重疊度對無人機圖像拼接效率的影響

韓峰+劉昭+劉偉+張天毅+陳洪

摘要：為分析重疊度對無人機圖像拼接效率的影響，提高無人機平臺獲取數據的時效性，更好地為災害損失調查和救災應急現場等服務，設計重疊度對無人機圖像拼接效率影響程度的試驗。該試驗以單旋翼無人機Scout B1-100搭載多通道光譜成像系統Micro MCA12Snap為數據獲取平臺，以PixelWrench2為多光譜圖像的多波段選配合成工具，以Pix4D Mapper為數據處理和分析平臺，對23種重疊度的圖像數據進行拼接試驗分析。結果表明，在軟硬件支持的基礎上低重疊度圖像的獲取和處理可以提高無人機圖像拼接效率，提升數據獲取時效性。

關鍵詞：無人機圖像；重疊度分析；拼接效率；災害損失；救災應急

中圖分類號： TP75文獻標志碼： A文章編號：1002-1302（2017）12-0182-06

收稿日期：2016-12-10

無人機遙感圖像具有實時、靈活、低成本、高分辨率等特征[1-3]，可以極低的風險在危險的環境中收集信息，是獲取空間數據[4]的重要手段。因此，非常適合所有類型災害的應急監測和重建[5]，特別是在現場應急響應的使用中，可以極大地提高數據收集及數據傳輸能力。

傳統航空攝影技術規范中航向重疊度（53%～65%）和旁向重疊度（15%～40%）要求較高[6]，數據采集處理的時效性較低，在應急救援和災害損失調查等時效性要求較高的特殊領域，低重疊度（15%～30%）的數據采集方式和處理方法越來越受到重視。在數據采集方面，全球鷹無人機（GH-UAV）和DH-110吊艙偵察系統上搭載的新型傳感器已經可通過低重疊（15%～30%）方式采集數據[7-8]。在圖像數據處理方面，何永潔等采用ASIFT圖像匹配算法進行特征點檢側與匹配，在圖像重疊度很低的情況下，取得了良好的拼接結果[9]；宋耀鑫等提出基于ASIFT算法的低重疊圖像配準方法，并對序列圖像做光束法平差處理，得到最優變換矩陣后，結合多分辮率樣條融合算法進行全景圖像輸出[10]，該方法可以獲取足夠數量穩定的匹配點對，較好地約束序列圖像之間的幾何關系，得到的拼接圖像無縫清晰，適用于低重疊度無人機圖像的快速拼接。

但是，目前為止，針對重疊度對無人機圖像拼接效率的影響分析研究還很少，在災害調查和救災應急等特殊應用中，用戶在選擇無人機圖像作為數據獲取手段時難以得到有效的參考。本研究通過對多種不同重疊度的圖像進行拼接試驗，并對拼接效率、拼接結果進行對比分析，以期為使用無人機圖像作為數據獲取手段的用戶提供有效參考和指導。

1重疊度分析試驗的原理和方法

1.1試驗原理

如圖1、圖2所示，Ix和Iy表示圖像大小，Fox和Foy表示航向重疊區域大小，Sox和Soy表示旁向重疊區域大小。根據飛行條件和航線彎曲度，重疊度的計算用式（1）、式（2）、式（3）、式（4）進行。當飛行條件較好、航線彎曲度≤3%時，重疊度計算采用式（1）、式（3），飛行條件差、航線彎曲度大于3%時，采用式（2）、式（4）計算重疊度。

FO=FoxIx×100%；（1）

FO=Fox×FoyIx×Iy×100%；（2）

SO=SoyIy×100%；（3）

SO=Sox×SoyIx×Iy×100%。（4）

1.2試驗工具

本試驗使用PixelWrench2進行多光譜圖像的多波段選配合成處理，再利用Pix4Dmapper進行圖像的拼接，然后通過Pix4Dmapper的質量報告數據對比分析不同重疊度圖像的拼接效率和效果。

1.3試驗方法

為充分體現重疊度對無人機圖像拼接效率的影響程度，本試驗對拍攝區域采用不同重疊度進行多次圖像拍攝，然后對不同重疊度的圖像進行拼接處理，再對拼接效率及結果進行分析對比。

2數據獲取及處理

2.1無人機平臺

試驗無人機平臺為大型多用途單旋翼無人機Scout B1-100，主要技術指標如表1所示。

主要參數數值長度（m）3.3高度（m）1.3寬度（m）0.6主旋翼直徑（m）3.3尾槳直徑（m）0.67空質量（不含燃油）（kg）45 有效載荷（kg）18 燃料箱容量（L）10續航時間（min）90

