何高林 常科家 陳 杰
(湖南湘測科技工程有限公司,湖南 長沙 410006)
無人機傾斜攝影測量技術(shù)是依賴在無人駕駛飛機上搭載圖像傳感元件或者專業(yè)的測量器件,獲取地表建筑物或者地形的影像,并采用專業(yè)軟件提取影像信息用于建立三維立體模型,實現(xiàn)測量成果解譯的目的[1]。它可以實現(xiàn)快速、高精度和低成本地完成大范圍、大起伏地形的測量,因此在地質(zhì)災(zāi)害監(jiān)測、地形圖測繪、考古等領(lǐng)域中得到廣泛的應(yīng)用,將其應(yīng)用于房產(chǎn)一體化測量具有明顯優(yōu)勢[2]。
Harris 算子是在信號處理技術(shù)發(fā)展起來的數(shù)學(xué)算法,它利用了信號的自相關(guān)原理進行信息提純,可以有效避免信息提取過程中噪聲信號的影響[3-5]。無人機傾斜攝影圖片可以認為是一個二維的像素信號,在像素信號內(nèi)確定一個特定大?。ǔ叨龋┑男盘柎翱?,在窗口內(nèi)對數(shù)字信號進行求水平方向的梯度lx 和豎直方向的梯度ly,形成梯度矩陣M如公式(1)所示
利用高斯卷積模板G 可以實現(xiàn)對矩陣窗口內(nèi)的信號進行濾波,高斯卷積的計算方法如公式(2)所示
式中,x 是影像水平方向像素坐標(biāo),y 是影像垂直方向像素坐標(biāo),?為卷積符號,σ 矩形窗口尺度因子。
SHIF 算法是在Harris 算子的基礎(chǔ)上進一步改進,克服了后者在尺度變換影響特征上具有尺度變化性的缺點[6]。從公式(2)中可以看出,在Harris 算子中的高斯卷積模板含有矩形窗口的尺度因子σ,相應(yīng)地,在SHIF 算法也可以通過構(gòu)建高斯函數(shù)G(x,y,σ)來獲取不同尺度空間圖像信息L(x,y,σ),以保證圖像尺度變化的不變性,計算方法如公式(3)所示
式中,I(x,y)為圖像。
在房地一體化測量中,對測量的精度較高,測量的范圍也較大,對測量的工作量要求較大,需要測量房屋角點的平面坐標(biāo)、獲取地界址點坐標(biāo)以及繪制平面地籍圖等。利用無人機傾斜攝影測量在房地一體化測量時,影響測繪成果精度之一便是像控點的布置方式和數(shù)量確定。本文以湖南省長沙市某村鎮(zhèn)房地一體化測量為例,待測區(qū)域為1km2,區(qū)域內(nèi)房屋以磚混和鋼混為主,地形整體較為平坦,地表植被分布一般,設(shè)了4 種不同的像控點布設(shè)工況,如圖1 所示。在工況1 條件下,像控點在待測區(qū)域范圍內(nèi)均勻布置;在工況2 條件下,像控點在待測區(qū)域角點進行布置,且布置方式為點組,待測區(qū)域邊界中部和內(nèi)部無像控點;在工況3 條件下,像控點布置數(shù)量與工況2 相比,有進一步的增加,除了在角點位置以點組方式布置像控點外,還在待測區(qū)域邊界中部沿邊線均勻布置像控點;在工況4 條件下,像控點布置數(shù)量在工況3 條件下進一步增加,在待測區(qū)域內(nèi)部也布置點組像控點。
圖1 無人機傾斜攝影測量相控布置工況
無人機攝影測量設(shè)備為中海達多旋翼智能航測無人機,具備旋翼數(shù)量為6 翅,槳葉類型為全碳纖折疊槳,起飛和降落方式為垂直起降,能夠?qū)崿F(xiàn)POS 輔助自動導(dǎo)航,無人機設(shè)備的軸距為1200mm,典型的飛行高度達到60m~750m,最大飛行高度為4500m,典型的巡航速度不超過10s-1,典型的地面采用距離為1.6cm~20cm,太陽高度角不小于30°,陰影倍數(shù)小于2 倍。
房地一體化測量的無人機傾斜攝影工作流程如圖2所示,首先對選取合理的像控點布置方案,在測區(qū)內(nèi)進行像控點進行布置,其次對測區(qū)進行飛行方案設(shè)計,確定飛行平臺和飛行航線,隨后對采集的無人機傾斜攝影圖像進行數(shù)據(jù)處理和解譯,對圖像的特征進行提取以及數(shù)據(jù)濾波等,最后繪制房屋一體地籍圖。在所有的工況中,工況選定20 個測點作為檢測點,以檢測測量效果。
圖2 基于無人機傾斜攝影測量技術(shù)的房地一體化測量流程
在無人機傾斜攝影測量數(shù)據(jù)處理時,對圖像的尺度空間進行高斯差分空間構(gòu)建,即將尺度空間以高斯金字塔分層的方式,將其劃分為n 個父層級,每個父層級又包含n 個子層級,每個子層級進一步細分為σ 層,如圖3 所示。每個父層級在尺度空間內(nèi)進行高斯濾波,濾波尺度如公式(4)所示,濾波后的圖像進行重新采樣形成新的圖像,并再次重復(fù)進行高斯濾波,直至滿足要求位為止[7-8]。
