本發(fā)明是關(guān)于一組無人機影像數(shù)據(jù)集的自動化拼接方法，特別是關(guān)于有相機畸變參數(shù)、相機曝光點空間位置和姿態(tài)等輔助數(shù)據(jù)已知的無人機影像數(shù)據(jù)集可達(dá)到實時快速高精度拼接的效果。

背景技術(shù)：

當(dāng)前微型無人駕駛飛行器與光學(xué)數(shù)碼相機結(jié)合構(gòu)成微型無人機航空遙感系統(tǒng)，其應(yīng)用完全突破了傳統(tǒng)航空攝影對地形的測量，已經(jīng)被廣泛應(yīng)用與環(huán)境監(jiān)測、災(zāi)害應(yīng)急與搶險救災(zāi)、森林資源調(diào)查與監(jiān)測、娛樂影視拍攝等，諸如此類的應(yīng)用，并不需要高精度幾何求解方案，而需要能夠快速反映飛行區(qū)域總體地理位置和地形地貌形態(tài)，這種需求直接表現(xiàn)為對飛行作業(yè)區(qū)全景圖的需求。針對此種需求，本發(fā)明提出一種利用dpgs/imu數(shù)據(jù)、影像和相機內(nèi)參數(shù)據(jù)，在沒有地面控制點的情況下，實時快速地實現(xiàn)飛行作業(yè)區(qū)全景圖全自動拼接制作算法。無人機影像拼接是無人機遙感數(shù)據(jù)處理的基礎(chǔ)，它為更高層次的數(shù)據(jù)分析提供一定的條件，快速有效地進(jìn)行無人機影像拼接是無人機影像處理中的關(guān)鍵問題。

然而，目前對無人機影像數(shù)據(jù)拼接沒有很好的解決方案，被廣泛采用的拼圖方案可以分為三類：1)基于拼圖軟件：這種方案最粗糙，需要大量人工干預(yù)。2)基于傳統(tǒng)的攝影測量理論：成果數(shù)據(jù)精度高，但是需要大量的人工干預(yù)，且對操作人員的理論知識有很高要求。3)基于尺度不變特征：自動化程度高，僅需要少量人工干預(yù)，成果數(shù)據(jù)具有較為的精度。但是目前對特征點到變換矩陣精確求解這一個過程缺乏一套成熟的理想算法解決方案，本發(fā)明專利正是這樣一套算法解決方案，既能提高影像自動化拼接速度，又可以保證較為理想的拼接精度。

技術(shù)實現(xiàn)要素：

針對上述問題，本發(fā)明的目的是提供一種基于相機畸變模型、數(shù)字圖像處理與模式識別技術(shù)、攝影測量和定位技術(shù)等理論的超低空無人機影像快速拼接解決方案。

為了實現(xiàn)上述目的，本發(fā)明所采用以下技術(shù)方案：

(1)無畸變影像制作：利用brown相機畸變模型，對畸變影像做逆運算，消減影像的幾何光學(xué)畸變。

xd＝xu(1+k1r²+k2r⁴+...)+[p2(r²+2x²)+2p1xy]

yd＝y(tǒng)u(1+k1r2+k2r4+...)+[2p2xy+p1(r²+2y²)]

(2)云光勻色：以測區(qū)內(nèi)典型地物影像為基準(zhǔn)，對其余影像的色調(diào)和飽和度做調(diào)整。

(3)基于imu數(shù)據(jù)的似水平影像投影：借助無人機攝影平臺上搭載的姿態(tài)參數(shù)獲取系統(tǒng)記錄的相機曝光瞬間相機姿態(tài)參數(shù)，對影像做逆向俯仰、橫滾和旋轉(zhuǎn)變換，制作近似水平的投影影像。

(4)影像特征點提?。簩λ扑接跋褡龆谓挡蓸?，然后進(jìn)行尺度不變性特征surf特征提取和匹配，然后根據(jù)提取影像特征點集合。

(5)特征點匹配：特征點匹配精選策略是本算法專利的核心內(nèi)容，主要有一下幾點：①對gps數(shù)據(jù)建立2d-kd樹，以(1/(1-航向重疊度)*基線為半徑，搜索kd樹，確立影像間匹配關(guān)系。②對于影像兩兩匹配，利用圖像構(gòu)建多維查找樹，然后利用knn算法查找最近特征點。③對成功匹配的特征點做排序，剔除最近點和次近點比值大于設(shè)定閥值的匹配關(guān)系。④對成功匹配的特征點進(jìn)行對稱性檢驗，剔除單向成功匹配關(guān)系。

(6)對gps數(shù)據(jù)建立的kd樹和兩兩匹配數(shù)據(jù)集，采用廣度優(yōu)先匹配和ransc策略，求解影像間變換矩陣

wi＝nqi/(di*nai)

