基于无人机快速影像回传与历史影像比对分析方法及系统与流程

阅读：评论：0

1.本发明属于图像处理技术领域，特别涉及一种基于无人机快速影像回传与历史影像比对分析方法及系统。

背景技术：

2.随着我国近几年经济水平的不断发展，各行各业对于遥感影像数据的要求也越来越高，人们开始追求精准度更高、更加具有时效性的信息，而曾经被广泛应用的传统卫星遥感技术因为高度和天气等条件的限制逐渐被人们冷落，无人机由于具有成本低和起降灵活等特点被人们作为卫星遥感技术的辅助应用起来。
3.无人机低空遥感技术是传统卫星摄影测量手段的延续和补充，主要的特点体现在首先能在低空飞行，能够自主飞行并且自动导航，是目前野外地理信息数据采集技术中最先进的手段之一。其次所携带的摄影设备体积较小，并且虽然体积小，但是所拍摄的影像彩却鲜明，分辨率也比较高。除了以上的优点之外，无人机低空摄影测量还具有操作灵活、提高工作效率、事故发生率小等诸多优势。
4.无人机影像由于单幅影像视野有限，多幅影像之间重叠区域较大的特点，一般需要先完成影像序列的全景拼接，才能应用到实际中。并且无人机因为在低空作业，很容易受到气流和风速的影响，这样也就使得无人机飞行的方向和角度产生偏差，飞行轨迹不稳定。而且无人机上搭载的摄影设备都是不含测量性质的相机，这样在进行摄影的时候会出现图像畸变得情况，为后期的影像处理带来困难。
5.为了快速获取目标区域的整体信息，实现无人机快速影像回传和高效率的影像拼接，其中快速完成图像间的特征提取与匹配，是提高无人机影像拼接效率的关键，因此亟需一种无人机快速影像回传与历史影像比对分析方法及系统，提高无人机航拍影像拼接效率。

