CN115790539A - 一种合作靶标水下摄影测量方法 - Google Patents
一种合作靶标水下摄影测量方法 Download PDFInfo
- Publication number
- CN115790539A CN115790539A CN202211469011.5A CN202211469011A CN115790539A CN 115790539 A CN115790539 A CN 115790539A CN 202211469011 A CN202211469011 A CN 202211469011A CN 115790539 A CN115790539 A CN 115790539A
- Authority
- CN
- China
- Prior art keywords
- target
- point
- underwater
- cooperative
- cooperative target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 106
- 238000005259 measurement Methods 0.000 claims abstract description 96
- 238000000605 extraction Methods 0.000 claims abstract description 48
- 238000012937 correction Methods 0.000 claims abstract description 44
- 230000005540 biological transmission Effects 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 38
- 238000013461 design Methods 0.000 claims description 21
- 238000013441 quality evaluation Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 230000008030 elimination Effects 0.000 claims description 7
- 238000003379 elimination reaction Methods 0.000 claims description 7
- 239000003550 marker Substances 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 abstract description 2
- 238000003384 imaging method Methods 0.000 description 6
- 239000012535 impurity Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- NRNCYVBFPDDJNE-UHFFFAOYSA-N pemoline Chemical compound O1C(N)=NC(=O)C1C1=CC=CC=C1 NRNCYVBFPDDJNE-UHFFFAOYSA-N 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Abstract
本申请涉及海洋测绘技术领域,提供一种合作靶标水下摄影测量方法,包括:基于多帧图像像素分类的特征点定位方法,从多帧水下靶标图像中确定测量特征点区域;其中,所述水下靶标图像包括被测物体与设置于所述被测物体上的合作靶标;基于迭代拟合透射点的标志点中心提取方法,从所述测量特征点区域确定合作靶标的中心点坐标观测值;基于合作靶标几何构型整体约束的靶标识别方法,对所述中心点坐标观测值进行修正,得到所述合作靶标的中心点坐标修正值;引入分层模型对所述中心点坐标修正值进行水下摄影测量解算,得到所述被测物体的几何信息。本申请无需依赖理想的水下条件即可提高水下摄影测量精度。
Description
技术领域
本申请涉及海洋测绘技术领域,具体涉及一种一种合作靶标水下摄影测量方法。
背景技术
近年来,随着我国经济的发展和工程建设水平的提高,出现了诸如深海空间站、跨海桥隧、海洋风电场等大型海洋工程。水下构筑物精密测量和病害检测是其安全运维的关键,要求高精度水下测量技术。将传统摄影测量技术应用于水下构筑物高精度测量将是一种可行的技术途径。摄影测量是利用光学摄影机获取的像片,经过处理以获取被摄物体的形状、大小、位置、特性及其相互关系。其基本原理是建立影像获取瞬间像点与对应物点之间所存在的几何关系。
水下摄影测量的关键是测量特征点的精确获取及水体折射改正,但现有方法多依赖理想的水下条件,无法保证在水质不利条件下的精度,当前水下摄影测量的精度低。
发明内容
本申请实施例提供一种合作靶标水下摄影测量方法,提高在水质不利条件下合作靶标的识别和提取精度,从而提高水下摄影测量精度。
本申请实施例提供一种合作靶标水下摄影测量方法,包括:
基于多帧图像像素分类的特征点定位方法,从多帧水下靶标图像中确定测量特征点区域;其中,所述水下靶标图像包括被测物体与设置于所述被测物体上的合作靶标;
