CN113391644A - 一种基于图像信息熵的无人机拍摄距离半自动寻优方法 - Google Patents

一种基于图像信息熵的无人机拍摄距离半自动寻优方法 Download PDF

Info

Publication number
CN113391644A
CN113391644A CN202110654664.XA CN202110654664A CN113391644A CN 113391644 A CN113391644 A CN 113391644A CN 202110654664 A CN202110654664 A CN 202110654664A CN 113391644 A CN113391644 A CN 113391644A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
shooting
distance
image
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
Application number
CN202110654664.XA
Other languages
English (en)
Other versions
CN113391644B (zh
Inventor
苏成
邓逸川
潘灶林
郑淳
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.)
Sino Singapore International Joint Research Institute
Original Assignee
Sino Singapore International Joint Research Institute
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 Sino Singapore International Joint Research Institute filed Critical Sino Singapore International Joint Research Institute
Priority to CN202110654664.XA priority Critical patent/CN113391644B/zh
Publication of CN113391644A publication Critical patent/CN113391644A/zh
Application granted granted Critical
Publication of CN113391644B publication Critical patent/CN113391644B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种基于图像信息熵的无人机拍摄距离半自动寻优方法。本方法可为无法变焦的无人机或要求焦距固定的场景，半自动规划出最佳拍摄距离，实现拍摄最少量的图像获取最丰富的视觉信息，从而提高无人机航拍的效率。其具体过程如下：首先，无人机拍摄一组相同角度下不同距离的目标图像；同时，使用无人机上的激光测距模块获得不同拍摄点与目标的距离；最后，计算图像的信息熵，并拟合信息熵关于拍摄距离的函数，取使得信息熵最大的距离作为无人机的最佳拍摄距离。

