無人機遙感影像快速拼接方法研究張俊前?(重慶市勘測院，重慶 400020)

無人機遙感影像快速拼接方法研究張俊前?(重慶市勘測院，重慶 400020)

無人機低空遙感技術作為一種新興的低空遙感技術，具有靈活性強、操作方便、現勢性好、分辨率高、投入低等眾多優點，已成為遙感數據獲取不可或缺的手段之一。本文針對無人機影像量大、無規律、像幅小、拼接困難的特點，通過試驗研究對比了幾種無人機低空遙感影像拼接方法，并分析其拼接影像的精度及應用范圍。

無人機；遙感影像；影像拼接；正射影像；控制點

1 引 言

隨著社會經濟的發展和國防建設的需要，社會各行業對高分辨率遙感影像與基礎地理信息的需求越來越迫切，對其現勢性要求越來越高。僅靠衛星和載人航空飛機獲取的遙感數據難以完全滿足影像數據獲取和處理的需要。相對于傳統航空航天遙感技術，無人機低空遙感技術作為一種新興的低空遙感技術，具有靈活性強、操作方便、現勢性好、分辨率高、投入低等眾多優點，已成為遙感數據獲取不可或缺的手段之一。

無人機獲取的遙感影像具有相幅小，數量多的特點[2]。要想獲得整個區域的全局信息，必須對無人機遙感影像進行拼接合成。如何將大量、無規律、小像幅的無人機影像進行有效拼接以達到使用目的，是無人機影像處理人員面臨的難題。目前，也有不少學者對無人機影像處理技術展開研究，并取得了一定成績。本文研究對比了幾種無人機低空遙感影像拼接的方法，并分析拼接影像的精度及應用范圍。

2 影像拼接技術綜述

影像拼接技術就是將數張有重疊部分的影像(可能是不同時間、不同視角或者不同傳感器獲得的)拼成一幅大型的無縫高分辨率影像的技術[4]。影像拼接的方法很多，不同的算法步驟會有一定差異，但大致的過程是相同的。一般來說，影像拼接主要包括以下五步:

(1)影像預處理。包括數字影像處理的基本操作(如去噪、直方圖處理等)、建立影像的匹配模板等操作。

(2)影像匹配。就是采用一定的匹配策略，找出待拼接影像中的模板或特征點在參考影像中對應的位置，進而確定兩幅影像之間的變換關系。影像配準算法是影像拼接技術的關鍵。

(3)建立變換模型。根據模板或者影像特征之間的對應關系，計算出數學模型中的各參數值，從而建立兩幅影像的數學變換模型。

(4)統一坐標變換。根據建立的數學轉換模型，將待拼接影像轉換到參考影像的坐標系中，完成統一坐標變換。

(5)融合重構。將帶拼接影像的重合區域進行融合得到拼接重構的平滑無縫全景影像。

根據不同的拼接目的、拼接精度和拼接速度的要求，可將無人機低空遙感影像拼接分為有縫快速拼接、全景影像拼接、無控正射影像拼接和有控正射影像拼接4種類型，下文對不同類型的拼接方法進行了分析。

3 無人機低空遙感影像拼接方法

3.1 有縫快速拼接

本文中采用的無人機低空遙感影像有縫快速拼接為Microstation軟件二次開發實現，其主體思想是:將無人機航攝時獲取的概略POS數據進行坐標轉換到測量坐標系，并對影像主點進行展點；以影像主點為定位中心點將影像快速排列以實現快速拼接。拼接效果如圖1所示。

圖1 有縫快速拼接圖

有縫快速拼接缺點是影像存在明顯接縫，但速度極快，完成200張影像(7 168×5 440像素)的快速拼接只需要10min左右；而且這種拼接影像基于POS數據定位，帶有坐標信息，可用于無人機航攝影像快速檢查、測區簡單變化分析、無人機遙感影像外業控制測量底圖。

3.2 全景影像拼接

無人機低空遙感影像全景影像拼接是將無人機獲取的多張影像組成一個大幅面的全景影像圖的方法。

無人機在飛行時由于受到氣流等方面的影響，傳感器和目標的相對位置不斷發生變化，相鄰影像的拍攝角度、拍攝尺度并不一致。拼接全景影像通常采用經典的SIFT(Scale Invariant Feature Transform)算法進行影像匹配。通過提取圖像的尺度不變特征點，解決了待拼接圖像間大的平移、旋轉、尺度變化的干擾，實現差異較大的兩幅圖像之間的特征的匹配，進而通過匹配的多個同名點進行無人機遙感影像的拼接，從而創造出高質量的全景影像。

全景影像制作的思路是先分航線拼接，再進行航線間影像拼接。分航線拼接是通過SIFT匹配對航線的影像進行自動拼接。相鄰航帶間拼接是在分航線拼接的影像上人工調整匹配控制點拼接，從而將多航線的影像拼接成完整的影像圖，最后對部分區域進行勻光勻色修補獲得全攝區影像。拼接成果如圖2所示。

