一种基于多传感器和地心的遥感图像特征点高程获取方法技术

本发明专利技术公开了一种基于多传感器和地心的遥感图像特征点高程获取方法，属于自主导航和遥感图像领域。该方法控制无人机在遥感图像区域内巡航，采用机载相机和IMU组合的SLAM方法建立包含无人机位姿信息和无人机飞行场景稀疏点云信息的SLAM地图，求得地心在SLAM坐标系中的坐标，并得到特征点的高程，最后将高程信息加入到遥感图像。本发明专利技术能够求得地心在SLAM坐标系中的坐标，增加了遥感地图中特征点的高程信息，可以为遥感地图使用者提供更多的参考。考。考。

【技术实现步骤摘要】
一种基于多传感器和地心的遥感图像特征点高程获取方法


[0001]本专利技术涉及自主导航和遥感图像领域，尤其是一种基于多传感器和地心的遥感图像特征点高程获取方法。

技术介绍

[0002]遥感地图是一种视觉地图。遥感地图中的每一个像素点都具有准确的地理位置信息，能够给使用者提供位置参考。但遥感地图只包含了每个像素点的二维信息，使用者无法在其中获得各点的高程信息。因此，利用多传感器和地心为地图中特征点添加高程信息后，遥感地图中信息会更加丰富，为使用者提供更多的参考。
[0003]多传感器包含机载相机、IMU和气压高度计等，通过无人机SLAM(Simultaneous LocalizationAnd Mapping)方法融合相机和IMU信息可以实现无人机的自主定位和稀疏点云地图重建，但地图中的三维点信息是以无人机SLAM初始化时的位置和方向为基础的，无法通过各传感器的信息直接将点的三维信息加入到遥感地图中。

