基于无人机倾斜摄影技术的农村房屋不动产测量方法

葛城峰 彭天祥 魏廷荣

（浙江省测绘科学技术研究院，浙江 杭州 311100）

0.引言

当前，乡村治理已成为乡村振兴战略的重要组成部分。随着云计算、物联网、人工智能、5G、CIM等新技术的发展，如何利用新技术实现农村宅基地智能化管理是亟需探索的课题。实现该目标的首要环节，是对农村房屋不动产进行测量并获取数字化测量结果，从而为不动产智能化管理构建坚实的时空数字底座。目前诸多学者开始尝试通过航空航天遥感检测等测量手段，对农村房屋不动产进行高精度的可靠性测量，获取房屋不动产影像数据；同时结合遥感图像处理和智能分析技术，建立农村房屋不动产测量的数字图像处理和数字分析模型，并对获取的房屋不动产影像数据进行后处理和智能分析，从而获取农村房屋不动产测量的成果数据。研究农村房屋不动产测量方法，对房屋不动产区域的测量过程和测量结果进行优化，在国土空间规划以及不动产管理中具有重要意义[1]。

当前，农村房屋不动产测量的方法主要有面向图像分割的快速模糊C均值算法、基于边缘轮廓检测的不动产测量方法、基于SAR影像变化检测的房屋测量方法等。文献[2]中设计自适应距离和模糊拓扑优化的模糊聚类SAR影像变化检测方法，利用SAR影像全天时、全天候及穿透某些地物影响的优势，实现农村房屋不动产测量，但以该方法进行农村房屋不动产测量的不规则性检测能力较差。文献[3]中提出采用多视角监控视频中动态目标的时空信息提取方法进行地物目标建筑物检测和测量，将观测角度不同、尺度不同和空间分辨率的监控图像进行归一化处理，实现图像增强和建筑测量，但该方法存在精度较低问题。针对上述问题，本文提出基于无人机倾斜摄影技术的农村房屋不动产测量方法，首先引入模糊聚类方法，实现对农村房屋不动产摄影图像的边缘轮廓检测和特征聚类分析；然后生成农村房屋不动产测量的变化检测图，通过检测图分布实现不动产的优化测量；最后进行仿真测试，展示了本文方法在提高农村房屋不动产测量精度和抗不规则度方面的优越性能。

1.农村房屋不动产测量的无人机摄影及预处理

1.1 农村房屋不动产无人机倾斜摄影

基于无人机倾斜摄影技术进行农村房屋不动产测量，主要是在直升机、多旋翼、固定翼、垂起等类型无人机倾斜摄影作业平台上搭载一个下视和多个侧视镜头，以拍摄农村土地上的房屋不动产及其附属物，获取地物影像照片。其次，在测区内按照精度要求布设像控点用于空三加密。最后，利用经典的摄影测量算法对倾斜摄影测量数据进行轨迹解算、影像匀光、空三加密和光束法区域网平差[4]、像控刺点等处理，从而得到一系列测量数据，包括影像数据、外方位元素POS、数字正射影像、数字高程模型、数字线划图、数字表面模型、倾斜三维模型、点云数据等。

当前，国际上主流的无人机倾斜摄影作业平台包括大疆系列平台、Leica Aibot平台、南方测绘智航等系列平台，如，大疆精灵4 RTK、大疆经纬M 30、经纬M 300 RTK、南方SF 600、南方SF 700A等；主流的相机镜头有索尼、赛尔PSDK 102 S五镜头、赛尔发布PSDK 102S V3；主流的摄影测量软件有海克斯康ERDAS Photogrammetry、大疆智图、街景工厂(STREET FACTROY)。在作业前，需根据作业区域大小、作业环境和目标成像分辨率要求，灵活选择相应型号的无人机和相机镜头；需对现场进行踏勘，了解周边地形高差起伏情况，以及周边是否存在电磁干扰等情况；需提前掌握天气情况，避免在恶劣气象条件下开展野外作业；需提前设计农村房屋不动产无人机倾斜摄影及图像采集方案，包括航线设计、倾斜航高设计、飞行架次和照片量测算等内容，同时需分析轮廓和地理位置等时空信息，采用地理坐标系精准匹配的方法，建立农村房屋不动产无人机倾斜摄影的坐标系和空间地理位置信息分布集。开展无人机航飞作业，获取农村房屋不动产倾斜影像数据。在此过程中，采用协同的视频监控和地理空间数据互映射方法，进行图像特征数据检测和无人机倾斜摄影控制，并根据不同的角度、尺度和空间分辨率，调整无人机倾斜摄影过程中的角度和方位，提高农村房屋地理场景的时空理解力[5]。农村房屋不动产无人机倾斜摄影的图像采集和测量的总体实现结构模型如图1所示。

