基于无人机影像的自动布控像控点方法技术

本发明专利技术公开了一种基于无人机影像的自动布控像控点的方法，其特征是通过影像预处理，在已有影像处理算法的基础上进行影像匹配，确定最佳像控区域，根据导航软件，选择出到达像控区域的最佳路径，在地图上获得最佳像控区域的像控点坐标，将实测坐标发送到地图中，查看像控点布设是否符合要求，同时将实测坐标传输到影像中，按照像控点规范在影像中自动进行刺点注记。本发明专利技术可以实现无纸化作业，像控点检核，同时减少人力干涉，提高布点精度、航测生产效率及像控点的周期管理，实现自动布控像控点。

【技术实现步骤摘要】
基于无人机影像的自动布控像控点方法
本专利技术涉及航空影像外业像控点的布设方法。
技术介绍
无人机航测作为一种新型的低空遥感影像获取技术，其机动灵活、可云下摄影、成本低廉等特点，已成为一种有效的快速测绘手段，在城市规划、应急救灾、地理国情监测、智慧城市建设等发挥越来越重要的作用。其中航空影像外业像控点的布设是进行立体测图和制作正射影像的重要环节，亦是后期数据处理的基础和前提，其布设效率直接影响了后续工作的进度，同时航线和网型更是影响最终的测图和数字正射影像图(DOM,DigitalOrthophotoMap)。传统像控点布设需要将影像初始POS数据导入Googleearth上作为参照，一名内业人员根据布点密度要求，按照不同比例尺、处理方法及测区的交通和地物、地貌等情况，将像控点布设在Googleearth上，最终获得像控点的布控图。另外，由于Googleearth影像不够清晰及更新不及时等，无法当做参考影像标注刺点位置，需要一名内业人员在影像上找到像控点的对应位置，并在影像上勾勒出刺点范围，外业人员可根据刺点范围和实际地物、地貌等情况选择目标清晰、大小适中的特征位置进行外业数据采集。目前测绘面临主要困难仍然是像控点停留在纸质工作方式，查看及管理不方便等；影像更新不及时，点位搜索困难；内外业没有实现一体化作业，加大测量的任务等。目前，航测外业数字化刺点对提高布点精度和减少人力干涉、实现路径最优等仍是此方法的难点。
技术实现思路
本专利技术的目的是一种基于无人机影像的自动布控像控点的方法，实现了无纸化作业，像控点检核，同时减少人力干涉，提高布点精度、航测生产效率及像控点的周期管理，实现自动布控像控点。本专利技术的技术方案是：一种基于无人机影像的自动布控像控点的方法，其特征是通过影像预处理，在已有影像处理算法的基础上，确定最佳像控区域，根据导航软件，选择出到达像控区域的最佳路径，在地图上获得最佳像控区域的像控点坐标，将实测坐标发送到地图中，查看像控点布设是否符合要求，同时将实测坐标传输到影像中，按照像控点规范在影像中自动进行刺点注记。本专利技术可以实现无纸化作业，像控点检核，同时减少人力干涉，提高布点精度、航测生产效率及像控点的周期管理，实现自动布控像控点。附图说明图1是自动布控像控点方法流程图。图2是小波变换原理图。图3是小波变换流程图。图4是影像匹配流程图。图5是最佳像控区域原理图。具体实施方式以下结合附图对本专利技术技术方案进行详细描述。如图1所示，本专利技术自动布控像控点方法包括以下步骤：1影像预处理1.1影像检查地面工作站通过接收无人机相片系统传输回来的影像，检查影像是否满足分辨率大于小图像的分辨率(2448×1624)，航向重叠区域大于70％，旁向重叠区域大于40％，影像像素宽度和高度比为1.5，二度及以上重叠，影像是否漏拍等，以防后续工作无法进行。1.2影像畸变差改正由于无人机影像数据都存在影像畸变，其包括像主点偏移、对称和非对称畸变形，因此将相机校检作为校检参数(像主点坐标X0，Y0；对称畸变参数K1、K2、K3；非对称畸变参数P1、P2)，对原始影像进行畸变差改正。1.3影像相对位置利用初始POS数据建立航带影像缩略图，根据飞机航线对影像进行编号，直至搜索排列正确为止。