技术理论||01无人机倾斜摄影原理
1.1 无人机倾斜摄影测量原理
倾斜摄影测量技术是在摄影测量的基础上发展而来的,它突破了传统摄影测量只能从单一的垂直角度拍摄影像的局限性,能在同一高度从多个角度获取地物信息。
该技术通过在同一飞行平台上搭载多视角倾斜相机(通常为五镜头相机),在同一航高从垂直和倾斜共五个不同角度同步采集影像,并且能采集到更加丰富的地物信息。通过影像数据构建的三维模型不但能够逼真的还原现实场景,而且更加符合人眼视觉。同时,随着近年来科学技术的不断更新突破,如今的倾斜摄影测量技术能实时获取影像的位置信息和姿态参数等,实现了影像上地物的可量测。倾斜摄影测量技术也因低成本、高效率、高精度、真实性等优势,在智慧城市基础建设、数字化矿山、古建筑数字化、应急救援等方面被广泛应用。倾斜摄影测量技术原理图如下图所示。
1.2 无人机倾斜摄影测量特点
无人机与倾斜摄影测量技术相结合,具备一些独有的优势,采用倾斜摄影测量技术构建三维模型,不但可以获取海量的影像数据,同时也能获得精准的地理位置信息(通过无人机中的POS系统),能更加生动的展现测区内地物的真实情况,更加直观的表现出测区内地形特征与地物细节。
通过对无人机倾斜摄影技术的研究,总结以下几个特点:
1)无人机倾斜摄影测量的工作效率高、性价比高,它能够快速获取待测区域内丰富的影像数据,只需少量人工参与,即可实现全自动化三维建模,相比于耗时长的传统建模方式,该技术能够在较短时间内构建三维模型,既耗时、费力且成本高。
2)无人机倾斜摄影测量的真实性高,航摄采集的影像数据具有较强的真实感且每张像片都带有定位信息,能够提供真实的地物形状以及周围的环境情况,弥补了传统建模存在真实感的不足的问题。
3)数字产品种类丰富无人机倾斜摄影测量获取的影像数据经过处理能够生成不同的数据格式,如数字线划图(DLG)、数字正射影像图(DOM)、数字地表模型(DSM)等,让数据得到充分利用,避免了重复测绘,也满足了不同方面的需求。
4)倾斜摄影测量的重叠度较高,采集的影像数据量庞大,并且对影像数据处理软件和计算机的性能要求较高。
1.3 无人机倾斜测量三维建模关键技术
无人机倾斜摄影测量三维建模的关键技术,主要包括多视影像预处理、基于SIFT算法的特征提取技术、多视影像区域网联合平差技术、多视影像密集匹配技术、纹理映射技术等。
1.3.1 多视影像预处理
倾斜摄影测量通常搭载非量测相机,由于该相机不能准确地测定内方位元素且透镜组没有经过严密的校正,导致非量测相机拍摄像片中往往会存在畸变差等光学缺陷,尤其是在高山地形区域,容易出现像点位移、影像边缘畸变较大等问题,因此需对多个角度影像进行预先处理,通常包括畸变差纠正和影像匀光匀色处理等。
①畸变差纠正相机镜头中的机械误差和光学误差会产生畸变差,除此之外,在A/D转换过程当中产生的电学误差同样是产生畸变差的重要来源。
虽然借助多个透镜组合构成新的摄影物镜可以消除或减少这种像差,但是摄影物镜上的畸变差也同时影响了出射光线和入射光线的平行状态,导致像点偏离了理论位置并且没有满足像点、物点以及摄影中心的三点共线关系,因此无法利用共线条件方程计算像点对应物点坐标,这都源于物镜存在的畸变差而导致的。因此,对畸变差进行纠正就格外重要。
光学畸变通常分为三种,即径向畸变、切向畸变和CCD面阵变形。
1)径向畸变
径向畸变主要由于相机中透镜组的不完善而引起的,径向畸变的修复公式通常表示为:
2)切向畸变
切向畸变是引起像点位移的方向与径向呈垂直关系,切向畸变的修正公式通常表示为:
3)CCD面阵变形
CCD面阵变形的改正公式如式
②匀光匀色处理
无人机采集影像时会受到多种因素的影响,如天气、太阳光照、拍摄时间以及相机自身等因素,导致所采集的影像数据之间可能存在亮度以及色彩不均匀问题,从而造成拼接过程中影像间接边处存在色差,或者是相同影像上出现色彩差异较大以及光照分布差异较大等现象,这会对后续产品如三维模型的构建以及应用产生影响。因此,需要对无人机影像进行匀光匀色处理。
目前,针对这一问题已提出较多匀光匀色算法,现有的匀光匀色处理算法主要有:MASK(掩膜)匀光算法、基于自适应模板的匀光算法以及基于Wallis滤波的匀光算法。
其中,基于Wallis滤波的匀光算法相较于其他几种算法,具有更好的处理效果和更高的处理速度等优势,基于Wallis滤波的匀光算法原理为:通过利用参考影像的方差与灰度均值处理待处理影像,使待处理影像带有相似的灰度均值与方差,从而达到影像匀色的目的,其线性变换式如下:
1.3.2 特征提取与匹配
在进行影像匹配处理之前,需先进行影像数据的特征提取,特征提取是指利用计算机采集图像中所包含的信息并将其划分成点、曲线等不同的子集。而特征提取结果的好坏将直接影响影像匹配的精度以及联合平差空三加密点的精度质量。通常情况下,影像中的几何特征和物理特征变化不连续的区域,或者是影像中灰度急剧变化的部分被称为影像特征,主要包括点特征、线特征以及面特征。
在三种影像特征中,目前各种算法使用较多的为点特征,相比于另外两种特征,点特征的提取算法最为简便、提取效率最高且特征质量最好。基于点特征的提取与匹配算法常用的有Forstner算法、SIFT算法、Harris算法等。
原文地址：https://blog.csdn.net/m0_51366201/article/details/143819558
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！