CN113538593B - 一种基于车载移动靶标的无人机遥感时间分辨率定标方法 - Google Patents
一种基于车载移动靶标的无人机遥感时间分辨率定标方法 Download PDFInfo
- Publication number
- CN113538593B CN113538593B CN202110691947.1A CN202110691947A CN113538593B CN 113538593 B CN113538593 B CN 113538593B CN 202110691947 A CN202110691947 A CN 202110691947A CN 113538593 B CN113538593 B CN 113538593B
- Authority
- CN
- China
- Prior art keywords
- motion
- target
- unmanned aerial
- aerial vehicle
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
Description
技术领域
本发明涉及航空航天遥感、计算机图像以及摄影测量等领域,具体涉及一种车载移动靶标和图像运动模糊分析的无人机时间分辨率定标方法。
背景技术
近年来,无人机遥感与摄影测量技术飞速发展,其已经广泛应用于农业、林业、生态、海洋、地质、水文、军事、环境监测等领域,成为研究人员获取地球地理信息、灾害监测与预报的重要工具与手段,而定标是无人机遥感技术中不可或缺的环节,是无人机遥感精准应用的重要保障手段。时间分辨率即拍摄相邻影像的时间间隔。在无人机组网中,高频迅捷就意味着高时间分辨率,其量化基础是时间分辨率定标。目前,对于无人机遥感观测的几何、辐射、光谱分辨率,目前都有比较成体系的定标手段,但是对于时间分辨率,却还未有成体系的定标手段。
发明内容
为了进一步完善无人机遥感观测四大分辨率一体化定标理论和方法体系,对无人机遥感时间分辨率定标方法机理的探究与验证尤为重要。在遥感观测任务中,无论是定点拍摄的方式,还是定时拍摄的方式,两次相邻拍摄的时间间隔都应该被定标,以提高拍摄过程的时间精度,服务于后续处理和应用。故对于时间分辨率定标机理的探究与验证,是非常具有现实意义的。鉴于此,本发明提出了一种基于车载移动靶标的无人机时间分辨率定标方法。
本发明是一种实现无人机遥感时间分辨率定标的新型技术理论,仅需已知无人机所载相机的单次曝光时间,再结合地面车载移动靶标和固定靶标,就可推导出一组航拍影像的拍摄时间间隔即时间分辨率。本发明通过对原遥感影像的基于相位自相关特性的模糊分析得出在曝光时间内目标物体的相对位移,再结合已知的曝光时间,可计算得出目标物体在曝光时间内的相对于无人机的平均运动速度;再计算同一目标物体在两幅相邻影像中的位置的像素差,可最终推导出相邻影像的拍摄间隔时间即时间分辨率;上述过程可针对影像中的多个运动目标和静止目标进行分别计算时间分辨率,其中运动目标的运动状态包括目标与无人机的相向运动、同向运动、垂直交叉运动,最后取平均值以降低误差。本发明的基于影像的相位自相关特性的模糊分析推导目标物体运动速度的方法是直接在像素坐标下进行运算,而一般方法下的借助于GPS等硬件设备提供目标物体运动速度的方法则需要进行像素距离与实际距离的转换,可能造成较大误差。二者相比之下,本发明介绍之方法具有相对理想的计算精度,最终可顺利实现无人机遥感时间分辨率定标。
为实现以上目的,本发明使用以下技术方案:
一种基于车载移动靶标和图像运动模糊分析的无人机时间分辨率定标方法,其内容包括:
1)计算时间分辨率T。
时间分辨率即为无人机对地面目标拍摄两帧相邻影像的间隔时间。在得到影像中目标物体在曝光时间内相对于无人机的平均运动速度,以及目标物体在相邻两幅影像中由于运动所产生的运动位移像素值之后,可计算得出相邻影像的拍摄时间间隔即时间分辨率。
为了得到相对准确的精度,在定标实验中应至少使用两个移动靶标与一个固定靶标,然后依次进行分析。首先,在无人机拍摄的一张待分析图像中,以图像左上角作为原点建立直角坐标系,水平方向为x轴,向右为正,竖直方向为y轴,向下为负。无人机与地面固定靶标或靶标车上运动靶标的相对运动速度的值由运动模糊分析得出,记为v,具体计算方式在下文2)中给出;无人机与该靶标相对运动的方向与水平正方向相交所形成的锐角记为θ,由自相关三维图得出,具体计算方式在下文2)中给出;对该幅图像中无人机与该靶标的相对运动速度v进行分解,记水平方向与竖直方向的分速度分别为vx、vy,则有
然后,取图像中该靶标上某一标志点,确定该点在两幅相邻影像的直角坐标系中的水平和竖直像素坐标并作差,得到水平像素差和竖直像素差值,作为该靶标在两幅图像中与无人机的相对位移,分别记为Sx、Sy。
然后,分别在水平方向与竖直方向对时间分辨率进行计算。记水平方向上的时间分辨率为Tx,竖直方向上的时间分辨率为Ty,则有:
