無人機遙感真正射影像高精度制圖

劉 宇，鄭新奇，艾 剛

(中國地質大學(北京)信息工程學院，北京 100083)

近年來，無人機低空遙感技術在許多領域得到廣泛發展，已成為地理信息空間數據獲取的重要技術手段之一。與傳統測量方法、衛星遙感和航空遙感相比，無人機遙感具有高時效、高分辨率、低成本、低損耗、低風險及可重復等諸多優勢，能夠在大面積區域、常規航攝困難地區和突發自然災害地區快速獲取高分辨率影像[1-3]。

數字正射影像圖(digital orthophoto map，DOM)是與地表垂直平行投影所得到的影像，同時具有地圖的幾何精度和影像的視覺特征。真正射影像圖(true digital orthophoto map，TDOM)是將地表影像經垂直投影，消除投影差，使地形和地物均被糾正到正確的平面位置上而生成的影像數據集，具有像片的影像特征和地圖的幾何精度[4-7]。真正射影像圖與傳統正射影像圖最顯著的差異在于正射糾正的同時分析地物的可見性。TDOM具有豐富的色彩和易于判別的紋理圖案，可降低外業成本并提高精度，廣泛應用于國土規劃、精準農業、荒漠化監測、土地利用調查、農村宅基地確權等方面[8-11]。

目前已有國內外許多學者對無人機真正射影像進行了研究。Lucieer等使用運動恢復結構(struct from motion,SfM)算法和多視立體視覺(multi view stereo,MVS)算法建立了超高分辨率的3D模型,生成的DOM可用于對南極苔蘚生存狀況評估[12-13]。艾明耀等提出了一個建立自動空三、多視點匹配的方法來改善數字表面模型(digital surface model,DSM)和DOM,使影像三維可視化[14]。朱慶等提出了面向對象的真正射影像糾正方法，定義物方像方定義，全局可見性縮影，面向對象的真正射糾正和紋理優化采樣[15]。范彬彬等在村莊地籍調查中生產1∶1000比例尺的TDOM，TDOM克服傾斜遮擋問題，可對村莊地籍圖直接矢量化[16]。

目前研究尚有待改進的地方:①數字正射影像整體精度無法滿足需求，國內傳統方法對空三加密，生成DOM精度平面中誤差在0.15 m左右[11],無法滿足如農村宅基地確權等對高精度的要求，本研究使用運動恢復結構(SfM)算法、多視立體建模(MVS)生成點云、DSM、DOM，可生產平面中誤差在0.05 m以內的高精度DOM；②DOM局部影像存在傾斜遮蔽等問題，降低了影像局部精度，傳統DOM是以數字高程模型(digital elevation model，DEM)為基礎生成的，但存在中心投影變形、地形地物遮蔽陰影等問題，降低了DOM局部范圍精度，使用DSM對DOM進行糾正可生成TDOM。

本文以北京密云為研究區，使用無人機航拍收集數據，引入運動恢復結構算法(SfM)工作流來生成點云、DSM、DOM；針對局部影像房屋傾斜遮擋問題，通過對DSM編修和多視影像補償來消除傾斜生成TDOM；對生成的點云、DSM、TDOM結果進行驗證和討論，從而提出一種無人機遙感真正射影像高精度制圖方法。

1 研究方法

1.1 研究區概述

測試區域位于北京市密云區西邵渠村，密云區位于北京市東北部，屬燕山山地與華北平原交接地。測區主要為農村宅基地，大部分建筑為一層樓平房。村內地勢平坦，四周為農田，選取航飛區域為南北朝向，長條形狀。測區最高海拔為140 m，最低海拔為120 m，平均海拔為130 m。飛行航拍當天天氣晴朗無云，陽光照射充足，微風，適合進行無人機航飛拍攝。