技术实现要素：

6.针对上述问题，本发明提供一种基于无人机快速影像回传与历史影像比对分析方法及系统，实现无人机快速影像回传和高效率的影像拼接。
7.一种基于无人机快速影像回传与历史影像比对分析方法，包括以下步骤：从无人机实时获取目标区域的影像；对目标区域的当前影像进行配准，获得目标区域的当前全景影像图；对当前目标区域全景影像图进行空中三角测量，获得目标区域的当前数字高程模型；对当前目标区域的数字高程模型进行纠正，获得目标区域的当前数字正射影像图；确定当前目标区域的数字正射影像图的匹配区域；将当前数字正射影像图与当前数字正射影像图的匹配区域历史影像进行比对，实时更新目标区域的影像。
8.进一步的，对目标区域的当前影像进行配准，获得目标区域的当前全景影像图包括：
9.对当前目标区域的影像进行质量评价，获得当前目标区域的合格影像；
10.对当前目标区域的合格影像进行预处理；
11.对预处理后的影像进行配准，获得当前目标区域的全景影像图。
12.进一步的，确定当前目标区域的数字正射影像图的匹配区域包括：
13.基于当前目标区域的数字正射影像图，到样本点的最近邻与次近邻同名点，若最邻近同名点距离与次邻近距离的比值小于设定阈值，表明最近邻匹配点的匹配置信度高，接受该点为同名点，否则不接受该匹配，获得同名点配对集合；
14.对同名点配对集合，通过反向匹配进一步筛选匹配对，剔除匹配粗差，获得精确匹配模型；
15.通过精确匹配模型，确定当前目标区域的数字正射影像图的匹配区域。
16.进一步的，对预处理后的影像进行配准，获得当前目标区域的全景影像图包括：
17.对预处理后的影像进行影像重叠度测算，并获得相邻影像的同名点；
18.根据相邻影像的同名点坐标值，确定实际的重叠度；
19.若相邻影像的横向重叠率符合第一设定值，旁向重叠率符合第二设定值，将相邻影像进行拼接，获得当前目标区域的全景影像图。
20.进一步的，第一设定值为68％～75％，第二设定值为35％～40％。
21.进一步的，预处理包括对影像进行匀与裁边处理。
22.进一步的，质量评价指标包括横向重叠率、旁向重叠率、航拍弯曲度和相片的旋转角。
23.进一步的，合格的影像需同时满足：横向重叠率不低于53％，旁向重叠率不低于15％，航拍弯曲度不超过3％，相片的旋转角控制不超过5％。
24.本发明还提供一种基于无人机快速影像回传与历史影像比对分析系统，包括无人机和数据处理单元；
25.其中，无人机用于实时获取目标区域的影像，并将其发送给数据处理单元；
26.数据处理单元用于对目标区域的当前影像进行配准，获得目标区域的当前全景影像图；
27.数据处理单元还用于对当前目标区域全景影像图进行空中三角测量，获得目标区域的当前数字高程模型；
28.数据处理单元还用于对当前目标区域的数字高程模型进行纠正，获得目标区域的当前数字正射影像图；
29.数据处理单元还用于确定当前目标区域的数字正射影像图的匹配区域；
30.数据处理单元还用于将当前数字正射影像图与当前数字正射影像图的匹配区域历史影像进行比对，实时更新目标区域的影像。
31.进一步的，数据处理单元具体用于：
32.对当前目标区域的影像进行质量评价，获得当前目标区域的合格影像；
33.对当前目标区域的合格影像进行预处理；
34.对预处理后的影像进行配准，获得当前目标区域的全景影像图。
35.本发明的有益效果：本发明的方法能够直接筛选出合格的影像，并能够快速拼接目标区域的全景影像图，能大幅提高影像的回传速度；实现了将无人机获取并处理好的新影像与历史影像进行比对分析，实现影像的精准匹配与实时更新。
36.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
附图说明
37.为了更清楚地说明本发明实施例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发明的一些实施例，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。
38.图1示出了根据现有技术的无人机遥感系统结构示意图；
39.图2示出了根据本发明实施例的基于无人机快速影像回传与历史影像比对分析方法的流程示意图。
具体实施方式
40.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、完整地说明，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。基于本发明中的实施例，本领域普通技术人员在没有做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。
41.需要说明的是，本技术中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例。在本技术中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”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。
42.如图1所示，现有的无人机遥感系统，包括地面部分、空中部分和数据后处理部分。