取Tx、Ty的平均值,即为该两幅相邻影像的时间分辨率T。
相向运动、同向运动、垂直交叉运动获得的多组影像,每组影像中的一对相邻两幅图像,均可按照上述方法计算得到一个拍摄间隔对其进行综合分析,就可以评估无人机载荷在飞行中拍摄间隔是否稳定。若稳定性较好,就可以平均得到一个误差比较小的拍摄间隔时间,即无人机遥感时间分辨率。
2)通过对图像进行运动模糊分析来获得目标物体在单幅图像曝光时间内的相对于无人机的平均运动速度v。
假设目标物体在曝光时间内做匀速直线运动,对单幅影像中的目标物体做运动模糊分析,得出曝光时间内其运动距离;
目标物体做匀速直线运动造成的影像运动模糊的数学表达式为:
其中,f(x,y)为潜在的清晰影像、g(x,y)为匀速直线运动造成的模糊图像、T为该幅影像的曝光时间、vx、vy为目标物体在x、y方向相对于无人机的运动速度。
目标物体做匀速直线运动造成的运动模糊,相当于一个二维平面内沿运动方向的一维矩形信号与原目标二维图像信号的卷积,矩形信号延伸的宽度就是曝光期间的运动距离。以一维函数为例,其推导过程为:
所以,通过靶标图像模糊分析获得相对运动速度的方法为:首先,对包含靶标的运动模糊图像块进行取相位运算,得到其相位图像,其数学过程表达式为:
其中,P{.}为取相位运算符,具体运算规则为,先对目标图像{.}做傅里叶变换,然后在取复数的相位项,最后再将其进行逆傅里叶变换。
进一步的,根据上一步得到的运动模糊图像的相位图像,对其做自相关运算,得到其自相关图像。其图像中的极值间隔等于r(x,y)矩形信号函数非零部分的宽度,即造成运动模糊的运动距离s。其数学表达式为:
使用上一步计算得出的造成运动模糊的目标物体运动距离s除以已知的曝光时间t,得出目标物体在曝光时间内的相对于无人机的平均运动速度,即v=s/t;位于图像中央的最大值左右两侧的两极值点的连线,即为目标物体在曝光时间内的相对于无人机的平均运动速度的方向。
3)靶标设计。
为了便于对目标进行运动模糊分析,应使用圆形靶标,并添加明显特征点以便于进行定位。其主要特征为带有白色V型缺口的黑色实心正圆形图案。
本发明由于采取以上技术方案,其具有以下优点:
1、本发明探索了一种无人机遥感时间分辨率的定标方法,完善了无人机遥感观测四大分辨率一体化定标理论和方法体系,填补了无人机遥感时间分辨率定标方面的空白。
2、本发明对运动模糊影像进行分析,采取相位自相关等数学运算来获得目标物体的相对运动速度,计算过程始终基于像素坐标;而一般的采用GPS等硬件设备来现场采集运动信息的方法,不仅其计算精度受限于GPS等定位设备的精度,而且需要进行像素距离与实际距离的换算,会造成较大的误差。因此,本发明采用的方法精度相对更为理想。
本发明可广泛应用于遥感领域。本发明介绍的一种基于车载移动靶标和图像运动模糊分析的无人机时间分辨率定标方法,其内容借助运动模糊分析方法,经过实际实验实施验证,具有可行性与创新性。本发明的创新点在于,在无人机遥感领域首次提出时间分辨率的定标机理与验证方案,在传统的几何、辐射、光谱定标的基础上增加了时间分辨率定标的概念,初步建立了无人机遥感时间分辨率定标基础,进一步完善了无人机遥感观测四大分辨率一体化定标理论和方法体系,提高了无人机遥感拍摄过程的定时拍摄精度。
附图说明
图1为本发明实施案例的总体流程图;
图2为本发明实施案例提供的针对匀速直线运动造成的运动模糊的相位法分析流程图;
图3为车载移动靶标、静止靶标与无人机的相对运动示意图;
图4为在图像中建立直角坐标系示例图;
图5为本发明实施案例提供的圆形靶标。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
为了使本发明实施例所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
请参阅图1,本方法所涉及的时间分辨率定标工作流程为:在图像中建立直角坐标系,以目标靶标中心为原点,水平向右为X轴正方向,竖直向上为Y轴正方向;对单幅图像中的目标靶标(包括运动靶标和静止靶标)进行基于相位法的运动模糊分析,得到该幅图像曝光时间内目标靶标与无人机的相对运动像素距离s,以及该幅图像曝光时间内目标靶标与无人机的相对运动方向与X轴所夹的锐角θ;查询该图像的EXIF信息获得曝光时间t,计算得出目标物体在该幅影像曝光时间内相对于拍摄无人机的运动速度v,v=s/t;对v进行分解,水平方向的速度分量为vx=vcosθ,竖直方向的速度分量为vy=vsinθ;对与该幅影像相邻的另一幅影像重复进行上述操作,并分别对两幅影像的水平、竖直速度分量求平均值,得到视为两幅影像拍摄间隔中的平均速度分量;在该两幅图像上选择靶标上白色倒三角的顶点或其他明显物体作为特征点,使两特征点的像素坐标作差,得到水平像素差值Dx和竖直像素差值Dy;分别令水平和竖直像素差值Dx、Dy除以水平和竖直速度分量得到两幅影像在水平和竖直方向上的时间分辨率Tx、Ty,最后取Tx、Ty的平均值得到两幅影像的时间分辨率T。