2.2多光譜傳感器

本試驗采用美國Tetracam公司生產的Micro MCA12Snap相機為機載多通道光譜成像系統，該系統每個波段配備 1.3 M 像素CMOS傳感器（6.18 mm×4.95 mm），圖像分辨率為 1 280像素×1 024像素，外部可連接視頻輸出設備及GPS接收機，具有質量輕、體積小及遠程觸發的特點，適合各種中小型無人機搭載使用，可進行12波段選配圖像數據獲取。

2.3數據處理

本研究數據拍攝區域為新疆瑪納斯縣某區域（圖3），獲取數據并導出后首先使用PixelWrench2進行多光譜圖像的多波段選配合成，再使用Pix4D Mapper進行自動空三加密（圖4），然后通過相應的地面控制點數據對圖像校正并最終輸出為數字正射圖像（digital orthophoto map，DOM），再對得到的圖像進行幾何校正，最后進行無人機圖像拼接處理并得到相應的質量報告數據。

數據處理筆記本計算機（PC）的配置：Windows 10 Pro、64-bit； CPU為Intel CoreTM i3-3240T 2.90 GHz； RAM為

3.1航向方向單航帶分析

航向方向的單航帶數據分析選用的是第4條航帶數據，試驗主要分析6種不同重疊度下的重疊圖像數（圖5）和不同重疊度圖像中的平均關鍵點個數、平均匹配點個數、處理時間（圖6、圖7、圖9）。

由圖5可知，航向重疊度為80%的航帶數據由于受到風力影響，存在一定的航帶彎曲度，航帶上的圖像重疊數也受到endprint

了一定的影響。其余30%～70%航向重疊度的航帶數據受風力影響較小，航帶彎曲度小，可以觀察到圖像重疊數受航向

重疊度影響較大，但仍然可以正常完成航帶系列圖像拼接。不同重疊度下的圖像平均關鍵點個數相差不大（平均不超過10%），最大值為20 550個，最小值為18 627個，最大差值為 1 923 個（圖6）。

由圖7、圖8、表4可知，不同于平均關鍵點個數的相差不大，隨著重疊度的下降平均匹配點個數下跌趨勢明顯，最大差值達到6 240個（80%和30%的差值）。但平均匹配點個數并非線性下跌，下跌走向為開口向下的拋物線，當航向重疊度從70%降為60%時，下跌最為明顯，下跌數為2 109個，重疊度為40%和30%時差值最小，下跌數為450個。

3.2航向方向雙數據帶分析

航向方向的雙航帶數據分析選用的是第4、第5航帶數據，試驗主要分析3種不同航向重疊度下的5種旁向重疊度的重疊圖像數、平均匹配點個數、處理時間（圖10至圖18）。

由圖10可知，當航向重疊度為80%，旁向重疊度從60%變化到20%時，圖像重疊數有明顯變化，但并不影響雙航帶系列圖像的拼接。和圖5的單航帶圖像重疊數據對比可以發現，旁向重疊度對圖像重疊數的影響要遠小于航向重疊度對圖像重疊數的影響。

由圖11可知，當航向重疊度固定為80%，旁向重疊度從60%至20%變化時，圖像間的平均匹配點個數有明顯下降，最大差值為2 181個。但從圖像拼接結果和數字表面模型（digital surface model，DSM）來觀察對結果并無明顯影響。其中，當旁向重疊度從50%降為40%時，平均匹配點個數幾乎無變化，旁向重疊度從30%降為20%時，平均匹配點個數的變化較小。

由圖13可知，當航向重疊度為60%，旁向重疊度從60%至20%變化時，圖像重疊數無明顯變化。通過和圖10航向為80%的圖像重疊數對比可以看出，航向重疊度從80%降為60%時，在低旁向重疊度的情況下，圖像重疊數據更好，如圖10旁向重疊度20%的圖像重疊數與圖13旁向重疊度20%圖像重疊數的對比。

由圖14可知，圖像間的平均匹配點個數呈下降趨勢，但下降并不明顯，最大差值僅為390個。特別當旁向重疊度從30%降為20%時，平均匹配點個數只是從6 930個變化為 6 918個，差值僅為12個，幾乎無變化。