43.其中，空中部分包括遥感传感器子系统、遥感空中控制子系统、无人机平台。地面部分包括航迹规划子系统、无人机地面控制子系统以及数据接收显示子系统。遥感空中子系统的主要功能：规划航线并上传到飞机上的控制器；飞行中监控飞机状态在能可靠传递数据的时候可以改变部分控制参数。地面部分主要功能为设计和规划航道轨迹无人机的实时控制与飞行姿态数据的实时接收和遥感影像的显示。数据后处理部分包括影像数据的预览和影像数据的后处理。
44.无人机一般可以在150～2500m的高度区间飞行，飞行跨度的区域比较大。
45.本发明实施例的基于无人机快速影像回传与历史影像比对分析系统，包括：无人机和数据处理单元，其中，无人机用于实时获取目标区域的影像，并将其发送给数据处理单元，数据处理单元用于对目标区域的当前影像进行配准，获得目标区域的当前全景影像图；还用于对当前目标区域全景影像图进行空中三角测量，获得目标区域的当前数字高程模型；还用于对当前目标区域的数字高程模型进行纠正，获得目标区域的当前数字正射影像图；还用于确定当前目标区域的数字正射影像图的匹配区域；还用于将当前数字正射影像图与当前数字正射影像图的匹配区域历史影像进行比对，实时更新目标区域的影像。
46.无人机影像采集作业工作流程为：根据遥感任务的要求对待拍摄地区进行航迹规
划在地面控制子系统中将规划好航线并载入到遥感空中控制子系统。无人机地面控制子系统按照规划的航线控制无人机的飞行遥感空中控制子系统则按照预设的航线和拍摄方式控制遥感传感器进行拍摄；遥感传感器子系统将拍摄的数据进行存储无人机平台则利用无线传输通道将飞行数据传输到地面的控制子系统；地面工作人员可以在地面监测无人机的飞行航线必要的情况下可以根据接收的数据更改本次飞行的计划比如可以马上进行部分地区的补拍；拍摄结束后可以自动切入手控飞行等待降落。
47.基于上述基于无人机快速影像回传与历史影像比对分析系统，如图2所示，本发明还提供一种基于无人机快速影像回传与历史影像比对分析方法，包括以下步骤：
48.s1、从无人机实时获取目标区域的影像。
49.本步骤中，无人机先进行试验飞行，针对不同地貌进行测试和试验。在试验过程中，第一次试验主要为了验证无人机遥感系统的成像能力；第二次试验需要按照前期规划的路线全程拍摄，规划路线包括子系统和数据获取、传输以及影像存储；第三次试验是改正前两次发现的问题。
50.第三次实验飞行确定已改正前两次发现的问题时，无人机对目标区域进行影像采集。
51.s2、对目标区域的当前影像进行配准，获得目标区域的当前全景影像图，具体如下：
52.s21、对当前目标区域的影像进行质量评价，获得当前目标区域的合格影像。
53.无人机的遥感系统拍摄出来的图像会受飞机的姿态角、控制点的精度等因素的影响。因此影像处理之前，先对影像进行质量评价。
54.本步骤中，质量评价指标包括横向重叠率、旁向重叠率、航拍弯曲度和相片的旋转角。
55.以上评价指标的选取，主要基于以下考虑：在飞行过程中，天气因素也会直接影响航空图像的质量，所以在获取数据时，要根据横向重叠率和旁向重叠率进行处理。航带的弯曲度也会影响横向重叠率度和旁向重叠度，如果弯曲超过限度，可能出现航拍漏洞。在拍摄时还要考虑飞行相片的旋角，这个旋角是相片上相邻的主点连线和同一方向内框标连线之间的夹角，通常由摄像时相机定向不准确导致。在航行过程中，涉及的航带飞行航线不能太短，否则不能为航行时姿态和位置的调整预留足够的时间，横向的航迹角容易出现较大偏差，导致倾斜角较大。而倾斜角的改变会影响航线和拍摄的图像，使飞行拍摄的图片较难拼接处理。
56.具体的，对当前目标区域的影像进行质量评价，合格的影像需同时满足：横向重叠率不低于53％，旁向重叠率不低于15％，航拍弯曲度不超过3％，相片的旋转角控制不超过5％，以满足基本的图像摄像要求。
57.需要说明的是，现有技术是对无人机采集影像进行影像处理，获得合格的影像，这样就降低了影像回传的效率，现有技术主要采取以下方法进行：
58.第一，纠正数码相机镜头非线性畸变。第二，纠正飞行过程中由于姿态的变化而引起的图形旋转和影像之间的误差。在获取图像时，可以通过野外的控制位点调整相机的参数，保证获取图像后能够进行单幅纠正，对拍摄的区域通过比例尺图选取控制位点，并对拍摄的测量方法进行几何纠正。第三，在原来的图像基础上采取正射影像纠正图像。第四，依
赖航行的系统定位相机。
59.综上，本发明实施例直接筛选出合格的影像，能大幅提高影像的回传速度。
60.s22、对当前目标区域的合格影像进行预处理，预处理包括对影像进行匀与裁边处理。
61.通过观察影像的照片可以发现，航天和航带之间的颜和明暗度均存在较大的差异，其原因可能是天气，也可能是航空拍摄过程中无人机遥感系统的射击相机出现了问题。所以需要在原始的影像上进行匀处理，在匀时需要注意颜的反差，灰度、纹理的变化，要保证匀后图像能够过渡自然。同时，可以利用影像的裁剪软件和系统裁剪边缘地区无关的影像信息。
62.s23、对预处理后的影像进行配准，获得当前目标区域的全景影像图，包括以下步骤：
63.s231、对预处理后的影像进行影像重叠度测算，并获得相邻影像的同名点。
