王康康，馮伍法，王 濤，張 艷，王淑香

(信息工程大學(xué)，河南 鄭州 450001)

?

基于嵩山定標(biāo)場(chǎng)的無(wú)人機(jī)數(shù)據(jù)快速成圖應(yīng)用

王康康，馮伍法，王 濤，張 艷，王淑香

(信息工程大學(xué)，河南 鄭州 450001)

無(wú)人機(jī)作為一個(gè)高效的測(cè)繪平臺(tái)，越來(lái)越多地被應(yīng)用到生產(chǎn)作業(yè)中。研究無(wú)人機(jī)數(shù)據(jù)快速成圖的技術(shù)基礎(chǔ)，基于GPU加速的同名點(diǎn)匹配技術(shù)，并根據(jù)嵩山定標(biāo)場(chǎng)的測(cè)繪需求進(jìn)行試驗(yàn)。采用無(wú)人機(jī)獲取的影像16 179張，結(jié)合場(chǎng)內(nèi)高精度地面控制點(diǎn)，快速處理得到嵩山定標(biāo)場(chǎng)約50 km2的高精度數(shù)字正射影像圖(DOM)，精度為平面點(diǎn)位中誤差2.7 cm，約0.5個(gè)像素。通過(guò)試驗(yàn)驗(yàn)證基于無(wú)人機(jī)數(shù)據(jù)快速成圖的高效率和高精度，同時(shí)為后續(xù)的國(guó)產(chǎn)衛(wèi)星、大型航測(cè)相機(jī)、無(wú)人機(jī)等定標(biāo)檢校提供參考。

嵩山定標(biāo)場(chǎng)；無(wú)人機(jī)數(shù)據(jù)；同名點(diǎn)匹配；DOM；精度評(píng)價(jià)

近年來(lái)，無(wú)人機(jī)作為測(cè)繪平臺(tái)經(jīng)歷了飛躍式發(fā)展，在中小區(qū)域測(cè)繪中顯示巨大的應(yīng)用價(jià)值。實(shí)踐證明，無(wú)人機(jī)平臺(tái)快速、靈活、便捷，獲取的影像具有高分辨率、大比例尺等特點(diǎn)，而傳統(tǒng)航測(cè)飛機(jī)則有起降場(chǎng)地要求較高、運(yùn)輸不便、易于損壞等劣勢(shì)，所以越來(lái)越多的中小區(qū)域測(cè)繪作業(yè)選擇微型無(wú)人機(jī)[1]。然而，無(wú)人機(jī)平臺(tái)搭載的大多都是非量測(cè)相機(jī)，畸變大、像幅比較小，產(chǎn)生的數(shù)據(jù)量較大。另外，飛行環(huán)境的復(fù)雜性以及飛行的不穩(wěn)定性，也導(dǎo)致出現(xiàn)無(wú)人機(jī)的航空定位定向系統(tǒng)(POS)定位信息不夠精確以及重疊度不規(guī)則等現(xiàn)象，使得無(wú)人機(jī)數(shù)據(jù)處理十分困難[2-4]。為了保證生產(chǎn)成果的精度和生產(chǎn)效率，充分發(fā)揮無(wú)人機(jī)影像高分辨等特點(diǎn)，在數(shù)據(jù)后處理時(shí)需要采用更加先進(jìn)的技術(shù)手段，如基于GPU加速的同名點(diǎn)匹配技術(shù)。Barazzetti,Hirschmuller等采用SIFT和SURF算法進(jìn)行逐個(gè)影像對(duì)的特征提取，然后采用基于仿射變化矩陣RANSAC的方法進(jìn)行粗差剔除，最后利用最小二乘算法對(duì)提取的點(diǎn)進(jìn)行校正，實(shí)現(xiàn)較好的提取效果[5-7]。年華、肖漢、楊靖宇等對(duì)基于GPU的SIFT算法進(jìn)行深入研究并通過(guò)試驗(yàn)驗(yàn)證其加速比，取得良好的加速效果[8-10]。對(duì)于無(wú)人機(jī)數(shù)據(jù)，于英提出一種連接點(diǎn)均衡化高精度快速提取算法，用GPU實(shí)現(xiàn)SIFT特征匹配，顯著提高特征點(diǎn)提取的速度[11]。然而，對(duì)于大批量重疊度較高的無(wú)人機(jī)數(shù)據(jù)加速匹配處理的具體實(shí)現(xiàn)仍需進(jìn)一步研究。

