基于嵩山定標場的無人機數據快速成圖應用

王康康，馮伍法，王 濤，張 艷，王淑香

(信息工程大學，河南 鄭州 450001)

?

基于嵩山定標場的無人機數據快速成圖應用

王康康，馮伍法，王 濤，張 艷，王淑香

(信息工程大學，河南 鄭州 450001)

無人機作為一個高效的測繪平臺，越來越多地被應用到生產作業中。研究無人機數據快速成圖的技術基礎，基于GPU加速的同名點匹配技術，并根據嵩山定標場的測繪需求進行試驗。采用無人機獲取的影像16 179張，結合場內高精度地面控制點，快速處理得到嵩山定標場約50 km2的高精度數字正射影像圖(DOM)，精度為平面點位中誤差2.7 cm，約0.5個像素。通過試驗驗證基于無人機數據快速成圖的高效率和高精度，同時為后續的國產衛星、大型航測相機、無人機等定標檢校提供參考。

嵩山定標場；無人機數據；同名點匹配；DOM；精度評價

近年來，無人機作為測繪平臺經歷了飛躍式發展，在中小區域測繪中顯示巨大的應用價值。實踐證明，無人機平臺快速、靈活、便捷，獲取的影像具有高分辨率、大比例尺等特點，而傳統航測飛機則有起降場地要求較高、運輸不便、易于損壞等劣勢，所以越來越多的中小區域測繪作業選擇微型無人機[1]。然而，無人機平臺搭載的大多都是非量測相機，畸變大、像幅比較小，產生的數據量較大。另外，飛行環境的復雜性以及飛行的不穩定性，也導致出現無人機的航空定位定向系統(POS)定位信息不夠精確以及重疊度不規則等現象，使得無人機數據處理十分困難[2-4]。為了保證生產成果的精度和生產效率，充分發揮無人機影像高分辨等特點，在數據后處理時需要采用更加先進的技術手段，如基于GPU加速的同名點匹配技術。Barazzetti,Hirschmuller等采用SIFT和SURF算法進行逐個影像對的特征提取，然后采用基于仿射變化矩陣RANSAC的方法進行粗差剔除，最后利用最小二乘算法對提取的點進行校正，實現較好的提取效果[5-7]。年華、肖漢、楊靖宇等對基于GPU的SIFT算法進行深入研究并通過試驗驗證其加速比，取得良好的加速效果[8-10]。對于無人機數據，于英提出一種連接點均衡化高精度快速提取算法，用GPU實現SIFT特征匹配，顯著提高特征點提取的速度[11]。然而，對于大批量重疊度較高的無人機數據加速匹配處理的具體實現仍需進一步研究。

嵩山攝影測量與遙感定標綜合實驗場(以下簡稱嵩山定標場)自2013年建成至今，已為多顆國產遙感衛星的輻射定標、幾何定標和載荷性能驗證提供服務。為了進一步豐富和完善嵩山定標場的數據資源，提高服務于衛星、機載傳感器校正定標的能力與效率，本次項目采用無人機系統采集數據，結合本文所研究的技術方法，經數據處理得到實驗場區域約50 km2的高精度數字正射影像圖。本文對基于GPU的同名點加速匹配技術進行研究，并通過實踐驗證，結合無人機數據快速處理，提高制作DOM的精度和效率。

1 快速成圖技術基礎

1.1 無人機數據處理流程

通過外業無人機采集得到數據，需經過內業處理才能得到高精度數字正射影像成果，而處理的方法及流程會對成圖精度和效率造成很大影響。目前普遍采用的無人機數據處理流程見圖1。