请参阅图2,本方法所涉及的基于运动模糊分析确定运动状态的方法流程为:对一张运动模糊图像中包含靶标的图像块进行傅里叶变换,分离出该图像的相位分量;对上一步得到的图像的相位分量进行傅里叶反变换,可得到该幅图像的纯相位图像;对上一步得到的纯相位图象进行自相关运算,得到该幅图像的相位自相关图像;该幅图像的自相关三维图的相邻两极值的水平距离s,即为造成该幅图像运动模糊的被摄体与拍摄设备的相对运动距离的像素值;该幅图像的位于自相关三维图中央的最大值的左右两侧相邻的两极值点的连线,即为造成该幅图像运动模糊的被摄体与拍摄设备的相对运动的方向。
请参阅图3,本方法所涉及的无人机遥感时间分辨率外场定标实施方案为:在定标场内,准备搭载遥感光学载荷的无人机、不同运动速度的车顶铺设有靶标的移动靶标车、以及铺设在地面的静止靶标。实施定标的方法为:使移动靶标车共同沿平直道路行驶并尽量保持匀速,无人机在定标场上空分别以相对靶标车行驶方向的同向、相向、互相交叉的方向飞行,并同时拍摄数量足够的多种不同相对运动速度下的靶标影像。以上过程循环多次。
请参阅图4,本方法所涉及的在图像中建立直角坐标系的方法流程为:以当前图像左上角作为原点建立直角坐标系,水平方向为x轴,向右为正,竖直方向为y轴,向下为负。无人机与地面靶标的相对运动速度的值记为v、无人机与地面靶标相对运动的方向与水平方向相交所形成的锐角记为θ;对无人机与地面靶标的相对运动速度v进行分解,记水平方向与竖直方向的分速度分别为vx、vy并标出。
请参阅图5,本方法所涉及的靶标为一边带有白色锐利V形的黑色实心圆形靶标。该靶标中铺设于地面运动物体(如车辆)和静止物体上方,然后对其进行运动模糊分析;靶标上的白色V形的尖部可用于计算地面靶标在两幅影像中的坐标差值过程中的参照点。
尽管为说明目的公开了本发明的具体实施例和附图,其目的在于帮助理解本发明的内容并据以实施,但是本领域的技术人员可以理解:在不脱离本发明及所附的权利要求的精神和范围内,各种替换、变化和修改都是可能的。因此,本发明不应局限于最佳实施例和附图所公开的内容。
Claims (8)
1.一种基于车载移动靶标的无人机遥感时间分辨率定标方法,其步骤包括:
1)无人机与地面靶标之间按照设定方式运动,并获取无人机运动过程中拍摄的相邻两幅图像;通过图像中包含靶标的图像块的模糊分析获取该无人机与地面上靶标的相对运动速度v、该无人机与该靶标相对运动的方向与水平方向相交所形成的锐角θ;然后对该相对运动速度v进行分解,得到水平方向的分速度vx、竖直方向的分速度vy;将相邻两幅影像对应的分速度取平均值,得到
2)取所述图像中所述靶标上的一标志点,确定该标志点在两幅相邻图像中的水平像素差Sx和竖直像素差Sy;
2.如权利要求1所述的方法,其特征在于,所述靶标包括固定靶标和两个移动靶标;对于每一靶标分别执行上述步骤1)~3),当所述靶标为固定靶标时所得平均值T记为T0、当所述靶标为第一移动靶标时所得平均值T记为T1、当所述靶标为第二移动靶标时所得平均值T记为T2,然后取T0、T1和T2的平均值作为该无人机的遥感时间分辨率。
3.如权利要求2所述的方法,其特征在于,所述无人机与第一移动靶标之间的运动方式包括相向运动、同向运动和垂直交叉运动;针对每种运动方式分别执行上述步骤1)~3),当所述运动方式为相向运动时所得平均值T记为T相向1、当所述运动方式为同向运动时所得平均值T记为T同向1、当所述运动方式为垂直运动时所得平均值T记为T垂直1,然后取T同向1、T相向1和T垂直1的平均值作为T1;所述无人机与第二移动靶标之间的运动方式包括相向运动、同向运动和垂直交叉运动;针对每种运动方式分别执行上述步骤1)~3),当所述运动方式为相向运动时所得平均值T记为T相向2、当所述运动方式为同向运动时所得平均值T记为T同向2、当所述运动方式为垂直运动时所得平均值T记为T垂直2,然后取T同向2、T相向2和T垂直2的平均值作为T2。
4.如权利要求1或2或3所述的方法,其特征在于,通过对包含靶标的图像块进行运动模糊分析来获得该相对运动速度v。
5.如权利要求4所述的方法,其特征在于,对运动模糊分析中的运动模糊靶标图像块进行取相位运算,得到其相位图像;然后对相位图像做自相关运算,得到其自相关图像;然后获取该自相关图像中的相邻两极值间隔s;然后根据v=s/t获得该相对运动速度v,其中t为曝光时间。
6.如权利要求4所述的方法,其特征在于,所述靶标所采用的图案为一边带有白色V型缺口的黑色实心正圆形图案。
7.一种服务器,其特征在于,包括存储器和处理器,所述存储器存储计算机程序,所述计算机程序被配置为由所述处理器执行,所述计算机程序包括用于执行权利要求1至6任一所述方法中各步骤的指令。
