重叠度对无人机图像拼接效率的影响

韩峰+刘昭+刘伟+张天毅+陈洪

摘要：为分析重叠度对无人机图像拼接效率的影响，提高无人机平台获取数据的时效性，更好地为灾害损失调查和救灾应急现场等服务，设计重叠度对无人机图像拼接效率影响程度的试验。该试验以单旋翼无人机Scout B1-100搭载多通道光谱成像系统Micro MCA12Snap为数据获取平台，以PixelWrench2为多光谱图像的多波段选配合成工具，以Pix4D Mapper为数据处理和分析平台，对23种重叠度的图像数据进行拼接试验分析。结果表明，在软硬件支持的基础上低重叠度图像的获取和处理可以提高无人机图像拼接效率，提升数据获取时效性。

关键词：无人机图像；重叠度分析；拼接效率；灾害损失；救灾应急

中图分类号： TP75文献标志码： A文章编号：1002-1302（2017）12-0182-06

收稿日期：2016-12-10

无人机遥感图像具有实时、灵活、低成本、高分辨率等特征[1-3]，可以极低的风险在危险的环境中收集信息，是获取空间数据[4]的重要手段。因此，非常适合所有类型灾害的应急监测和重建[5]，特别是在现场应急响应的使用中，可以极大地提高数据收集及数据传输能力。

传统航空摄影技术规范中航向重叠度（53%～65%）和旁向重叠度（15%～40%）要求较高[6]，数据采集处理的时效性较低，在应急救援和灾害损失调查等时效性要求较高的特殊领域，低重叠度（15%～30%）的数据采集方式和处理方法越来越受到重视。在数据采集方面，全球鹰无人机（GH-UAV）和DH-110吊舱侦察系统上搭载的新型传感器已经可通过低重叠（15%～30%）方式采集数据[7-8]。在图像数据处理方面，何永洁等采用ASIFT图像匹配算法进行特征点检侧与匹配，在图像重叠度很低的情况下，取得了良好的拼接结果[9]；宋耀鑫等提出基于ASIFT算法的低重叠图像配准方法，并对序列图像做光束法平差处理，得到最优变换矩阵后，结合多分辫率样条融合算法进行全景图像输出[10]，该方法可以获取足够数量稳定的匹配点对，较好地约束序列图像之间的几何关系，得到的拼接图像无缝清晰，适用于低重叠度无人机图像的快速拼接。

但是，目前为止，针对重叠度对无人机图像拼接效率的影响分析研究还很少，在灾害调查和救灾应急等特殊应用中，用户在选择无人机图像作为数据获取手段时难以得到有效的参考。本研究通过对多种不同重叠度的图像进行拼接试验，并对拼接效率、拼接结果进行对比分析，以期为使用无人机图像作为数据获取手段的用户提供有效参考和指导。

1重叠度分析试验的原理和方法

1.1试验原理

如图1、图2所示，Ix和Iy表示图像大小，Fox和Foy表示航向重叠区域大小，Sox和Soy表示旁向重叠区域大小。根据飞行条件和航线弯曲度，重叠度的计算用式（1）、式（2）、式（3）、式（4）进行。当飞行条件较好、航线弯曲度≤3%时，重叠度计算采用式（1）、式（3），飞行条件差、航线弯曲度大于3%时，采用式（2）、式（4）计算重叠度。

FO=FoxIx×100%；（1）

FO=Fox×FoyIx×Iy×100%；（2）

SO=SoyIy×100%；（3）

SO=Sox×SoyIx×Iy×100%。（4）

1.2试验工具

本试验使用PixelWrench2進行多光谱图像的多波段选配合成处理，再利用Pix4Dmapper进行图像的拼接，然后通过Pix4Dmapper的质量报告数据对比分析不同重叠度图像的拼接效率和效果。

1.3试验方法

为充分体现重叠度对无人机图像拼接效率的影响程度，本试验对拍摄区域采用不同重叠度进行多次图像拍摄，然后对不同重叠度的图像进行拼接处理，再对拼接效率及结果进行分析对比。

2数据获取及处理

2.1无人机平台

试验无人机平台为大型多用途单旋翼无人机Scout B1-100，主要技术指标如表1所示。

主要参数数值长度（m）3.3高度（m）1.3宽度（m）0.6主旋翼直径（m）3.3尾桨直径（m）0.67空质量（不含燃油）（kg）45 有效载荷（kg）18 燃料箱容量（L）10续航时间（min）90