基于迭代拟合透射点的标志点中心提取方法,从所述测量特征点区域确定合作靶标的中心点坐标观测值;
基于合作靶标几何构型整体约束的靶标识别方法,对所述中心点坐标观测值进行修正,得到所述合作靶标的中心点坐标修正值;
引入分层模型对所述中心点坐标修正值进行水下摄影测量解算,得到所述被测物体的几何信息。
在一个实施例中,所述基于多帧图像像素分类的特征点定位方法,从多帧水下靶标图像中确定测量特征点区域,包括:
连续采集多帧水下靶标图像;
基于灰度频率法对各所述水下靶标图像进行像素分类,得到分类结果;
根据所述分类结果进行多帧图像融合叠加定位特征点,得到测量特征点区域。
在一个实施例中,所述基于迭代拟合透射点的标志点中心提取方法,从所述测量特征点区域确定合作靶标的中心点坐标观测值,包括:
基于所述测量特征点区域获取测量标志的初始轮廓;
通过迭代拟合透射点,对所述初始轮廓进行标志点轮廓还原,得到目标轮廓;
基于最远点剔除的最小二乘标志点迭代提取法,对所述目标轮廓进行中心点提取,得到合作靶标的中心点坐标观测值。
在一个实施例中,所述通过迭代拟合透射点,对所述初始轮廓进行标志点轮廓还原,得到目标轮廓,包括:
确定所述初始轮廓中的透射点;
基于所述透射点对所述初始轮廓进行迭代拟合,得到目标轮廓。
在一个实施例中,所述透射点为波峰点。
在一个实施例中,所述基于合作靶标几何构型整体约束的靶标识别方法,对所述中心点坐标观测值进行修正,得到所述合作靶标的中心点坐标修正值,包括:
利用所述中心点坐标修正值与所述合作靶标的设计参数进行编码靶标识别,得到识别结果;
基于所述识别结果进行点云匹配,评估所述合作靶标的中心点坐标观测值的测量点位提取质量,得到质量评估结果;
基于所述质量评估结果,通过靶标整体约束修正所述合作靶标的中心点坐标观测值,得到所述合作靶标的中心点坐标修正值。
在一个实施例中,所述点云匹配的过程采用迭代最近点算法。
在一个实施例中,所述引入分层模型对所述中心点坐标修正值进行水下摄影测量解算,得到所述被测物体的几何信息,包括:
引入水体分层模型对所述中心点坐标修正值进行修正,得到修正参数;
利用所述修正参数进行摄影测量解算,得到所述被测物体的几何信息。
在一个实施例中,所述摄影测量解算的方法包括空间前方交会与空间后方交会。
在一个实施例中,所述几何信息包括面积、形状、相对位姿中的至少一项。
本申请实施例提供的合作靶标水下摄影测量方法,基于多帧图像像素分类的特征点定位方法,从多帧水下靶标图像中确定测量特征点区域,可以提高水质不利条件下合作靶标测量特征点定位鲁棒性和准确性;基于迭代拟合透射点的标志点中心提取方法,从测量特征点区域确定合作靶标的中心点坐标观测值,可以提高水质不利条件下测量特征点中心提取精度;基于合作靶标几何构型整体约束的靶标识别方法,对中心点坐标观测值进行修正,可以提高靶标整体识别精度;引入分层模型对中心点坐标修正值进行水下摄影测量解算,得到被测物体的几何信息,可以提高解算精度。因此,无需依赖理想的水下条件即可提高水下摄影测量精度。
附图说明
为了更清楚地说明本申请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一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的合作靶标水下摄影测量方法的流程示意图之一;
图2是本申请实施例提供的合作靶标水下摄影测量方法的流程示意图之二;
图3是本申请实施例提供的合作靶标水下摄影测量方法的测量场景示意图之一;
图4是本申请实施例提供的合作靶标水下摄影测量方法的流程示意图之三;
图5是本申请实施例提供的合作靶标水下摄影测量方法的流程示意图之四;
图6是本申请实施例提供的合作靶标水下摄影测量方法的测量场景示意图之二;
图7是本申请实施例提供的合作靶标水下摄影测量方法的流程示意图之五;
图8是本申请实施例提供的合作靶标水下摄影测量方法的水下摄影测量技术路线图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
申请人在创造性本申请的过程中,考虑了如下方面:
水下摄影测量是一种典型多介质摄影测量。对水中物体进行观测时,光线进入相机会在两种介质的分界面发生折射,从而影响成像。这与空气中摄影测量存在较大差异,表现在水体及其杂质、悬浮物等对光的折射、散射和遮挡等问题,导致成像质量差、作用距离短和图像畸变等。
摄影测量解算需要用到特征点,特征点是图像上具有确定的、明显表现(或特殊性质)的像点。
水下通常缺少天然的、具有明显纹理参照物,所得图像缺乏特征点,为了提高测量精度,可采用高精度的人工合作靶标。合作靶标是一种包含人工标志的辅助测量装置,通过外界激发或自身发光能够和背景产生反差,更容易被识别和提取。人工标志的种类有很多,按照发光形式可分为主动和被动标志;从形状上可以分为平面型和立体型。人工标志的种类和几何构型可根据测量对象和测量环境设计。
靶标测量特征点定位是从获取的靶标图像中判断测量标志点的区域,在传统摄影测量中一般采用提取图像中亮度相对高且聚集区域的策略。但水中杂质及浮游生物会遮挡测量特征点,导致特征点被遮挡区域亮度降低,破坏了特征点图像原有的完整性和聚集性,使得传统策略失效。