式中,o 為圖3a 中圖像尺度空間高斯金字塔的父層級數(shù),s 為圖1a 中子層級的第幾層數(shù),其余子層級的高斯濾波尺度如公式(5)~公式(7)所示。
圖3 圖像高斯差分尺度空間分層及高斯濾波
式中,k 為相鄰子層級的尺度縮放因子,k=21/s。
圖4 為待測區(qū)域20 個測點檢測點的無人機傾斜攝影測量x 坐標(biāo)誤差δx曲線。從圖中可以看出,在同一工況下,不同檢查點的x 坐標(biāo)誤差δx呈現(xiàn)不同程度的波動,且各個工況的x 坐標(biāo)誤差值δx波動互相分離。工況1 的x 坐標(biāo)誤差范圍為0.04~0.05,平均值δx,ave為0.05;工況2 的x 坐標(biāo)誤差范圍為0.05~0.10,平均值δx,ave為0.07;工況3 的x 坐標(biāo)誤差范圍為0.04~0.07,平均值δx,ave為0.06;工況4 的x 坐標(biāo)誤差范圍為0.04~0.06,平均值δx,ave為0.05。由此可知,在工況2 條件下,像控點在待測區(qū)域角點進行布置,且布置方式為點組,待測區(qū)域邊界中部和內(nèi)部無像控點,它得到的x 坐標(biāo)誤差最大,工況3 條件下,在待測區(qū)域邊界中部沿邊線均勻增加布置像控點,其得到的x 坐標(biāo)誤差次之,而工況1 和工況4 條件下,得到的x 坐標(biāo)誤差最小,且兩者相近。在實際無人機傾斜攝影中,工況1 像控點在待測區(qū)域范圍內(nèi)均勻布置,布點量大,測量工作大,因此可以采用工況4 的像控點布置方案,達到減小布點量且滿足測繪精度要求。
圖4 待測區(qū)域無人機傾斜攝影測量檢測點x 坐標(biāo)誤差
圖5 為待測區(qū)域20 個測點檢測點的無人機傾斜攝影測量y 坐標(biāo)誤差δy。從圖中可以看出,在同一工況下,不同檢查點的y 坐標(biāo)誤差呈現(xiàn)不同程度的波動,且各個工況的y 坐標(biāo)誤差值δy波動互相分離。工況1 的y 坐標(biāo)誤差范圍為0.03~0.05,平均值δy,ave為0.05;工況2 的y 坐標(biāo)誤差范圍為0.05~0.09,平均值δy,ave為0.07;工況3 的y 坐標(biāo)誤差范圍為0.04~ 0.07,平均值δy,ave為0.05;工況4 的y 坐標(biāo)誤差范圍為0.04~0.06,平均值δy,ave為0.05。由此可知,4 種不同工況的無人機傾斜攝影測量y坐標(biāo)誤差結(jié)果與x 坐標(biāo)誤差結(jié)果基本一致。
圖5 待測區(qū)域無人機傾斜攝影測量檢測點y 坐標(biāo)誤差
圖6 為待測區(qū)域20 個測點檢測點的無人機傾斜攝影測量點位置誤差δxy,其誤差計算方法如(8)所示。從圖中可以看出,在同一工況下,不同檢查點的點位誤差δxy呈現(xiàn)不同程度的波動,且各個工況的點位誤差δxy值波動互相分離。工況1 的點位誤差范圍為0.05~0.07,平均值δxy,ave為0.06;工況2 的點位誤差范圍為0.07~0.12,平均值δxy,ave為0.10;工況3 的點位誤差范圍為0.06~0.09,平均值δxy,ave為0.08;工況4 的點位誤差范圍為0.05~0.08,平均值δxy,ave為0.07。由此可知,在工況2 條件下,像控點在待測區(qū)域角點進行布置,且布置方式為點組,待測區(qū)域邊界中部和內(nèi)部無像控點,它得到的點位誤差最大,工況3 條件下,在待測區(qū)域邊界中部沿邊線均勻增加布置像控點,其得到的點位誤差次之,而工況1 和工況4 條件下,得到的點位誤差最小,且兩者相近。
圖6 待測區(qū)域無人機傾斜攝影測量檢測點點位誤差
以湖南省長沙市某村鎮(zhèn)房地一體化測量為例,布置4 種不同的像控點布置方案進行測量,得到以下幾個結(jié)論:
4.1 x 坐標(biāo)誤差δx、y 坐標(biāo)誤差δy、點位誤差δxy計算結(jié)果為工況2 條件下得到的誤差最大,工況3 條件下的誤差次之,而工況1 和工況4 條件下,得到的位誤差最小,且兩者相近。
4.2 在實際無人機傾斜攝影中,工況1 像控點在待測區(qū)域范圍內(nèi)均勻布置,布點量大,測量工作大,因此可以采用工況4 的像控點布置方案,達到減小布點量且滿足測繪精度要求。