8.一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,所述计算机程序被处理器执行时实现权利要求1至6任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110691947.1A CN113538593B (zh) | 2021-06-22 | 2021-06-22 | 一种基于车载移动靶标的无人机遥感时间分辨率定标方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110691947.1A CN113538593B (zh) | 2021-06-22 | 2021-06-22 | 一种基于车载移动靶标的无人机遥感时间分辨率定标方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113538593A CN113538593A (zh) | 2021-10-22 |
CN113538593B true CN113538593B (zh) | 2022-04-15 |
Family
ID=78125558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110691947.1A Active CN113538593B (zh) | 2021-06-22 | 2021-06-22 | 一种基于车载移动靶标的无人机遥感时间分辨率定标方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113538593B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427284A (zh) * | 2015-11-06 | 2016-03-23 | 西北工业大学 | 基于机载Android平台的固定靶标识方法 |
CN106023271A (zh) * | 2016-07-22 | 2016-10-12 | 武汉海达数云技术有限公司 | 一种靶标中心坐标提取方法及装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102564460B (zh) * | 2012-01-19 | 2014-11-26 | 北京大学 | 空间相机几何与时相分辨率检测方法及移动检测车 |
CN102607592B (zh) * | 2012-02-24 | 2014-11-26 | 北京大学 | 遥感定标综合方法及定标设备车 |
US20140098244A1 (en) * | 2012-10-09 | 2014-04-10 | Mansoor Ghazizadeh | Calibrated image display |
US10498951B2 (en) * | 2017-01-23 | 2019-12-03 | Digital Global Systems, Inc. | Systems, methods, and devices for unmanned vehicle detection |
PL3477286T3 (pl) * | 2017-10-25 | 2023-06-26 | F. Hoffmann-La Roche Ag | Sposoby i urządzenia do pomiarów analitycznych |
CN111142137B (zh) * | 2018-11-05 | 2021-04-09 | 中国人民解放军战略支援部队信息工程大学 | 一种点源靶标像控点的定位方法和装置 |
US10992921B1 (en) * | 2019-08-28 | 2021-04-27 | Amazon Technologies, Inc. | Self-calibrating stereo camera pairs provided aboard aerial vehicles |
CN210570652U (zh) * | 2019-11-16 | 2020-05-19 | 河南思拓力测绘科技有限公司 | 一种航测无人机像控点方便移动的靶标模板 |
CN112950717A (zh) * | 2019-11-26 | 2021-06-11 | 华为技术有限公司 | 一种空间标定方法和系统 |
CN112598750B (zh) * | 2020-12-22 | 2024-05-10 | 阿波罗智联(北京)科技有限公司 | 路侧相机标定方法、装置、电子设备和存储介质 |
CN112859579B (zh) * | 2021-01-25 | 2022-11-15 | 北京大学 | 一种无人机遥感组网冗余容错控制方法 |
-
2021
