基于DPGrid的低空无人机遥感影像应用技术研究*

肖 波，朱兰艳

(1.玉溪师范学院，云南玉溪 653100;2.昆明理工大学，云南昆明 650093)

0 引言

无人机(Unmanned Air Vehicle，UAV)遥感系统具有低成本、影像分辨率高、可云下作业、机动灵活、能够快速响应等优点，成为继卫星遥感和航空摄影测量等数字影像获取的又一重要途径。目前被广泛应用于地理国情监测、土地利用变化监测、新农村建设、大比例尺地形图测绘等各个领域。其最大的一个优势体现在应急救灾方面，在恶劣的天气条件下，无法采用常规测量或者其他传统摄影测量手段时，利用简单的条件进行低空飞行，获取所需的数字影像。同时，无人机低空摄影测量系统也存在一个不容忽视的问题，其搭载的普通非量测型数码相机，如佳能5D MarkⅡ、尼康D200，与专业的量测型相机相比，存在像幅小、畸变差大、数量多等问题;也因无人机质量较轻，易受气流和风向影响，航片为非常规航摄，使所获取的影像航向和旁向重叠度不规则、影像倾斜角度过大且无规律、偏角和滚角都比较大。这些影像质量问题，都是后续数据处理的关键问题，如果处理不当，将无法获取所需的影像全景图。

因此，需要一种高性能的、完善的影像数据处理系统来解决数量庞大的无人机遥感影像，并保证处理结果满足既定要求。本文以新一代数字摄影测量系统DPGrid为依托，介绍无人机影像数据处理的流程及关键技术。

1 基于DPGrid的无人机遥感数据处理流程

获取无人机遥感影像数据后，根据其特点，应用DPGrid软件进行处理的流程图［1］，如图1所示。具体处理流程如下:

1)数据准备，包括无人机影像数据、相机检校参数、航线信息、控制点资料、POS数据;

2)对影像进行畸变校正、旋转方向、导入控制点、排列航带等预处理;

3)利用特征提取技术进行自动匹配、自动挑点，完成空中三角测量，输出加密成果;

4)根据加密成果文件，利用密集匹配技术匹配获取经滤波与分类处理的三维DSM，内插出格网规则的DEM，接着对原始影像作匀光匀色处理，结合生成的DEM对其进行数字微分纠正，利用纠正后的影像智能镶嵌拼接出整个测区的正射影像图，并对拼接好的正射影像进行人工编辑，处理拼接线附近的拼接痕迹。

图1 DPGrid低空数据处理流程图Fig.1 The work flow of DPGrid remote sensing image

2 无人机影像处理的几个关键环节

2.1 无人机低空遥感影像智能匹配处理

智能匹配处理主要是对非常规摄影的影像数据实施空三连接点的匹配，是低空遥感数据处理的重要关键技术。在有导航或POS数据的情况下，由导航或POS数据引导恢复飞行航线指导特征匹配;如果没有导航或POS数据，则利用特征匹配算法、RANSAC以及几何约束条件进行匹配与像对鉴别处理。特征匹配完成后，构建测区的初始自由网，进行灰度相关与最小二乘匹配，为高精度区域网平差提供可靠的像点观测数据，构建稳定的区域自由网。低空飞行遥感影像智能匹配技术路线，如图2所示。

图2 遥感影像智能匹配技术Fig.2 The intelligent matching technology of remote sensing image

2.1.1 Wallis影像增强技术

智能匹配采用Wallis影像增强技术，Wallis滤波器的作用是增强原始影像的反差，使影像中较模糊的纹理信息得到增强，改善图像的质量，便于提取同名像点即连接点，并抑制影像中存在的噪声。

Wallis影像增强技术的变换公式［2］为:

式中:G(x，y)为经 Wallis增强后影像中点 (x，y)的灰度值;g(x，y)为原始影像中点(x，y)的灰度值;mg、sg分别为某一像素的灰度均值和灰度方差;mf、sf分别为影像均值和影像方差的目标值;c为影像反差扩展常数;b为影像亮度系数。