2.2多光谱传感器

本试验采用美国Tetracam公司生产的Micro MCA12Snap相机为机载多通道光谱成像系统，该系统每个波段配备 1.3 M 像素CMOS传感器（6.18 mm×4.95 mm），图像分辨率为 1 280像素×1 024像素，外部可连接视频输出设备及GPS接收机，具有质量轻、体积小及远程触发的特点，适合各种中小型无人机搭载使用，可进行12波段选配图像数据获取。

2.3数据处理

本研究数据拍摄区域为新疆玛纳斯县某区域（图3），获取数据并导出后首先使用PixelWrench2进行多光谱图像的多波段选配合成，再使用Pix4D Mapper进行自动空三加密（图4），然后通过相应的地面控制点数据对图像校正并最终输出为数字正射图像（digital orthophoto map，DOM），再对得到的图像进行几何校正，最后进行无人机图像拼接处理并得到相应的质量报告数据。

数据处理笔记本计算机（PC）的配置：Windows 10 Pro、64-bit； CPU为Intel CoreTM i3-3240T 2.90 GHz； RAM为

3.1航向方向单航带分析

航向方向的单航带数据分析选用的是第4条航带数据，试验主要分析6种不同重叠度下的重叠图像数（图5）和不同重叠度图像中的平均关键点个数、平均匹配点个数、处理时间（图6、图7、图9）。

由图5可知，航向重叠度为80%的航带数据由于受到风力影响，存在一定的航带弯曲度，航带上的图像重叠数也受到endprint

了一定的影响。其余30%～70%航向重叠度的航带数据受风力影响较小，航带弯曲度小，可以观察到图像重叠数受航向

重叠度影响较大，但仍然可以正常完成航带系列图像拼接。不同重叠度下的图像平均关键点个数相差不大（平均不超过10%），最大值为20 550个，最小值为18 627个，最大差值为 1 923 个（图6）。

由图7、图8、表4可知，不同于平均关键点个数的相差不大，随着重叠度的下降平均匹配点个数下跌趋势明显，最大差值达到6 240个（80%和30%的差值）。但平均匹配点个数并非线性下跌，下跌走向为开口向下的抛物线，当航向重叠度从70%降为60%时，下跌最为明显，下跌数为2 109个，重叠度为40%和30%时差值最小，下跌数为450个。

3.2航向方向双数据带分析

航向方向的双航带数据分析选用的是第4、第5航带数据，试验主要分析3种不同航向重叠度下的5种旁向重叠度的重叠图像数、平均匹配点个数、处理时间（图10至图18）。

由图10可知，当航向重叠度为80%，旁向重叠度从60%变化到20%时，图像重叠数有明显变化，但并不影响双航带系列图像的拼接。和图5的单航带图像重叠数据对比可以发现，旁向重叠度对图像重叠数的影响要远小于航向重叠度对图像重叠数的影响。

由图11可知，当航向重叠度固定为80%，旁向重叠度从60%至20%变化时，图像间的平均匹配点个数有明显下降，最大差值为2 181个。但从图像拼接结果和数字表面模型（digital surface model，DSM）来观察对结果并无明显影响。其中，当旁向重叠度从50%降为40%时，平均匹配点个数几乎无变化，旁向重叠度从30%降为20%时，平均匹配点个数的变化较小。

由图13可知，当航向重叠度为60%，旁向重叠度从60%至20%变化时，图像重叠数无明显变化。通过和图10航向为80%的图像重叠数对比可以看出，航向重叠度从80%降为60%时，在低旁向重叠度的情况下，图像重叠数据更好，如图10旁向重叠度20%的图像重叠数与图13旁向重叠度20%图像重叠数的对比。

由图14可知，图像间的平均匹配点个数呈下降趋势，但下降并不明显，最大差值仅为390个。特别当旁向重叠度从30%降为20%时，平均匹配点个数只是从6 930个变化为 6 918个，差值仅为12个，几乎无变化。

当航向重叠度为60%，旁向重叠度从60%至20%变化时，处理时间呈现明显的上升趋势，图像拼接效率随旁向重叠度的降低并未提升（图15）。

由图16可知，当航向重叠度为30%，旁向重叠度从60%变化至20%时，图像重叠数无明显变化。通过和图10、图13的图像重叠数对比可以看出，航向重叠度从80%降为60%再至30%时，在低旁向重叠度的情况下，图像重叠数对图像的拼接并无明显影响。

