GPS辅助光束法区域网平差像控布点方案在大比例尺航摄成图中的关键技术应用研究

随着航空摄影测量技术的不断发展,航摄成图在大比例尺地形图中的应用不断增加,但是常规的像控布点方案外业控制点工作量较大,并且空中三角测量的高程精度较难达到国家规范精度要求。本文通过对实际项目数据的分析,采用GPS辅助光束法区域网平差像控布点方案,使用Imagination软件进行机载GPS辅助光束法区域网平差之后,空中三角测量的精度(尤其是高程精度)能基本满足国家相关规范的精度要求。     

利用GPS公路网数据进行影像纠正

结合国家1:50 000数据库更新工程中影像正射纠正的需要,充分利用GPS公路网数据作为控制源,结合控制点和控制线混合的广义点光束法区域网平差策略和算法,实现遥感影像的快速正射纠正,避免或减少了外业控制点的采集.经过分析两个试验区的正射纠正检查精度,基本上可以满足1∶50 000比例尺正射影像的生产需要.     

基于动态极坐标参数化的遥感影像匹配方法

图像匹配作为三维重建至关重要的环节,其精度直接影响了平差优化、正射校正等模块的精度。对于城镇、农场等特征密集型区域,特征距离小,相似性强,易于匹配图像;而针对草地、沙漠等特征不明显区域,特征距离大,如果使用特征点匹配的方法,严格阈值下难以获得足够数量的匹配对,放宽阈值又将引入较多误匹配对,这也是导致稀疏点云不够均匀的原因之一。在此场景下,本文提出了基于动态极坐标参数化的无人机正视影像匹配算法,首先对图像做极坐标参数变化,采用动态策略解决极轴方向采样不均匀的问题,使用最小二乘法对得到的极坐标影像对做位移方向上的匹配,匹配后得到的旋转量和平移量,将该结果和SIFT算法的结果做比较。本文设计了2组实验,即参数已知的解算实验和参数未知的解算实验,且每组实验进行3次。在同等配置的计算机上,对两张7360像素×5400像素,32位的影像,本文方法的位姿解算时间相比SIFT的时间减少约57%,二者求得的位姿差通常小于1%。结论表明二者的结果在精度上表现相当,在时间上明显优于SIFT算法,具有实际的应用价值。     

基于异常误差补偿的多期水准网动态平差

针对水准网中的异常误差,采用函数模型异常误差补偿方法抑制其影响,提高水准网平差精度。首先采用最小二乘方法获得各观测值残差,通过假设检验确定异常误差位置;将异常误差作为待估参数进行解算;最后扣除异常误差,利用"干净"观测数据进行平差获取水准网点的高程与垂直运动速度。采用山东省两期二等水准网观测数据进行试验,该方法进一步提高了水准网平差的可靠性。     

利用渐进式SBAS-InSAR监测分析北京平原地区地表形变

以SBAS-InSAR解算结果为基础,采用融合序贯平差思想的渐进式SBAS-InSAR处理新增影像。在绝大部分已有数据形变参数和已有数据参数矩阵不变的情况下,仅将新增影像与较新的少部分已有影像进行增量解算,以获取所有影像时刻的地表形变结果,并以2019-06～2020-04北京平原地区地表形变为例进行实验。结果表明,利用渐进式SBAS-InSAR及SBAS-InSAR获取的地表形变速率之差的平均值和标准差分别为0.01 mm/a和0.1 mm/a,且渐进式SBAS-InSAR的解算时间仅为SBAS-InSAR的1/5～1/2。     

GPS基线相关性对平差结果的影响

根据GPS网平差的基本模型,从理论上分析了GPS基线相关性对GPS网平差结果的影响,推导了相关公式;并通过实例说明在精密GPS控制网平差时,应当考虑基线之间的相关性,以使解算结果达到毫米级精度。     

一种获取不确定度的方法在位错模型中的应用

针对带不确定性的平差算法（least-square with uncertainty,ULS）中不确定度的选择问题,提出类L曲线法,并在位错模型中进行实验,解算位错参数。通过与LS和TLS的解算结果进行比较发现,ULS的解具有更高的精度,最高优于LS和TLS近60%。     

GPS辅助的构架航线区域网平差精度分析

首先介绍了GPS辅助空中三角测量;然后以实际生产项目为例,对无控制、稀少控制、密集控制等不同地面控制条件下的GPS辅助空中三角测量精度进行了对比分析;同时就构架航线对区域网平差精度的影响进行了试验研究。结果表明,稀少控制联合GPS进行区域网平差是可行的,构架航线有助于粗差探测,并能进一步减少控制点的数量。     

参数约束平差法

将附有参数先验精度信息的平差问题扩展为参数约束平差,给出了参数约束平差法在数值计算上可以统一自由网平差的新概念,不再考虑自由网平差中较为繁琐的基准条件,并用算例加以说明。     

应用分块矩阵求逆解算约束秩亏间接平差模型

在通常的四分块矩阵求广义逆矩阵和凯利逆矩阵公式基础上,分析左上角子矩阵为秩亏、右下角子矩阵为零的特殊四分块矩阵的凯利逆矩阵存在条件,应用广义逆矩阵法和矩阵变换法推导该类特殊四分块矩阵的凯利逆矩阵显性表达公式,并用于解算约束秩亏间接平差模型的参数估计.实验数据表明,当满足存在性条件时,应用分块矩阵求逆公式解算约束秩亏间接...     