图3(a)为原始影像，图3(b)为经Wallis增强后的影像。可见，经Wallis变换后，明显增强了影像的纹理细节，便于匹配出精确的同名像点。

3.2 学生满意度 为了解学生对工作坊教学模式的满意程度，对实验班的学生进行了无记名问卷调查，调查表分为两部分，第一部分为选择题：①对教学效果的满意度；②自我学习能力提高满意度；③授课方式满意度；④创新意识、创新能力提高满意度。评价等级分为三类：A代表满意，B代表较满意，C代表不满意。第二部分为主观题，简要写出心得体会。调查结果如表2所示。

图3 原始影像和经Wallis增强后的影像对比图Fig.3 Comparison between original image and image enhanced by Wallis

2.1.2 特征提取

影像经Wallis增强纹理细节后，由于像片航向和旁向重叠度不规则、旋偏角过大等问题，常规的灰度匹配算法会使影像不相关，导致无人机影像的相对定向结果不相关，因此DPGrid采用基于特征不变的SIFT算子［3］进行匹配，图4为系统自动匹配后生成的连接点图。

图4 匹配生成的连接点图Fig.4 Connection points producted by automatic matching

从图4中可以看出，采用SIFT算子可以提取较多的特征点，这些特征点大量分布在纹理比较清晰的地物附近，比如道路、房屋、河流等，少量的特征点分布在纹理不是很明显的大面积水域或树林附近。提取后的特征点还存在大量的误匹配像对，还需进一步使用RANSAC与几何约束［4］有效剔除误匹配相对。

2.2 无人机低空遥感影像空三处理

2.2.1 自由网平差

特征点提取完毕后，先进行无控制点的自由网平差，剔除误差比较大的连接点和错误的连接点。DPGrid软件采用基于光束法的平差原理，构建出光束法自由网平差模型，迭代计算影像的外方位元素初值，及同名点地面坐标初值。

2.2.2 区域网平差

首先，对所有观测数据建立法方程并进行法化处理，引入地面控制点构建条件方程并设置观测值的权矩阵，然后利用最小二乘法解算法方程，求出未知数的改正数向量，以此循环直到满足循环退出条件，求解出精确的外方位元素。

2.3 正射影像镶嵌处理

DPGrid多幅影像的镶嵌处理采用了蚁群算法智能镶嵌技术。蚁群算法是一种种群寻优的启发式搜索算法。由于相邻正射影像是具有航向和旁向重叠的像对，对这些重叠区域进行灰度运算得到的差值图像会受到拍摄角度、建筑物和树木等的高度投影差影响，需要利用蚁群算法在重叠区域选择一条最优的镶嵌线［5］，根据这条镶嵌线对正射影像进行镶嵌融合。

2.4 DPGrid软件使用过程中常见问题处理

2.4.1 智能匹配环节的处理

自动智能匹配之前，应设置好影像的航向、旁向重叠度及搜索范围。某些情况下，当匹配完成后，无法匹配到特征点，处理办法通常有如下几种［6］:

1)检查航向、旁向重叠度及搜索范围是否设置错误，如果错误，重新修改设置后进行匹配;

2)查看像片是否是像片旋角太大，如果是，智能匹配之前，在航带内、航带间添加种子点，再设置匹配参数，进行匹配。

2.4.2 空三平差环节的处理

空三处理时，应使平差顺利通过，剔除错点后，再将单位权中误差和像点精度设置为半个像素大小，保证其精度。在剔除错点时，常见问题及处理:

1)平差时，提示达到最大迭代次数，无法平差，处理办法是将单位权中误差和像点精度设置变大，使平差通过;

2)平差时，若提示像点数据文件不正确，说明单位权中误差和像点精度设置过大，应将其设置小一点，使平差顺利通过，剔除错点;

