CN113592837A - 一种基于无人机定点航拍的道路窑井盖高差计算方法 - Google Patents

Abstract

本发明涉及交通基础设施检测技术领域，具体来说是一种基于无人机定点航拍的道路窑井盖高差计算方法，包括以下步骤：步骤1，确定需要计算的窑井盖高差的窑井盖所在位置；步骤2，根据步骤1中待计算高差的窑井盖，采用无人机在井盖上方定点拍摄五张照片；步骤3，将步骤2中无人机拍摄的照片进行三维重建；步骤4，根据步骤3中航拍照片三维重建结果，计算窑井盖高差。本发明所提供的一种基于无人机定点航拍的道路窑井盖高差计算方法，利用无人机挂载相机对道路窑井盖进行定点航拍获取窑井盖照片进行三维重建，根据三维重建结果进行窑井盖高差计算，该方法具有非接触、不中断交通，实时、智能化程度高，操作简便、效率高、成本低、可测量的特点。

Description

一种基于无人机定点航拍的道路窑井盖高差计算方法

技术领域

本发明涉及交通基础设施检测技术领域，具体来说是一种基于无人机定点航拍的道路窑井盖高差计算方法。

背景技术

目前，城镇道路上分布着成千上万的井盖，每年因为井盖缺失、移动、破损等原因造成的车祸及行人受伤事件层出不穷，现阶段主要采用人工检查及智能传感器的方式对井盖进行检测与监测。人工检测采用木直尺与钢塞尺对井盖高差进行较为准确的测量，然而人工测量效率极低，由于道路通行的要求，对于大量井盖的检测采用传统人工方式不可行。采用智能传感器，目前由于井盖检测环境条件的限制，仅能采用GPS定位技术与倾角传感器判断井盖是否移动或缺失。井盖高差是道路井盖最常见的病害，同时也是影响行车平稳与舒适度的重要指标，目前尚未有快速有效测量井盖高差的方法。

发明内容

本发明的目的在于解决现有技术的不足，提供一种基于无人机定点航拍的窑井盖高差计算方法，实现对道路窑井盖高差的快速识别与计算，该方法为非接触式定点测量，不影响交通，实现成本低、精度高、测量效率高。

为了实现上述目的，设计一种基于无人机定点航拍的窑井盖高差计算方法，包括以下步骤：

步骤1，确定需要计算的窑井盖高差的窑井盖所在位置；

步骤2，根据步骤1中待计算高差的窑井盖，采用无人机在井盖上方定点拍摄五张照片；

步骤3，将步骤2中无人机拍摄的照片进行三维重建；

步骤4，根据步骤3中航拍照片三维重建结果，计算窑井盖高差。

本发明还具有如下优选的技术方案：

进一步的，所述步骤1中窑井盖位置确定方法，包括：

a.根据地图信息查询到的待测窑井盖的经纬度坐标；或

b.根据路名结合距离及车道位置信息；或

c.现场指定。

进一步的，所述步骤2中无人机定点航拍在井盖自动识别与自动上方固定位置点，一次拍摄完成。

进一步的，所述步骤2中无人机拍摄方法如下：

1、无人机拍摄高度的确定，正视摄影分辨率与无人机拍摄高度及挂载相机的像素尺寸之间的换算关系如下：

式中，D：正视摄影分辨率；ccd：相机传感器大小；H：拍摄高度；d：相机焦距；

2、设井盖直径为l，则无人机拍摄高度与相机云台角度的关系如下：

式中，α为无人机拍摄云台俯视角；

因为传感器尺寸ccd及焦距d远小于无人机拍摄高度，公式(2)可简化为：

进一步的，所述步骤2中，无人机手动拍摄方法如下：

(1)手动控制无人机起飞至步骤1所述窑井盖正上方；

(2)调整无人机拍摄高度；

(3)拍摄俯视角度照片一张；

(4)调整相机云台角度至俯视α度，拍摄一张照片；

(5)按一个方向旋转无人机90°，共旋转3次，每旋转一次拍摄一张照片。

进一步的，所述步骤2中，无人机自动拍摄方法如下：

(1)收集各种不同形状、大小及材质的道路窑井盖照片；

(2)采用LabelImg或LabelMe图片标准工具对窑井盖照片进行框选或点选标注；

(3)采用YOLO系列或Yolact系列深度学习算法对道路窑井盖照片样本进行训练，获取窑井盖目标分类或语义分割模型，将训练好的模型部署在无人机上；

(4)无人机根据步骤1所确定的位置，自动飞到指定地点，根据窑井盖目标分类或语义分割识别结果锁定窑井盖准确位置；

(5)根据井盖位置识别结果，及预先设置的拍摄高度与角度要求，无人机自动调整位置姿态，拍摄5张照片；

(6)无人机的拍摄高度范围可为H米，拍摄角度为俯视α度，在确定的拍摄高度处拍摄一张俯视照片，调整相机云台为俯视α度拍摄一张照片，然后，无人机每旋转90°拍摄一张照片，共旋转三个90°，从而获得一张俯视照片及四个方位俯视α度的照片各一张，共5张照片用于窑井盖的三维重建。

