基于无人机的立体视觉影像精确测量方法技术

本发明专利技术公开了基于无人机的立体视觉影像精确测量方法，具体包括双目立体视觉的硬件搭建、图像获取、摄像相机标定、图像校正、立体匹配、三角测量和测量分析。本发明专利技术通过双目立体视觉的硬件搭建双目立体视觉技术的基础配置，以双目立体视觉技术为基础，获得待测量部位的多个角度立体图像，便于后续摄像相机标定；按照张正友算法求解成像模型的内参数和外参数，结合了传统标定算法鲁棒性好及自标定算法对标定物依赖性底的优点，不需要标定板移动的参数仅需要标定模板在两个方向上的移动就可以进行标定，该方法标定精度高、成本低；通过基于共线条件方程式对影响进行纠偏，使得获得的距离数据精度更好。

Precise measurement method of stereo vision image based on UAV

【技术实现步骤摘要】
基于无人机的立体视觉影像精确测量方法
本专利技术属于立体视觉影像测量
，具体涉及基于无人机的立体视觉影像精确测量方法。
技术介绍
输电线路无人机巡检呈现常态化发展，但是目前仅局限于可见光照片的肉眼识别，或者通多一定的图像处理进行空间距离的分析工作，某些电网设备的空间距离分析需要达到厘米级的绝对精度才能满足要求，比如招弧角测量、覆冰厚度测量、防振锤位移测量、线夹偏移放电间隙测量、雷击位置测量以及塔材尺寸测量等，招弧角是一种防雷保护装置，通常安装于绝缘子串两端，用来将形成于绝缘间隙的电弧引离绝缘子串，以达到保护绝缘子串的目的。不同于通过增加绝缘子片数来提高耐雷水平的“阻塞型”防雷方式，招弧角为“疏导型”防雷方式，目前招弧角已经广泛运用于线路雷击保护之中。目前超高压输电公司如柳州局黎桂甲线、黎桂乙线、桂山甲线、桂山乙线、牛从甲乙线等线路具备地线融冰条件，每年融冰试验前需对放电间隙测量，金中直流线线桂侧接地极线路每年停电检修时需要对每基杆塔进行测量，在日常运行过程中架空地线受地线不平衡张力、本身技术工艺、覆冰等因素影响，易造成放电间隙板电极或棒电极松动，使放电间隙变形、变大或缩小，同样招弧角在日常运行工程也存在同样情况，为确保放电间隙、招弧角满足规程规范要求，每年需要作业人员反复登塔检查测量，以往采取钢卷尺测量方式受人员技能水平、测量方法等因素影响，存在不同程度误差，人员登塔测量存在感应电等作业风险，通常每人每天完成1-2基塔的测量，且耗时耗力、效率低下，且使用高频次的登塔高空作业，大大增加人身伤亡等风险的机率。传统的摄影测量方式在数据采集、数据处理、成果测量等方面存在诸多误差，无法满足绝对误差厘米级(1-2cm)的要求，机载激光雷达技术主要获取大范围的分米级激光点云，也无法满足小范围的绝对误差厘米级(1-2cm)的要求，基于传统摄影测量或机载激光雷达的技术进行的三维建模，根据误差积累的原理，其模型精度要低于数据精度，也无法满足要求，且传统的摄影测量多集中在地面固定的测量方式或地面的点式的移动的测量方式，难以满足对输电线路测量的需求。
技术实现思路
本专利技术的目的在于提供基于无人机的立体视觉影像精确测量方法，以解决上述
技术介绍
中提出现有技术中的问题。为实现上述目的，本专利技术采用了如下技术方案：基于无人机的立体视觉影像精确测量方法，具体包括以下步骤：S1：双目立体视觉的硬件搭建：通过在无人机上搭载多轴稳定云台，在多轴稳定云台上安装双目摄像相机，构成双目立体视觉的硬件；S2：图像获取：利用双目摄像相机多角度拍摄输电线路的影像，双目摄像相机读取无人机自身GPS信息并存储，标定照片拍摄位置，获得立体图像资料；S3：摄像相机标定：摄像相机的标定具体包括以下步骤：S31：内参数解算，对步骤S2中或的立体图像进行处理，按照张正友算法求解成像模型的内参数和外参数，根据求解的内参数和外参数，建立相机成像的几何模型，几何模型参