本發(fā)明涉及無人機航拍及圖像處理技術領域，尤其涉及一種應用于基樁檢測中的無人機攝影成像及數(shù)據(jù)處理方法及系統(tǒng)。

背景技術：

目前，建筑工程中樁位偏差檢測及樁徑檢測方法有兩種。一是由施工單位人工放線，檢測人員現(xiàn)場再用直尺或卷尺測量；二是采用全站儀每根樁逐個測量。這兩種檢測法技術手段落后，工作量大，效率低下，檢測結果受人為主觀因素干擾大，且測量數(shù)據(jù)準確性依賴于第三方放線質量，未做到檢測全程數(shù)據(jù)可控。

隨著無人機技術的發(fā)展，其航拍分辨率及定位精度已大大提高，已經可以滿足特定領域對航拍攝影分辨率及定位精度的要求，并已在土地利用調查、水資源開發(fā)、農作物長勢監(jiān)測與估產、農業(yè)作業(yè)、自然災害監(jiān)測與評估、城市規(guī)劃與市政管理等領域投入了實際應用。但經查閱相關資料及專利信息，現(xiàn)階段尚無將無人機應用于樁基檢測(樁位偏差及樁徑測量)及基坑監(jiān)測中的先例。如果開發(fā)出一套無人機軟硬件攝影測量系統(tǒng)及流程，將無人機航拍照片結合CAD設計圖紙進行修正對比分析等技術處理，使得到的樁位偏差及樁徑數(shù)據(jù)精度滿足相關規(guī)范的要求，則完全可以代替原有測量手段，大大提高檢測效率。該系統(tǒng)可對檢測過程實施全程監(jiān)控，且檢測結果直觀準確，大大降低人為因素對檢測結果的影響。該系統(tǒng)將來進一步開發(fā)還可用于基坑監(jiān)測、房屋安全檢測等領域，具有可觀的實用性及商業(yè)前景。

技術實現(xiàn)要素：

本發(fā)明要解決的技術問題在于針對現(xiàn)有技術中基樁檢測技術落后，工作量大，且效率低的缺陷，提供一種應用于基樁檢測中的無人機攝影成像及數(shù)據(jù)處理方法及系統(tǒng)。

本發(fā)明解決其技術問題所采用的技術方案是：

本發(fā)明提供一種應用于基樁檢測中的無人機攝影成像及數(shù)據(jù)處理方法，包括以下步驟：

S1、在待檢測的基樁目標區(qū)域設置多個地面標志組件，通過無人機低空航拍得到待檢測的基樁目標區(qū)域的多幅圖像；

S2、根據(jù)攝像機的內部參數(shù)和地面標志組件的在圖像中的位置相配合，對每幅圖像均進行鏡頭畸變及幾何變形修正，并對修正后的圖像進行圖像配準、圖像拼接和圖像融合，得到待檢測的基樁目標區(qū)域的完整圖像；

S3、將待檢測的基樁目標區(qū)域的完整圖像進行分析處理，根據(jù)基于超像素分割和graphcut的啟發(fā)式自動提取方法得到基樁中心和外輪廓，將其與CAD設計圖紙中的基樁位置進行融合比對，得到基樁位置和樁徑的偏差數(shù)據(jù)。

進一步地，本發(fā)明的步驟S2中進行圖像修正的方法具體包括：

a、通過轉換矩陣方程，將畸變圖像像點像素坐標(i，j)轉為圖像像點物理坐標(x_d，y_d)；

b、根據(jù)畸變校正數(shù)學模型公式，得到該畸變點到圖像平面物理原點的距離，進一步得到校正圖像像點物理坐標(x_r，y_r)；

c、將得到的校正圖像像點物理坐標(x_r，y_r)代入圖像平面物理坐標系與圖像平面像素坐標系轉換公式，求解得到校正圖像點像素坐標。

進一步地，本發(fā)明的步驟S2中進行圖像修正前還包括對圖像進行降噪處理的過程。

進一步地，本發(fā)明的步驟S2中對圖像進行拼接的方法具體包括：

將圖像分為參考圖像T和搜索圖像S，其中參考圖像T作為基準圖像，搜索圖像S作為待拼接圖像，將圖像S向圖像T進行坐標平移；

a、選擇一幅圖像為參考圖像T，在參考圖像T中間隔為c個像素的距離上的兩列像素中，各取m個像素，計算這m個像素的比值，將m個比值存入數(shù)組中，將其作為比較的模板；

b、從搜索圖像S中在同樣相隔c個像素的距離上的兩列，各取出m+n個像素，計算其比值，將m+n個比值存入數(shù)組；假定垂直錯開距離不超過n個像素，多取的n個像素則可以解決圖像垂直方向上的交錯問題；