圖2 PTGui Pro影像拼接成果

采用此種方法拼接影像的最大優勢是航帶內可實現快速無縫拼接，并且地物變形小，相對位置關系也較準確，整體拼接速度較快。試驗采用PTGui Pro進行，拼接200張影像完成時間在3 h左右。在高差不大的區域，拼接圖可經過影像糾正配準，獲取地理坐標。此種影像拼接方法的成果可以應用于突發事件和災害監測，能快速有效為救援指揮方案提供決策依據。

3.3 無野外控制正射影像拼接

無人機低空遙感系統在航攝時，自帶有GPS和 IMU組成的POS系統，能獲取航攝時無人機的WGS-84坐標和飛行姿態數據。可以將無人機航攝時獲取的POS數據作為影像的初始外方位元素，參與空中三角測量的平差，自動生成數字高程模型，再由數字高程模型生成正射影像。流程如圖3所示。

圖3 無控制點正射影像制作流程

無人機航攝時獲取的POS數據精度不高，因此生成的正射影像經拼接后，需要進行精確配準，才能獲取精度較高的坐標。在Map AT中完成200張影像正射影像制作約需要7 h，制作出的成果如圖4所示。

圖4 無控制點正射影像拼接

這種影像拼接方法得到的拼接結果精度高，拼接后的影像基本無拼接裂縫和畸變，影像還帶有空間坐標信息。但是由于無人機導航數據的POS數據精度不高，因此影像的高程信息精度不高，拼接后的影像經過影像配準和坐標糾正，可獲取精度較高的平面坐標。此種拼接方法制作的成果平面精度高，生產周期短，可用于城市和農村的變化檢測，也可用于不易進入地區的正射影像生產。

3.4 有野外控制高精度正射影像拼接

隨著計算機軟硬件技術的發展，集群式無人機影像處理軟件(如國內的PixGrid軟件和國外的像素工廠等軟件)的出現，為利用無人機影像快速制作高分辨率正射影像提供了思路。經試驗研究，采用像素工廠軟件作為無人機影像處理的主要軟件可以大大減少外業控制點數量，其集群式處理器可快速實現影像匹配、DEM自動生成、正射影像自動鑲嵌。以平板電腦為硬件平臺的數字化像控點測量系統可以省去像片沖洗工序，且可以實現野外快速選刺、測量像控點，如圖5所示為正射影像制作流程圖。

圖5 正射影像制作流程

經統計分析，一面積約20 km2的測區，共有13條航線554張無人機影像，外業布設21個控制點，如圖5所示的生產流程，經過3個工作日完成了高精度、高分辨率的正射影像制作，成果圖如圖6所示。經外業設站檢查和1∶500地形圖套合檢查，共檢查51個點，平面最大誤差為0.9 m，中誤差0.46 m。

此種方法制作的成果精度最高，但是生產周期相對稍長，可用于三維快速建模、高時效性的資源監測、大型工程施工動態監測等方面，為城市建設和規劃提供直觀有效的測繪保障。

4 結 語

無人機低空遙感影像拼接技術是一個復雜的，多學科交叉的處理技術。不同的無人機影像拼接方法采用不同的算法，具有不同的處理流程。本文針對不同的需求和用途，采用不同的平臺進行了實驗，并給同行一個參考數據。隨著無人機POS系統、影像配準算法等關鍵技術的進步，無人機低空遙感影像拼接技術也將進一步發展。

[1] 王聰華.無人飛行器低空遙感影像數據處理方法[D].濟南:山東科技大學，2006，5～19.

[2] 柯濤，張永軍.SIFT特征算子在低空遙感影像全自動匹配中的應用[J].測繪科學，2009，34(4):23～26.

[3] 仵建寧.圖像拼接技術研究[D].西安:西安電子科技大學，2006，7～10.

[4] 王琳.高精度、高可靠的無人機影像全自動相對定向及模型連接的研究[D].北京:中國測繪科學研究院，2011.

[5] 程遠航，薛定宇，韓曉微.基于小波變換的遙感圖像快速拼接方法[J].東北大學學報·自然科學版，2008，29 (10):1385～1388.

[6] 張永軍.無人駕駛飛艇低空遙感影像的幾何處理[J].武漢大學學報·信息科學版，2009，34(3):284～288.

The Research of UVA Remote Sensing Image Fast Sp licing M ethod

Zhang Junqian
(Chongqing Survey Institute，Chongqing 400020，China)

UAV low altitude remote sensing technology as a new kind of low-altitude remote sensing technology，a flexible，easy to operate，real-time，high-resolution，low many investment advantages，has become one of the indispensablemeans of remote sensing data acquisition.For UAV image large，irregular，small range and difficult stitching，this study compared several UAV low altitude remote sensing image stitchingmethods and analysis of the accuracy and range of application.

UVA；remote sensing image；imagemosaic；orthophoto；control point

1672-8262(2013)05-73-03

P237

B

2013—02—06

張俊前(1981—)，男，工程師，主要從事攝影測量生產與質量管理工作。

國家科技支撐計劃(2011BAH12B07-03)