数就是相机参数，成像模型的内参数主要包括以下内容：1)：测定像主点坐标与主距，主点坐标为(x0，y0)，主距为f；2)：设定压平装置及像框坐标系；3)：测定与设定调焦后变化的主距D；4)：测定调焦后变化的畸变差ΔxD，ΔyD；5)：测定偏心常数p1，p2；6)：比例因子不一的测定；7)：测定成像分辨率；8)：多相机的组合检校9)：测定径向畸变差和偏心畸变差，镜头径向畸变差为Δr，Δr＝k1r3+k2r5+k3r7+…①式①和式②中，r为像点向径，x,y为像点坐标，x0,y0为像主点坐标，ki(i＝1,2,3…)为径向畸变参数，镜头径向畸变差Δr根据式式①和式②确定；式③中，ΔxD，ΔyD为调焦距为D时的偏心畸变差分量，f为调焦距为D时的主距，D为调焦距，p1，p2为偏心畸变参数；外参数主要包括旋转矩阵和平移矩阵；S32：影像高精度畸变纠偏：基于共线条件方程式为基础的像点坐标误差方程法、多片空间前方交会解法、空间后方交会解法以及光线束解法进行，空间后方交会解法控制点的像方坐标作为观测值，实现纠偏校验；S33：特定部件的自动化量测：分析解决特定部件形状，构建物理模型，通过特定物理模型使测量软件进行深度学习与识别，建立数据库使自动化技术有底层支撑；S4：图像校正：首先利用S3中得到的内参数中的畸变系数去除图像的径向及切向畸变，得到无失真图像，其次将无失真图像通过几何图形变换关系，使得未处于同一平面的两个摄像头严格地行对应，两幅图像的对极线能够在同一水平线上；S5：立体匹配：通过一种或者多种匹配基元，计算左右两幅图像的匹配代价，再将匹配代价聚类，得到初始的视差图，再对初始视差图进行插值、拟合的后处理，得到最终的视差图；S6：三角测量：利用三角测量原理，计算出场景中物体的深度信息，结合步骤S3中获得的内参数和外参数，便可解算得到目标点在世界坐标系下的坐标；S7：测量分析：处理双目摄像头获得和测量中的关键位置，来实现对浮冰厚度、防振锤位移和线夹偏移放电间隙的高精度测量。优选的，所述步骤S1中，双目摄像相机为带有GPS定位的ZED-2K-Stereo系列或Bumble-Bee系列双目摄像相机，双目摄像相机的像素不低于1600万，无人机采用M200系列无人机，多轴稳定云台采用三轴稳定云台。优选的，所述步骤S2中，获得的立体图像不低于20幅。优选的，所述步骤S5中，视差图图像不低于10幅。本专利技术的技术效果和优点：本专利技术提出的基于无人机的立体视觉影像精确测量方法，与现有技术相比，具有以下优点：本专利技术通过双目立体视觉的硬件搭建双目立体视觉技术的基础配置，以双目立体视觉技术为基础，获得待测量部位的多个角度立体图像，便于后续摄像相机标定；按照张正友算法求解成像模型的内参数和外参数，结合了传统标定算法鲁棒性好及自标定算法对标定物依赖性底的优点，不需要标定板移动的参数仅需要标定模板在两个方向上的移动就可以进行标定，该方法标定精度高、成本低；通过基于共线条件方程式对影响进行纠偏，使得获得的距离数据精度更好；通过特定部件形状物理模型的搭建，并构建相应的数据库，便于后续图像校正；通过图像的校正，在立体匹配时只需在某一行进行一维搜索即可匹配到对应点，方便后续的匹配；通过立体匹配、三角测量和测量分析，分别获得视差图、世界坐标系下的坐标和最终的测量数据，达到高精度的测量。附图说明图1为本专利技术的基于无人机的立体视觉影像精确测量方法张正友算法世界坐标、图像坐标与相机坐标关系示意图；图2为本专利技术的基于无人机的立体视觉影像精确测量方法的双目摄像相机径向畸变模型示意图；图3为本专利技术的基于无人机的立体视觉影像精确测量方法的双目摄像相机径向畸变和切向畸变示意图；图4为本专利技术的基于无人机的立体视觉影像精确测量方法的成像模型示意图。具体实施方式下面将结合本专利技术实施例本文档来自技高网...