1.2 外業航飛

1.2.1 設備參數

本研究所用無人機為大疆筋斗云S-900，它是一款輕巧穩定、便攜易用的專業六旋翼飛行平臺，主要結構部件均采用質量強度較高的碳纖維復合材料，整機自重約3.3 kg，搭載云臺相機后最大起飛重量約8.2 kg。搭載的數碼相機為Sony A7r，3600萬像素，分辨率為7360×4912像素。傳感器尺寸為35.9 mm×24 mm，相機重量為407 g，可配合云臺搭載在無人機S-900，用于采集影像數據。

1.2.2 GCP布設

經航飛前實地調研觀測，并結合飛行航線，利用Google Earth在測區布設了32個控制點、6個檢查點。布點沿航線方向均勻分布，位置在村莊內沿著主要道路、道路交匯處、房屋拐點、農田周邊等，如圖1所示。使用思拓力SC200高性能CORS接收機，架設地面CORS基站，使用移動手持GPS測量每個控制點和檢查點的坐標數據。

圖1 控制點分布

1.2.3 飛行控制

航線規劃在大疆無人機系統配套軟件Rockycapture中完成，測區為約0.3 km2、長701 m、寬330 m的長方形區域，飛行2個架次，規劃航線10條，蛇形路線飛行，航線設計如圖2所示，相對航高為160 m,地面分辨率(GSD)為1.6 cm，預設航向重疊率80%，旁相重疊率60%，曝光間隔為2 s，每個架次飛行時長18 min。在研究區拍攝了460張影像，完成航飛后，導出影像和GCP數據，在Pix4D中快速檢測，并檢查影像重疊率、相機焦距、單幅影像特征點匹配數量、GCP與影像地理配準等指標是否滿足要求。經檢驗，影像質量和GCP質量良好，滿足內業處理及正射影像制圖規范[16]。

1.3 SfM算法生成點云

近年來隨著計算機視覺技術的進步，SfM算法和MVS已成功應用于無人機影像處理，可生成高分辨率的DSM和DOM。SfM算法工作流程為：導入航飛獲得的51張高精度影像和3個控制點數據，對控制點數據在可見的影像上進行刺點；通過控制點數據賦予的坐標和包含這些控制點的影像特征點，利用軟件檢索每兩張影像中相同的特征點并進行匹配，恢復每張影像相機曝光的位置和姿態，將影像位置恢復在空中并顯示運動軌跡，地面特征點的三維位置也可獲得，這些特征點形成了一個稀疏的三維點云；基于MVS的密集的幾何重建可生成更詳細的三維模型，其中3個控制點數據用來改進該三維模型的絕對精度，DSM網格生成的三維模型采用的地圖投影為WGS-84 UTM 50 N；將原始影像投影到數字表面模型并將影像紋理混合在重疊區域，即可產生整個地區的數字正射影像。

圖2

1.4 DSM修編

DSM是表達地球表面及表面上物體(如房屋、樹冠等)高起伏形態的數據集，是地表上自然、人工地物空間信息的統一體。與DEM相比，DSM除包含地形的高程信息外，還涵蓋了除地面以外的其他地表信息的高程，如建筑物、植被等，可表達各種建筑物表面和植被覆蓋情況，反映坐落于地面的所有物體表面特征，更準確更直觀地表達地理信息。使用DSM代替DEM生成DOM可獲取更多地表信息，且可以對生成的DSM進行修改編正，恢復被傾斜遮蔽的地物。

對初步匹配生成的DSM進行遮擋區域檢測;然后對遮擋區域進行分析和紋理修補，進一步恢復建筑物的立體角度;最后對修補好的DSM去噪和平滑，在立體模型下手工精細編輯DSM，得到高精度的DSM。

1.5 TDOM糾正及精度評價

利用中心投影的航攝影像得到正射影像圖，實質是將中心投影轉變為正射投影，一般采用影像糾正的方法實現兩種投影之間的正確變換。本文采用數字微分糾正的方法，其原理是對數字影像進行逐個像元的微分糾正，即根據影像的已知定向元素和數字高程模型，按一定的數字模型利用控制點結算，由原始的中心投影的像片獲取正射影像，其過程是將影像化為很多微小的區域，如一個像元的大小，逐一進行糾正。