Description

一种基于图像信息熵的无人机拍摄距离半自动寻优方法
技术领域
本发明涉及无人机拍摄技术领域，具体涉及一种基于图像信息熵的无人机拍摄距离半自动寻优方法。
背景技术
在使用无人机对桥塔拍摄的场景中，无人机的拍摄距离既不能过小，也不能过大。因为，距离过小，桥梁上方的气流扰动会导致无人机偏离航线；距离过大，会使得拍摄目标的图像分辨率过低。此外，在一些搭载无变焦版相机的消费级无人机，以及多目视觉领域使用图像生成点云的场景中，无人机的拍摄距离也受到固定焦距的限制。此时无人机的拍摄距离由使用者根据自身拍摄经验进行选择。但人为主观的选择，有可能导致拍摄距离过近、拍摄图像的数量增加，使得点云生成的计算量增加；也有可能导致拍摄距离过远，使得图像清晰度下降，引起信息缺失。
因此，最优化无人机拍摄距离显得十分必要。但目前并没有关于桥梁目标的最优拍摄距离的方法，在桥梁目标拍摄距离的半自动寻优领域存在空缺。
发明内容
本发明旨在为固定焦距的场景，提供一种基于图像互信息的无人机拍摄距离半自动寻优的方法。该方法可以最优确定无人机的拍摄距离，确保无人机能够拍摄最低限度的图片，获得最丰富的图像信息。
本发明的目的可以通过采取如下技术方案达到：
一种基于图像信息熵的无人机拍摄距离半自动寻优方法，所述无人机拍摄距离半自动寻优方法包括以下步骤：
S1、通过无人机上搭载的相机拍摄不同距离下的桥塔目标图像，在拍摄桥塔目标图像的同时，使用无人机上搭载的激光测距模块，记录拍摄点距离目标的距离；
S2、基于图像信息熵分析算法计算无人机拍摄的最佳距离，过程如下：计算不同距离下的桥塔目标图像的信息熵，并拟合信息熵关于拍摄距离的函数，取使得信息熵最大的距离作为无人机的最佳拍摄距离；
S3、用户结合给出的最优拍摄距离，手动规划飞行路线。
进一步地，所述步骤S2的过程如下：
S2.1、手动截取不同距离下的桥塔目标图像，并将截取的图像调整为相同尺寸；
S2.2、计算不同距离下的桥塔目标图像的二维图像熵，计算公式如下：
Figure BDA0003113303710000021
其中，在任意大小的滑动窗内，中心点位置的像素值为a，滑动窗内除中心点外的其他位置像素的平均值为b，滑动窗按照从左到右、从上到下的顺序在图像中滑动，则f(a，b)代表全图中不同位置滑动窗内计算的(a，b)二元组在桥塔目标图像中出现的次数，h、w分别为桥塔目标图像的高度和宽度；
S2.3、拟合拍摄距离与图像信息熵的曲线，将信息熵的最大值点所对应的距离作为无人机最优的拍摄距离。
进一步地，所述步骤S1中，不同的拍摄点应保持在同一直线上。
进一步地，所述步骤S2.1中截取的图像的尺寸取值范围为[120×120，3840×2160]，用户在此范围内自定义选择确定。
本发明相对于现有技术具有如下的优点及效果：
本方法可以为无法变焦的无人机或固定焦距的场景，半自动规划最佳的无人机拍摄距离，实现拍摄最少量的图像，获得最丰富的信息。
附图说明
图1是本发明实施例公开的一种基于图像信息熵的无人机拍摄距离自动寻优方法的流程图；
图2是第一组不同拍摄距离下所拍摄图像示例图，其中，图2(a1)、图2(b1)、图2(c1)分别不同拍摄距离下的原始图片示例图，图2(a2)、图2(b2)、图2(c2)分别不同拍摄距离下的裁剪后的图像示例图；
图3是图2中对应示例的代表拍摄距离与信息熵关系的曲线示意图；
图4是第二组不同拍摄距离下所拍摄图像示例图，其中，图4(a1)、图4(b1)、图4(c1)分别不同拍摄距离下的原始图片示例图，图4(a2)、图4(b2)、图4(c2)分别不同拍摄距离下的裁剪后的图像示例图；
图5是图4中对应示例的代表拍摄距离与信息熵关系的曲线示意图。
具体实施方式
为更清楚地阐明本发明的目的、技术方案和优点，以下结合附图对本发明的技术方案进行说明。所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。本领域技术人员基于本发明的实施例，而且在没有做出创造性劳动前提下，其所获得的所有其他实施例，都属于本发明保护的范围。
实施例
如图1、图2、图3、图4和图5所示，本实施例公开了一种基于图像信息熵的无人机拍摄距离半自动寻优方法，该方法包括以下步骤：
S1、通过无人机上搭载的相机拍摄不同距离下的桥塔目标图像，在拍摄桥塔目标图像的同时，使用无人机上搭载的激光测距模块，记录拍摄点距离目标的距离，图2(a1)、图2(b1)、图2(c1)是分别不同拍摄距离50.31m、115.36m、145.65m下的原始图片示例图；图4(a1)、图4(b1)、图4(c1)是分别不同拍摄距离85.65m、317.34m、450.61m下的原始图片示例图。
步骤S1中，不同的拍摄点应尽量保持在同一直线上。
S2、基于图像信息熵分析算法计算无人机拍摄的最佳距离；
本实施例中，步骤S2中基于图像信息熵分析算法，计算不同距离图像的信息熵，以对比不同图像所包含的目标信息量。信息熵是信息论中的概念，其能够描述一个系统所包含的信息量。对于图像数据而言，其可以估计图像所包含信息的丰富程度，信息熵越大，含有的信息越丰富。由图2和图3可得，在三种不同拍摄距离50.31m、115.36m、145.65m下的原始图片，信息熵13.76、13.44、12.71；在拍摄距离50.31m所拍摄的桥塔图像具有最大的信息熵，因此该拍摄距离是最优的。由图4和图5可得，在三种不同拍摄距离85.65m、317.34m、450.61m下的原始图片，信息熵11.88、12.22、11.40；在拍摄距离317.34m所拍摄的桥塔图像具有最大的信息熵，因此该拍摄距离是最优的。
步骤S2中方法通过计算不同距离下拍摄的图像的信息熵，拟合出信息熵-距离曲线，根据曲线中信息熵的最大值点确定最佳的拍摄距离，具体过程如下；
S2.1、手动截取不同距离下的桥塔目标图像，并将截取的图像调整为相同尺寸；
步骤S2.1中截取的图像的尺寸取值范围为[120×120，3840×2160],用户在此范围内自定义选择确定。
S2.2、计算不同距离下的桥塔目标图像的二维图像熵，计算公式如下：
Figure BDA0003113303710000051
其中，在任意大小的滑动窗内，中心点位置的像素值为a，滑动窗内除中心点外的其他位置像素的平均值为b，滑动窗按照从左到右、从上到下的顺序在图像中滑动，则f(a，b)代表全图中不同位置滑动窗内计算的(a，b)二元组在桥塔目标图像中出现的次数，h、w分别为桥塔目标图像的高度和宽度；
S2.3、拟合拍摄距离与图像信息熵的曲线，将信息熵的最大值点所对应的距离作为无人机最优的拍摄距离。
S3、用户结合给出的最优拍摄距离，手动规划飞行路线。
综上所述，本方法可以半自动确定无人机最佳拍摄距离，以最小量的图像获取最丰富的信息，提高航拍的效率。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (4)