并且这种遮挡在水体流动或生物移动的特性下,其对成像的影响表现为在不同时刻将影响图像上不同位置,即使对被测物连续成像,其图像前后帧也存在不同的遮挡问题,当前测量特征点提取方法以单帧图像提取为主,这导致特征点提取不鲁棒,提取区域不准确
靶标测量标志点中心是指靶标中测量标志的物理中心,是靶标设计时确定的测量标志点的代表点,靶标生产后这个点在靶标上有准确的坐标。靶标测量标志点中心提取的目的是通过获取的靶标图像,得到测量特征点的区域后,基于这个区域进行其中心点的计算,由于水体对成像的影响,靶标测量标志点的所在区域并不是一个标准形状,其中心点的提取通常采用先检测轮廓再拟合的方法,如霍夫圆检测法、最小二乘拟合法等,以上方法适用于准确成像、边缘规则的靶标图像。但标志点成像时由于受到水体散射影响,得到的测量特征点区域存在缺失,和真值存在差异,现有方法基于错误区域提取中心点,结果不可靠。
基于上述考虑,申请人提出了本申请的各实施例。
下面结合实施例对本发明提供的合作靶标水下摄影测量方法进行详细描述。
图1为本申请实施例提供的合作靶标水下摄影测量方法的流程示意图之一。参照图1,本申请实施例提供一种合作靶标水下摄影测量方法,该方法可以包括:
步骤S100,基于多帧图像像素分类的特征点定位方法,从多帧水下靶标图像中确定测量特征点区域;
需要说明的是,本申请实施例提供的合作靶标水下摄影测量方法的执行主体可以是计算机设备,例如手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等。
其中,水下靶标图像中包括被测物体,以及设置于被测物体上的合作靶标。
合作靶标可以是主动光源靶标或被动光源靶标,靶标上测量标志点按照一定已知几何规则布设。在测量过程中,测量标志点可以作为测量特征点。
并且,合作靶标上的测量标志点的半径可以不同,以便于后续在测量过程中进行测量标志点(特征点)的编号识别。
需要说明的是,本申请中的水下靶标图像,可以为通过相机在对水下被测物体进行拍摄得到,并且被测物体上预先设置有合作靶标。
测量用合作靶标上安装一定规则布设的摄影测量标志,这些测量标志在靶标中的坐标(Xi,Yi,Zi)为已知量,可以通过其它测量方法得到。相机获取水下靶标图像,可以在后续通过提取图像中的测量标志点作为测量特征点,结合水体多介质折射改正,进行摄影位姿解算。
其中,每帧水下靶标图像均由多个像素点组成,并且每一像素点都具有相应的像素灰度值。由于本申请中的一组多帧水下靶标图像为在同一位置拍摄的多组图像,因此每一像素点在多组图像中分别对应有一个像素灰度值。
测量特征点区域为通过识别测量标志点得到的高亮区域。
本申请中通过采用一定时间间隔内连续获取的多帧图像,通过灰度频率法识别高频出现的较亮特征点区域,将不同时刻下识别的测量特征点区域叠加,实现特征点定位。
利用包含合作靶标的多帧图像叠加,提高水质不利条件下测量特征点的定位鲁棒性和准确性。
步骤S200,基于迭代拟合透射点的标志点中心提取方法,从测量特征点区域确定合作靶标的中心点坐标观测值;
本申请中采用一种基于迭代拟合透射点的特征点中心提取方法。首先提取测量特征点区域中测量特征点的初始轮廓,检测轮廓的波峰波谷,将波峰点定义为透射点。然后迭代拟合透射点还原标志点轮廓,得到最优轮廓。
并且,上述步骤,可以得到测量特征点区域中各测量特征点的最优轮廓。
进一步地,通过基于最远点剔除的最小二乘椭圆拟合迭代提取方法,确定出各最优轮廓对应测量特征点的中心坐标作为合作靶标的中心点坐标观测值。
步骤S300,基于合作靶标几何构型整体约束的靶标识别方法,对中心点坐标观测值进行修正,得到合作靶标的中心点坐标修正值;
本申请中基于合作靶标几何构型整体约束的靶标识别方法,可以包括利用设计参数进行编码靶标识别、点云匹配评估测量点位提取质量、通过靶标整体约束修正测量标志中心点等处理过程。
其中,点云匹配的过程可以采用迭代最近点算法。
迭代最近点算法是最为经典的数据配准算法,通过求取源点云和目标点云之间的对应点对,基于对应点对构造旋转平移矩阵,并利用所求矩阵,将源点云变换到目标点云的坐标系下,估计变换后源点云与目标点云的误差函数,若误差函数值大于阀值,则迭代进行上述运算直到满足给定的误差要求。
需要说明的是,合作靶标中每一作为测量特征点的测量标志点,在合作靶标上的坐标值均为已知的坐标设计值。并且合作靶标中的每一测量标志点均对应一个编号。
中心点坐标修正值即对中心点坐标观测值进行修正得到的值。
步骤S400,引入分层模型对中心点坐标修正值进行水下摄影测量解算,得到被测物体的几何信息。
本申请中可以引入水体分层模型对中心点坐标修正值进行修正,得到修正参数。
进一步可以利用修正参数进行摄影测量解算,得到被测物体的几何信息。
其中,几何信息包括面积、形状、相对位姿中的至少一项。
摄影测量解算的方法包括空间前方交会与空间后方交会。
空间前方交会,是指恢复立体像对摄影时的光束和建立几何模型后,利用同名光线的交会确定模型点空间位置的方法。
空间后方交会,是指利用航摄像片上三个以上不在一条直线上的控制点按共线方程计算该像片外方位元素的方法。
本申请可以利用单目相机,结合合作靶标上测量特征点的坐标及对应的图像中心坐标进行空间后方交会解算得到相机位姿。
进一步地,可以通过两两相机的已知内外方位元素,通过空间前方交会,计算靶标特征点坐标或被测物三维坐标,以便于后续可以进一步确定被测物的面积大小、形状、相对位姿等几何信息。
