无控制点数据的无人机影像DOM快速制作

曹明兰，薄志毅，李亚东,2

(1. 北京工业职业技术学院,北京 100042; 2. 北京林业大学精准林业北京市重点实验室,北京 100083)



无控制点数据的无人机影像DOM快速制作

曹明兰1，薄志毅1，李亚东1,2

(1. 北京工业职业技术学院,北京 100042; 2. 北京林业大学精准林业北京市重点实验室,北京 100083)

在遇到紧急情况时，用户对数字正射影像DOM成图要求时间紧迫，需要最短时间成图，无法投入过多人工干预。及时把握事件发生区域是采取有效应急措施并阻止事件扩散的可行办法。本文利用无人机航测遥感系统采集案例地区的高空间分辨率影像，经摄影测量软件快速处理并制作了1∶500数字正射影像图，经精度检查满足DOM质量要求。该方法的实施效率高，数据采集成本低，能够为某地区遇到紧急情况时提供技术支持。

无人机；低空摄影测量；无控制点；DOM

无人机(unmannedaerialvehicle,UAV)是自带飞行控制系统和导航定位系统的无人驾驶飞行器[1-2]，它具有飞行成本低、数据分辨率高、外业周期短、机动灵活等优点[3-4]，在军事和民用领域具有广阔的应用前景[5]。但是在采用传统方法进行内业数据处理时，需要到野外测量像片控制点，这大大拖延了无人机低空影像数据处理周期。为了满足各类灾害的应急救急工作的迫切需要，急需建立精度要求不高情况下的快速制作正射影像图制作流程。近年来，随着无人机摄影传感器性能的提高，尤其是POS(positionandorientationsystem,POS)数据精度的不断提升，使得无控制点处理无人机低空摄影测量数据成为可能。研究者们也从算法与软件开发[6-8]、处理方法[9-12]、基于POS数据的影像匹配[13-15]等方面进行了探索。

本文利用测图鹰X100无人机获取了试验地区高质量的低空影像数据，结合POS数据和无人机影像处理专业软件，对基于全自动无人机航测系统的无控制点DOM快速制作关键技术进行了探讨。

一、研究区概况

本次试验于2014年6月19日在北京市平谷区峪口镇进行。测区南北长约0.35km，东西宽约0.63km，测区面积0.22km2。测区内有楼房、平房、体育场、水域、道路、农田、树木等建(构)筑物和人工设施。当天天气晴朗，风力小于2级。飞行区域地势平坦，侧风飞行。

二、技术流程

无人机获取的影像像幅小、数量多，飞行轨迹不规则，部分偏离航线较远，直接导致影像间的重叠率相差较大。由于采用了非量测型普通数码相机，加上飞行姿态不稳定，镜头畸变较大，影像内部几何关系比不稳定。因此，无人机影像处理不能采用传统基于严密标定系数和高精度控制点的内定向、相对定向、空三加密、DOM生成等一系列步骤。而且在应急应用中，快速获取测区正射影像或准正射影像是首要任务，而精确定位无人机影像图的绝对位置精度不是最重要的。因此，本文提出无人机低空影像无控制点数据的DOM制作思路，不做严密的平差处理，快速获取整个飞行区域的正射影像图，其处理流程如图1所示。

图1　无人机影像处理流程

三、关键技术

1. 外业航拍

(1) 设备参数

测图鹰X100航测遥感无人机系统是一套可单人操作的全自动无人机航测系统，主要包含电动无人机飞行平台、弹射起飞系统、eBox(GPS+INS自主巡航控制系统等)、小型数码航摄仪、地面站控制系统及空地通信数据链组件。测图鹰X100主要性能指标见表1和表2。

表1　无人机遥感平台主要性能指标

表2　无人机遥感传感器主要性能指标

(2) 航摄设计

1) 航高和航飞确定。航飞前进行现场踏勘，检查测区基准面情况，确定起飞区域和降落区域没有障碍物，并确定起降点。需要考虑测区内有楼房、平房、体育场、水域、道路、农田、树木等建构筑物和人工设施。为精确测定每一种地物，成图比例尺确定为1∶500，地面分辨率确定为0.067 313 6m/像素。同时，考虑到飞行区域地势平坦，根据《低空数字航空摄影规范》要求，将飞行航高确定为220m。航线规划8条航带，航向和旁向重叠率均设计为80%，航线间距为74m，航线规划如图2所示。航飞当天天气晴朗，风力小于2级，设计侧风飞行，逆风起飞，逆风降落。飞行1个架次，飞行面积为0.467 5km2，共获取120张大小为3.5GB左右的影像。完成飞行任务后，导出照片和POS数据，检查航向重叠、旁向重叠、像片倾斜角、航偏角、航线弯曲度、航高差、航摄漏洞等是否满足设计要求。经过检查，各项指标均满足要求，航片影像清晰、反差适中、色调饱和不偏色、层次感适中、目视效果良好。