基于Dense SIFT特征的无人机影像快速拼接方法

特征匹配是无人机影像拼接过程的关键步骤,针对传统的特征匹配方法在影像拼接过程中获取匹配点少、特征点分布不均匀、匹配耗时长等问题,本文提出一种基于Dense SIFT特征的无人机影像快速拼接算法。首先,利用影像POS信息构建连接矩阵以引导匹配过程;然后在降采样影像上进行影像分块,利用Dense SIFT算子获取初始匹配点,并采用两次NCC方法分别实现降采样影像和原始影像上匹配点的精化;最后,基于共线方程将影像投影至物方面上,完成影像的快速拼接。本文选取2组无人机影像进行拼接实验,将本文算法与SIFT和SURF匹配拼接方法进行对比,结果表明：在影像特征点匹配方面,本文方法获取匹配点数量是SIFT和SURF算法的5倍以上,且匹配点分布更加均匀;在影像拼接结果方面,本文方法不仅能够较快完成影像拼接,而且有效避免了拼接影像中的“重影”现象,保证了较好的拼接质量。     

无控制点数据的无人机影像快速处理

本文以四川地震灾区作为典型研究区,尝试在无其他控制点数据时,仅利用小型无人机影像和无人机系统自身记录的辅助数据,进行无人机影像的快速匹配、拼接和纠正处理。首先,对小型无人机获取的影像数据和辅助数据进行了详细分析,然后,将小区域原始影像利用影像匹配算法进行自动拼接,拼接后的分块区域再根据辅助数据进行纠正处理。SIFT算法被运用到无人机影像的匹配中,达到了较好的速度和精度;分块拼接后的成果利用辅助数据的伪中心点进行纠正,相对精度较高,镶嵌结果无视觉错位。最后,将纠正结果和GoogleEarth影像数据叠加进行精度检查,主要标志性地物重叠良好。     

倾斜影像区块化自动整理方法研究与实现

高精度倾斜摄影实景三维重建,基于区块化数据规范管理、像控制点选片、倾斜影像姿态信息整理等需求,在数据导入建模软件之前,需要对海量倾斜影像数据进行人工整理。传统倾斜摄影后续数据整理,涉及影像分类、按规范重命名、影像按航向旋转、倾斜影像信息表录入等繁杂的工序,通常需要人工进行操作,劳动强度大,特别是针对多视角海量数据,错误率较高。该文旨在研究一种基于消费级无人机的高精度倾斜摄影区块化倾斜影像快速自动整理方法,通过程序替代人工批量实现倾斜影像视角分类、多视角影像重命名、Exif-GPS信息提取、曝光点轨迹及区块化倾斜影像信息表制作等工作,并以山东省滕州市前杨岗村高精度实景三维重建为实例,验证该方法能够极大降低人工劳动强度、缩短数据整理周期、保障数据精度,对提高基于消费级无人机倾斜摄影的实景三维建模效率具有较大的借鉴及实用价值。     

无人机倾斜影像自动检索及影像姿态恢复

无人机倾斜摄影测量颠覆了以往正射影像只能从垂直角度拍摄的局限,在三维建模中有广泛的前景。针对有些无人机倾斜影像数据无相机标定参数、无航带信息（无序）、无POS信息的现状,本文以计算机视觉中基于内容的影像检索方法与改进的渐进式SFM方法为基础,提出一种“三无”影像自动检索、空中三角测量及影像三维重建的方法。该方法首先通过提取的特征检索出相似影像并建立网络结构,然后将影像进行两两匹配增强对应关系并进行连接点的追踪,最后利用光束法平差方法对其进行平差,获取影像集的三维点云,提高大规模影像检索、影像匹配速度的同时,提高重建的精确性和鲁棒度。本文选取三组典型试验区大数据量倾斜影像数据进行试验,立体实测控制点中误差可以达到平面0.16m/高程0.18m,试验验证了方法的稳定性、可靠性和实用性。     