本申请实施例提供的合作靶标水下摄影测量方法,基于多帧图像像素分类的特征点定位方法,从多帧水下靶标图像中确定测量特征点区域,可以提高水质不利条件下合作靶标测量特征点定位鲁棒性和准确性;基于迭代拟合透射点的标志点中心提取方法,从测量特征点区域确定合作靶标的中心点坐标观测值,可以提高水质不利条件下测量特征点中心提取精度;基于合作靶标几何构型整体约束的靶标识别方法,对中心点坐标观测值进行修正,可以提高靶标整体识别精度;引入分层模型对中心点坐标修正值进行水下摄影测量解算,得到被测物体的几何信息,可以提高解算精度。因此,无需依赖理想的水下条件即可提高水下摄影测量精度。
图2为本申请实施例提供的合作靶标水下摄影测量方法的流程示意图之二。参照图2,在一个实施例中,基于多帧图像像素分类的特征点定位方法,从多帧水下靶标图像中确定测量特征点区域,包括:
步骤S101,连续采集多帧水下靶标图像;
本申请中可以为根据预先设定的时间间隔在固定位置连续拍摄的多帧水下靶标图像。并且可以分别在不同的位置拍摄多组水下靶标图像。具体的图像帧数可以根据实际需求设置。
其中,相机可以是单目和/或多目相机。
其中,单目相机可以和合作靶标上的多个已知坐标的测量特征点解算得到相机的坐标位姿。
多目相机可以根据相机的已知位置和姿态测量计算得到靶标上测量特征点或被测物的坐标。
采用一定时间间隔内获取的N帧图像,其中N为可以根据实际需求设置的值,并且可根据采集图像直方图剔除过曝、欠曝等不可用图像。
图3为本申请实施例提供的合作靶标水下摄影测量方法的测量场景示意图之一,如图3所示,本申请中的相机设置于防水仓,并通过相机对设置有合作靶标的被测物体进行拍摄,合作靶标放置在被测物特定位置。
其中,合作靶标中摄影测量标志点可以如图3所示设置。
测量时,利用相机获取水中合作靶标的图像,基于图像提取合作靶标上的测量标志点作为测量特征点,结合水体光学特性(如折射率等参数),通过摄影测量前方交会或后方交会解算得到被测物体的大小、形状以及相对位姿关系等。
步骤S102,基于灰度频率法对各水下靶标图像进行像素分类,得到分类结果;
通过灰度频率法对各水下靶标图像进行像素分类,包括:计算多帧水下靶标图像的灰度均值,将灰度均值的直方图中频率前两位所对应灰度的平均值作为判断像素属性的阈值。
遍历水下靶标图像上所有位置像素在图像序列中的灰度值,为每个位置的像素建立一个灰度值列表。
将灰度值列表和上述阈值比较,统计大于阈值的频率及满足条件对应的灰度值,频率大于0.9为高频出现的较亮区域,判定为特征点,反之判定为杂质。
由此得到分类结果。
步骤S103,根据分类结果进行多帧图像融合叠加定位特征点,得到测量特征点区域。
通过分类结果对水下靶标图像中的各像素重新赋值,特征点取值为满足条件灰度值的平均值,杂质灰度值设为0。
遍历图像全部像素,重新赋值后得到每帧水下靶标图像中合作靶标的测量特征点区域。
通过将不同时刻下的水下靶标图像的测量特征点区域进行融合叠加,得到高亮的测量特征点区域。
本实施例通过利用基于合作靶标的多帧图像叠加增强,可以提高测量特征点的定位鲁棒性和准确性,从而提高水下摄影测量的精度。
图4为本申请实施例提供的合作靶标水下摄影测量方法的流程示意图之三。参照图4,在一个实施例中,基于迭代拟合透射点的标志点中心提取方法,从测量特征点区域确定合作靶标的中心点坐标观测值,包括:
步骤S201,基于测量特征点区域获取测量标志的初始轮廓;
本申请在得到测量特征点区域后,可以提取测量特征点区域中各个给定区域的轮廓作为测量标志的初始轮廓。
步骤S202,通过迭代拟合透射点,对初始轮廓进行标志点轮廓还原,得到目标轮廓;
对于每个给定的特征点区域,本申请中可以通过迭代拟合透射点逐步还原初始轮廓的测量特征点图像,获得最优靶标轮廓作为目标轮廓。
进一步地,通过迭代拟合透射点,对初始轮廓进行标志点轮廓还原,得到目标轮廓,包括:
步骤S2021,确定初始轮廓中的透射点;
本申请中可以从初始轮廓中检测波峰波谷。
由于初始轮廓中波峰处光线透射率高,称为透射点;因此将初始轮廓中的波峰点确定为透射点。理论上,波峰越高光线透射率越大,越接近真实轮廓。
因此,可以将各波峰点确定为初始轮廓的透射点。
步骤S2022,基于透射点对初始轮廓进行迭代拟合,得到目标轮廓。
在不足S2022中,可以平滑连接初始轮廓中的透射点,得到首次拟合轮廓,该首次拟合轮廓中依旧存在波峰和波谷,并且初始轮廓中波峰较高的点拟合后仍为波峰,因此只需不断拟合透射点,当拟合的轮廓中不存在波谷时,说明已最大程度上接近真实边缘,迭代完成,得到该给定区域的最优轮廓。
本申请中还可以在首次拟合时将散射点(波谷点)进行拟合,得到初始拟合轮廓。然后计算所有波峰点到首次拟合轮廓的距离,所得结果越大,说明波峰越高,越接近真实轮廓。因此选取距离值最大的波峰点(至少三个点)进行椭圆拟合即可。
步骤S203,基于最远点剔除的最小二乘标志点迭代提取法,对目标轮廓进行中心点提取,得到合作靶标的中心点坐标观测值。
在得到目标轮廓后,本申请可以通过传统的最小二乘椭圆拟合迭代提取方法,确定出目标轮廓的中点坐标作为测量特征点初始的中心坐标。
通过基于最远点剔除的最小二乘标志点迭代提取法对初始的中心点坐标进行迭代提取,得到合作靶标的中心点坐标观测值。