2影像匹配2.1影像去噪2.1.1如图5所示，自动提取出每张影像的分辨率。2.1.2《低空数字航空摄影测量外业规范》、《低空数字航空摄影测量内业规范》要求像控点布设远离原始影像边缘150像素。因此，根据边缘150像素与原始影像像素比例关系，删除影像宽度边缘小于2％-4％的像素点，高度边缘为删除宽度边缘像素比例的70％的像素点，消除边缘布点带来的误差。2.1.3在小波变换中，随着影像分辨率的降低，白噪声的小波变换值逐渐减小，信噪比提高，反之，分辨率提高，导致信噪比降低。如图2、图3所示，利用小波变换将影像进行三次小波分解，分为一系列不同频率的高频和低频影像(高频显示影像细节部分，低频显示影像轮廓)，划分为64个子块，其中LL3只占了1/64，但能量集中了90％以上，LH3同样占了1/64，H表示竖直方向高通分量，用小波系数表示，L代表水平方向低通分量，用近似系数表示。2.1.4根据权重法增大高频分量细节系数，低频分量保持不变，增大信噪比，最后利用小波逆变换的方法重建影像，获得去噪后的影像。2.2影像增强将彩色影像转化为灰度影像，通过Wallis滤波对灰度图像进行滤波增强。将影像的灰度均值和方差映射到给定的灰度均值和方差，使得影像的灰度微小变化信息得到增强，同时引入平滑算子，抑制影像噪声，使模糊的纹理模式得到增强，原理如下:式中，g(x，y)为原始影像中点(x，y)的灰度值；G(x，y)为点(x，y)经过Waliis滤波变换后的影像灰度值；mg、sg分别为影像中某一像素的一定领域的影像灰度均值和灰度方差；mf、sf分别为影像均值的目标值和影像方差的目标值；c为影像反差扩展常数，其取值一般为[0，1]；b为影像亮度系数，其取值也是[0,1]。2.2.1把每张影像分为互不重叠的矩型区域[2M+1,2N+1],其中M为影像宽度的像素点，N为影像高度的像素点，较小的窗口(小于[10,10])和很大的窗口值(大于[(M+2)/2,(M+3)/3])都不可取，因为较小的窗口虽然会降低误差，但同时也会增加计算的时间，较大窗口会造成很大的误差。依据步骤1.1要求，设M/N＝1.5，M取值范围(10，[M/4])，N取值范围为[M/1.5]，影像均值的目标值取影像动态范围[0,255]的中值，即127，影像方差的目标值取87。([M/4]，[M/1.5]中的[]表示取整，取不超过它的最大整数)2.2.2计算各矩形区域的灰度均值与方差。2.2.3为保持原始影像的灰度值,统一选取c＝[0.75,1)，b＝[0.5,1)，使得影像的灰度微小变化信息得到增强。2.2.4重新计算出区域新的灰度值。2.3影像自动匹配利用重叠影像灰度值匹配的优势(同一地物的灰度值相同)，再结合几何约束条件的像方空间一致性的特征点匹配方法，可以减少搜索范围及提高匹配效率。2.3.1如图4所示，依据步骤1.3对影像的编号，将第一张影像作为基准影像，相邻影像作为配准影像，根据影像乘运算，使得每张影像在两张及两张以上的影像重叠区域效果显著。重叠区域乘以权重系数大于1，其他的区域乘以0，使得每张影像重叠区域明显。2.3.2利用Forstner算法，在步骤2.2.1基准影像重叠的矩型区域[2M+1,2N+1]中，至少提取1个影像特征点，这样保证影像特征点在大于6个特征点的基础上，应尽可能分布均匀。2.3.3将基准影像矩形重叠区域作为基准窗口，并映射到配准影像中，作为配准影像的搜索窗口，以基准窗口为准，利用相关系数法Pi＝|f1(x，y)-f2(x，y)|，f1(x，y)和f2(x，y)分别为基准窗口的影像特征点和搜索窗口的匹配点，计算相关系数，将相关系数最小的影像特征点作为搜索窗口的匹配点，剔除其他的误差点。2.3.4将影像匹配的同名像点利用均方差，即其中Pi为步骤2.3.3中匹配特征点的相关系数，再次删选出小于均方差的特征点，提高匹配精度。2.3.5利用仿射变换公式，将删选的影像特征点带入，获得6个本文档来自技高网...