进一步的，所述步骤3具体方法如下：

(1)基于航拍照片，提取图像特征点，根据特征点计算图像之间的特征匹配，基于匹配的特征进行稀疏重建，得到各个图像的相机位姿和稀疏的特征点云，基于相机位姿进行稠密重建，得到稠密点云，基于点云重建网格；

(2)基于无人机倾斜摄影影像、POS系统高精度定位和地面控制点，对倾斜影像进行空中三角测量与区域网联合平差，经过点云密集匹配、不规则三角网构建、纹理映射后完成三维建模。

进一步的，所述步骤4具体方法如下：

(1)提取井盖三维点云高度坐标平均值与井盖周围路面点云高度坐标平均值之差即为井盖高差；

(2)提取井盖上3个点高度坐标平均值与井盖周围路面3个点高度坐标平均值之差即为井盖高差。

发明的有益效果

本发明所提供的一种基于无人机定点航拍的道路窑井盖高差计算方法的优点包括但不限于：本发明利用无人机挂载相机对道路窑井盖进行定点航拍获取窑井盖照片进行三维重建，根据三维重建结果进行窑井盖高差计算，该方法具有非接触、不中断交通，实时、智能化程度高，操作简便、效率高、成本低、可测量的特点。

附图说明

图1示例性示出了本发明一种基于无人机定点航拍的道路窑井盖高差计算方法的流程示意图；

图2示例性示出了本发明中所述的无人机自动拍摄方法拍摄角度俯视示意图；

图3示例性示出了本发明中所述的无人机自动拍摄方法拍摄角度侧视示意图。

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，应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的描述、数字表达式和数值不限制本发明的范围。

参见图1，本发明的目的是针对道路窑井盖在使用过程中产生的高差，提供了一种基于无人机定点航拍的窑井盖高差计算方法。本发明实现对道路窑井盖高差的快速识别与计算，该方法为非接触式定点测量，不影响交通，实现成本低、精度高、测量效率高。

本发明解决其技术问题所采用的技术方案是：构造一种基于无人机定点航拍的窑井盖高差计算方法，包括如下步骤：一种基于无人机定点航拍的道路窑井盖高差计算方法，其特征在于：

包括

步骤1，确定需要计算的窑井盖高差的窑井盖所在位置。

步骤2，根据步骤1中待计算高差的窑井盖，采用无人机在井盖上方定点拍摄5张照片。

步骤3，将步骤2中无人机拍摄的照片进行三维重建。

步骤4，根据步骤3中航拍照片三维重建结果，计算窑井盖高差。

所述步骤1中窑井盖位置确定方法包括：

a)根据百度地图、高德地图、谷歌地图、GIS等途径查询到的待测窑井盖的经纬度坐标；

b)根据路名结合距离及车道等位置信息；

c)现场指定；

所述步骤2中无人机定点航拍仅需要在井盖上方固定位置点，按指定规则一次拍摄5张井盖照片，如图2和图3所示，便可通过图片三维重建获取井盖高精度三维模型，进而准确计算井盖高差。

步骤3中无人机定点拍摄井盖照片，其拍摄规则参数确定方式如下：

无人机拍摄高度的确定，除受窑井盖上方周围环境因素的影响外，其应在飞行条件许可的条件下应尽量低，从而获取较高的三维重建分辨率。如图2所示，正视摄影分辨率与无人机拍摄高度及挂载相机的像素尺寸之间的换算关系如下：