1.一种基于图像信息熵的无人机拍摄距离半自动寻优方法，其特征在于，所述无人机拍摄距离半自动寻优方法包括以下步骤：
S1、通过无人机上搭载的相机拍摄不同距离下的桥塔目标图像，在拍摄桥塔目标图像的同时，使用无人机上搭载的激光测距模块，记录拍摄点距离目标的距离；
S2、计算不同距离下的桥塔目标图像的信息熵，并拟合信息熵关于拍摄距离的函数，取使得信息熵最大的距离作为无人机的最佳拍摄距离；
S3、用户结合给出的最优拍摄距离，手动规划飞行路线。
2.根据权利要求1所述的一种基于图像互信息的无人机拍摄距离自动寻优方法，其特征在于，所述步骤S2的过程如下：
S2.1、手动截取不同距离下的桥塔目标图像，并将截取的图像调整为相同尺寸；
S2.2、计算不同距离下的桥塔目标图像的二维图像熵，计算公式如下：
Figure FDA0003113303700000011
其中，在任意大小的滑动窗内，中心点位置的像素值为a，滑动窗内除中心点外的其他位置像素的平均值为b，滑动窗按照从左到右、从上到下的顺序在图像中滑动，则f(a，b)代表全图中不同位置滑动窗内计算的(a，b)二元组在桥塔目标图像中出现的次数，h、w分别为桥塔目标图像的高度和宽度；
S2.3、拟合拍摄距离与图像信息熵的曲线，将信息熵的最大值点所对应的距离作为无人机最优的拍摄距离。
3.根据权利要求1所述的一种基于图像互信息的无人机拍摄距离自动寻优方法，其特征在于，所述步骤S1中，不同的拍摄点应保持在同一直线上。
4.根据权利要求2所述的一种基于图像互信息的无人机拍摄距离自动寻优方法，其特征在于，所述步骤S2.1中截取的图像的尺寸取值范围为[120×120，3840×2160]，用户在此范围内自定义选择确定。
CN202110654664.XA 2021-06-11 2021-06-11 一种基于图像信息熵的无人机拍摄距离半自动寻优方法 Active CN113391644B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110654664.XA CN113391644B (zh) 2021-06-11 2021-06-11 一种基于图像信息熵的无人机拍摄距离半自动寻优方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110654664.XA CN113391644B (zh) 2021-06-11 2021-06-11 一种基于图像信息熵的无人机拍摄距离半自动寻优方法

Publications (2)

Publication Number Publication Date
CN113391644A true CN113391644A (zh) 2021-09-14
CN113391644B CN113391644B (zh) 2022-06-17

Family

ID=77620607

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110654664.XA Active CN113391644B (zh) 2021-06-11 2021-06-11 一种基于图像信息熵的无人机拍摄距离半自动寻优方法

Country Status (1)

Country Link
CN (1) CN113391644B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114088005A (zh) * 2021-11-19 2022-02-25 中新国际联合研究院 一种用于测量结构挠度的装置及方法
CN114845042A (zh) * 2022-03-14 2022-08-02 南京大学 一种基于图像信息熵的相机自动对焦方法
CN116820121A (zh) * 2023-05-15 2023-09-29 哈尔滨工业大学（深圳） 一种无人机群体联合侦查策略生成方法及终端

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102843517A (zh) * 2012-09-04 2012-12-26 京东方科技集团股份有限公司 一种图像处理方法、装置及显示设备
CN102967983A (zh) * 2012-11-07 2013-03-13 苏州科达科技股份有限公司 相机自动对焦方法
CN105258673A (zh) * 2015-11-02 2016-01-20 南京航空航天大学 一种基于双目合成孔径聚焦图像的目标测距方法、装置
CN106657779A (zh) * 2016-12-13 2017-05-10 重庆零度智控智能科技有限公司 环绕拍摄方法、装置及无人机
KR20180121259A (ko) * 2017-04-28 2018-11-07 (주)대우루컴즈 카메라 탑재형 컴퓨터의 거리검출장치 및 그 방법
CN109040460A (zh) * 2018-08-28 2018-12-18 深圳市必发达科技有限公司 图像拍摄方法、计算机可读存储介质及计算机设备
CN110455258A (zh) * 2019-09-01 2019-11-15 中国电子科技集团公司第二十研究所 一种基于单目视觉的无人机离地高度测量方法
WO2021077270A1 (zh) * 2019-10-21 2021-04-29 深圳市大疆创新科技有限公司 一种获取目标距离的方法、控制装置及移动平台