圖1 無人機數據處理流程

1.2 基于GPU加速的連接點提取

在進行無人機數據處理時，連接點提取一直是最繁瑣和最耗時的步驟。連接點提取工作就是在多張影像上找到同名特征點，其要解決的核心問題就是特征點提取與匹配。常見的特征點提取方法有Moravec算法、F?rstner算法、Harris算法和SIFT(Scale Invariant Feature Transform，尺度不變特征變換)算法，其中SIFT算法是圖像局部不變特征提取中最優秀的算法之一。SIFT算法由特征提取和特征匹配兩部分組成。具體的特征提取過程在Lowe的文章[12]中有清楚的介紹，首先通過尺度空間建立高斯差分金字塔(DOG)，確定DOG空間的局部極值點，并通過進一步噪聲和邊緣相應檢驗對極值點精確定位得到特征點，最終建立特征點描述符，完成特征點提取。對于特征點匹配本文采用較為常用的RANSAC(Random Sample Consensus)最小二乘方法完成。

實際運算過程中，只有高度并行化的任務在GPU上運行比CPU上快，因此未將SIFT所有的計算過程進行GPU并行化改造，而是為每一步驟設計最合適的處理方式。根據SIFT算法的原理和GPU技術的特點，僅對SIFT中若干計算量大的步驟進行GPU改造：首先對輸入的彩色圖像進行預處理，包括灰度轉換以及圖像的降采樣和升采樣等；然后通過GPU創建圖像灰度、梯度和差分高斯的高斯金字塔影像，在亞像素和亞尺度級完成關鍵點檢測；之后通過直方圖方法生成壓縮特征列表，最終計算特征點的方向和其對應描述符。具體的CPU,GPU任務分配和改造的步驟見圖2。

2 試驗與分析

2.1 嵩山定標場

嵩山定標場位于河南省洛陽市與鄭州市之間的登封嵩山地區，是由中國資源衛星中心、信息工程大學和武漢大學聯合建設的攝影測量與遙感定標綜合實驗場，其綜合考慮氣候條件、地形地貌、人文地物、交通便利、已有基礎等諸多方面，兼顧遙感測繪的嚴格技術要求，有利于長期維持大范圍野外控制網設施及便于開展全方位應用研究等因素，并經過多次的實地觀測和野外考察，最終確定最適宜的實驗場址[13]。嵩山定標場包括航空定標實驗場、攝影測量與遙感綜合實驗場和航天定標實驗場3個部分，其中，航天定標實驗場主要是用于各種航天傳感器的檢校與測試，攝影測量與遙感綜合實驗場主要是用于攝影測量與遙感技術綜合試驗，而航空定標實驗場主要用于各種航空相機或傳感器的鑒定。

圖2 基于GPU的SIFT實現流程

本次無人機飛行測繪區域主要集中在機載傳感器實驗場，范圍在北緯34°22′20″～34°26′38″，東經113°02′40″～113°07′55″之間，覆蓋面積約50 km2。飛行覆蓋區域為典型的丘陵地形，分布有居民區、農田、各級公路、鐵路干線，地形起伏約200 m。為完成航空定標實驗等工作，測區內布設有214個永久性高精度地面靶標控制點。地面控制點的平面坐標利用GPS靜態測量，高程坐標利用三等水準測量，平面精度優于2 mm，高程精度優于1 cm。采用尺寸為0.4 m×0.4 m和1 m×1 m兩種規格進行地面控制點埋石，采用混凝土現場澆注方法進行埋石，埋石中心為圓形不銹鋼標志，表面全部用黑白油漆涂成對稱三角形圖案，點位中心位于頂部相交處，測區地面靶標控制點實拍圖及分布情況見圖3。本次項目采用Trimble UX5無人機系統來完成外業測量任務，目的是獲取和更新實驗場區域分辨率為5cm的DOM，為衛星、大型航測相機、無人機等定標檢校提供參考。

