鄒磊，吳龍祥，謝剛生

(廣東南方數(shù)碼科技股份有限公司，廣東 廣州 510665)

快速航空攝影飛行質(zhì)量檢查方案

鄒磊*，吳龍祥，謝剛生

(廣東南方數(shù)碼科技股份有限公司，廣東 廣州 510665)

當前航空攝影飛行質(zhì)量檢查多數(shù)還在使用人工檢查的方法，工作量大、效率低，雖然已有一些數(shù)字化的檢查方法，但其檢查速度慢，對計算機硬件需求較高，不方便在飛行外業(yè)快速檢查數(shù)據(jù)質(zhì)量，其實際使用價值不高。因此，有必要設計一套速度快、對硬件需求低的航空攝影飛行質(zhì)量檢查方案。為兼顧速度和精度，該方案將檢查項目進行分類，重疊度檢查采用匹配的方法，像片旋偏角、航線彎曲度等其他檢查項目采用POS數(shù)據(jù)計算的方法。為提高重疊度運算速度，先將原始影像進行金字塔降采樣，再使用速度較快的SURF算法匹配同名點，最后使用RANSAC算法計算單應矩陣獲得重疊度。為驗證該方案的正確性，以江西某地低空航空攝影數(shù)據(jù)進行實驗，在低配置計算機上以非?？斓乃俣全@得了正確結(jié)果，整個過程一鍵式完成，無需人工干預，自動化程度高。

航空攝影；質(zhì)量檢查；快速；重疊度分析

1 研究背景和問題分析

近年來數(shù)字航空攝影迅猛發(fā)展，尤其是低空攝影測量已經(jīng)成為重要的數(shù)據(jù)采集手段。同時，航空攝影飛行質(zhì)量必須滿足一定的要求，才能滿足測圖要求[1]。因此航空攝影飛行質(zhì)量檢查便成為一項重要任務。

當前的航空攝影飛行質(zhì)量檢查多采用人工作業(yè)的方法，有人工判斷飛行質(zhì)量。這種方法效率低下，并且投入大，制約了攝影測量的優(yōu)勢。為解決這樣的問題，不少學者設計了數(shù)字化的航空攝影飛行質(zhì)量檢查方法，段福洲、余長慧等人都設計了自己的自動飛行質(zhì)量檢查系統(tǒng)[2，3]，李超、張珍梅等均提出使用SIFT(Scale Invariant Feature Transform)算法對影像質(zhì)量進行檢查[4，5]。陳潔等人設計了一種基于質(zhì)量檢查軟件和機載POS(position and orientation system)數(shù)據(jù)的飛行質(zhì)量檢查方法，實現(xiàn)了對框幅式航空攝影所有飛行質(zhì)量因子的全數(shù)字化質(zhì)量檢查，并通過實驗驗證了其方法的檢查精度完全可以滿足航空攝影的飛行質(zhì)量檢查標準[6]。

實際工程中，一次航空攝影飛行的投入大，受到天氣、航空管制、人員配備等多方面的影響。如果航空攝影飛行數(shù)據(jù)不滿足規(guī)范要求，必須重新飛行。因此必須能夠在航空飛行外業(yè)現(xiàn)場發(fā)現(xiàn)問題，才能將數(shù)據(jù)采集風險降到最低。據(jù)估算，如若沒能在航空攝影外業(yè)現(xiàn)場及時發(fā)現(xiàn)數(shù)據(jù)中的少量錯誤而需返工，低空航測 100 km2測區(qū)補測一次大約直接損失20萬，并且會大幅延誤工期，由延誤工期造成的損失，無法估計。因此，航空攝影飛行質(zhì)量檢查必須能夠在外業(yè)現(xiàn)場執(zhí)行并輸出結(jié)果，否則其實用價值有限。