通过基于最远点剔除的最小二乘标志点迭代提取法的迭代判断条件依据下文中的测量点位质量评估得到。
其中,通过基于最远点剔除的最小二乘标志点迭代提取法迭代提取中心点坐标的具体过程,可以参见后续的详细描述步骤,此处暂不进行详述。
本实施例利用迭代拟合透射点还原测量特征点的轮廓,可以提高测量特征点的中心提取精度,进而提高水下摄影测量的精度。
图5为本申请实施例提供的合作靶标水下摄影测量方法的流程示意图之四。参照图5,在一个实施例中,于合作靶标几何构型整体约束的靶标识别方法,对中心点坐标观测值进行修正,得到合作靶标的中心点坐标修正值,包括:
步骤S301,利用中心点坐标修正值与合作靶标的设计参数进行编码靶标识别,得到识别结果;
在一些实施例中,本申请合作靶标采用圆形标志,定义如下:
合作靶标包含m*n个测量标志点,以4*4的靶标为例:测量标志点包含两种半径大小的圆,用于靶标编码,大圆分布在合作靶标的四角,其余位置均为小圆。所有测量标志点位于相互垂直、间距相等的虚拟网格的交点上。设计参数见表1,定义所有测量标志点共面,Z轴垂直靶标平面,每个测量标志点包含编号、半径以及在靶标中坐标(Xi,Yi,Zi)。
表1
本申请中可以根据靶标编码识别,得到提取的测量特征点编号,保证解算时像点和物点相匹配。设合作靶标包含m行n列测量标志点,大圆半径为R、小圆半径为r、圆与圆之间的间距为a。以3*3的靶标为例,根据合作靶标的设计参数进行靶标识别:
基于测量特征点区域提取的中心坐标为(xi,yi),半径为Ri;
根据目标轮廓确定测量特征点对应的圆的半径;
根据圆的半径比例划分大圆和小圆,至少需要找到三个大圆,并根据横纵坐标的大小确定大圆的编号;
根据大圆的图像坐标框选出合作靶标范围;
将框选范围等分为m行n列的网格,每个网格点为标志点的理论位置,并根据设计参数确定理论位置所对应的小圆编号;
以网格点为中心选取一定大小的检索区域,搜索区域内最接近网格中心的圆,将搜索到的坐标作为该编号位置的结果,得到识别结果。
步骤S302,基于识别结果进行点云匹配,评估合作靶标的中心点坐标观测值的测量点位提取质量,得到质量评估结果;
在得到包括测量特征点的编号信息的识别结果后,可以根据合作靶标的靶标设计参数,确定出各编号对应的测量特征点的坐标设计值。
进一步地,可以通过点云匹配获得特征点提取偏差,通过设置残差评估特征点位提取质量。
本申请中可以利用靶标设计参数作为不变量,通过点云匹配等方法得到合作靶标中测量特征点中心坐标的偏差,匹配后的点位残差用于评估测量点位的提取质量,得到质量评估结果作为是否符合进行整体约束的条件。
具体地,可以将基于测量特征点区域提取的中心坐标构成的识别靶标表示为A(xi,yi),确定合作靶标中相应测量特征点的坐标设计值在二维平面上的投影为B(Xi,Yi)。将A、B进行点云匹配(如ICP匹配),用点位残差Δi和整体残差评估识别靶标的点位提取质量,得到质量评估结果。
点位残差为配准后测量特征点的中心坐标和坐标设计值的差值,整体残差描述靶标整体偏差,作为是否符合进行整体约束的条件。通过设置不同的残差阈值(error、ΔMIN、ΔMAX),作为迭代提取靶标中心点的依据。
步骤S303,基于质量评估结果,通过靶标整体约束修正合作靶标的中心点坐标观测值,得到合作靶标的中心点坐标修正值。
在步骤S303的质量评估结果中,中心坐标A(xi,yi)为初始值,经首次匹配后,若errork小于阈值error,说明识别靶标整体精度符合要求,直接输出A;反之迭代提取测量特征点的中心坐标,修正合作靶标的中心点坐标观测值,得到合作靶标的中心点坐标修正值,以提高靶标识别精度。
对于单个测量特征点,若Δi>ΔMAX,说明该点误差较大,剔除该点;若ΔMIN<Δi>ΔMAX,则重新提取其中心坐标,修正合作靶标的中心点坐标观测值,得到合作靶标的中心点坐标修正值,以提高靶标识别精度;若ΔMIN>Δi,说明该点提取精度较好,坐标值不变。
本申请采用基于最远点剔除的最小二乘标志点迭代提取法迭代提取中心点。参照图6,图6为本申请实施例提供的合作靶标水下摄影测量方法的测量场景示意图之二。如图6(a)所示,o为基于最优轮廓进行椭圆拟合得到的中心坐标,o’为点云配准后同一点的坐标设计值,偏差为一个矢量,具有长度和方向。为了提高靶标整体精度,理论上o点应向方向偏移。方法如图6(b)所示:过o’作oo’的垂线L,以L为起点,计算方向上所有拟合点到L的距离,只需剔除距L最远的点,便能使o向移动。剔除该点后对拟合点重新进行最小二乘椭圆拟合即可得到新的中心坐标。
重复执行上述步骤迭代提取靶标中心点,直至满足收敛条件errork<error,输出点位修正后的识别靶标;若无法收敛,则当迭代次数n达到最大迭代次数N时停止。
需要说明的是,对于满足整体残差阈值的合作靶标,还可以结合设计参数对识别靶标进行整体修正。修正方法不限,但需综合识别靶标和设计值的结果,例如将两者的最小二乘拟合值作为最终结果,也可直接取两者点云匹配后坐标的平均值或根据一定权重分配等。
本实施例利用合作靶标的设计参数迭代提取靶标中的测量特征点的中心坐标,以提高靶标识别精度,进而提高水下摄影测量的精度。
图7为本申请实施例提供的合作靶标水下摄影测量方法的流程示意图之五,包括:
步骤S401,引入水体分层模型对中心点坐标修正值进行修正,得到修正参数;