當航向重疊度為60%，旁向重疊度從60%至20%變化時，處理時間呈現明顯的上升趨勢，圖像拼接效率隨旁向重疊度的降低并未提升（圖15）。

由圖16可知，當航向重疊度為30%，旁向重疊度從60%變化至20%時，圖像重疊數無明顯變化。通過和圖10、圖13的圖像重疊數對比可以看出，航向重疊度從80%降為60%再至30%時，在低旁向重疊度的情況下，圖像重疊數對圖像的拼接并無明顯影響。

當航向重疊度為30%、旁向重疊度由60%降至20%時，平均匹配點個數下降并不明顯，從7 055個下降為6 607個，差值為448個，當旁向重疊度從30%降為20%時，平均匹配點數只是從 6 623個 變化為6 607個，差值僅為16個，對圖像拼接效果的影響幾乎可以忽略不計（圖17）。

當航向重疊度、旁向重疊均為30%時，處理用時最少，為254 s。對比圖12和圖15的處理時間，可以看出低航向重疊度下處理數據的時效性提高明顯（圖18）。

3.3航向旁向數據綜合分析

綜合數據分析選用的是第2、3、4、5航帶數據，試驗主要分析航向重疊度80%、旁向重疊度60%和航向重疊度30%、旁向重疊度20%下的重疊圖像數、平均匹配點個數、處理時間（圖19、圖20、表5）。

航向80%、旁向60%的高重疊度和航向30%、旁向20%的較低重疊度下的圖像重疊數并無肉眼能夠觀察到的明顯變化，圖像拼接結果地物均清晰可辨，DSM數據清晰度雖有些差別，但對可利用數據的影響不大（圖19、圖20）。

低重疊度情況下的平均關鍵點個數和平均匹配點個數均低于高重疊度情況下的數據，但從處理數據所需的時間來看，

低重疊度情況下時間效率明顯高于高重疊度情況。再加上數據獲取時的時間差別，可以說低重疊度下的數據獲取和處理的時效性要明顯高于高重疊度情況（表5）。

4結論

經過詳細數據分析可知，航向重疊度并非越高越好，在30%的航向重疊度下，圖像間的平均匹配點數也能維持在一個較高的水平，不會對系列圖像的拼接造成較大影響。在航向重疊度固定的情況下，旁向重疊度的變化對圖像間的平均匹配點數雖有影響，但不會對系列圖像的拼接造成較大影響；當航向重疊度固定時，單純的增加或者降低旁向重疊度，反而會對數據獲取時效性和數據處理效率造成較大影響。在算法和軟件的支持下，航向30%左右的低重疊度無人機圖像拼接完全可以得到適合用于所有類型應急的大面積圖像數據和DSM數據。特別是在現場應急響應的使用中，當采用低重疊度的拍攝方法和拼接方法時，可極大地提高應急響應時間。

參考文獻：

[1]趙慶展，劉偉，尹小君，等. 基于無人機多光譜影像特征的最佳波段組合研究[J]. 農業機械學報，2016，47（3）：242-248.

[2]Matese A，Toscano P，di Gennaro S F，et al. Intercomparison of UAV，aircraft and satellite remote sensing platforms for precision viticulture[J]. Remote Sensing，2015，7（3）：2971-2990.

[3]Bhardwaj A，Sam L，Akanksha，et al. UAVs as remote sensing platform in glaciology：present applications and future prospects[J]. Remote Sensing of Environment，2016，175：196-204.

[4]王輝，劉海隆，包安明，等. 基于遙感和GIS改進SRM融雪徑流的模擬及分析[J]. 石河子大學學報（自然科學版），2015（3）：357-361.

[5]李云，徐偉，吳瑋. 災害監測無人機技術應用與研究[J]. 災害學，2011，26（1）：138-143.

[6]王佩軍，徐亞明. 攝影測量學[M]. 3版. 武漢：武漢大學出版社，2016.

[7]Theirs H J. Rigorous image formation from airborne and space borne digital array scanners[C]//International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences，2012：159-165.

[8]Riehl J K. RAPTOR（DB-110） reconnaissance system：in operation[C]// International Symposium on Optical Science and Technology. International Society for Optics and Photonics，2002：1-12.

[9]何永潔，陳孝威. 基于ASIFT的低重疊度圖像拼接研究[J]. 計算機工程與設計，2013，34（2）：561-565.

[10]宋耀鑫，張丹丹，唐伶俐，等. 基于ASIFT算法的低重疊度無人機影像拼接方法[J]. 遙感技術與應用，2015，30（4）：725-730.薛文龍，蘇萬益. 基于用戶搜索數據的農業安全預警[J]. 江蘇農業科學，2017，45（12）：188-191.endprint