN106815824A (zh) * 2016-12-08 2017-06-09 华中科技大学 一种提高大规模三维重建效率的图像近邻优化方法
CN107220996A (zh) * 2017-05-17 2017-09-29 武汉大学 一种基于三角结构一致的无人机线阵与面阵影像匹配方法
CN107371040A (zh) * 2017-08-28 2017-11-21 荆门程远电子科技有限公司 一种无人机影像高效处理系统
CN109238239A (zh) * 2018-09-12 2019-01-18 成都坤舆空间科技有限公司 基于航空摄影的数字测量三维建模方法
CN111126418A (zh) * 2018-10-30 2020-05-08 国家海洋局第一海洋研究所 一种基于平面透视投影的倾斜影像匹配方法
CN109614859A (zh) * 2018-11-01 2019-04-12 清华大学 视觉定位特征提取和匹配方法及装置
CN110310310A (zh) * 2019-03-27 2019-10-08 南京航空航天大学 一种针对航空影像配准的改进方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曹辉: "智能空中三角测量中若干关键技术的研究", 《中国博士学位论文全文数据库 基础科学辑》 *

Similar Documents

Publication Publication Date Title
CN111028277B (zh) 基于伪孪生卷积神经网络的sar和光学遥感图像配准方法
CN109682382B (zh) 基于自适应蒙特卡洛和特征匹配的全局融合定位方法
CN102693542B (zh) 一种影像特征匹配方法
CN112902953A (zh) 一种基于slam技术的自主位姿测量方法
CN111080627A (zh) 一种基于深度学习的2d+3d大飞机外形缺陷检测与分析方法
KR101489984B1 (ko) 스테레오-영상 정합 및 변화 검출 시스템 및 방법
JP3735344B2 (ja) キャリブレーション装置、キャリブレーション方法、及びキャリブレーション用プログラム
CN110443836A (zh) 一种基于平面特征的点云数据自动配准方法及装置
CN112233177B (zh) 一种无人机位姿估计方法及系统
CN108765298A (zh) 基于三维重建的无人机图像拼接方法和系统
CN106651942A (zh) 基于特征点的三维旋转运动检测与旋转轴定位方法
US20180075319A1 (en) 3d building extraction apparatus, method and system
CN111640158B (zh) 基于对应掩模的端到端的摄像头与激光雷达外参标定方法
CN102804231A (zh) 三维场景的分段平面重建
CN113470090A (zh) 基于sift-shot特征的多固态激光雷达外参标定方法
CN112991534B (zh) 一种基于多粒度物体模型的室内语义地图构建方法及系统
CN111080682A (zh) 点云数据的配准方法及装置
CN106056121A (zh) 基于sift图像特征匹配的卫星装配工件快速识别方法
CN115358486A (zh) 基于立体卫星影像的港口货运量预测方法、系统及应用
CN111812978A (zh) 一种多无人机协作slam方法与系统
Kaushik et al. Accelerated patch-based planar clustering of noisy range images in indoor environments for robot mapping
CN114723811A (zh) 一种非结构化环境四足机器人立体视觉定位建图方法
Jiang et al. Multilayer map construction and vision-only multi-scale localization for intelligent vehicles in underground parking
CN103688289A (zh) 用于估计两幅二进制图像之间相似性的方法和系统
CN112729254A (zh) 适用于多梯度航带倾斜摄影测量的空中三角测量解算方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210430