圖3 嵩山航空定標實驗場及場內參照目標

2.2 無人機數據獲取

本次外業采用Trimble UX5無人機攝取測區影像，搭載相機為SONY α5100，像幅為6 000×4 000，飛行前已經過檢校處理。

由上文介紹可知，本次測區內分布有大量已知地面靶標控制點，可以節省大量外業布設像控點的時間。為獲取高質量影像，根據無人機性能和天氣情況設計飛行參數，概要信息見表1。如圖4規劃飛行架次，總共分30個架次，平均每個架次覆蓋1.8 km2。根據外業獲取無人機數據實際情況統計得到，每架次平均耗時1 h。結合天氣狀況，最終約5 d完成外業數據采集，得到影像16 179張。

表1 飛行概要信息

圖4 飛行架次規劃圖

2.3 結果分析

2.3.1 基于GPU加速的同名點提取

此次試驗的系統環境為Windows7 Sp1，CPU為Intel Core i7，GPU為NVIDIA GTX850，加速環境為CUDA 7。選取3種具有代表性地物特征的影像：居民區、農田和水域做匹配對比試驗。試驗時選取3組對應的相鄰立體像對，得到結果見表2，其中匹配的運行時間是指從像對的特征提取到最終的誤匹配點剔除得到連接點對的總時間。可以看出，對于紋理細節豐富的居民區特征匹配得到的點對較多，時間像對較長，而對于有大面積水域的影像，匹配得到的點較少，耗時最短。

表2 在GPU實現的SIFT算法結果

2.3.2 成果質量分析

隨機抽取其中一個架次(664張相片)生成的DOM見圖5，圖中DOM經過簡單的后期編輯，通過目視判讀可以看出，生成的DOM拼接效果很好，沒有明顯的錯縫；從勻光勻色效果來看，生成的DOM色調均勻，反差適中，總體效果較好。

圖5 DOM成果

影像的地面分辨率算式為

(1)

式中：GSD表示地面分辨率，單位：m；H表示航高，單位：m；f表示焦距，單位：mm；a表示像元尺寸，單位：mm。

在外業飛行時，設置的航高為191 m，實際飛行過程中航高在185～195 m之間，基本穩定；相機標定結果顯示，焦距f為15 mm，像元尺寸a為3.9 um。可以計算得到影像地面分辨率(GSD)為0.049 66 m，約為5 cm。這個結果從圖上也可以判讀：在有地面靶標控制點的影像中，地面靶標控制點是1 m×1 m，若是5 cm分辨率，既1個像元的邊長代表地面5 cm，地面靶標控制點對應在圖上顯示為20像元×20像元，而實際從圖上可以直接測得，平均為24像元×24像元，說明影像的地面分辨率優于5 cm。圖6為生成的DOM中隨機抽取的兩個地面靶標控制點放大圖。

2.3.3 精度質量分析

本次測繪主要目的是為了得到測區高精度DOM。根據地面固定靶標點的分布情況，從最終得到的DOM中提取對應點位坐標，對平面幾何精度進行檢查。其中，30架次(約50 km2)覆蓋的區域內可有效識別114個地面固定靶標點，根據分布情況，選取34個作為平差控制點，其余80個作為檢查點。從DOM影像上量測檢查點對應坐標，統計得到各個檢查點X方向、Y方向點位誤差統計圖，見圖7。

圖6 地面靶標控制點放大圖

圖7 X,Y方向殘差統計圖

各個量的中誤差和最大誤差統計如表3所示。其中點位平面誤差是指量測出的檢查點坐標與其真實點之間的直線距離，能較好地反映精度指標。

表3 成果平面誤差統計 cm

可以得到，平面點位誤差最大值為14.0 cm，最小值為0.4 cm，中誤差為2.7 cm，也即是中誤差約為0.5個像元，可以看出最終結果具有較高精度。

3 結 論

本文結合嵩山定標場實際測繪作業，以無人機作為測繪平臺，獲取地面分辨率為5 cm的無人機影像，經內業處理，得到嵩山定標場約50 km2的高精度DOM，驗證基于GPU加速的同名點匹配算法的可靠性和精度。無人機獲取數據已經相對成熟完善，效率較高，獲取的影像具有高分辨率、大比例尺等特點，但是無人機平臺的不穩定性及POS定位精度不高等因素都會對結果的精度造成很大影響，所以，如何通過更為有效的空中三角測量平差技術來提高無人機數據處理的精度，還需要更深入的研究。

[1] 李德仁,李明.無人機遙感系統的研究進展與應用前景[J].武漢大學學報(信息科學版),2014,39(5):505-513.

