System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种弱纹理湖泊水面场景下的无人机影像拼接方法,属于图像处理。
技术介绍
1、在湖泊的水环境保护和治理中,蓝藻水华、沉水植物的分布调查一直是其重点和难点。现阶段,针对蓝藻水华、沉水植物分布范围及其面积的识别,主要依靠卫星遥感影像结合人工调查进行。一方面,卫星影像的获取易受天气影响,当目标区域上方有云雾遮挡时,无法及时获取到有效的影像数据;另一方面,卫星影像的空间分辨率较低,一般为亚米至几十米不等,因此精度也较低。此外,人工调查的精度往往又受限于调查人员的专业性和经验,且效率较低,而蓝藻水华的变化较快,以致于该调查结果难以满足实际使用需求。而无人机具有快速部署,快速获取影像的能力,且能通过搭载多光谱传感器获取目标区域的多光谱影像,进而提高调查准确性。
2、但目前无人机调查仍然面临如下问题:现有无人机影像拼接技术是利用无人机搭载相机对目标区域按照一定重叠度进行连续拍摄,其拍摄的照片经过计算机视觉特征匹配算法拼接后得到目标区域的一整张影像图。该技术在纹理特征明显的区域,如山地、林地、田地、居住区域等效果较好。但在湖泊水域等弱纹理水面场景下拍摄的无人机照片,在后期拼接处理过程中进行计算机视觉特征点匹配时,由于水体流动,浪花等原因,导致相邻两张照片无法自动计算出合格的同名特征点,因此无法通过空三加密。空三加密是指通过同名特征点为约束条件,计算相关像片中未知点坐标的一种方法,是传统摄影测量软件进行影像拼接的关键步骤,其前提条件是相邻照片必须要有足够的同名特征点。若同名特征点不满足要求,则会导致这些未通过空三加密的照片
技术实现思路
1、本专利技术针对现有无人机影像拼接技术在弱纹理湖泊水面场景下无法完整拼接的问题,提供了一种弱纹理湖泊水面场景下的无人机影像拼接方法。使用该方法可以获得弱纹理湖泊水面的完整影像,该影像成果可进一步应用于蓝藻水华、沉水植物分布范围及面积测算等湖泊水环境保护和治理工程中。
2、本专利技术采用如下技术方案:
3、s1 输入待拼接影像
4、采用无人机航测方法采集带有gps坐标信息的可见光影像或多光谱影像,作为输入数据;其中,可见光影像或多光谱影像中同一航线相邻照片的重叠度不低于60%,相邻航线照片的重叠度不低于70%。
5、s2 生成影像序列
6、顺序读取输入数据,生成影像序列,序列中的每一个对象由照片信息组成;
7、
8、其中, k为照片编号,表示照片在像片矩阵中的位置,如11表示第1行第1列, filename为照片的文件名, gps为该照片的gps位置信息,包括经度、纬度、高度, rh为照片拍摄的相对高度, pos为照片姿态信息,包括俯仰角、偏航角、翻滚角, ext为其他信息。
9、s3 生成像片空间矩阵
10、根据照片的gps坐标信息,对照片进行重新排列,生成规则的像片空间矩阵;像片空间矩阵行所在的方向为东西方向,列所在的方向为南北方向,行和列方向的最大照片数量分别对应像片空间矩阵的行数和列数,且像片空间矩阵为所有照片在正北方向或正东方向的最小外接矩形。
11、统计所有照片的gps信息,将统计的纬度最小值和经度最大值记为像片空间右下角坐标,将统计的纬度最大值和经度最小值记为像片空间左上角坐标,其中,像片空间矩阵中的元素为读入的影像序列中的某一个对象,当该矩阵元素范围内不存在照片时,将该矩阵元素的值设为0。
12、s4 生成目标栅格
13、基于像片空间矩阵进行平面投影,得到像片空间对应的平面坐标,对像片空间平面坐标进行外扩,得到目标栅格的坐标范围,再生成目标栅格;
14、s4.1 对像片空间矩阵的左上角经纬度坐标和右下角经纬度坐标进行平面投影,得到像片空间对应的平面坐标;
15、s4.2 计算目标栅格像元空间分辨率 srp,具体计算公式为:
16、
17、其中, arfh为平均相对航高, s为像元大小, f为焦距;
18、s4.3 计算照片对应地面的实际尺寸 d,计算公式为:
19、
20、其中,为照片的分辨率;
21、s4.4 对像片空间平面坐标进行外扩,外扩距离为 d/2,得到目标栅格的坐标范围;