嵩山攝影測(cè)量與遙感定標(biāo)綜合實(shí)驗(yàn)場(chǎng)(以下簡(jiǎn)稱嵩山定標(biāo)場(chǎng))自2013年建成至今，已為多顆國(guó)產(chǎn)遙感衛(wèi)星的輻射定標(biāo)、幾何定標(biāo)和載荷性能驗(yàn)證提供服務(wù)。為了進(jìn)一步豐富和完善嵩山定標(biāo)場(chǎng)的數(shù)據(jù)資源，提高服務(wù)于衛(wèi)星、機(jī)載傳感器校正定標(biāo)的能力與效率，本次項(xiàng)目采用無(wú)人機(jī)系統(tǒng)采集數(shù)據(jù)，結(jié)合本文所研究的技術(shù)方法，經(jīng)數(shù)據(jù)處理得到實(shí)驗(yàn)場(chǎng)區(qū)域約50 km2的高精度數(shù)字正射影像圖。本文對(duì)基于GPU的同名點(diǎn)加速匹配技術(shù)進(jìn)行研究，并通過(guò)實(shí)踐驗(yàn)證，結(jié)合無(wú)人機(jī)數(shù)據(jù)快速處理，提高制作DOM的精度和效率。

1 快速成圖技術(shù)基礎(chǔ)

1.1 無(wú)人機(jī)數(shù)據(jù)處理流程

通過(guò)外業(yè)無(wú)人機(jī)采集得到數(shù)據(jù)，需經(jīng)過(guò)內(nèi)業(yè)處理才能得到高精度數(shù)字正射影像成果，而處理的方法及流程會(huì)對(duì)成圖精度和效率造成很大影響。目前普遍采用的無(wú)人機(jī)數(shù)據(jù)處理流程見圖1。

圖1 無(wú)人機(jī)數(shù)據(jù)處理流程

1.2 基于GPU加速的連接點(diǎn)提取

在進(jìn)行無(wú)人機(jī)數(shù)據(jù)處理時(shí)，連接點(diǎn)提取一直是最繁瑣和最耗時(shí)的步驟。連接點(diǎn)提取工作就是在多張影像上找到同名特征點(diǎn)，其要解決的核心問題就是特征點(diǎn)提取與匹配。常見的特征點(diǎn)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(yōu)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(guò)程在Lowe的文章[12]中有清楚的介紹，首先通過(guò)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(diǎn)，并通過(guò)進(jìn)一步噪聲和邊緣相應(yīng)檢驗(yàn)對(duì)極值點(diǎn)精確定位得到特征點(diǎn)，最終建立特征點(diǎn)描述符，完成特征點(diǎn)提取。對(duì)于特征點(diǎn)匹配本文采用較為常用的RANSAC(Random Sample Consensus)最小二乘方法完成。

實(shí)際運(yùn)算過(guò)程中，只有高度并行化的任務(wù)在GPU上運(yùn)行比CPU上快，因此未將SIFT所有的計(jì)算過(guò)程進(jìn)行GPU并行化改造，而是為每一步驟設(shè)計(jì)最合適的處理方式。根據(jù)SIFT算法的原理和GPU技術(shù)的特點(diǎn)，僅對(duì)SIFT中若干計(jì)算量大的步驟進(jìn)行GPU改造：首先對(duì)輸入的彩色圖像進(jìn)行預(yù)處理，包括灰度轉(zhuǎn)換以及圖像的降采樣和升采樣等；然后通過(guò)GPU創(chuàng)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(jí)完成關(guān)鍵點(diǎn)檢測(cè)；之后通過(guò)直方圖方法生成壓縮特征列表，最終計(jì)算特征點(diǎn)的方向和其對(duì)應(yīng)描述符。具體的CPU,GPU任務(wù)分配和改造的步驟見圖2。