[2] TURNER D, LUCIEER A, WATSON C. An automated technique for generating georectified mosaics fromultra-high resolution unmanned aerial vehicle (UAV) imagery, based on structure from motion(SFM) point clouds[J]. Remote Sensing, 2012, 4(12):1392-1410.

[3] QIN R J, GRUN A, HUANG X F. UAV project-building a reality-based 3D model [J]．Coordinates, 2013,9(1):18-26.

[4] 金鼎堅,支曉棟,王建超,等.面向地質災害調查的無人機遙感影像處理軟件比較[J].國土資源遙感,2016, 28(1):183-189.

[5] BARAZZETTI L. Automatic Tie Point Extraction from Markerless Image Blocks in Close-range Photogrammetry [D].Politecnico di Milano PhD Thesis,2011.

[6] BARAZZETTI S R. Automated and Accurate Orientation of Complex Image Sequences, [Z]. International Archives of Photogrammetry,Remote Sensing and Spatial Information Sciences,2011.

[7] I E H H.Mutual Information Based Semi-Global Stereo Matching on the GPU[C].Springer Berlin Heidelberg,2008,228-239.

[8] 肖漢.基于CPU+GPU的影像匹配高效能異構并行計算研究[D].武漢：武漢大學,2011.

[9] 年華.GPU通用計算與基于SIFT特征的圖像匹配并行算法研究[D].西安：西安電子科技大學,2010.

[10] 楊靖宇.攝影測量數據GPU并行處理若干關鍵技術研究[D].鄭州：信息工程大學,2011.

[11] 于英.無人機動態攝影測量若干關鍵技術研究[D].鄭州：信息工程大學,2014.

[12] LOWE D G. Distinctive Image Features from Scale-Invariant Keypoints[J].International Journal of Computer Vision, 2004, 60(60):91-110.

[13] 王濤.線陣CCD傳感器實驗場幾何定標的理論與方法研究[D].鄭州：信息工程大學,2012.

[責任編輯：張德福]

Application research on UAV data fast mapping technology based on Songshan calibration field

WANG Kangkang, FENG Wufa, WANG Tao, ZHANG Yan, WANG Shuxiang

(Information Engineering University, Zhengzhou 450001,China)

As an effective mapping platform, unmanned aerial vehicles(UAV) are increasingly being applied to the real operation and production. This paper studies the technical foundation of UAV data fast mapping, mainly the homologous point matching technology based on GPU, and makes experiments based on the Songshan calibration field mapping needs. Combining with high-precision ground control point, it carries out fast processing on 16179 UAV images and finally gets 50 square kilometers high-precision digital orthophoto map (DOM) over Songshan calibration field. And the plane position error of DOM product is 2.7 centimeters, about 0.5 pixels.The high efficiency and accuracy of UAV data fast mapping based on GPU acceleration are verified through experiment. Meanwhile, the generated DOM can also be used as reference for further satellites, large aerial cameras and UAVs camera calibration.

Songshan calibration field ; UAV data ; homonymy point matching ; DOM ; accuracy assessment

10.19349/j.cnki.issn1006-7949.2017.03.008

2016-05-28

國家自然科學基金資助項目(41501482)；地理信息工程國家重點實驗室開放研究基金資助項目(SKLGIE2014-M-3-1)

王康康(1991-)，男，碩士研究生.

P231

A

1006-7949(2017)03-0037-05

引用著錄：王康康，馮伍法，王濤，等.基于嵩山定標場的無人機數據快速成圖應用[J].測繪工程，2017，26(3)：37-41.