图1%总体实现结构图

采用自适应差分影像的统计特性分析的方法，通过内部像元隶属度检测，利用未变化和变化类数据的差异性，进行农村房屋不动产测量。充分考虑农村房屋不动产无人机倾斜摄影图像不同类别之间的分布差异以及未变化和变化类数据的形状信息，从而建立农村房屋不动产无人机倾斜摄影采集对象模型。同时，采用样本特征分析和像元分析的方法，进行遥感影像土地和房屋建筑的特征分割。

1.2 无人机倾斜摄影图预处理

采用局部方差法和地统计学法，利用知识邻域模型下的GIS地理数据库，进行线状要素的平均统计分析，计算农村房屋不动产无人机倾斜摄影线平均长度L，如式（1）所示：

式（1）中，li为地理要素具有完全相同（或相似）的方向特征分量；n为多尺度分级；N为纹理主方向权值参数。针对单个GIS土地利用图斑，得到平均分布方向的边缘轮廓D，如式（2）所示：

式（2）中，θi为农村房屋不动产无人机倾斜角度。

采用变化特征的纹理可视化方法，引入模糊聚类方法，实现对农村房屋不动产摄影图像的边缘轮廓检测和特征聚类分析。建立农村房屋不动产无人机倾斜摄影的动态分析模型，通过可视化与在线交互分析，精确界定特征区域，进行摄影测量。无人机倾斜摄影处理结构图如图2所示。

图2无人机倾斜摄影处理结构图

2.农村房屋不动产测量方法的优化实现

2.1 农村房屋不动产摄影图像边缘轮廓检测

在农村房屋不动产摄影测量中，假设X1,X2为同一地区不同时刻采集的农村房屋不动产摄影图像像素分量，采用模糊局部信息C均值聚类的方法，得到农村房屋不动产摄影的差分影像，同时获得各类别的纹理增强系数，通过领域知识库中的指标参数优化控制，建立农村房屋不动产无人机倾斜摄影的直方图，如式（3）所示：

式（3）中，m和n分别为农村房屋不动产无人机倾斜摄影编号；s为影像分辨率；k为建筑物利用类别总数；θijm为灰度共生矩阵特征量；θijn为多尺度窗口。通过大量深度学习模型计算，得到农村房屋不动产无人机倾斜的空间参数信息为S={1,2,...,N}；利用大型自然场景进行三维信息增强，得到模糊度预测函数C（i），如式（4）所示：

式（4）中，pi（j）为训练模型中全连接层权值因子；i和j分别为多尺度GLCM（灰度共生矩阵）分布集；ni为遥感影像的几何形变参数；n为轮廓的颜色特征。采用多维轮廓特征检测，在区域分辨范围内得到农村房屋不动产有效测量范围的边缘轮廓特征量，通过边缘轮廓检测，结合多维基础模型训练，提高测量精度。

2.2 房屋不动产的规则化测量

引入模糊聚类方法，实现对农村房屋不动产摄影图像的边缘轮廓检测和特征聚类分析，采用自适应距离增强和模糊聚类方法，在中心像素的局部邻域，得到农村房屋不动产摄影测量的遥感影像场景景深，从而实现农村房屋不动产测量。其中，输入输出模型如图3所示。

图3农村房屋不动产测量的输入输出模型

图3中，f（x，y）为输入的无人机摄像；h（x，y）为训练模型函数，摄影测量输出。

3.仿真试验

为验证该方法在实现农村房屋不动产测量中的成果精度，采用真实的试验数据进行测试。试验中，以二维3×3卷积核采样对试验区中房屋不动产要素及其附属物进行图像场景分类采集，采集的房屋不动产的像素为600×600像素，包含25类场景，相关的采集测量参数如表1所示。

表1测量参数设定

根据表1所设定的测量参数，进行无人机倾斜摄影下的农村房屋遥感测量，得到倾斜摄影位置标定区域分布如图4所示。

图4无人机摄影的位置标定区域分布

根据图4的位置标定，将阈值设置为12.3，摄像头拍摄帧率为11.88帧/s，得到边缘轮廓检测结果如图5所示。

图5边缘轮廓检测结果

基于以上边缘检测结果，将本文方法与文献[4]、文献[5]进行对比得知，如表2所示。采用本文方法得到的农村房屋不动产测量结果精度等级值较大，表明总体精度较高。

表2农村房屋不动产测量精度等级对比

4.结束语

为优化测量不动产分布变化区域的检测结果及提高农村房屋不动产测量精度，本文提出基于无人机倾斜摄影技术的农村房屋不动产测量方法，采用地理坐标系精准匹配方法，建立农村房屋不动产无人机倾斜摄影的坐标系和空间地理位置信息分布集，获得各类别的纹理增强系数，通过领域知识库中的指标参数优化控制，建立农村房屋不动产无人机倾斜摄影测量模型，实现算法改进。测试得出：本文方法对农村房屋不动产测量的精度较高，图像增强效果较好。