64.本步骤中，在进行影像重叠度测算时可以获得大量的同名点，相邻的影像之间匹配点大概有400多个。
65.s232、根据相邻影像的同名点坐标值，确定实际的重叠度。
66.本步骤中，在重叠区部分需要满足重叠度计算和区域平均差等方面的要求。在自动测量完成后，根据同名点坐标值确定实际的重叠度。
67.s233、若相邻影像的横向重叠率符合第一设定值，旁向重叠率符合第二设定值，将相邻影像进行拼接，获得当前目标区域的全景影像图。
68.其中，第一设定值为68％～75％，第二设定值为35％～40％。
69.本步骤中，无人机根据地面控制点的数据进行快速匹配，形成同名点快速生成拼接图。快速拼接图要求并不严格，在相邻的区域可能会出现截边误差，在拼接过程中个别景象可能会出现错位，通过拼接图可以分析区域内漏拍的现象。
70.s3、对当前目标区域全景影像图进行空中三角测量，获得目标区域的当前数字高程模型。
71.空中三角测量是立体摄影测量中，根据少量的野外控制点，在室内进行控制点加密，求得加密点的高程和平面位置的测量方法。
72.数字高程模型(digita lelevation model)，简称dem，是通过有限的地形高程数据实现对地面地形的数字化模拟(即地形表面形态的数字化表达)，它是用一组有序数值阵列形式表示地面高程的一种实体地面模型，是数字地形模型。
73.数字高程模型根据航空或航天影像，通过摄影测量途径获取，如立体坐标仪观测及空中三角测量即可得到。
74.s4、对当前目标区域的数字高程模型进行纠正，获得目标区域的当前数字正射影像图，具体如下：
75.s41、基于当前目标区域的数字高程模型，通过测定方位元素，使影像的匹配能够出现离散三维微点，通过人机交互的形式获得待调整数字正射影像图。
76.s42、随机抽取目标区域地面的检测控制点，根据检测结果生成数字正射影像图精度检查表，同时对检测点进行编号，记录坐标差和坐标的偏移量，根据记录的坐标差和坐标的偏移量对待调整数字正射影像图进行精度调整，获得目标区域的当前数字正射影像图。
77.s5、确定当前目标区域的数字正射影像图的匹配区域。
78.在无人机进行区域匹配过程中，主要由计算机进行操作，模拟人进行立体的观察。寻同名点是低空遥感影像处理过程中较为关键的一个程序。低空遥感影像在匹配过程中，由于计算层面存在较大的缺陷，匹配的精度有待提高，在进行信息匹配的过程中，可能会出现多元信息的匹配。由于遥感影像信息本身具有多元性，给低空遥感影像的匹配增加了一定的难度，除了难度增加以外，匹配的速度还需要提升。低空遥感影像数据随着计算机的发展在不断增加，匹配主要利用相关函数关系，寻它们之间的相似结构，通过数学定义测算影像的坐标位置和映射的变换。在匹配时还要监测遥感影像匹配的测度，通过函数关系和相关系数以及协方差函数计算。
79.本步骤中，本发明实施例采用多源遥感图像时空关联匹配技术和改进算法进行匹配得到中误差可以不断减小，比经典算法误差小很多，影像匹配还可以采取基于直线特征交点匹配可以得到良好的匹配效果。
80.具体的，确定当前目标区域的数字正射影像图的匹配区域包括：
81.s51、基于当前目标区域的数字正射影像图，采用近似最近邻匹配算法，首先到样本点的最近邻与次近邻同名点，若最邻近同名点距离与次邻近距离的比值小于设定阈值，表明最近邻匹配点的匹配置信度高，接受该点为同名点，否则不接受该匹配，获得同名点配对集合。
82.s52、对同名点配对集合，通过反向匹配进一步筛选匹配对，剔除匹配粗差，获得精确匹配模型。
83.s53、通过精确匹配模型，确定当前目标区域的数字正射影像图的匹配区域。
84.本步骤中，可以利用金字塔匹配的策略将影像变成金字塔结构，从底层开始，相邻像素之间重新采样后形成新的像素，直到形成金字塔的最顶尖。匹配的策略还有全局最优匹配，从全局的角度考虑，从灰度和影像的特征进行匹配。除此之外，还有多约束性条件的匹配，包括相容性的约束、唯一性约束、核线的约束、相似性约束和多基元匹配策略。
85.s6、将当前数字正射影像图与当前数字正射影像图的匹配区域历史影像进行比对，实时更新目标区域的影像。
86.本步骤中，实现了将无人机获取并处理好的新影像与历史影像进行比对分析，实现影像的精准匹配与实时更新。
87.需要说明的是，本实施例的历史影像可以是目标区域之前已有的影像，也可以上一轮经过本实施例实时更新目标区域的影像。
88.本发明实施例利用先进的无人驾驶飞行器技术和遥感传感器技术等技术优势实现自动化、智能化、专用化，为航测工作搜集宝贵数据。
89.快速完成图像间的特征提取与匹配，是提高无人机影像拼接效率的关键
90.本发明实施例的基于无人机快速影像回传与历史影像比对分析方法，为了快速获取目标区域的整体信息，实现无人机快速影像回传和高效率的影像拼接。影像重叠度的计算与同名点自动量测，确定相邻影像的实际重叠度，根据地面控制点的数据进行快速匹配，形成同名点快速生成拼接图，再通过近似最近邻匹配，最后进行精确匹配。与传统无人机影像拼接算法中的特征提取与匹配相比，本算法在特征的提取速度和匹配速度都有较大的提升，在特征的稳定性和区分性上也有所提高。
91.尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。