- 2021-06-22 CN CN202110691947.1A patent/CN113538593B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427284A (zh) * | 2015-11-06 | 2016-03-23 | 西北工业大学 | 基于机载Android平台的固定靶标识方法 |
CN106023271A (zh) * | 2016-07-22 | 2016-10-12 | 武汉海达数云技术有限公司 | 一种靶标中心坐标提取方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113538593A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Multi-sensor fusion for navigation and mapping in autonomous vehicles: Accurate localization in urban environments | |
CN107862719B (zh) | 相机外参的标定方法、装置、计算机设备和存储介质 | |
CN104268935A (zh) | 一种基于特征的机载激光点云与影像数据融合系统及方法 | |
CN104730520B (zh) | 基于子孔径合成的圆周sar后向投影自聚焦方法 | |
US11315318B2 (en) | Method for constructing grid map by using binocular stereo camera | |
WO2018133727A1 (zh) | 一种正射影像图的生成方法及装置 | |
CN109946701A (zh) | 一种点云坐标转换方法及装置 | |
CN111080682A (zh) | 点云数据的配准方法及装置 | |
CN115451948A (zh) | 一种基于多传感器融合的农业无人车定位里程计方法及系统 | |
Shoab et al. | High-precise true digital orthoimage generation and accuracy assessment based on UAV images | |
CN111487621A (zh) | 一种基于雷达图像的海表流场反演方法及电子设备 | |
Fletcher et al. | Minimum entropy autofocus for 3D SAR images from a UAV platform | |
CN113538593B (zh) | 一种基于车载移动靶标的无人机遥感时间分辨率定标方法 | |
Zahari et al. | Review of unmanned aerial vehicle photogrammetry for aerial mapping applications | |
Withers et al. | Modelling scene change for large-scale long term laser localisation | |
Sjanic et al. | Simultaneous navigation and SAR auto-focusing | |
CN112747752B (zh) | 基于激光里程计的车辆定位方法、装置、设备和存储介质 | |
CN113643355B (zh) | 一种目标车辆位置和朝向的检测方法、系统及存储介质 | |
Mardiati et al. | The derivation of matrix transformation from pixel coordinates to real-world coordinates for vehicle trajectory tracking | |
CN112230194B (zh) | 一种基于平移阵列的解模糊方法、设备及存储介质 | |
US20220146677A1 (en) | Mobile 3d imaging system and method | |
Alix et al. | Error characterization of flight trajectories reconstructed using Structure from Motion | |
CN110827323A (zh) | 一种用于水下装置定点悬停的方法和装置 | |
JP2004348198A (ja) | 座標変換処理処置、処理方法、この方法のプログラム、このプログラムを記録した記録媒体 | |
CN111681299B (zh) | 基于InSAR解缠相位生成数字表面模型的方法及装置 |
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 |