图2　案例地区航线规划

2) 无人机姿态角。无人机在空间上的飞行姿态角可以用像空间坐标系相对于地面辅助坐标系的转动关系来表示。假设两个坐标系的原点在同一位置，只是方向不同，则可通过3次不同方向的连续转动使二者重合，每次转动角即为姿态角，包括俯仰角、横滚角、偏航角，如图3所示。

图3　无人机姿态角定义

以摄影中心为坐标原点，沿航线前进的切线指向机头方向为X轴，垂直航线面的指向机身右方为Y轴，垂直XY平面指向机身上方为Z轴。则无人机的姿态有3种情况：绕X轴旋转的姿态角为横滚角φ(roll)，机体向右滚为正，反之为负。绕Y轴旋转的姿态角为俯仰角ω(pitch)，当X轴的正半轴位于过坐标原点的水平面之上(抬头)时，俯仰角为正，否则为负。绕Z轴旋转的姿态角为航偏角κ(yaw)，机头右偏航为正，反之为负。

用姿态角转动法表示姿态时，按不同顺序旋转3个角所得到的姿态方位不一样，每次转动可用矩阵表示，即姿态矩阵，可用3个姿态角构建旋转矩阵。下面方程中(X,Y,Z)代表地面点在地面辅助坐标系中的坐标，(x,y,-f)则代表像点在像空间坐标系中的位置。

经过第一次旋转后，有

(1)

写成向量的形式为

X=RφX′

(2)

第二次旋转后，有

(3)

写成向量的形式为

X′=RωX″

(4)

最后一次Z轴进行第3次旋转后，有

(5)

写成向量的形式为

X″=Rκx

(6)

因此

(7)

其中

R=RφRωRκ

(8)

计算得到

(9)

这种按连动轴的有序旋转，其总旋转矩阵由各单独旋转矩阵依旋转顺序相乘构成，完成了像空间坐标系与地面辅助坐标系之间的转换。

2. 影像定向及点云提取

影像的拍摄位置是由无人机在飞行过程中根据航线设计和飞行姿态所决定的。根据摄影测量基本原理，对120张影像进行定向计算，以解算自由坐标系下照片位置、姿态数据。本文只有影像和POS数据，未测定地面控制点，因此，利用Agisoftphotoscan软件根据多视图三维重建技术计算照片的姿态参数，根据无人机姿态参数找到航线和每一张航摄像片的拍摄位置，从而快速准确地进行地理定位。根据已有姿态数据，提取带坐标信息的三维密集点云数据匹配，点密度达到13.793 5点/m2。如图4所示。

图4　相机拍照点及重叠率

无人机自身定位精度是经度、纬度、高度的综合误差(CEP)，由机载差分GPS接收机的性能决定。图5中椭圆形状表示XY的定位误差，椭圆的灰度表示Z的定位误差，图中黑色的点表示摄影机的位置。

图5　相机的位置和误差估计

3. 建立多边形网格模型

根据带坐标信息的三维密集点云数据快速重构目标的多边形网格(polygonalmesh)模型，重构出线、面、体、空间等各类数据，展现事物真实的形态特性。三维多边形网格模型是表示多面体形状的顶点与多边形的集合，能够创建不规则形体和易于观察的着色图像。并选取高质量的数码影像赋予mesh精细的彩色纹理。

4. 制作DEM、DOM

能够直接生成数字高程模型DEM，生成像素分辨率为0.272 7m的DEM。由于DEM描述的是地面高程信息，可作为林业数字地形分析、森林生产力估算、确定林地小班的地形、地貌、坡度因子等方面的基础数据。导出的高精度、信息丰富、直观逼真的1∶500数字正射影像图DOM，可作为背景控制信息，也可提取自然资源和社会经济发展信息，为防灾减灾、公共设施建设等方面提供快速有效的信息。如图6、图7所示。