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102843517A (zh) * 2012-09-04 2012-12-26 京东方科技集团股份有限公司 一种图像处理方法、装置及显示设备
CN102967983A (zh) * 2012-11-07 2013-03-13 苏州科达科技股份有限公司 相机自动对焦方法
CN105258673A (zh) * 2015-11-02 2016-01-20 南京航空航天大学 一种基于双目合成孔径聚焦图像的目标测距方法、装置
CN106657779A (zh) * 2016-12-13 2017-05-10 重庆零度智控智能科技有限公司 环绕拍摄方法、装置及无人机
KR20180121259A (ko) * 2017-04-28 2018-11-07 (주)대우루컴즈 카메라 탑재형 컴퓨터의 거리검출장치 및 그 방법
CN109040460A (zh) * 2018-08-28 2018-12-18 深圳市必发达科技有限公司 图像拍摄方法、计算机可读存储介质及计算机设备
CN110455258A (zh) * 2019-09-01 2019-11-15 中国电子科技集团公司第二十研究所 一种基于单目视觉的无人机离地高度测量方法
WO2021077270A1 (zh) * 2019-10-21 2021-04-29 深圳市大疆创新科技有限公司 一种获取目标距离的方法、控制装置及移动平台

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114088005A (zh) * 2021-11-19 2022-02-25 中新国际联合研究院 一种用于测量结构挠度的装置及方法
CN114845042A (zh) * 2022-03-14 2022-08-02 南京大学 一种基于图像信息熵的相机自动对焦方法
CN114845042B (zh) * 2022-03-14 2023-03-10 南京大学 一种基于图像信息熵的相机自动对焦方法
CN116820121A (zh) * 2023-05-15 2023-09-29 哈尔滨工业大学（深圳） 一种无人机群体联合侦查策略生成方法及终端
CN116820121B (zh) * 2023-05-15 2024-06-11 哈尔滨工业大学（深圳） 一种无人机群体联合侦查策略生成方法及终端

Also Published As

Publication number Publication date
CN113391644B (zh) 2022-06-17

Similar Documents

Publication Publication Date Title
CN113391644B (zh) 一种基于图像信息熵的无人机拍摄距离半自动寻优方法
CN107925751B (zh) 用于多视点降噪和高动态范围的系统和方法
WO2020014909A1 (zh) 拍摄方法、装置和无人机
US9019426B2 (en) Method of generating image data by an image device including a plurality of lenses and apparatus for generating image data
US10764496B2 (en) Fast scan-type panoramic image synthesis method and device
CN107690673B (zh) 图像处理方法、装置及服务器
CN109474780B (zh) 一种用于图像处理的方法和装置
CN111355884B (zh) 监控方法、装置、系统、电子设备及存储介质
CN105282421B (zh) 一种去雾图像获取方法、装置及终端
CN111726521B (zh) 终端的拍照方法、拍照装置和终端
WO2014023231A1 (zh) 宽视场超高分辨率光学成像系统及方法
US20190158799A1 (en) Aligning Two Images By Matching Their Feature Points
CN104184935B (zh) 影像拍摄设备及方法
WO2019104641A1 (zh) 无人机、其控制方法以及记录介质
CN108600638B (zh) 摄像机自动调焦系统及方法
CN112207821B (zh) 视觉机器人的目标搜寻方法及机器人
WO2021134179A1 (zh) 对焦方法、装置、拍摄设备、可移动平台和存储介质
WO2019023914A1 (zh) 一种图像处理方法、无人机、地面控制台及其图像处理系统
WO2022151813A1 (zh) 电子设备、前置图像信号处理器及图像处理方法
CN114943773A (zh) 相机标定方法、装置、设备和存储介质
CN109257540B (zh) 多摄镜头组的摄影校正方法及摄影装置
CN108540720B (zh) 一种用于子弹时间自动选取最优图像的系统及方法
CN107295261B (zh) 图像去雾处理方法、装置、存储介质和移动终端
CN105467741A (zh) 一种全景拍照方法及终端
WO2021168707A1 (zh) 对焦方法、装置及设备

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