【技术保护点】
1.一种基于无人机影像的自动布控像控点的方法，其特征是通过影像预处理，在已有影像处理算法的基础上进行影像匹配，确定最佳像控区域，根据导航软件，选择出到达像控区域的最佳路径，在地图上获得最佳像控区域的像控点坐标，将实测坐标发送到地图中，查看像控点布设是否符合要求，同时将实测坐标传输到影像中，按照像控点规范在影像中自动进行刺点注记。

【技术特征摘要】
1.一种基于无人机影像的自动布控像控点的方法，其特征是通过影像预处理，在已有影像处理算法的基础上进行影像匹配，确定最佳像控区域，根据导航软件，选择出到达像控区域的最佳路径，在地图上获得最佳像控区域的像控点坐标，将实测坐标发送到地图中，查看像控点布设是否符合要求，同时将实测坐标传输到影像中，按照像控点规范在影像中自动进行刺点注记。2.如权利要求1所述的基于无人机影像的自动布控像控点的方法，其特征是，影像预处理包括以下步骤：1.1影像检查地面工作站通过接收无人机相片系统传输回来的影像，检查影像是否满足分辨率大于2448×1624的分辨率，航向重叠区域大于70％，旁向重叠区域大于40％，影像像素宽度和高度比为1.5，二度及以上重叠，影像是否漏拍，以防后续工作无法进行；1.2影像畸变差改正将相机校检作为校检参数对原始影像进行畸变差改正；1.3影像相对位置利用初始POS数据建立航带影像缩略图，根据飞机航线对影像进行编号，直至搜索排列正确为止。3.如权利要求1所述的基于无人机影像的自动布控像控点的方法，其特征是，影像匹配包括以下步骤：2.1影像去噪2.2影像增强将彩色影像转化为灰度影像，通过Wallis滤波对灰度图像进行滤波增强，将影像的灰度均值和方差映射到给定的灰度均值和方差，使得影像的灰度微小变化信息得到增强，同时引入平滑算子，抑制影像噪声，模糊的纹理模式得到增强；2.3影像自动匹配利用重叠影像灰度值匹配的优势，再结合几何约束条件的像方空间一致性的特征点匹配方法，可以减少搜索范围及提高匹配效率。4.如权利要求1所述的基于无人机影像的自动布控像控点的方法，其特征是，自动布设像控区域包括以下步骤：3.1获取影像像控区域3.2提取最佳像控区域。5.如权利要求1所述的基于无人机影像的自动布控像控点的方法，其特征是，在地图上获得最佳像控区域的像控点坐标包括以下步骤：4.1坐标系转换利用坐标系转换，将匹配后的影像映射到调用的地图中，实现影像与地图的结合，避免影像坐标数据在读取和传输时造成混乱；4.2选择地图像控点4.3提取影像像控点。6.如权利要求3所述的基于无人机影像的自动布控像控点的方法，其特征是，步骤2.1影像去噪包括以下步骤：2.1.1自动提取出每张影像的分辨率；2.1.2根据边缘150像素与原始影像像素比例关系，删除影像宽度边缘小于2％-4％的像素点，高度边缘为删除宽度边缘像素比例的70％的像素点，消除边缘布点带来的误差；2.1.3利用小波变换将影像进行三次小波分解，分为一系列不同频率的高频和低频影像，高频显示影像细节部分，低频显示影像轮廓，划分为64个子块，其中LL3只占了1/64，但能量集中了90％以上，LH3同样占了1/64，H表示竖直方向高通分量，用小波系数表示，L代表水平方向低通分量，用近似系数表示；2.1.4根据权重法增大高频分量细节系数，低频分量保持不变，增大信噪比，最后利用小波逆变换的方法重建影像，获得去噪后的影像。7.如权利要求3所述的基于无人机影像的自动布控像控点的方法，其特征是，步骤2.2影像增强包括以下步骤：2.2.1把每张影像分为互不重叠的矩型区域[2M+1,2N+1],其中M为影像宽度的像素点，N为影像高度的像素点，小于[10,10]的窗口和大于[(M+2)/2,(M+3)/3]的窗口值都不可取，依据步骤1.1要求，设M/N＝1.5，M取值范围(10，[M/4])，N取值范围为[M/1.5]，影像均值的目标值取影像动态范围[0,255]的中值，即127，影像方差的目标值取87；2.2.2计算各矩形区域的灰度均值与方差；2.2.3为保持原始影像的灰度值,统一选取c＝[0.75,1)，b＝[0.5,1)，使得影像的灰度微小变化信息得到增强；2.2.4重新计算出区域新的灰度值。8.如权利要求3所述的基于无人机影像的自动布控像控点的方法，其特征是，步骤2.3影像自动匹配包括以下步骤：2.3.1依据步骤1.3对影像的编号，将第一张影像作为基准影像，相邻影像作为配准影像，根据影像乘运算，使得每张影像在两张及两张以上的影像重叠区域效果显著，重叠区域乘以权重系数大于1，其他的区域乘以0，使得每张影像重叠区域明显...

【专利技术属性】
技术研发人员：姜友谊，曾致，胡亚轩，黎晓，秦世民，宋尚武，刘恒，刘鹏，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：陕西,61