5. 精度检查

影像正射影像图产品质量的因素主要有影像质量、数学精度、数据接边等。由于GPS点本身的定位精度很低，常规的控制点定位检查意义不大，因此，本文采用影像叠加的检查方法将已有的矢量文件与正射影像图进行套合叠加检查。经目视检查，道路等主要地物的重合良好，图中下方为无人机影像，上方为矢量文件。经目视检查，制作的DOM影像纹理清晰、影像分辨率正确、亮度和对比度适中、无重影和纹理断裂现象，不存在噪声及云影等缺陷。

图6　重建的数字高程模型DEM

图7　试验区数字正射影像图DOM

四、结束语

机载POS对地定位是一种新型航摄技术,它采用光纤陀螺系统,结合差分GPS定位来直接测定航片的外方位元素,可以减少传统航空摄影测量成图中的外业地面控制工序,从而大大减少外业工作量，加快测图速度。快速生成正射影像图的方法是目前无人机应急测绘较好的数据处理技术，由于它是基于影像的，纹理数据可以从原始影像中提取，因此可以方便快捷地建立逼真的三维场景模型。本文利用无人机航测遥感系统采集案例地区的高空间分辨率影像，经摄影测量软件快速处理并制作了1∶500数字正射影像图，经过精度检查满足DOM质量要求。该方法的实施效率高，在很大程度上缩减了外业工期，项目成本仅为传统胶片航摄系统成本的70%～80%。

[1]WATTSAC,AMBROSIAVG,HINKLEYEA.UnmannedAircraftSystemsinRemoteSensingandScientificResearch:ClassificationandConsiderationsofUse[J].RemoteSensing,2012,4(6):1671-1692.

[2]李德仁,李明.无人机遥感系统的研究进展与应用前景[J].武汉大学学报(信息科学版),2014,39(5):505-513.

[3]崔红霞,孙杰,林宗坚.无人机遥感设备的自动化控制系统[J].测绘科学,2004,29(1):47-49.

[4]张园,陶萍,梁世祥,等.无人机遥感在森林资源调查中的应用[J].西南林学院学报,2011,31(3):49-53.

[5]金伟,葛宏立,杜华强,等.无人机遥感发展与应用概况[J].遥感信息,2009(1):88-92.

[6]王聪华.无人飞行器低空遥感影像数据处理方法[D].青岛：山东科技大学,2006.

[7]王京卫.测绘无人机低空数字航摄影像去雾霾研究[J].测绘学报,2016,45(2):251-257.

[8]崔红霞,林宗坚,孙杰.大重叠度无人机遥感影像的三维建模方法研究[J].测绘科学,2005,30(2):37-39.

[9]宫阿都,何孝莹,雷添杰,等.无控制点数据的无人机影像快速处理[J].地球信息科学学报,2010,12(2):254-260.

[10]何海清.低空摄影测量航带重构及数据处理方法研究[J].测绘学报,2014,43(4):440-446.

[11]尹杰,杨魁.基于无人机低空遥感系统的快速处理技术研究[J].测绘通报,2011(12):15-17.

[12]张春晓,文高进,王洪民,等.一种无人机动态监测遥感数据快速处理方法[J].测绘通报,2015(1):50-54.

[13]赵政,凌霄,孙长奎,等.基于POS的无人机倾斜影像匹配方法[J].国土资源遥感,2016,28(1):87-92.

[14]张岩,李建增,李德良,等.基于POS与图像匹配的无人机目标定位方法研究[J].军械工程学院学报,2015,27(1):39-45.

[15]王伟.无人机影像森林信息提取与模型研建[D].北京：北京林业大学,2015.

Rapid Production of UAV Image DOM without Control Point Data

CAO Minglan,BO Zhiyi,LI Yadong

2016-06-27

北京工业职业技术学院重点课题(bgzykyz201411);大学生科研训练项目(2015XSKY11)

曹明兰(1978—),女,博士,讲师,主要从事摄影测量与遥感教学与研究。E-mail:nm_cml@163.com

P23

B

0494-0911(2016)08-0035-04

引文格式：曹明兰，薄志毅，李亚东.无控制点数据的无人机影像DOM快速制作[J].测绘通报，2016(8)：35-38.DOI:10.13474/j.cnki.11-2246.2016.0251.