然而，上述的研究雖然取得了比較理想的效果，但其研發(fā)的系統(tǒng)和軟件效率不高、計算機資源消耗大，有些還需人工干預[6]，不方便在航空攝影現(xiàn)場使用便攜式計算機執(zhí)行，因此其實用性有限。本文設計了基于金字塔采樣、SURF(Speeded-Up Robust Features)匹配和機載POS數(shù)據(jù)的高效質(zhì)檢算法，可以在較低的計算機資源消耗下，快速、全自動地對航空攝影飛行數(shù)據(jù)進行檢查，并根據(jù)相關(guān)標準給出質(zhì)量報告。

2 快速質(zhì)檢方法

2.1 質(zhì)量檢查內(nèi)容和分類

本文所研究的航空攝影飛行質(zhì)量檢查內(nèi)容按照國家標準，包括攝影比例尺、航向和旁向重疊度、像片旋偏角、航線彎曲度、最大航高與最小航高之差、實際航高與設計航高之差等幾項[7]。在機載POS數(shù)據(jù)精度足夠高的情況下，待檢查項目都可以通過分析POS數(shù)據(jù)得到結(jié)果。

然而多數(shù)低空飛行器，比如常用的無人機、飛艇、三角翼，其搭載能力有限，無法搭載高精度POS傳感器，因而不能單獨通過分析POS數(shù)據(jù)檢查數(shù)據(jù)質(zhì)量。通過分析航空攝影的過程可以發(fā)現(xiàn)，POS數(shù)據(jù)對航空所表征的飛行質(zhì)量項目可以分為三類：

(1)與線元素相關(guān)的項，即攝影機空間位置決定的項，包括攝影比例尺、航高差、航線彎曲度。

(2)與角元素相關(guān)的項，即攝影機所處姿態(tài)決定的項，包括像片傾角、旋偏角。

(3)同時與線元素和角元素都相關(guān)的項，即像片重疊度。

POS數(shù)據(jù)中一般而言線元素的尺度較大，因此位置誤差對與線元素相關(guān)的項影響很小，可以忽略，同時隨著目前傳感器精度的提高，當前的角度精度也可用來分析像片角度。然而，航空攝影飛行數(shù)據(jù)中至關(guān)重要的重疊度，其誤差同時受到線元素和角元素影響，若角度誤差為△α，則重疊度誤差約為△O=H·△α，其中H為相對行高，顯然重疊度誤差被行高放大，不能使用POS數(shù)據(jù)檢查質(zhì)量。

因此，航空攝影飛行質(zhì)量檢查可以按照兩種方法進行：重疊度使用影像匹配的方法，其他檢查項目可直接使用POS數(shù)據(jù)。

2.2 機載POS數(shù)據(jù)檢查方法

攝影比例尺、航高差、航線彎曲度、像片傾角、旋偏角都可以通過POS數(shù)據(jù)直接計算得到，其具體的計算方法依據(jù)測圖比例尺不同，在測繪行業(yè)標準低空數(shù)字航空攝影規(guī)范[7]以及國家標準的地形圖航空攝影規(guī)范[8，9]中給出了具體算法，這里不再贅余。

2.3 重疊度檢查方法

重疊度的檢查，可以通過匹配影像中的同名點，根據(jù)同名點計算出影像間單應矩陣，即得到兩張影像間的位置關(guān)系，獲取重疊度信息。因此重疊度的計算可以分為同名點匹配和單應矩陣計算兩個步驟進行。然而，影像的匹配過程是非常耗時的操作，為了加快速度，可以使用金字塔降采樣減少計算量來加速。

這樣，快速重疊度計算就可以分為以下三步：

(1)金字塔降采樣

重疊度以百分比來表征，因此其數(shù)值與具體的影像尺寸無關(guān)，并且重疊度運算的精度要求不高，這就使得對原始影像金字塔降采樣的做法不會破壞重疊度信息。同時降采樣會大幅降低運算量，例如非量測相機拍攝的寬 4 912、高 7 360的三通道RGB影像，在內(nèi)存中約需處理 103.4 M，但金字塔降采樣三層后，寬614、高920，內(nèi)存中約需處理 1.6 M，這樣可以大幅降低運算量，即可大幅加快運算速度。