2 試驗(yàn)與分析

2.1 嵩山定標(biāo)場(chǎng)

嵩山定標(biāo)場(chǎng)位于河南省洛陽(yáng)市與鄭州市之間的登封嵩山地區(qū)，是由中國(guó)資源衛(wèi)星中心、信息工程大學(xué)和武漢大學(xué)聯(lián)合建設(shè)的攝影測(cè)量與遙感定標(biāo)綜合實(shí)驗(yàn)場(chǎng)，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(chǔ)等諸多方面，兼顧遙感測(cè)繪的嚴(yán)格技術(shù)要求，有利于長(zhǎng)期維持大范圍野外控制網(wǎng)設(shè)施及便于開展全方位應(yīng)用研究等因素，并經(jīng)過(guò)多次的實(shí)地觀測(cè)和野外考察，最終確定最適宜的實(shí)驗(yàn)場(chǎng)址[13]。嵩山定標(biāo)場(chǎng)包括航空定標(biāo)實(shí)驗(yàn)場(chǎng)、攝影測(cè)量與遙感綜合實(shí)驗(yàn)場(chǎng)和航天定標(biāo)實(shí)驗(yàn)場(chǎng)3個(gè)部分，其中，航天定標(biāo)實(shí)驗(yàn)場(chǎng)主要是用于各種航天傳感器的檢校與測(cè)試，攝影測(cè)量與遙感綜合實(shí)驗(yàn)場(chǎng)主要是用于攝影測(cè)量與遙感技術(shù)綜合試驗(yàn)，而航空定標(biāo)實(shí)驗(yàn)場(chǎng)主要用于各種航空相機(jī)或傳感器的鑒定。

圖2 基于GPU的SIFT實(shí)現(xiàn)流程

本次無(wú)人機(jī)飛行測(cè)繪區(qū)域主要集中在機(jī)載傳感器實(shí)驗(yàn)場(chǎng)，范圍在北緯34°22′20″～34°26′38″，東經(jīng)113°02′40″～113°07′55″之間，覆蓋面積約50 km2。飛行覆蓋區(qū)域?yàn)榈湫偷那鹆甑匦?，分布有居民區(qū)、農(nóng)田、各級(jí)公路、鐵路干線，地形起伏約200 m。為完成航空定標(biāo)實(shí)驗(yàn)等工作，測(cè)區(qū)內(nèi)布設(shè)有214個(gè)永久性高精度地面靶標(biāo)控制點(diǎn)。地面控制點(diǎn)的平面坐標(biāo)利用GPS靜態(tài)測(cè)量，高程坐標(biāo)利用三等水準(zhǔn)測(cè)量，平面精度優(yōu)于2 mm，高程精度優(yōu)于1 cm。采用尺寸為0.4 m×0.4 m和1 m×1 m兩種規(guī)格進(jìn)行地面控制點(diǎn)埋石，采用混凝土現(xiàn)場(chǎng)澆注方法進(jìn)行埋石，埋石中心為圓形不銹鋼標(biāo)志，表面全部用黑白油漆涂成對(duì)稱三角形圖案，點(diǎn)位中心位于頂部相交處，測(cè)區(qū)地面靶標(biāo)控制點(diǎn)實(shí)拍圖及分布情況見圖3。本次項(xiàng)目采用Trimble UX5無(wú)人機(jī)系統(tǒng)來(lái)完成外業(yè)測(cè)量任務(wù)，目的是獲取和更新實(shí)驗(yàn)場(chǎng)區(qū)域分辨率為5cm的DOM，為衛(wèi)星、大型航測(cè)相機(jī)、無(wú)人機(jī)等定標(biāo)檢校提供參考。