【技术保护点】
1.基于无人机的立体视觉影像精确测量方法，其特征在于：具体包括以下步骤：/nS1：双目立体视觉的硬件搭建：通过在无人机上搭载多轴稳定云台，在多轴稳定云台上安装双目摄像相机，构成双目立体视觉的硬件；/nS2：图像获取：利用双目摄像相机多角度拍摄输电线路的影像，双目摄像相机读取无人机自身GPS信息并存储，标定照片拍摄位置，获得立体图像资料；/nS3：摄像相机标定：摄像相机的标定具体包括以下步骤：/nS31：内参数解算，对步骤S2中或的立体图像进行处理，按照张正友算法求解成像模型的内参数和外参数，根据求解的内参数和外参数，建立相机成像的几何模型，几何模型参数就是相机参数，成像模型的内参数主要包括以下内容：/n1)：测定像主点坐标与主距，主点坐标为(x

【技术特征摘要】
1.基于无人机的立体视觉影像精确测量方法，其特征在于：具体包括以下步骤：
S1：双目立体视觉的硬件搭建：通过在无人机上搭载多轴稳定云台，在多轴稳定云台上安装双目摄像相机，构成双目立体视觉的硬件；
S2：图像获取：利用双目摄像相机多角度拍摄输电线路的影像，双目摄像相机读取无人机自身GPS信息并存储，标定照片拍摄位置，获得立体图像资料；
S3：摄像相机标定：摄像相机的标定具体包括以下步骤：
S31：内参数解算，对步骤S2中或的立体图像进行处理，按照张正友算法求解成像模型的内参数和外参数，根据求解的内参数和外参数，建立相机成像的几何模型，几何模型参数就是相机参数，成像模型的内参数主要包括以下内容：
1)：测定像主点坐标与主距，主点坐标为(x0，y0)，主距为f；
2)：设定压平装置及像框坐标系；
3)：测定与设定调焦后变化的主距D；
4)：测定调焦后变化的畸变差ΔxD，ΔyD；
5)：测定偏心常数p1，p2；
6)：比例因子不一的测定；
7)：测定成像分辨率；
8)：多相机的组合检校
9)：测定径向畸变差和偏心畸变差，镜头径向畸变差为Δr，
Δr＝k1r3+k2r5+k3r7+…①



式①和式②中，r为像点向径，x,y为像点坐标，x0,y0为像主点坐标，ki(i＝1,2,3…)为径向畸变参数，镜头径向畸变差Δr根据式式①和式②确定；



式③中，ΔxD，ΔyD为调焦距为D时的偏心畸变差分量，f为调焦距为D时的主距，D为调焦距，p1，p2为偏心畸变参数；
外参数主要包括旋转矩阵和平移矩阵；
S32：影像高精度畸变纠偏：基于共线条件方程式为基础的像点坐标误差方程...

【专利技术属性】
技术研发人员：孙阔腾，宁淼福，蔡玮辰，夏立杰，周经中，唐鑫，潘兴东，刘成，黄祖标，杨彦军，杨明伟，赵凤龙，李超，孟庆禹，李辉，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司柳州局，
类型：发明
国别省市：广西;45