技术特征：

1.一种基于无人机快速影像回传与历史影像比对分析方法，包括以下步骤：从无人机实时获取目标区域的影像；对目标区域的当前影像进行配准，获得目标区域的当前全景影像图；对当前目标区域全景影像图进行空中三角测量，获得目标区域的当前数字高程模型；对当前目标区域的数字高程模型进行纠正，获得目标区域的当前数字正射影像图；确定当前目标区域的数字正射影像图的匹配区域；将当前数字正射影像图与当前数字正射影像图的匹配区域历史影像进行比对，实时更新目标区域的影像。2.根据权利要求1所述的基于无人机快速影像回传与历史影像比对分析方法，其中，对目标区域的当前影像进行配准，获得目标区域的当前全景影像图包括：对当前目标区域的影像进行质量评价，获得当前目标区域的合格影像；对当前目标区域的合格影像进行预处理；对预处理后的影像进行配准，获得当前目标区域的全景影像图。3.根据权利要求1所述的基于无人机快速影像回传与历史影像比对分析方法，其中，确定当前目标区域的数字正射影像图的匹配区域包括：基于当前目标区域的数字正射影像图，到样本点的最近邻与次近邻同名点，若最邻近同名点距离与次邻近距离的比值小于设定阈值，表明最近邻匹配点的匹配置信度高，接受该点为同名点，否则不接受该匹配，获得同名点配对集合；对同名点配对集合，通过反向匹配进一步筛选匹配对，剔除匹配粗差，获得精确匹配模型；通过精确匹配模型，确定当前目标区域的数字正射影像图的匹配区域。4.根据权利要求1－3任一所述的基于无人机快速影像回传与历史影像比对分析方法，其中，对预处理后的影像进行配准，获得当前目标区域的全景影像图包括：对预处理后的影像进行影像重叠度测算，并获得相邻影像的同名点；根据相邻影像的同名点坐标值，确定实际的重叠度；若相邻影像的横向重叠率符合第一设定值，旁向重叠率符合第二设定值，将相邻影像进行拼接，获得当前目标区域的全景影像图。5.根据权利要求4所述的基于无人机快速影像回传与历史影像比对分析方法，其中，第一设定值为68％～75％，第二设定值为35％～40％。6.根据权利要求2所述的基于无人机快速影像回传与历史影像比对分析方法，其中，预处理包括对影像进行匀与裁边处理。7.根据权利要求2所述的基于无人机快速影像回传与历史影像比对分析方法，其中，质量评价指标包括横向重叠率、旁向重叠率、航拍弯曲度和相片的旋转角。8.根据权利要求7所述的基于无人机快速影像回传与历史影像比对分析方法，其中，合格的影像需同时满足：横向重叠率不低于53％，旁向重叠率不低于15％，航拍弯曲度不超过3％，相片的旋转角控制不超过5％。9.一种基于无人机快速影像回传与历史影像比对分析系统，包括无人机和数据处理单元；其中，无人机用于实时获取目标区域的影像，并将其发送给数据处理单元；
数据处理单元用于对目标区域的当前影像进行配准，获得目标区域的当前全景影像图；数据处理单元还用于对当前目标区域全景影像图进行空中三角测量，获得目标区域的当前数字高程模型；数据处理单元还用于对当前目标区域的数字高程模型进行纠正，获得目标区域的当前数字正射影像图；数据处理单元还用于确定当前目标区域的数字正射影像图的匹配区域；数据处理单元还用于将当前数字正射影像图与当前数字正射影像图的匹配区域历史影像进行比对，实时更新目标区域的影像。10.根据权利要求9所述的基于无人机快速影像回传与历史影像比对分析系统，其中，数据处理单元具体用于：对当前目标区域的影像进行质量评价，获得当前目标区域的合格影像；对当前目标区域的合格影像进行预处理；对预处理后的影像进行配准，获得当前目标区域的全景影像图。

技术总结

本发明公开一种基于无人机快速影像回传与历史影像比对分析方法及系统，其中方法包括：从无人机实时获取目标区域的影像；对目标区域的当前影像进行配准，获得目标区域的当前全景影像图；对当前目标区域全景影像图进行空中三角测量，获得目标区域的当前数字高程模型；对当前目标区域的数字高程模型进行纠正，获得目标区域的当前数字正射影像图；确定当前目标区域的数字正射影像图的匹配区域；将当前数字正射影像图与当前数字正射影像图的匹配区域历史影像进行比对，实时更新目标区域的影像。本发明的方法实现无人机快速影像回传和高效率的影像拼接，还实现影像的精准匹配与实时更新。更新。更新。