(2)同名點匹配

在圖像匹配方法中，特征點的提取及匹配方法有很多，比如Forstner、Harris、Moravec、SIFT算法。其中，SIFT算法精度較高[10]，并且具有抗幾何變形和光照變化的能力，因此同名點匹配多采用此法。但SIFT算法在航空攝影影像重疊度檢查方面卻有著明顯的缺點：運算量大，速度不快，尤其是在影像數(shù)量巨大的情況下，會消耗大量時間。

Herbert Bay等人設計的SURF算法[11]與SIFT算法一樣，都具有對尺度和旋轉(zhuǎn)的魯棒性，雖然其匹配精度稍低，但其運算量小，在速度上有明顯優(yōu)勢，非常適合重疊度計算這樣的對匹配精度需求不高的情況。

因此，綜合考慮匹配速度和精度，本文選擇了SURF算法計算重疊度。借助于SURF算法的速度優(yōu)勢，可快速完成較低精度的同名點匹配。圖1所示即為SURF同名點匹配結(jié)果圖，從圖中可以看出，由于精度問題，匹配數(shù)據(jù)中出現(xiàn)了不少錯誤的匹配數(shù)據(jù)。

圖1 SURF匹配計算重疊度示意圖

(3)單應矩陣計算

單應矩陣是描述兩張影像間關(guān)系的矩陣，只要計算出單應矩陣便可通過幾何分析方法獲得重疊度。單應矩陣需要使用兩張影像間的同名點數(shù)據(jù)計算，但上文已經(jīng)提到，由于采用了SURF算法，同名點中會出現(xiàn)不少錯誤的匹配數(shù)據(jù)(如圖1所示)，要得到正確的單應矩陣，就必須對這些錯誤進行處理。

這些錯誤的匹配點數(shù)據(jù)不符合單應矩陣的計算模型，經(jīng)典的參數(shù)估計算法，比如最小二乘算法無法排除這些錯誤數(shù)據(jù)的干擾，導致無法計算出正確的單應矩陣[12]。RANSAC算法正適合處理含有錯誤數(shù)據(jù)的數(shù)據(jù)處理，其算法思想很簡單，采用循環(huán)抽樣的方式將數(shù)據(jù)分為正常數(shù)據(jù)和異常數(shù)據(jù)兩組，采用正常數(shù)據(jù)組計算模型參數(shù)，如果得出的模型可以滿足多數(shù)數(shù)據(jù)，則可接受該模型參數(shù)，否則重新計算。

采用RANSAC算法可方便的剔除錯誤匹配數(shù)據(jù)計算出滿足要求的單應矩陣[13]。圖1中亮粗線描繪的方框，便是RANSAC算法計算出的左半部影像在右半部影像上的重疊范圍。

3 實驗與分析

在江西某地的一次動力三角翼低空航空攝影作業(yè)中對本方法進行了實驗，該次作業(yè)采用尼康D800非量測相機獲取數(shù)據(jù)，飛行高度 380 m。實驗使用的是搭載低功耗的Intel i5-4260U(主頻 1.4 GHz)CPU的筆記本電腦，取全部139組POS數(shù)據(jù)分析攝影比例尺、航高差、像片傾角、旋偏角和航線彎曲度，取其中的32組影像(4 912×7 360)分析重疊度，最終輸出飛行質(zhì)量報告。報告顯示本次攝影獲取的數(shù)據(jù)全部合格，后期的空三、數(shù)據(jù)采集等操作也印證了獲取的數(shù)據(jù)滿足要求。

檢查中對攝影比例尺、航高差、像片傾角、旋偏角和航線彎曲度的檢查，直接分析POS數(shù)據(jù)，其耗時可以忽略不計。檢查中，航高檢查詳細數(shù)據(jù)如圖2，旋偏角檢查結(jié)果如圖3所示。

圖2 航高檢查

圖3 像片傾角檢查結(jié)果

雖然影像重疊度檢查最為耗時，但本次對32組 4 912×7 360的影像進行重疊度計算，僅僅耗時 7.4 s，詳細耗時如表1所示。按照這樣的速度，在沒有緩存文件的情況下， 1 000張影像也僅需 4 min左右，可見其效率是極高的。重疊度計算過程中的詳細信息如圖4所示。