式中：D：正视摄影分辨率；

ccd：相机传感器大小；

H：拍摄高度；

d：相机焦距。

根据图2，设井盖直径为l，则无人机拍摄高度与相机云台角度的关系如下：

式中：α：无人机拍摄云台俯视角；

因为传感器尺寸ccd及焦距d远小于无人机拍摄高度，公式(2)可简化为：

步骤2中无人机定点拍摄井盖照片，可由人工手动控制无人机拍摄用于三维重建的井盖照片，步骤如下：

手动控制无人机起飞至步骤1所述窑井盖正上方；

调整无人机至合适拍摄高度；

拍摄俯视角度照片1张；

调整相机云台角度至俯视α度，拍摄一张照片；

按一个方向旋转无人机90°，共旋转3次，每旋转一次拍摄一张照片；

获取待测窑井盖5张照片后，即可进行窑井盖的三维重建。

步骤2中无人机定点拍摄井盖照片，可由无人机自动拍摄用于三维重建的井盖照片，步骤如下：

收集各种不同形状、大小及材质的道路窑井盖照片；

采用LabelImg或LabelMe等图片标准工具对窑井盖照片进行框选或点选标注；

采用YOLO系列或Yolact系列等深度学习算法对道路窑井盖照片样本进行训练，获取窑井盖目标分类或语义分割模型，将训练好的模型部署在无人机上；

无人机根据步骤1所确定的位置，自动飞到指定地点，根据窑井盖目标分类或语义分割识别结果锁定窑井盖准确位置；

根据井盖位置识别结果，及预先设置的拍摄高度与角度要求，无人机自动调整位置姿态，拍摄5张照片；

无人机的拍摄高度范围可为H米，拍摄角度为俯视α度。在确定的拍摄高度处拍摄一张俯视照片，调整相机云台为俯视α度拍摄一张照片。然后，无人机每旋转90°拍摄一张照片，共旋转三个90°。从而获得一张俯视照片及四个方位俯视α度的照片各一张，共5张照片用于窑井盖的三维重建。

可通过挂载五镜头倾斜相机，在固定的高度处拍摄一次，获得5张照片用于窑井盖的三维重建。

步骤3中无人机定点航拍照片三维重建方法包括：

基于航拍照片，提取图像特征点，根据特征点计算图像之间的特征匹配，基于匹配的特征进行稀疏重建，得到各个图像的相机位姿和稀疏的特征点云，基于相机位姿进行稠密重建，得到稠密点云，基于点云重建网格,其模型精度可达1mm，满足井盖高差测量要求。

基于无人机倾斜摄影影像、POS系统高精度定位和地面控制点，对倾斜影像进行空中三角测量与区域网联合平差，经过点云密集匹配、不规则三角网构建、纹理映射后完成三维建模，其模型精度可达0.5mm，满足井盖高差测量要求。

步骤4中窑井盖高差计算方法包括：

提取井盖三维点云高度坐标平均值与井盖周围路面点云高度坐标平均值之差即为井盖高差。

提取井盖上3个点高度坐标平均值与井盖周围路面3个点高度坐标平均值之差即为井盖高差。

作为优选实施例，在该实施例中具体包括以下步骤：

步骤一，基于百度地图、高德地图、谷歌地图、GIS等途径查询到的待测窑井盖的经纬度坐标，确定需要评估的窑井盖的准确位置，或通过路名及距离车道等位置描述给定井盖的准确位置。

步骤二，根据井盖现场周围环境特点及挂载相机传感器尺寸、焦距等参数，确定无人机航拍飞行高度与俯视角度。

步骤三，根据步骤二中计算的飞行高度H与俯视角度α，采用人工控制无人机飞行至井盖正上方，调整飞行高度至H悬停拍摄一张俯视照片，然后调整云台至角度α拍摄一张俯视照片。调整无人机飞行方向，水平顺时针旋转90°，拍摄第二张俯视照片，后每旋转90°拍摄一张俯视照片，共拍摄4张俯视照片，拍摄完成后收回无人机。此外，可采用人工智能的自动方法，拍摄井盖照片。其实施方式是，通过LabelImage或Labelme对网上收集到的井盖照片进行标注，然后基于标注的照片训练yolo系列井盖目标识别或yolact系列井盖语义分割神经网络模型，将该模型布置在无人机上，通过设计飞行高度、俯拍角度参数，无人机自动起飞，识别到井盖后锁定目标自动调整飞行高度后按设置的参数拍摄照片，拍摄完成后自动返回起飞地点或飞至下一个井盖监测点。

步骤四，根据航拍的井盖照片，可采用特征点匹配的方法进行三维建模。如无人机具备高精度定位功能，导入其POS系统高精度定位信息，采用倾斜摄影测量的方法建立井盖三维模型。

步骤五，根据井盖三维模型，提取井盖三维点云高度坐标平均值与井盖周围路面点云高度坐标平均值之差为井盖高差。或提取井盖上3个点高度坐标平均值与井盖周围路面3个点高度坐标平均值之差为井盖高差。