当航向重叠度为30%、旁向重叠度由60%降至20%时，平均匹配点个数下降并不明显，从7 055个下降为6 607个，差值为448個，当旁向重叠度从30%降为20%时，平均匹配点数只是从 6 623个 变化为6 607个，差值仅为16个，对图像拼接效果的影响几乎可以忽略不计（图17）。

当航向重叠度、旁向重叠均为30%时，处理用时最少，为254 s。对比图12和图15的处理时间，可以看出低航向重叠度下处理数据的时效性提高明显（图18）。

3.3航向旁向数据综合分析

综合数据分析选用的是第2、3、4、5航带数据，试验主要分析航向重叠度80%、旁向重叠度60%和航向重叠度30%、旁向重叠度20%下的重叠图像数、平均匹配点个数、处理时间（图19、图20、表5）。

航向80%、旁向60%的高重叠度和航向30%、旁向20%的较低重叠度下的图像重叠数并无肉眼能够观察到的明显变化，图像拼接结果地物均清晰可辨，DSM数据清晰度虽有些差别，但对可利用数据的影响不大（图19、图20）。

低重叠度情况下的平均关键点个数和平均匹配点个数均低于高重叠度情况下的数据，但从处理数据所需的时间来看，

低重叠度情况下时间效率明显高于高重叠度情况。再加上数据获取时的时间差别，可以说低重叠度下的数据获取和处理的时效性要明显高于高重叠度情况（表5）。

4结论

经过详细数据分析可知，航向重叠度并非越高越好，在30%的航向重叠度下，图像间的平均匹配点数也能维持在一个较高的水平，不会对系列图像的拼接造成较大影响。在航向重叠度固定的情况下，旁向重叠度的变化对图像间的平均匹配点数虽有影响，但不会对系列图像的拼接造成较大影响；当航向重叠度固定时，单纯的增加或者降低旁向重叠度，反而会对数据获取时效性和数据处理效率造成较大影响。在算法和软件的支持下，航向30%左右的低重叠度无人机图像拼接完全可以得到适合用于所有类型应急的大面积图像数据和DSM数据。特别是在现场应急响应的使用中，当采用低重叠度的拍摄方法和拼接方法时，可极大地提高应急响应时间。

参考文献：

[1]赵庆展，刘伟，尹小君，等. 基于无人机多光谱影像特征的最佳波段组合研究[J]. 农业机械学报，2016，47（3）：242-248.

[2]Matese A，Toscano P，di Gennaro S F，et al. Intercomparison of UAV，aircraft and satellite remote sensing platforms for precision viticulture[J]. Remote Sensing，2015，7（3）：2971-2990.

[3]Bhardwaj A，Sam L，Akanksha，et al. UAVs as remote sensing platform in glaciology：present applications and future prospects[J]. Remote Sensing of Environment，2016，175：196-204.

[4]王辉，刘海隆，包安明，等. 基于遥感和GIS改进SRM融雪径流的模拟及分析[J]. 石河子大学学报（自然科学版），2015（3）：357-361.

[5]李云，徐伟，吴玮. 灾害监测无人机技术应用与研究[J]. 灾害学，2011，26（1）：138-143.

[6]王佩军，徐亚明. 摄影测量学[M]. 3版. 武汉：武汉大学出版社，2016.

[7]Theirs H J. Rigorous image formation from airborne and space borne digital array scanners[C]//International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences，2012：159-165.

[8]Riehl J K. RAPTOR（DB-110） reconnaissance system：in operation[C]// International Symposium on Optical Science and Technology. International Society for Optics and Photonics，2002：1-12.

[9]何永洁，陈孝威. 基于ASIFT的低重叠度图像拼接研究[J]. 计算机工程与设计，2013，34（2）：561-565.

[10]宋耀鑫，张丹丹，唐伶俐，等. 基于ASIFT算法的低重叠度无人机影像拼接方法[J]. 遥感技术与应用，2015，30（4）：725-730.薛文龙，苏万益. 基于用户搜索数据的农业安全预警[J]. 江苏农业科学，2017，45（12）：188-191.endprint