利用多視影像對遮擋區域進行補償，主要包括分別對每張影像生成近似真正射影像，然后對所有可見區域進行融合，依據一定原則選擇合適主、輔影像進行補償，在高精度DSM的基礎上，采用數字微分糾正的方法糾正消除了所有視差，建立了完全垂直視角的地表景觀。建筑物保持垂直視角，只顯示了建筑物的頂部，不顯示側面，避免了高大建筑物對其他地表信息的遮擋，恢復了建筑物的正確顯示，生成TDOM。

在完成正射影像成果之后，需要對其精度進行檢驗，以確認成果及整個試驗方法的可靠性，檢查點的X方向誤差、Y方向誤差、平面中誤差、高程中誤差計算公式分別為

(1)

(2)

(3)

(4)

式中，RMSE為中誤差；XGPSi、YGPSi、HGPSi為實測值，單位為m；XOi、YOi、HOi為圖上值，單位為m；n為檢查點數量。

2 結果與討論

2.1 點云評價

對導入的影像和GCP數據使用SfM算法恢復相機曝光位置和運動軌跡，生成稀疏點云，接著根據稀疏點云使用MVS生成稠密點云，根據生成點云利用反距離權重插值法生成數字表面模型。

從圖2可看出，利用SfM通過特征點匹配，可以恢復每張影像相機曝光時的位置和無人機的運動軌跡；對生成的稀疏點云進行致密化處理，生成致密化三維點云數量約為1769萬個點，平均每立方米477.18個點。根據三維點云數據創建Mesh網模型，接著利用反距離權重插值法生成DSM模型，對DSM模型進行去噪濾波和表面平滑處理，結果如圖3所示。

圖3 數字表面模型(DSM)

2.2 DSM修編及TDOM糾正

圖4為生成DSM的有遮蔽傾斜部分，圖5為對DSM進行修編后，建筑物房屋外形輪廓明顯無傾斜遮蔽。生成的DOM也減小了傾斜和遮蔽。

圖4 DSM修編前

采用人工填補影像排序的方法，對標記為遮蔽區的地方進行影像填補，得到完整的正射影像。為避免副影像中用來填補的影像區域為遮蔽區，也需對副影像進行遮蔽檢測，接著對初步正射糾正成果中標記為遮蔽區的地面單元與副影像遮蔽區進行判斷，判斷該遮蔽區是否能通過該副影像得到所需的影像信息。如果標記為遮蔽區的單元不在該副影像的遮蔽區中，則進行影像填補，反之不進行處理。依次利用航測影像來進行遮蔽區影像的填補，當得到的真正射影像具有完整的影像信息后就停止填補，否則持續進行，直到最后一張。如圖6、圖7所示，原始影像中圈內有明顯的建筑物傾斜，通過正射糾正后，消除了這些明顯的傾斜。每個建筑物處于垂直正射角度，如圖8、圖9所示。

圖5 DSM修編后

圖6 原始影像1

圖7 原始影像2

2.3 正射影像精度評價

圖10為生成的真正射影像TDOM。在圖中隨機選取了5個檢查點，與野外實測數據進行比較，其結果見表1。

圖8 消除傾斜遮蔽后TDOM1

圖9 消除傾斜遮蔽后TDOM2

圖10 真數字正射影像(TDOM)

m

經檢驗，生成的DOM檢查點平面中誤差和高程中誤差分別為0.033 m和0.075 m，相比之下，范彬彬等[10]平面和高程中誤差分別為0.10 m、0.15 m。本研究剔除個別異常點，異常點發生的原因是標識被居民移動等，平面中誤差可以控制在0.05 m內。

參考《數字航空攝影測量空中三角測量規范》(GB/T 23236—2009)7.1中，1∶500比例尺在檢查點平面和高程最大限值分別為0.175 m和0.15 m，DOM檢查點計算結果符合要求，且質量較好。