3)平差过程中，遇到区域网中存在孤岛或像片被剔除的提示时，说明该区域缺少连接点，无法构建平差模型，应该加点后再进行平差。

3 实验结果及精度分析

为了验证DPGrid低空数据处理模块的实际生产能力及精度，以云南省“兴地睦边”重大农田整治工程—陇川县户撒乡无人机航摄项目为试验。项目区地处陇川县户撒坝子，地理位置为:东经97°47'42″～97°58'21″，北纬24°25'22″～24°30'59″之间。本次航拍使用的相机是佳能5D MarkⅡ，像幅大小是5 616×3 744像素，航摄地面均高是1 400 m，航高2 300 m，航摄比例尺为1∶31 000，相对航高1 092 m，获取1∶2 000的影像图。

3.1 生成正射影像

根据前面介绍的DPGrid数据处理流程及处理技术，完成了从自动空三到正射影像的全部制作过程，得到0.2 m分辨率的正射影像图，如图5所示。DPGrid整个生产过程所用时间与常规摄影测量软件JX4对这一测区的处理时间对比，如表1所示。

图5 户撒乡拼接正射影像图Fig.5 Part of DOM in Husa

表1 DPGrid与JX4的生产时间对比表Tab.1 Comparison of production time between DPGrid and JX4

本次航拍由于测区位于植被覆盖较密集的山区，作业难度较大，所获取的影像质量较差。作业过程中，通过使用两种软件对比分析得出:采用DPGrid软件自动匹配的成功率比较高，几乎无需人工干涉就可获取大量的连接点;而常规摄影测量软件JX4，在面对植被覆盖率较高且质量较差的影像时，需要多次进行人工干预，才能获得少量的连接点。从表1得出:DPGrid用于生产实践的处理速度是常规摄影测量软件JX4的2倍以上。

3.2 精度分析

本次试验从测区1∶2 000的地形图上均匀选取26个控制点，50个检查点，外业实地测量检查点的坐标。测区航摄影像经DPGrid处理后，逐一量测出各个检查点的坐标，统计出外业实测坐标与量测坐标的差值，计算出检查点的平面和高程中误差，检查是否满足规范要求。其检查结果如表2所示;同时，与地形图叠加套合，检查制作的正射影像是否与实测的地形图吻合，结果如图6所示。

表2 精度检查统计表Tab.2 Statistics of accuracy checking

图6 拼接正射影像图与地形图叠加套合Fig.6 Part of DOM superimposed with DLG

从表2及图6可以看出:经DPGrid软件处理获得的正射影像精度能满足1∶2 000的成图比例尺要求，完全可以用于生产实践。

4 结束语

本文基于DPGrid系统的数据处理流程和方法，针对低空无人机航拍影像的特点，介绍了处理遥感影像的关键技术，通过陇川县户撒乡的航拍影像处理试验，验证了DPGrid低空数据处理模块的实际生产能力，并得出以下结论:

1)采用DPGrid处理质量较差的无人机航拍影像比常规摄影测量软件JX4自动匹配的成功率更高，几乎无需人工干涉就可获取大量的连接点;

2)DPGrid用于生产实践的处理速度更快，是常规摄影测量软件JX4的2倍以上。

［1］武汉中测晟图遥感技术有限公司.DPGrid—LATImage低空数码影像处理手册［Z］.武汉:武汉中测晟图遥感技术有限公司，2009.

［2］吴亮，赵西安.基于DPGrid系统的无人机遥感数据处理试验［J］.北京建筑工程实验学报，2013，29(3):43－48.

［3］贾娇，艾海滨，张力，等.应急响应中PixelGrid无人机遥感数据处理的关键技术与应用［J］.测绘通报，2013(5):62－65.

［4］王琳，张力，艾海滨.无人飞行器遥感影像的自动相对定向研究［J］.测绘通报，2011(11):11 －14.

［5］董智杰.基于DPGrid的低空无人机航摄影像的应用研究［D］.昆明:昆明理工大学，2011.

［6］王家玉，朱陈明.利用DPGrid系统制作影像图的有关问题探讨［J］.测绘技术装备，2010，12(3):31 －34.