无人机模糊图像自动检测方法

图像模糊程度是图像评价的一个关键指标参数,它影响着图像的质量和信息。特别对于无人机拍摄的图像,如果利用模糊的图像参与计算,会造成很大的误差甚至出现颠覆性的结果。因此对于图像模糊的检测显得至关重要。传统的图像模糊检测方法大都基于人工检测、且有合格的参考图像参与评价过程,方法耗时、费力,无法用于大量无人机拍摄图像的分析。因此本文基于Sobel边缘检测原理,利用4个方向的Sobel算子,寻找图像中每个Sobel边缘点的模糊邻域,并构建模糊邻域宽度值的计算准则,由此来计算出整幅图像的平均模糊邻域宽度值,并将这个计算结果作为检测模糊的直接依据。同时考虑到无人机拍摄图像的特点,将其按照拍摄时间顺序排列,依次将相邻图像互为参考,通过对比互为参考图像的模糊邻域宽度值的变化情况,将宽度值突变的图像确定为模糊图像。据此对无人机拍摄的所有图像进行模糊检测。最终通过7组2322张 图像进行自动检测发现151张图像模糊,通过人工检测发现158张图像模糊,平均检测率95.57%。该检测方法具有较强的 适用性。     

Object-oriented crop classification based on UAV remote sensing imagery

UAV remote sensing images have the advantages of high spatial resolution,fast speed,strong real-time performance,and convenient operation,etc.,and have become a recently developed,vital means of acquiring surface information.It is an important research task for precision agriculture to make full use of the spectrum,texture,color and other characteristic information of crops,especially the spatial arrangement and structure information of features,to explore effective methods for the classification of multiple varieties of crops.In order to explore the applicability of the object-oriented method to achieve accurate classification of UAV high-resolution images,the paper used the object-oriented classification method in ENVI to classify the UAV high-resolution remote sensing image obtained from the orderly structured 28 species of crops in the test field,which mainly includes image segmentation and object classification.The results showed that the plots obtained after classification were continuous and complete,basically in line with the actual situation,and the overall accuracy of crop classification was 91.73%,with Kappa coefficient of 0.87.Compared with the crop planting area based on remote sensing interpretation and field survey,the area error of 17 species of crops in this study was controlled within 15%,which provides a basis for object-oriented crop classification of UAV remote sensing images.     

交叉点结构特征约束的机载LiDAR点云与多视角航空影像配准

针对机载点云与航空影像配准精度受点云密度影响较大的问题,本文提出一种交叉点结构特征约束下的机载点云影像配准方法。该方法充分利用激光测距精度较高这一优势,采用点云中的平面结构对影像区域网进行绝对定向约束。首先,利用POS辅助平差后的影像内外方位元素和影像交叉点结构匹配结果,以反投影距离为测度,按照最小二乘准则交会得到交叉点物方结构;然后,在LiDAR点云中自动探测交叉点结构的同名LiDAR平面点;最后,进行交叉点结构特征约束下的航空影像联合区域网平差,得到精确的相机内参数和影像外方位元素。实验结果表明,本文方法在平面和高程方向上均可达到1~2个像素的配准精度。与基于建筑物角特征的配准方法相比,有效克服了点云密度对配准精度的影响,当点云密度较低时,本文方法依然可以取得较高的配准精度。     

面向倾斜摄影的深度学习航空影像匹配方法

针对传统方法和深度学习匹配方法在倾斜影像上获取匹配点少、复现率低以及精度不高等问题,本文提出一种面向倾斜摄影的深度学习航空影像匹配方法。首先,利用POS信息计算影像重叠区域,并对倾斜影像进行透视变换改正,减弱几何变形对匹配过程的影响;其次,在变换后的重叠区域影像上利用训练的多尺度特征点检测网络推理其对应的高斯热力图,在高斯热力图尺度空间检测极值点作为稳定特征点,基于自监督主方向检测网络获取特征点主方向;接着,在特征点描述阶段,结合网络学习得到的特征点位置和主方向获取尺度旋转不变GeoDesc基础描述子,并考虑图像的几何、视觉上下文信息对描述子进行增强处理;最后,通过双向比值提纯法获取初始匹配点,利用RANSAC和图约束方法剔除误匹配后获得最终匹配点结果。使用ISPRS提供的2组典型区域倾斜影像进行匹配实验,结果表明,相比于SIFT、ASIFT、SuperPoint、GeoDesc及ContextDesc等算法,本文方法能够在大视角变化和纹理信息贫乏的倾斜影像对上获取更多均匀分布的匹配点,同时复现率也要优于其他方法。     

高精度无人机影像园林绿化遥感测试应用研究

以无人机在湖南省江华县航拍数据资料为基础,开展了无人机航测遥感图像的处理、解译、实地调查等工作,建立了无人机航测遥感数据获取—处理一应用的完整作业流程,为无人机遥感园林绿化调查新方法的应用提供了技术支持。研究摸索出了一套切实可行的方法,通过无人机遥感影像识别与解译,查明了各类绿地的分布状况,并对调查成果进行了评价,为申报园林城市提供了准确的基础资料。