3 結 語

本文以北京市密云區西邵渠村無人機攝影像數據為研究地區，使用多旋翼無人機搭載高分辨率相機采集數據，在地面布設地面控制點標志并進行RTK方法測量。利用運動恢復結構(SfM)匯算相機與三維信息，多視立體建模(MVS)密集匹配獲取三維點云模型，由點云生成高精度和準確的DSM、DOM；對DSM遮擋部分進行遮擋分析和紋理修補，基于DSM，使用數字微分糾正，生成TDOM，可以有效解決傳統的DOM存在中心投影變形、地形地物遮蔽陰影等問題。制作的DOM精度高，平面中誤差為0.033 m,高程中誤差為0.075 m,優于《數字航空攝影測量 空中三角測量規范》(GB/T 23236—2009)中1∶500比例尺在檢查點平面和高程最大限值分別為0.175 m和0.15 m的要求。本研究可用于農村宅基地確權、不動產登記等工作，生成的TDOM具有可控制在0.05 m內精度，可大大減小外業測量的工作量并提高精度。

[1] 曹明蘭，薄志毅，李亞東.無控制點數據的無人機影像DOM快速制作[J].測繪通報,2016(8):35-38．

[2] 趙翔.基于無人機航攝DOM生成技術的研究與應用[D].南昌：東華理工大學.2015.

[3] 陳良浩，朱彩英，徐青，等.無人機航測水域控制點布設方案的精度試驗[J].測繪科學，2016,41(7):205-210.

[4] 張學文.基于無人機影像的真正射影像制作研究[D].北京:中國地質大學(北京),2015.

[5] 何敬，李永樹,魯恒,等.無人機影像的質量評定及幾何處理研究[J].測繪通報，2010(4)：22-24.

[6] AGüERA F，CARVAJAL F，MARTNEZ P，et al.Assessment of Photogrammetric Mapping Accuracy Based on Variation Ground Control Points Number Using Unmanned Aerial Vehicle[J].Measurement, 2017,98:221-227.

[7] MESAS F，CLAVERO I，BERROCAL J，et al.Positional Quality Assessment of Orthophotos Obtained from Sensors Onboard Multi-rotor UAV Platforms[J].Sensors，2014，14(12):22394-22407.

[8] LIBA N，BERG J.Accuracy of Orthomosaic Generated by Different Methods in Example of UAV Platform MUST Q[J].Materials Science and Engineering,2015,96(1)：012041.

[9] RUZGIENE B，BERTEKA T，GEYTE S，et al.The Surface Modelling Based on UAV Photogrammetry and Qualitative Estimation[J].Measurement,2015(7):619-627.

[10] SHAHBAZI M，SOHN G，THéAU J，et al.Development and Evaluation of a UAV-photogrammetry System for Precise 3D Environmental Modeling[J].Sensors,2015，15(11):27493-27524.

[11] LUCIEER A，TURNER D，KING D H，et al.Using an Unmanned Aerial Vehicle (UAV) to Capture Micro-topography of Antarctic Moss Beds [J].International Journal of Applied Earth Observation and Geoinformation, 2014,27(4):53-62.

[12] LUCIEER A，JONG S，TURNER D.Mapping Landslide Displacements Using Structure from Motion (SfM) and Image Correlation of Multi-temporal UAV Photography[J].Progress in Physical Geography, 2014,38(1):97-116.

[13] AI M Y，Hu Q，Li J，et al.A Robust Photogrammetric Processing Method of Low-altitude UAV Images[J].Remote Sensing，2015,7(3):2302-2333.

[14] 朱慶,于杰,杜志強,等.面向對象的真正射影像糾正方法[J].武漢大學學報(信息科學版)，2013,38(7)：757-760.

[15] 范彬彬，楊青山，包琦，等．村莊地籍調查中輪臺 1∶1000 真正射影像生產及其應用評估[J],測繪通報， 2016(10):76-80．

[16] 國家測繪地理信息局.低空數字航空攝影測量外業規范:CH/Z 3004—2010[S].北京：測繪出版社，2010．