22、s4.5 根据目标栅格的坐标范围和每个像素对应的目标栅格像元空间分辨率 srp,生成目标栅格,该目标栅格每个像素的初始化值为0。
23、s5 构建影像球面
24、以照片拍摄时的gps点为球心, r为影像球面半径,构建单张照片的影像球面;
25、影像球面半径 r按照下式进行计算:
26、
27、其中, h表示相对航高, α为相机视场角。
28、s6 确定各照片影像球面主要投影区域
29、将照片划分为非边缘照片和边缘照片,分别计算主要投影区域,其中边缘照片是指照片至少有一边没有相邻照片与其存在重合部分。
30、s6.1 对于非边缘照片,以该照片为中心,分别搜索东西向和南北向的最邻近照片,并计算该照片中心点与搜索到的东西南北向的各张照片中心点之间的中点坐标,得到4个中点坐标,分别穿过这4个中点,沿东西向得到两条平行直线,沿南北向得到两条平行直线,四条直线包围得到的矩形区域即为该影像球面的主要投影区域;
31、s6.2 对于边缘照片,有相邻照片与其重合的边,按照非边缘照片的处理方式得到中点坐标,将无相邻照片与其重合的边以及得到的中点坐标相连,形成的区域即为主要投影区域。
32、s7 调整投影姿态
33、对每张照片进行粗调整和细调整,得到照片的最终投影姿态。
34、s7.1 获取目标照片投影姿态初始值
35、以目标照片为中心,根据照片拍摄时的gps坐标读取与目标照片在空间上最邻近的4张重叠度不低于60%的照片,将各照片的pos信息作为各照片的投影姿态初始值。对于仅有gps坐标信息的照本文档来自技高网...
【技术保护点】
1.一种弱纹理湖泊水面场景下的无人机影像拼接方法,其特征在于,包括如下步骤:
2.如权利要求1所述的一种弱纹理湖泊水面场景下的无人机影像拼接方法,其特征在于,所述S1中,可见光影像或多光谱影像中同一航线相邻照片的重叠度不低于60%,相邻航线照片的重叠度不低于70%。
3.如权利要求1所述的一种弱纹理湖泊水面场景下的无人机影像拼接方法,其特征在于,所述S2中,照片信息表示为:
4.如权利要求1所述的一种弱纹理湖泊水面场景下的无人机影像拼接方法,其特征在于,所述S3的具体过程为:
5.如权利要求1所述的一种弱纹理湖泊水面场景下的无人机影像拼接方法,其特征在于,所述S4的具体过程为:
6.如权利要求1所述的一种弱纹理湖泊水面场景下的无人机影像拼接方法,其特征在于,所述S5中,影像球面半径R按照下式进行计算:
7.如权利要求1所述的一种弱纹理湖泊水面场景下的无人机影像拼接方法,其特征在于,所述S6的具体过程为:
8.如权利要求1所述的一种弱纹理湖泊水面场景下的无人机影像拼接方法,其特征在于,所述S7的具体
9.如权利要求8所述的一种弱纹理湖泊水面场景下的无人机影像拼接方法,其特征在于,所述S7.1中,对于仅有GPS坐标信息的照片,其投影姿态初始值按照拍摄时的实际记录进行设置,按照镜头垂直向下拍摄的姿态进行设置;对于边缘照片,若与其重叠度不低于60%的邻近照片未满4张,则取实际满足要求的相邻照片即可,若满足该要求的相邻照片数量为0,则剔除该目标照片。
...【技术特征摘要】
1.一种弱纹理湖泊水面场景下的无人机影像拼接方法,其特征在于,包括如下步骤:
2.如权利要求1所述的一种弱纹理湖泊水面场景下的无人机影像拼接方法,其特征在于,所述s1中,可见光影像或多光谱影像中同一航线相邻照片的重叠度不低于60%,相邻航线照片的重叠度不低于70%。
3.如权利要求1所述的一种弱纹理湖泊水面场景下的无人机影像拼接方法,其特征在于,所述s2中,照片信息表示为:
4.如权利要求1所述的一种弱纹理湖泊水面场景下的无人机影像拼接方法,其特征在于,所述s3的具体过程为:
5.如权利要求1所述的一种弱纹理湖泊水面场景下的无人机影像拼接方法,其特征在于,所述s4的具体过程为:
6.如权利要求1所述的一种弱纹理湖泊...
【专利技术属性】
技术研发人员:王飞,普运伟,李亚华,王恩全,
申请(专利权)人:昆明理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。