以上所述，仅为此发明的具体实施方式，但本发明的保护范围不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案和新型的构思加于等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于无人机定点航拍的道路窑井盖高差计算方法，其特征在于，所述方法包括以下步骤：

步骤1，确定需要计算的窑井盖高差的窑井盖所在位置；

步骤2，根据步骤1中待计算高差的窑井盖，采用无人机在井盖上方定点拍摄五张照片；

步骤3，将步骤2中无人机拍摄的照片进行三维重建；

步骤4，根据步骤3中航拍照片三维重建结果，计算窑井盖高差。

2.如权利要求1所述的一种基于无人机定点航拍的道路窑井盖高差计算方法，其特征在于，所述步骤1中窑井盖位置确定方法包括：

a.根据地图信息查询到的待测窑井盖的经纬度坐标；或

b.根据路名结合距离及车道位置信息；或

c.现场指定。

3.如权利要求1所述的一种基于无人机定点航拍的道路窑井盖高差计算方法，其特征在于，所述步骤2中无人机定点航拍在井盖自动识别与自动上方固定位置点，一次拍摄完成。

4.如权利要求1所述的一种基于无人机定点航拍的道路窑井盖高差计算方法，其特征在于所述步骤2中无人机拍摄方法如下：

1、无人机拍摄高度的确定，正视摄影分辨率与无人机拍摄高度及挂载相机的像素尺寸之间的换算关系如下：

式中，D：正视摄影分辨率；ccd：相机传感器大小；H：拍摄高度；d：相机焦距；

2、设井盖直径为l，则无人机拍摄高度与相机云台角度的关系如下：

式中，α为无人机拍摄云台俯视角；

因为传感器尺寸ccd及焦距d远小于无人机拍摄高度，公式(2)可简化为：

5.如权利要求1所述的一种基于无人机定点航拍的道路窑井盖高差计算方法，其特征在于，所述步骤2中，无人机手动拍摄方法如下：

(1)手动控制无人机起飞至步骤1所述窑井盖正上方；

(2)调整无人机拍摄高度；

(3)拍摄俯视角度照片一张；

(4)调整相机云台角度至俯视α度，拍摄一张照片；

(5)按一个方向旋转无人机90°，共旋转3次，每旋转一次拍摄一张照片。

6.如权利要求1所述的一种基于无人机定点航拍的道路窑井盖高差计算方法，其特征在于，所述步骤2中，无人机自动拍摄方法如下：

(1)收集各种不同形状、大小及材质的道路窑井盖照片；

(2)采用LabelImg或LabelMe图片标准工具对窑井盖照片进行框选或点选标注；

(3)采用YOLO系列或Yolact系列深度学习算法对道路窑井盖照片样本进行训练，获取窑井盖目标分类或语义分割模型，将训练好的模型部署在无人机上；

(4)无人机根据步骤1所确定的位置，自动飞到指定地点，根据窑井盖目标分类或语义分割识别结果锁定窑井盖准确位置；

(5)根据井盖位置识别结果，及预先设置的拍摄高度与角度要求，无人机自动调整位置姿态，拍摄5张照片；

(6)无人机的拍摄高度范围可为H米，拍摄角度为俯视α度，在确定的拍摄高度处拍摄一张俯视照片，调整相机云台为俯视α度拍摄一张照片，然后，无人机每旋转90°拍摄一张照片，共旋转三个90°，从而获得一张俯视照片及四个方位俯视α度的照片各一张，共5张照片用于窑井盖的三维重建。

7.如权利要求1所述的一种基于无人机定点航拍的道路窑井盖高差计算方法，其特征在于，所述步骤3具体方法如下：

(1)基于航拍照片，提取图像特征点，根据特征点计算图像之间的特征匹配，基于匹配的特征进行稀疏重建，得到各个图像的相机位姿和稀疏的特征点云，基于相机位姿进行稠密重建，得到稠密点云，基于点云重建网格；

(2)基于无人机倾斜摄影影像、POS系统高精度定位和地面控制点，对倾斜影像进行空中三角测量与区域网联合平差，经过点云密集匹配、不规则三角网构建、纹理映射后完成三维建模。

8.如权利要求1所述的一种基于无人机定点航拍的道路窑井盖高差计算方法，其特征在于，所述步骤4具体方法如下：

(1)提取井盖三维点云高度坐标平均值与井盖周围路面点云高度坐标平均值之差即为井盖高差；

(2)提取井盖上3个点高度坐标平均值与井盖周围路面3个点高度坐标平均值之差即为井盖高差。

Images