圖3 嵩山航空定標(biāo)實(shí)驗(yàn)場(chǎng)及場(chǎng)內(nèi)參照目標(biāo)

2.2 無(wú)人機(jī)數(shù)據(jù)獲取

本次外業(yè)采用Trimble UX5無(wú)人機(jī)攝取測(cè)區(qū)影像，搭載相機(jī)為SONY α5100，像幅為6 000×4 000，飛行前已經(jīng)過(guò)檢校處理。

由上文介紹可知，本次測(cè)區(qū)內(nèi)分布有大量已知地面靶標(biāo)控制點(diǎn)，可以節(jié)省大量外業(yè)布設(shè)像控點(diǎn)的時(shí)間。為獲取高質(zhì)量影像，根據(jù)無(wú)人機(jī)性能和天氣情況設(shè)計(jì)飛行參數(shù)，概要信息見表1。如圖4規(guī)劃飛行架次，總共分30個(gè)架次，平均每個(gè)架次覆蓋1.8 km2。根據(jù)外業(yè)獲取無(wú)人機(jī)數(shù)據(jù)實(shí)際情況統(tǒng)計(jì)得到，每架次平均耗時(shí)1 h。結(jié)合天氣狀況，最終約5 d完成外業(yè)數(shù)據(jù)采集，得到影像16 179張。

表1 飛行概要信息

圖4 飛行架次規(guī)劃圖

2.3 結(jié)果分析

2.3.1 基于GPU加速的同名點(diǎn)提取

此次試驗(yàn)的系統(tǒng)環(huán)境為Windows7 Sp1，CPU為Intel Core i7，GPU為NVIDIA GTX850，加速環(huán)境為CUDA 7。選取3種具有代表性地物特征的影像：居民區(qū)、農(nóng)田和水域做匹配對(duì)比試驗(yàn)。試驗(yàn)時(shí)選取3組對(duì)應(yīng)的相鄰立體像對(duì)，得到結(jié)果見表2，其中匹配的運(yùn)行時(shí)間是指從像對(duì)的特征提取到最終的誤匹配點(diǎn)剔除得到連接點(diǎn)對(duì)的總時(shí)間?？梢钥闯?，對(duì)于紋理細(xì)節(jié)豐富的居民區(qū)特征匹配得到的點(diǎn)對(duì)較多，時(shí)間像對(duì)較長(zhǎng)，而對(duì)于有大面積水域的影像，匹配得到的點(diǎn)較少，耗時(shí)最短。

表2 在GPU實(shí)現(xiàn)的SIFT算法結(jié)果

2.3.2 成果質(zhì)量分析

隨機(jī)抽取其中一個(gè)架次(664張相片)生成的DOM見圖5，圖中DOM經(jīng)過(guò)簡(jiǎn)單的后期編輯，通過(guò)目視判讀可以看出，生成的DOM拼接效果很好，沒有明顯的錯(cuò)縫；從勻光勻色效果來(lái)看，生成的DOM色調(diào)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(yè)飛行時(shí)，設(shè)置的航高為191 m，實(shí)際飛行過(guò)程中航高在185～195 m之間，基本穩(wěn)定；相機(jī)標(biāo)定結(jié)果顯示，焦距f為15 mm，像元尺寸a為3.9 um?？梢杂?jì)算得到影像地面分辨率(GSD)為0.049 66 m，約為5 cm。這個(gè)結(jié)果從圖上也可以判讀：在有地面靶標(biāo)控制點(diǎn)的影像中，地面靶標(biāo)控制點(diǎn)是1 m×1 m，若是5 cm分辨率，既1個(gè)像元的邊長(zhǎng)代表地面5 cm，地面靶標(biāo)控制點(diǎn)對(duì)應(yīng)在圖上顯示為20像元×20像元，而實(shí)際從圖上可以直接測(cè)得，平均為24像元×24像元，說(shuō)明影像的地面分辨率優(yōu)于5 cm。圖6為生成的DOM中隨機(jī)抽取的兩個(gè)地面靶標(biāo)控制點(diǎn)放大圖。

