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]。

1 基于Harrishe 算子和SIFT 算法的無人機傾斜攝影圖像特征提取

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。

2 無人機傾斜攝影方案及工作處理流程

2.1 無人機傾斜攝影方案

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。

2.2 無人機傾斜攝影工作處理流程

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。

3 基于無人機傾斜攝影的房地一體化測量成果分析

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

4 結(jié)論

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。