本申请中的水体分层模型可以包括水体分层折射模型。
引入传统的水体分层折射模型,对提取的水下靶标图像中测量特征点的中心点坐标修正值进行进一步修正,得到修正参数。
具体地,可以设测量特征点的中心坐标为(x,y),水体分为n层,n1~nn为每层水体的折射率,d1~dn为每层水体的高度,进而根据如下公式可以计算出修正后的中心坐标并确定为修正参数:
其中,Ri=f(r,d,f),r为初始靶标坐标到相机主光轴的距离,d为每层水体分界面到相平面的距离,f为相机的主距。
进一步地,本申请中还可以对相机主距进行修正,相机主距修正值的一般表达式为:
其中,相机主距的初始值f1为已知量,np为第n层水体折射率和第n-1层折射率的比值。
步骤S402,利用修正参数进行摄影测量解算,得到被测物体的几何信息。
利用合作靶标图像上提取的摄影测量特征点即修正参数,结合靶标坐标和相机内参构建共线方程,通过后方交会求解相机位姿;利用立体像对上提取的同名像点,结合相机相对定向参数,通过前方交会求解靶标上特征点或被测物的空间坐标。
具体地,摄影测量前方、后方交会利用特征点图像坐标(xm,ym)和对应的三维坐标(X,Y,Z),建立共线条件方程,求解相机或被测物的坐标,共线方程形式如下:
其中(x0,y0)、fn为相机内方位元素,均为已知量。(ai,bi,ci)为相机角元素构成的旋转矩阵。
进一步地,可以根据测物的坐标进一步确定出被测物的面积大小、形状、相对位姿等几何信息。
本申请中引入水体分层模型修正解算参数,可以减小水体多介质折射影响,提高水下摄影测量的精度。
参照图8,图8为本申请实施例提供的合作靶标水下摄影测量方法的水下摄影测量技术路线图。
如图8所示:本申请中的水下摄影测量技术路线可以包括:
水下靶标图像获取:测量用合作靶标上安装一定规则布设的摄影测量标志,这些测量标志在靶标中的坐标(Xi,Yi,Zi)为已知量,可以通过其它测量方法得到。相机获取靶标图像,通过提取图像中的测量标志点,结合水体多介质折射改正,进行摄影位姿解算。
摄影测量特征点定位:采用一种基于多帧图像像素分类的特征点定位方法。首先使用相机在一定时间间隔内连续采集多帧水下靶标图像,通过评估图像灰度直方图剔除错误图像;然后通过灰度频率法进行像素分类,具体地,逐一遍历单个像素在每幅图像上的灰度值,将该灰度值序列和设定的阈值对比,统计超过阈值的频率,根据统计结果判断该像素属于何种类型(标志点或杂质);最后进行多帧图像融合叠加定位特征点,具体为根据像素类型重新赋值,将不同时刻下识别测量特征的可见部分叠加,得到高亮的标志点区域,完成特征点定位。
摄影测量特征点中心提取:采用一种基于迭代拟合透射点的特征点中心提取方法。首先提取测量标志初始轮廓,检测初始轮廓的波峰波谷,将波峰点定义为透射点,然后迭代拟合透射点还原标志点轮廓,得到最优轮廓。最后根据下文靶标识别中的点位提取质量评估结果,调整中心点提取算法参数,采用一种基于最远点剔除的最小二乘椭圆拟合方法迭代提取、修正特征点中心坐标。
靶标识别:采用一种基于合作靶标几何构型整体约束的靶标识别方法。通过靶标编码识别获得提取的测量特征点的编号,首先根据标志点的设计值(半径、分布)确定合作靶标范围,然后根据靶标的几何构型,得到特征点理论位置,最后以理论位置为中心通过最邻近目标检索方法确定每个特征点的编号。将由特征点中心提取的合作靶标观测值和设计参数进行点云匹配,用点位残差和整体残差评估靶标提取质量,根据点位评估结果,采用基于最远点剔除的最小二乘椭圆拟合法迭代提取靶标中心点。最后,对满足整体残差阈值的识别靶标,利用合作靶标几何构型对识别靶标进行整体约束,修正测量特征点位。
摄影测量解算:通过引入水体分层模型的水下摄影测量解算,具体地,引入水体分层模型修正解算参数,修正由图像处理得到的靶标特征点坐标以及相机主距等解算参数,将修正后的参数带入摄影测量后方交会、前方交会解算方程进行摄影测量解算,得到被测物的形状、大小以及相对位姿。
本申请对于传统的水下摄影测量技术,至少具有以下优势:
多帧图像叠加提高了水质不利条件下特征点定位鲁棒性和准确性;
特征点定位方法能去除图像中的杂质,提升图像质量;
基于多帧图像,采用阈值法判断像素属性,分类精细度高,提高了准确性;
将出现频率作为特征点的判断依据,符合经验,可靠性更高;
采用透射点拟合方法还原特征点区域,提取精度更高;
特征点中心提取算法可用于不规则图形的提取,算法适应性好;
迭代提取测量标志透射点获得最优轮廓,提取精度更高;
利用设计值评估识别靶标测量点位提取质量,保证结果可靠性;
设置最大点位残差阈值,剔除离群点,提高整体解算精度;
采用基于最远点剔除的最小二乘椭圆拟合方法迭代提取靶标中心点,提高靶标识别精度;
利用合作靶标几何构型对合作靶标整体修正,进一步提高靶标识别精度;
整体约束方法根据已知条件修正,无需引入新参数,方便有效;
合作靶标经过精密设计、结构稳定,不易受到环境影响,作为约束条件稳定性好;
通过引入水体分层模型修正解算参数,减小了由水体多介质折射导致的解算误差;
通过解决水体不利条件下合作靶标提取精度,结合水体分层折射模型修正解算结果,实现高精度水下摄影测量。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种合作靶标水下摄影测量方法,其特征在于,包括:
基于多帧图像像素分类的特征点定位方法,从多帧水下靶标图像中确定测量特征点区域;其中,所述水下靶标图像包括被测物体与设置于所述被测物体上的合作靶标;
基于迭代拟合透射点的标志点中心提取方法,从所述测量特征点区域确定合作靶标的中心点坐标观测值;
基于合作靶标几何构型整体约束的靶标识别方法,对所述中心点坐标观测值进行修正,得到所述合作靶标的中心点坐标修正值;
引入分层模型对所述中心点坐标修正值进行水下摄影测量解算,得到所述被测物体的几何信息。
2.根据权利要求1所述的合作靶标水下摄影测量方法,其特征在于,所述基于多帧图像像素分类的特征点定位方法,从多帧水下靶标图像中确定测量特征点区域,包括:
连续采集多帧水下靶标图像;
基于灰度频率法对各所述水下靶标图像进行像素分类,得到分类结果;
根据所述分类结果进行多帧图像融合叠加定位特征点,得到测量特征点区域。
3.根据权利要求1所述的合作靶标水下摄影测量方法,其特征在于,所述基于迭代拟合透射点的标志点中心提取方法,从所述测量特征点区域确定合作靶标的中心点坐标观测值,包括:
基于所述测量特征点区域获取测量标志的初始轮廓;
通过迭代拟合透射点,对所述初始轮廓进行标志点轮廓还原,得到目标轮廓;
基于最远点剔除的最小二乘标志点迭代提取法,对所述目标轮廓进行中心点提取,得到合作靶标的中心点坐标观测值。
4.根据权利要求3所述的合作靶标水下摄影测量方法,其特征在于,所述通过迭代拟合透射点,对所述初始轮廓进行标志点轮廓还原,得到目标轮廓,包括:
确定所述初始轮廓中的透射点;
基于所述透射点对所述初始轮廓进行迭代拟合,得到目标轮廓。
5.根据权利要求4所述的合作靶标水下摄影测量方法,其特征在于,所述透射点为波峰点。
6.根据权利要求1所述的合作靶标水下摄影测量方法,其特征在于,所述基于合作靶标几何构型整体约束的靶标识别方法,对所述中心点坐标观测值进行修正,得到所述合作靶标的中心点坐标修正值,包括:
利用所述中心点坐标修正值与所述合作靶标的设计参数进行编码靶标识别,得到识别结果;
基于所述识别结果进行点云匹配,评估所述合作靶标的中心点坐标观测值的测量点位提取质量,得到质量评估结果;
基于所述质量评估结果,通过靶标整体约束修正所述合作靶标的中心点坐标观测值,得到所述合作靶标的中心点坐标修正值。
7.根据权利要求6所述的合作靶标水下摄影测量方法,其特征在于,所述点云匹配的过程采用迭代最近点算法。
8.根据权利要求1所述的合作靶标水下摄影测量方法,其特征在于,所述引入分层模型对所述中心点坐标修正值进行水下摄影测量解算,得到所述被测物体的几何信息,包括:
引入水体分层模型对所述中心点坐标修正值进行修正,得到修正参数;
利用所述修正参数进行摄影测量解算,得到所述被测物体的几何信息。
9.根据权利要求8所述的合作靶标水下摄影测量方法,其特征在于,所述摄影测量解算的方法包括空间前方交会与空间后方交会。
10.根据权利要求1所述的合作靶标水下摄影测量方法,其特征在于,所述几何信息包括面积、形状、相对位姿中的至少一项。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211469011.5A CN115790539B (zh) | 2022-11-22 | 2022-11-22 | 一种合作靶标水下摄影测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211469011.5A CN115790539B (zh) | 2022-11-22 | 2022-11-22 | 一种合作靶标水下摄影测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115790539A true CN115790539A (zh) | 2023-03-14 |
CN115790539B CN115790539B (zh) | 2024-02-13 |
Family
ID=85440205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211469011.5A Active CN115790539B (zh) | 2022-11-22 | 2022-11-22 | 一种合作靶标水下摄影测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115790539B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024032663A1 (zh) * | 2022-08-11 | 2024-02-15 | 深圳大学 | 水下摄影测量沉管管节对接测量方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921936A (zh) * | 2018-06-08 | 2018-11-30 | 上海大学 | 一种基于光场模型的水下激光条纹匹配和立体重建方法 |
CN109631787A (zh) * | 2018-12-27 | 2019-04-16 | 长安大学 | 透射式靶标图像的光斑中心检测方法及桥梁挠度图像式检测装置 |
