基于无人机多视点摄影的浅水河流水深测绘方法及系统技术方案

本发明专利技术公开了基于无人机多视点摄影的浅水河流水深测绘系统与方法，包括步骤S1：确定调查时间、调查区域和调查精度；S2：在调查区域架设地面控制点GCPs，应用定位仪器对控制点进行定位；S3：规划无人机的飞行航线并按预定航线飞行航拍；S4：运用无人机图像分析软件对步骤S3中多视角摄影的影像进行处理，调查区域的正射影像和数字表面高程模型，应用光学模型水深反演程序进行折射校正并反演浅水河流的水深值。相对于传统的GPS测量，全站仪测量和回声测深法，本发明专利技术省时省力省钱，不会对水体和河床造成破坏，具有较高的执行效率；把水深测绘从点测量扩展到面测量，提供较高的空间分辨率，同时还提高了水深测量精度和空间分辨率。

Method and system of shallow river water depth mapping based on UAV multi view photography

【技术实现步骤摘要】
基于无人机多视点摄影的浅水河流水深测绘方法及系统
本专利技术涉及河流测深领域，具体的说是涉及一种基于无人机多视点摄影的浅水河流水深测绘方法及系统。
技术介绍
在大型河流中，可以采用声纳(单波束或多波束)、测深机载激光雷达(光探测和测距)或声学多普勒等仪器测量水深。然而，在水深小于2m的浅水河流或小溪流中，由于旁侧干扰进行高分辨率水深测量是比较困难的。而浅水河流是各种各样的水生、陆生生物的重要栖息地，河流中的浅水区在生态学与地貌学中有着重要的意义。但是相比于传统的深水测量，浅水河流测量的设备与方法十分有限。受空间分辨率和精度的限制，许多水深测量方法并不适用于浅水河流。因此，利用高精度高科技手段研究河流的浅水区对深入了解河流整体的生态构型过程至关重要。目前，河流浅水区域常采用的测量建模方法有：GPS测量，全站仪测量；回声测量法。RKT-GPS(实时动态差分-卫星定位系统)和全站仪可以提供高精度的测量数据，但是它们常常需要在空间范围与空间分辨率之间进行权衡，这可能导致绘制的河床地形图不连续而且可能对河流侵蚀以及底部沉积等现象做出不准确的分析，另外，这些技术需要与河床有一定的物理接触，这就使得它们的应用被限制在一些安全可靠的区域，无法对一些危险区域进行测量，这种物理接触也有可能损坏河床原有的地形地貌以及生物的栖息地，比如鱼类的产卵区。回声测深是一种主动式遥感测深法：它向河流底部发射声波脉冲，利用声波在水中传播的时间以及水中的声速计算出相应的水深，但是要求水深大于0.8米。安装了回声测深仪的多普勒流速仪(ADCP)在遥控系统的操作下可以适用于浅水区域的水深测量，但是浅水区域的测深(深度小于0.2m)必须考虑旁瓣干扰对测深的影响，且由于不具备侧扫描的功能，ADCP测深是基于点测量的方法，其空间分辨率并不高，会直接受到测量时间和选定插值方法的影响。为了提高测绘效果，海洋机载水深激光扫描仪(ALB)也被应用于河流测深领域中，这是一种利用绿光和红外线测深的激光主动式遥感系统，近年来主要是以试验机载雷达(EAARL)的方式对河流的整个流网进行绘制可以对水深变化幅度大(水深在0～44m之间)的大型清水区域(几十千米)进行快速测量。但是由于多种原因，测深雷达目前还未在水深测绘方面得到广泛应用，其一，测深雷达本身价格昂贵，一台大概需要百万以上，要求在水域上空运行，并且需要直升机或者专业的大型无人机携载，显然这会产生高昂的费用并对测量的时间和频率有所限制；其二，复杂的环境因素如水的澄澈度，植被覆盖，以及水体表面的水波，都会影响激光的透射，从而影响反射波的波长及脉形；其三，浅水区域的测量不易实施，这主要是因为难以对水表、水体、水底的反射进行区分。在无人机上装载摄影测量校准传感器，使其测深可行性大大提高，而多方位立体摄影测量手段则提高了未经校准的传感器的精度，具体表现在动态高程结构摄影测量技术(StructurefromMotion,SfM)的应用，这使摄影测深法得到进一步普及。相对来说，SfM法成本较为低廉，相较于以上几种测深法具有较高的空间分辨率，它主要依赖于可见光波运行，是一种被动型遥感测深法。航空摄影测量的分辨率在理论上取决于陆面图像的像素分辨率，而像素的分辨率又取决于无人机飞行的高度以及无人机传感器上的电器耦合器件数组，这就使得测量的分辨率得到了人为的控制。这种方法和其他方法一样存在着对空间分辨率与空间范围的权衡，但是相比其他方法，它更可能在大范围区域内实现高精度的测量。
技术实现思路
为解决上述
技术介绍
中提出的问题，本专利技术的目的在于提供一种基于无人机多视点摄影的浅水河流水深测绘方法及系统。为实现上述目的，本专利技术采取的技术方案为：本专利技术提供了一种基于无人机多视点摄影的浅水河流水深测绘方法，包括以下步骤：S1、确定调查时间、调查区域和调查精度：根据河流的水文周期特征确定调查时间，选择流量和含沙量较小的枯水期和平水期开展调查；调查区域只针对干净清澈见底的浅水河流；所述调查精度根据具体调查任务要求而定；S2、在步骤S1中确定的调查区域架设地面控制点(groundcontrolpoints，GCPs)，应用带有VRS-GNSS(Virtualreferencestationglobalnavigationsatellitesystem)系统的RTK-GPS仪器对地面控制点进行定位，地面控制点的架设原则是尽可能的覆盖整个调查区域；S3、规划无人机的飞行航线并按预定航线自动监测：对调查区域选择至少3种飞行高度设置航拍航线，无人机根据规划的调查航线自动飞行，无人机搭载的多镜头倾斜摄影相机在无人机飞行过程中，自动连续拍摄影像，拍摄的影像中自带相机坐标位置及相机方位角；S4、运用无人机图像分析软件对步骤S3中多视角摄影的影像进行处理，软件基于多视角摄影获取的多幅重叠图像的匹配特征，应用SfM算法对每副影像进行空间校正处理，实现图像的空间拼接，建立调查区域的正射影像，并构建代表水底影像的数字表面高程模型和代表水面的水面高程网格；导出无人机图像分析软件中所有SfM算法重建影像点及每个影像点附带的坐标及方位角信息，应用基于光学模型的水深反演程序进行折射校正并反演浅水河流的水深；其中SfM算法重建影像点包括数字表面高程模型和水面高程网格上的影像点。上述技术方案中，步骤S4中，无人机图像分析软件对多视角摄影的影像进行处理的具体方法为：(4-1)首先，将无人机拍摄的影像集导入到无人机图像分析软件中，根据多幅重叠图像的匹配特征及影像附带的坐标及方位角信息，进行“对齐”和地理参考程序优化，然后计算相机摄像头所有的瞬时视场角IFOV的近似地面坐标，在IFOV内的点被认为是摄像机可见的；对于可见点，导入各影像点的相机坐标位置(X、Y、Z)和其方位角(俯仰角、翻滚角、偏航角)信息，并建立各个影像点的稀疏点云模型。(4-2)观察所有影像点的稀疏点云模型，确定密集点云的构建区域，删除该区域内明显错误定位的点；校对后的数据，以相同的点间距进行重采样，然后用最小高程作为滤波条件来降低数据密度和表面噪声的影响，并对数据点进行“高质量”的密集重建，得到密集点云，即数字表面高程模型，数字表面高程模型为SfM方法计算影像点A(Xa，Ya，Za)的集合；其中，影像点A(Xa，Ya，Za)为SfM方法重建调查区域中水底影像的任意一个影像点；(4-3)在密集点云中添加了两个新的标量场，即表观深度ha和局部水面高程WSz，利用实测的每个点的局部水面高程WSz和数字化的水面边缘点来构建代表水面的水面高程网格；其中，每个点的局部水面高程WSz为当地水文站获取的密集点云对应的水位值，局部水面高程WSz为当地水文站获取的密集点云所在河段对应的水位值；点到水面高程网格的距离被用来计算表观深度ha，每个点表观深度ha为每个点的水面高程WSz减去SfM方法计算该点的高程Za；(4-4)导出无人机图像分析软件中所有SfM算法重建影像点，即数字表面高程模型和水面高程网格上的影像点的相关信息，待后续进行折射校准本文档来自技高网...