技术实现思路

[0004]为了解决上述问题，本专利技术提供一种基于多传感器和地心的遥感图像特征点高程获取方法，该方法基于机载相机图像信息和IMU信息，通过无人机SLAM技术实现无人机的自主定位和无人机飞行场景的稀疏点云地图重建，利用气压高度计和地心信息恢复遥感图像中特征点的高度信息，为遥感地图使用者提供更多参考信息。
[0005]为实现上述目的，本专利技术所采用的技术方案为：
[0006]一种基于多传感器和地心的遥感图像特征点高程获取方法，其包括以下步骤：
[0007]载入遥感图像并计算得到遥感地图中特征点的位置信息和描述子信息，根据遥感图像拍摄范围设定无人机飞行区域，控制无人机在飞行区域内巡航飞行，根据遥感图像的经纬度范围，计算飞行区域内的地球平均半径；
[0008]利用机载相机和IMU组合的SLAM方法对无人机的位姿进行估计，并恢复相机图像中特征点为三维点云，建立包含无人机位姿和场景三维点云信息的SLAM地图；
[0009]利用气压高度计采集无人机各时刻的高度信息，根据飞行区域内的地球平均半径，通过相加得到各时刻无人机到地心的距离，根据点到点距离公式，建立在SLAM坐标系中地心坐标的方程组，求解得到地心在SLAM坐标系中的坐标；
[0010]对机载图像和遥感图像进行特征匹配，得到匹配点在SLAM地图中的三维坐标，计算匹配点与地心在SLAM坐标系中的距离，将所得距离减去飞行区域内的地球平均半径，得到特征点的高程信息，将特征点的高程信息加入遥感地图。
[0011]进一步的，利用机载相机和IMU组合的SLAM方法对无人机的位姿进行估计，并恢复相机图像中特征点为三维点云，建立包含无人机位姿和场景三维点云信息的SLAM地图，包括：
[0012]设定无人机SLAM坐标系的原点和方向，确定相机与IMU的外参数矩阵；
[0013]对机载相机图像序列进行特征检测，得到特征点的位置信息和描述子信息，通过特征跟踪的方式得到同一特征点在不同相机图像中的位置；
[0014]通过多视图几何方法计算不同相机图像之间的位姿变换，通过三角化方法恢复相机图像中特征点为三维点云；
[0015]使用光束平差法对无人机位姿和三维点云坐标进行优化；
[0016]根据已计算得出的无人机位姿信息和IMU输出的数据，计算并优化IMU各项参数，计算得到IMU的预积分量；
[0017]融合视觉和IMU信息，建立带有尺度信息的无人机SLAM地图。
[0018]进一步的，利用气压高度计采集无人机各时刻的高度信息，根据飞行区域内的地球平均半径，通过相加得到各时刻无人机到地心的距离，根据点到点距离公式，建立在SLAM坐标系中地心坐标的方程组，求解得到地心在SLAM坐标系中的坐标，包括：
[0019]通过气压高度计实时获得并输出带有时间戳的无人机飞行高度信息，根据时间戳，将高度信息与SLAM信息对齐，得到SLAM中各时刻无人机的飞行高度，通过与飞行区域内的地球平均半径相加，得到各时刻无人机到地心的距离；
[0020]根据点到点距离公式，建立在SLAM坐标系中地心坐标的方程组，求解得到地心在SLAM坐标系中的坐标。
[0021]进一步的，对机载图像和遥感图像进行特征匹配，得到匹配点在SLAM地图中的三维坐标，计算匹配点与地心在SLAM坐标系中的距离，将所得距离减去飞行区域内的地球平均半径，得到特征点的高程信息，将特征点的高程信息加入遥感地图，包括：
[0022]根据特征点的描述子信息，对机载图像特征点和遥感图像特征点进行匹配，建立特征匹配点对关系；
[0023]根据机载图像特征点与SLAM坐标系中三维点的映射关系，找到遥感图像中特征点在SLAM地图中对应的三维坐标点；
[0024]利用坐标系中点到点的距离公式，得到SLAM地图中遥感图像特征点与地心的距离，将所得距离减去飞行区域内的地球平均半径，得到遥感图像中特征点的高程信息；
[0025]当遥感地图中某个特征点匹配到多个机载图像中特征点时，对每个匹配情况分别计算高程信息并求平均值，将平均值作为最终的高程信息加入到遥感地图特征点位置的信息中。
[0026]与现有方法相比，本专利技术的有益效果有：
[0027]本专利技术方法控制无人机在遥感图像区域内巡航，根据经纬度可以得知该区域的平均地球半径，采用机载相机和IMU组合的SLAM方法建立包含无人机位姿信息和无人机飞行场景稀疏点云信息的SLAM地图，根据高度计信息得到无人机在各时刻的海拔高度，与平均地球半径相加可以得知各时刻无人机到地心的距离，该距离与SLAM坐标系中无人机位置与地心的欧式距离相等，根据这一约束建立方程组，可以求得地心在SLAM坐标系中的坐标，对遥感图像和机载相机图像进行特征匹配，找到匹配成功的特征点在稀疏点云地图中的映射的三维坐标点，计算三维点与地心之间的距离，该距离减去当地平均地球半径，即可得知该特征点的高程，最后将高程信息加入到遥感图像。与现有的遥感地图相比，本专利技术能够求得地心在SLAM坐标系中的坐标，增加了遥感地图中特征点的高程信息，可以为遥感地图使用者提供更多的参考。
附图说明
[0028]为了更清楚地说明本专利技术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简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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示出的结构获得其他的附图。
[0029]图1为本专利技术实施例方法的流程图。
[0030]具体实施方法
[0031]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0032]如图1所示，一种基于多传感器和地心的遥感图像特征点高程获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器和地心的遥感图像特征点高程获取方法，其特征在于，包括以下步骤：载入遥感图像并计算得到遥感地图中特征点的位置信息和描述子信息，根据遥感图像拍摄范围设定无人机飞行区域，控制无人机在飞行区域内巡航飞行，根据遥感图像的经纬度范围，计算飞行区域内的地球平均半径；利用机载相机和IMU组合的SLAM方法对无人机的位姿进行估计，并恢复相机图像中特征点为三维点云，建立包含无人机位姿和场景三维点云信息的SLAM地图；利用气压高度计采集无人机各时刻的高度信息，根据飞行区域内的地球平均半径，通过相加得到各时刻无人机到地心的距离，根据点到点距离公式，建立在SLAM坐标系中地心坐标的方程组，求解得到地心在SLAM坐标系中的坐标；对机载图像和遥感图像进行特征匹配，得到匹配点在SLAM地图中的三维坐标，计算匹配点与地心在SLAM坐标系中的距离，将所得距离减去飞行区域内的地球平均半径，得到特征点的高程信息，将特征点的高程信息加入遥感地图。2.如权利要求1所述的一种基于多传感器和地心的遥感图像特征点高程获取方法，其特征在于，利用机载相机和IMU组合的SLAM方法对无人机的位姿进行估计，并恢复相机图像中特征点为三维点云，建立包含无人机位姿和场景三维点云信息的SLAM地图，包括：设定无人机SLAM坐标系的原点和方向，确定相机与IMU的外参数矩阵；对机载相机图像序列进行特征检测，得到特征点的位置信息和描述子信息，通过特征跟踪的方式得到同一特征点在不同相机图像中的位置；通过多视图几何方法计算不同相机图像之间的位姿变换，通过三角化方法恢复相机图像中特征点为三维点云；使用光束平差法对无人机位姿和三维点云坐标进行优化；根据已计算得出的无人机位姿信息和IMU输出的数据，计算并优化IMU各项参数，计算得到IMU...

【专利技术属性】
技术研发人员：李晨阳，耿虎军，高峰，关俊志，张泽勇，柴兴华，陈彦桥，王雅涵，蔡迎哲，牛韶源，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：