2.3.3 精度質(zhì)量分析

本次測(cè)繪主要目的是為了得到測(cè)區(qū)高精度DOM。根據(jù)地面固定靶標(biāo)點(diǎn)的分布情況，從最終得到的DOM中提取對(duì)應(yīng)點(diǎn)位坐標(biāo)，對(duì)平面幾何精度進(jìn)行檢查。其中，30架次(約50 km2)覆蓋的區(qū)域內(nèi)可有效識(shí)別114個(gè)地面固定靶標(biāo)點(diǎn)，根據(jù)分布情況，選取34個(gè)作為平差控制點(diǎn)，其余80個(gè)作為檢查點(diǎn)。從DOM影像上量測(cè)檢查點(diǎn)對(duì)應(yīng)坐標(biāo)，統(tǒng)計(jì)得到各個(gè)檢查點(diǎn)X方向、Y方向點(diǎn)位誤差統(tǒng)計(jì)圖，見圖7。

圖6 地面靶標(biāo)控制點(diǎn)放大圖

圖7 X,Y方向殘差統(tǒng)計(jì)圖

各個(gè)量的中誤差和最大誤差統(tǒng)計(jì)如表3所示。其中點(diǎn)位平面誤差是指量測(cè)出的檢查點(diǎn)坐標(biāo)與其真實(shí)點(diǎn)之間的直線距離，能較好地反映精度指標(biāo)。

表3 成果平面誤差統(tǒng)計(jì) cm

可以得到，平面點(diǎn)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(gè)像元，可以看出最終結(jié)果具有較高精度。

3 結(jié) 論

本文結(jié)合嵩山定標(biāo)場(chǎng)實(shí)際測(cè)繪作業(yè)，以無(wú)人機(jī)作為測(cè)繪平臺(tái)，獲取地面分辨率為5 cm的無(wú)人機(jī)影像，經(jīng)內(nèi)業(yè)處理，得到嵩山定標(biāo)場(chǎng)約50 km2的高精度DOM，驗(yàn)證基于GPU加速的同名點(diǎn)匹配算法的可靠性和精度。無(wú)人機(jī)獲取數(shù)據(jù)已經(jīng)相對(duì)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(diǎn)，但是無(wú)人機(jī)平臺(tái)的不穩(wěn)定性及POS定位精度不高等因素都會(huì)對(duì)結(jié)果的精度造成很大影響，所以，如何通過(guò)更為有效的空中三角測(cè)量平差技術(shù)來(lái)提高無(wú)人機(jī)數(shù)據(jù)處理的精度，還需要更深入的研究。

[1] 李德仁,李明.無(wú)人機(jī)遙感系統(tǒng)的研究進(jìn)展與應(yīng)用前景[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)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(jiān),支曉棟,王建超,等.面向地質(zhì)災(zāi)害調(diào)查的無(wú)人機(jī)遙感影像處理軟件比較[J].國(guó)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(gòu)并行計(jì)算研究[D].武漢：武漢大學(xué),2011.

[9] 年華.GPU通用計(jì)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(xué),2010.

[10] 楊靖宇.攝影測(cè)量數(shù)據(jù)GPU并行處理若干關(guān)鍵技術(shù)研究[D].鄭州：信息工程大學(xué),2011.

[11] 于英.無(wú)人機(jī)動(dòng)態(tài)攝影測(cè)量若干關(guān)鍵技術(shù)研究[D].鄭州：信息工程大學(xué),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(shí)驗(yàn)場(chǎng)幾何定標(biāo)的理論與方法研究[D].鄭州：信息工程大學(xué),2012.

[責(zé)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(guó)家自然科學(xué)基金資助項(xiàng)目(41501482)；地理信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室開放研究基金資助項(xiàng)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(biāo)場(chǎng)的無(wú)人機(jī)數(shù)據(jù)快速成圖應(yīng)用[J].測(cè)繪工程，2017，26(3)：37-41.