【技术保护点】
1.基于无人机多视点摄影的浅水河流水深测绘方法，其特征在于，包括以下步骤：/nS1、确定调查时间、调查区域和调查精度：根据河流的水文周期特征确定调查时间，选择流量和含沙量较小的枯水期和平水期开展调查；调查区域只针对干净清澈见底的浅水河流；所述调查精度根据具体调查任务要求而定；/nS2、在步骤S1中确定的调查区域架设地面控制点GCPs，应用带有VRS-GNSS系统的RTK-GPS测量仪器对地面控制点进行定位，地面控制点的架设原则是尽可能的覆盖整个调查区域；/nS3、规划无人机的飞行航线并按预定航线获取影像：对调查区域选择至少3种飞行高度设置航拍航线，无人机根据规划的调查航线自动飞行，无人机搭载的一台多镜头倾斜摄影相机在无人机飞行过程中，自动连续拍摄影像，拍摄的影像中自带相机坐标位置及相机方位角；/nS4、运用无人机图像分析软件对步骤S3中多视角摄影的影像进行处理，软件基于多幅重叠图像特征匹配，应用SfM(即Structure from Motion)算法对每副影像进行空间校正处理，实现图像的空间拼接，建立调查区域的正射影像，并构建代表水底影像的数字表面高程模型和代表水面的水面高程网格；/n导出无人机图像分析软件中所有SfM算法重建的影像点及每个影像点附带的坐标及方位角信息，应用基于光学模型的水深反演程序进行折射校正并反演浅水河流的水深；其中SfM算法重建的影像点包括数字表面高程模型和水面高程网格上的影像点。/n...