重疊度檢查耗時 表1

圖4 重疊度檢查

4 結(jié) 論

基于本文設計的快速航空攝影飛行質(zhì)量檢查方案，設計了一套成熟的質(zhì)量檢查軟件，能夠快速地對航空攝影飛行數(shù)據(jù)進行分析，給出數(shù)據(jù)的定性質(zhì)量報告，并且全程無需人工干預，自動化程度高，對計算機要求低，運算速度快，非常適合外業(yè)現(xiàn)場的質(zhì)量檢查。

[1] GB/T 24356-2009. 測繪成果質(zhì)量檢查與驗收[S].

[2] 段福洲，趙文吉. 基于圖像匹配的機載遙感影像質(zhì)量自動檢查方法研究[J]. 測繪科學，2010(6)：57～58.

[3] 余長慧，曾衍偉. 數(shù)字航空攝影成果的自動質(zhì)量檢查系統(tǒng)設計[J]. 測繪信息與工程，2011(1)：8～10.

[4] 李超. 低空無人機航攝飛行質(zhì)量自動檢查方法研究[D]. 昆明：昆明理工大學，2013.

[5] 張珍梅. 無人飛行器遙感影像飛行質(zhì)量檢查及影像快速拼接方法研究[D]. 北京：首都師范大學，2011.

[6] 陳潔，楊達昌，杜磊等. 框幅式數(shù)字航空攝影飛行質(zhì)量檢查方法[J]. 國土資源遙感，2014(4)：91～96.

[7] CH/Z 3005-2010. 低空數(shù)字航空攝影規(guī)范[S].

[8] GB/T 6962-2005. 1∶500 1∶1 000 1∶2 000地形圖航空攝影規(guī)范[S].

[9] GB/T 15661-2008. 1∶5000 1∶10 000 1∶25 000 1∶50 000 1∶100 000地形圖航空攝影規(guī)范[S].

[10] Juan L，Gwun O. A comparison of SIFT，PCA-SIFT and SURF[J]. International Journal of Image Processing，2009，3(4)：143～152.

[11] Herbert Bay，Andreas Ess，Tinne Tuytelaars，Luc Van Gool. Speeded-Up Robust Features(SURF)[J]. Computer Vision and Image Understanding . 2007 (3).

[12] 宋衛(wèi)艷. RANSAC算法及其在遙感圖像處理中的應用[D]. 北京：華北電力大學(北京)，2011.

[13] 陳藝蝦，孫權(quán)森，徐煥宇等. SURF算法和RANSAC算法相結(jié)合的遙感圖像匹配方法[J]. 計算機科學與探索，2012(9)：822～828.

Efficient Method for Inspection of Digital Aerial Photographic Quality

Zou Lei，Wu Longxiang，Xie Gangsheng

(South Digital Technology CO. LTD.，Guangzhou 510665，China)

Nowadays，manually methods are generally used in the aerial photographic quality inspection，which are inefficient. Recently，some digitized inspection methods occur，however，they require large amount of computer resources and work slowly. As a result，these methods are not convenient because they take a lot of time. As a result，it is emergency to propose an efficient digital aerial photographic quality inspection method with significantly lower time cost. In this method，we use the matching method to calculate the image overlap and use POS (position and orientation system) data to calculate other indexes of digital aerial photographic quality. In order to improve the efficiency of image overlap analysis，we hierarchically down sampling the original image，and then use SURF algorithm to match point pairs. Finally use RANSAC algorithm to acquire homography between a pair of images. To verify the feasibility of this method，we tested the data of low-altitude aerial photography project in Jiangxi province. It gets the correct result on a laptop in a short time. The entire process is automatically without any manual intervention.

aerial photography；quality inspection；fast；image overlap analysis

1672-8262(2016)06-80-04

P231

B

2016—04—19

鄒磊(1989—)，男，碩士，工程師，主要從事攝影測量方面研究。