CN110260820A (zh) * | 2019-04-29 | 2019-09-20 | 上海大学 | 基于动态参考坐标系的水下双目立体视觉测量系统及方法 |
CN111915678A (zh) * | 2020-07-17 | 2020-11-10 | 哈尔滨工程大学 | 一种基于深度学习的水下单目视觉目标深度定位融合估计方法 |
CN112700501A (zh) * | 2020-12-12 | 2021-04-23 | 西北工业大学 | 一种水下单目亚像素相对位姿估计方法 |
-
2022
- 2022-11-22 CN CN202211469011.5A patent/CN115790539B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921936A (zh) * | 2018-06-08 | 2018-11-30 | 上海大学 | 一种基于光场模型的水下激光条纹匹配和立体重建方法 |
CN109631787A (zh) * | 2018-12-27 | 2019-04-16 | 长安大学 | 透射式靶标图像的光斑中心检测方法及桥梁挠度图像式检测装置 |
CN110260820A (zh) * | 2019-04-29 | 2019-09-20 | 上海大学 | 基于动态参考坐标系的水下双目立体视觉测量系统及方法 |
CN111915678A (zh) * | 2020-07-17 | 2020-11-10 | 哈尔滨工程大学 | 一种基于深度学习的水下单目视觉目标深度定位融合估计方法 |
CN112700501A (zh) * | 2020-12-12 | 2021-04-23 | 西北工业大学 | 一种水下单目亚像素相对位姿估计方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024032663A1 (zh) * | 2022-08-11 | 2024-02-15 | 深圳大学 | 水下摄影测量沉管管节对接测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115790539B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110264567B (zh) | 一种基于标记点的实时三维建模方法 | |
Zhou et al. | Seamless fusion of LiDAR and aerial imagery for building extraction | |
CN107392929B (zh) | 一种基于人眼视觉模型的智能化目标检测及尺寸测量方法 | |
CN106650701B (zh) | 基于双目视觉的室内阴影环境下障碍物检测方法及装置 | |
CN111709985B (zh) | 一种基于双目视觉的水下目标测距方法 | |
CN109727278A (zh) | 一种机载LiDAR点云数据与航空影像的自动配准方法 | |
CN114332348B (zh) | 一种融合激光雷达与图像数据的轨道三维重建方法 | |
CN110533774B (zh) | 一种基于智能手机的三维模型重建方法 | |
CN111915517A (zh) | 一种适用于室内光照不利环境下rgb-d相机全局定位方法 | |
CN113971768A (zh) | 一种基于无人机的输电线路违章建筑三维动态检测方法 | |
CN112946679B (zh) | 一种基于人工智能的无人机测绘果冻效应检测方法及系统 | |
CN113049184A (zh) | 一种质心测量方法、设备及存储介质 | |
CN111998862A (zh) | 一种基于bnn的稠密双目slam方法 | |
CN115790539B (zh) | 一种合作靶标水下摄影测量方法 | |
CN115032648A (zh) | 一种基于激光雷达密集点云的三维目标识别与定位方法 | |
CN110851978B (zh) | 一种基于可见性的摄像机位置优化方法 | |
Guo et al. | Extraction of dense urban buildings from photogrammetric and LiDAR point clouds | |
CN116452852A (zh) | 一种高精度矢量地图的自动生成方法 | |
CN110929782A (zh) | 一种基于正射影像图对比的河道异常检测方法 | |
CN112767459A (zh) | 基于2d-3d转换的无人机激光点云与序列影像配准方法 | |
CN107765257A (zh) | 一种基于反射强度辅助外部校准的激光探测与测量方法 | |
CN116994012A (zh) | 一种基于生态修复的图斑匹配系统及匹配方法 | |
CN109785388B (zh) | 一种基于双目摄像头的短距离精确相对定位方法 | |
CN116563377A (zh) | 一种基于半球投影模型的火星岩石测量方法 | |
CN114608522B (zh) | 一种基于视觉的障碍物识别与测距方法 |
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 |