【技术特征摘要】
1.基于无人机多视点摄影的浅水河流水深测绘方法，其特征在于，包括以下步骤：
S1、确定调查时间、调查区域和调查精度：根据河流的水文周期特征确定调查时间，选择流量和含沙量较小的枯水期和平水期开展调查；调查区域只针对干净清澈见底的浅水河流；所述调查精度根据具体调查任务要求而定；
S2、在步骤S1中确定的调查区域架设地面控制点GCPs，应用带有VRS-GNSS系统的RTK-GPS测量仪器对地面控制点进行定位，地面控制点的架设原则是尽可能的覆盖整个调查区域；
S3、规划无人机的飞行航线并按预定航线获取影像：对调查区域选择至少3种飞行高度设置航拍航线，无人机根据规划的调查航线自动飞行，无人机搭载的一台多镜头倾斜摄影相机在无人机飞行过程中，自动连续拍摄影像，拍摄的影像中自带相机坐标位置及相机方位角；
S4、运用无人机图像分析软件对步骤S3中多视角摄影的影像进行处理，软件基于多幅重叠图像特征匹配，应用SfM(即StructurefromMotion)算法对每副影像进行空间校正处理，实现图像的空间拼接，建立调查区域的正射影像，并构建代表水底影像的数字表面高程模型和代表水面的水面高程网格；
导出无人机图像分析软件中所有SfM算法重建的影像点及每个影像点附带的坐标及方位角信息，应用基于光学模型的水深反演程序进行折射校正并反演浅水河流的水深；其中SfM算法重建的影像点包括数字表面高程模型和水面高程网格上的影像点。


2.根据权利要求1所述的基于无人机多视点摄影的浅水河流水深测绘方法，其特征在于，步骤S4中，无人机图像分析软件对多视角摄影的影像进行处理的具体方法为：
(4-1)首先，将无人机拍摄的影像集导入到无人机图像分析软件中，根据多幅重叠图像的匹配特征及影像附带的坐标及方位角信息，进行“对齐”和地理参考程序优化，然后计算相机摄像头所有瞬时视场角IFOV的近似地面坐标，在IFOV内的点被认为是摄像机可见的；对于可见点，导入各影像点的相机坐标位置和其方位角(即俯仰角、翻滚角、偏航角)信息，并建立各个影像点的稀疏点云模型；
(4-2)观察所有影像点的稀疏点云模型，确定密集点云的构建区域，删除明显错误定位的点；校对后的数据，以相同的点间距进行重采样，然后用最小高程作为滤波条件来降低数据密度和表面噪声的影响，并对数据点进行“高质量”的密集重建，得到密集点云，即数字表面高程模型，数字表面高程模型为SfM方法计算影像点A(Xa，Ya，Za)的集合；其中，影像点A(Xa，Ya，Za)为SfM方法重建调查区域中水底影像的任意一个影像点；
(4-3)在密集点云中添加了两个新的标量场，即表观深度ha和局部水面高程WSz，利用局部水面高程WSz和数字化的水面边缘点来构建代表水面的水面高程网格；其中，每个点的局部水面高程WSz为当地水文站获取的密集点云所在河段对应的水位值，点到水面高程网格的距离被用来计算表观深度ha，每个点表观深度ha为每个点的水面高程WSz减去SfM方法计算该点的高程Za；
(4-4)导出无人机图像分析软件中所有SfM算法重建影像点，即数字表面高程模型和水面高程网格上的影像点的相关信息，待后续进行折射校准和水深反演处理。


3.根据权利要求1或2所述的基于无人机多视点摄影的浅水河流水深测绘方法，其特征在于，每次航行无人机机载的多镜头相机都从不同的角度来观察河流，依据折射定律将产生不同的入射角r、折射角i、以及不同的表观深度ha；表观深度ha为点到水面高程网格的距离；不同表观深度ha会生成一个宽范围的高程序列，从而生成一个非常嘈杂的点云数据；对于点云数据集中的每个点，通过多视角摄影获得多组有关这个点...

【专利技术属性】
技术研发人员：班璇，侯晓璐，史建全，祁洪芳，杜浩，凌峰，郭舟，
申请(专利权)人：中国科学院测量与地球物理研究所，
类型：发明
国别省市：湖北;42