(7)利用光束法平差再次精化消除累積誤差，最后根據(jù)變換矩陣對影像合成，制作測區(qū)全景圖。

本發(fā)明由于采用上述技術(shù)方案，其具有以下優(yōu)點：本發(fā)明是相機畸變模型、數(shù)字圖像處理與模式識別技術(shù)、攝影測量和定位技術(shù)等多個學(xué)科的有機結(jié)合體，形成了一種利用圖像特征點自動提取與匹配技術(shù)，結(jié)合獨特的gps構(gòu)建的kd樹和匹配權(quán)重指導(dǎo)下的廣度優(yōu)先策略，從而有在極大提高拼接效率的同時保證了高精度匹配，為后繼變換矩陣求解提供保障。算法最后采用光束法平差再次降低變換矩陣求解過程中的誤差累積。本發(fā)明采用的方法實現(xiàn)了無人機影像全自動拼接，在保證高精度的同時大大的提高了數(shù)據(jù)處理速度，具有極高的實際應(yīng)用價值。

具體實施方式

該技術(shù)利用無人機遙感系統(tǒng)航測的dpgs/imu數(shù)據(jù)、影像數(shù)據(jù)和光學(xué)相機內(nèi)參數(shù)據(jù)，在沒有地面控制點的情況下，利用相機畸變模型、數(shù)字圖像處理與模式識別技術(shù)、攝影測量和定位技術(shù)，建立圖像間轉(zhuǎn)換關(guān)系模型，通過對原始影像的映射變換，實時快速地實現(xiàn)飛行作業(yè)區(qū)全景圖全自動拼接。

本發(fā)明的現(xiàn)實主要包括以下幾個方面：影像畸變糾正、全局一致性勻光勻色、基于imu數(shù)據(jù)的影像似水平投影變換、影像降采樣、影像特征提取與高精度匹配、基于gps數(shù)據(jù)建立kd樹以及廣度優(yōu)先權(quán)重匹配策略。

1.影像幾何畸變糾正和全局一致性勻光勻色處理

利用brown相機畸變模型，對畸變影像做逆運算，消減影像的幾何光學(xué)畸變。

xd＝xu(1+k1r²+k2r⁴+...)+[p2(r²+2x²)+2p1xy]

yd＝y(tǒng)u(1+k1r2+k2r4+...)+[2p2xy+p1(r²+2y²)]

以測區(qū)內(nèi)典型地物影像的色調(diào)和飽和度為基準(zhǔn)，對測區(qū)全部影像的色調(diào)和飽和度做調(diào)整，防止最終全景圖出現(xiàn)拉花現(xiàn)象。

2.基于imu數(shù)據(jù)的影像近似水平投影變換和降采樣

借助無人機攝影平臺上搭載的姿態(tài)參數(shù)獲取系統(tǒng)記錄的相機曝光瞬間相機姿態(tài)參數(shù)，即影像外參數(shù)角元素(ψ，ω，κ)，對影像做逆向俯仰、橫滾和旋轉(zhuǎn)變換，制作近似水平的投影影像，從而大體上使全部影像處于同一個平面。為提高求解影像間變換矩陣的效率，對似水平影像做降采樣處理。

3.影像特征點提取與高精度兩兩匹配

特征點匹配精選策略是本算法專利的核心內(nèi)容，主要有一下幾點：①對gps數(shù)據(jù)建立2d-kd樹，以(1/(1-航向重疊度)*基線為半徑，搜索kd樹，確立影像間匹配關(guān)系。②對于影像兩兩匹配，利用圖像構(gòu)建多維查找樹，然后利用knn算法查找最近特征點。③對成功匹配的特征點做排序，剔除最近點和次近點比值大于設(shè)定閥值的匹配關(guān)系。④對成功匹配的特征點進(jìn)行對稱性檢驗，剔除單向成功匹配關(guān)系。

4.基于gps數(shù)據(jù)建立kd樹及全局廣度優(yōu)先權(quán)重匹配

利用gps數(shù)據(jù)建立的kd樹可以快速確定影像間相鄰關(guān)系，結(jié)合匹配點對誤差小于設(shè)定閥值數(shù)量占總數(shù)量百分比，構(gòu)建權(quán)重系數(shù)，對于成功通過兩兩匹配的影像建立全局廣度優(yōu)先樹結(jié)構(gòu)。并以此樹計算全不影像相對于基準(zhǔn)影像的變換關(guān)系

權(quán)重關(guān)系式：wi＝nqi/(di*nai)

其中wi表示權(quán)重系數(shù)，nqi和nai分別表示在兩個不同距離誤差閥值下兩兩成功匹配特征點數(shù)量，di表示由gps數(shù)據(jù)所得的兩個影像中心之間的距離。

5.利用光束法平差再次精化消除累積誤差，最后根據(jù)變換矩陣對影像合成，制作測區(qū)全景圖。