c、利用參考圖像T中的比值模板在搜索圖像S中尋找相應的匹配；首先進行垂直方向上的比較，即記錄下搜索圖像S中每個比值數(shù)組內的最佳匹配；再將每個數(shù)組的組內最佳匹配進行比較，即進行水平方向的比較，得到的最小值就認為是全局最佳匹配；此時全局最佳匹配即為圖像間在水平方向上的偏移距離，該全局最佳匹配隊應的組內最佳匹配即為圖像間垂直方向上的偏移距離；

d、根據(jù)垂直方向上的偏移距離和水平方向上的偏移距離調整待拼接的圖像位置。

進一步地，本發(fā)明的步驟S3中基于超像素分割和graphcut的啟發(fā)式自動提取方法得到基樁中心和外輪廓的方法具體包括：

a、對圖像進行超像素分割；

b、在超像素分割基礎上利用graphcut算法完成進一步分割，合并得到最終的樁基提取結果；

c、對樁基區(qū)域進行擬合，提取樁位中心。

進一步地，本發(fā)明的步驟S3中基于超像素分割和graphcut的啟發(fā)式自動提取方法具體為：

待分割的高分辨率遙感影像可以看作無向圖G＝＜V,E＞，其中V是圖像中像素集合，E表示相鄰像素之間的邊，V、E構成圖像中的第一類頂點和邊；此外新增兩個點s、t，s表示源點，t表示匯點，圖像中的每個像素點都和新增的s、t點都有連接，構成圖像中的第二類頂點和邊；

通過選擇分割規(guī)則并計算在該分割規(guī)則下的圖像的能量函數(shù)，在某分割規(guī)則下能使能量函數(shù)最小，則此分割規(guī)則即將前景目標和背景目標分割開來；其中能量函數(shù)的公式為：

E(L)＝αR(L)+B(L)

其中E(L)為能量函數(shù)，R(L)和B(L)分別為區(qū)域項和邊界項，為權重因子。

進一步地，本發(fā)明的步驟S1中的地面標志組件包括矩形標志和圓形標志；其中：矩形標志中設置有顏色相互間隔的矩形網(wǎng)格；圓形標志中設置有多個顏色相互間隔的扇形區(qū)域。

進一步地，本發(fā)明的步驟S1中的地面標志組件還包括：無人機水平位置及高度校正組件，無人機拍攝姿態(tài)校正組件。

本發(fā)明提供一種應用于基樁檢測中的無人機攝影成像及數(shù)據(jù)處理系統(tǒng)，包括：

圖像獲取單元，用于在待檢測的基樁目標區(qū)域設置多個地面標志組件，通過無人機低空航拍得到待檢測的基樁目標區(qū)域的多幅圖像；

圖像修正及拼接單元，用于根據(jù)攝像機的內部參數(shù)和地面標志組件的在圖像中的位置相配合，對每幅圖像均進行鏡頭畸變及幾何變形修正，并對修正后的圖像進行圖像配準、圖像拼接和圖像融合，得到待檢測的基樁目標區(qū)域的完整圖像；

基樁偏差數(shù)據(jù)計算單元，用于將待檢測的基樁目標區(qū)域的完整圖像進行分析處理，根據(jù)基于超像素分割和graphcut的啟發(fā)式自動提取方法得到基樁中心和外輪廓，將其與CAD設計圖紙中的基樁位置進行融合比對，得到基樁位置和樁徑的偏差數(shù)據(jù)。

本發(fā)明產生的有益效果是：本發(fā)明的應用于基樁檢測中的無人機攝影成像及數(shù)據(jù)處理方法，完全改變了現(xiàn)有樁基幾何定位及外觀尺寸檢測中依賴人工逐點檢測的落后技術手段，充分利用航拍攝影的技術優(yōu)勢，且算法的處理效率高，檢測精度高，大大提高了建筑工程中樁位偏差檢測及樁徑檢測的準確度及效率，大大降低了檢測過程中投入的人力成本；具有良好的社會效益及經濟效益，及廣闊的應用前景。

附圖說明

下面將結合附圖及實施例對本發(fā)明作進一步說明，附圖中：

圖1是本發(fā)明實施例的流程圖；

圖2是本發(fā)明實施例的成像處理軟件流程圖；

圖3是本發(fā)明實施例的提取樁位中心的方法流程圖；

圖4(a)是本發(fā)明對樁基區(qū)域進行擬合，提取樁位中心示意圖a；

圖4(b)是本發(fā)明對樁基區(qū)域進行擬合，提取樁位中心示意圖b；

圖4(c)是本發(fā)明對樁基區(qū)域進行擬合，提取樁位中心示意圖c；

圖4(d)是本發(fā)明對樁基區(qū)域進行擬合，提取樁位中心示意圖d；

圖5、圖6是本發(fā)明實施例的矩形、圓形標志示意圖；

圖7是本發(fā)明實施例的無人機工作示意圖。

具體實施方式

為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

如圖1所示，本發(fā)明的應用于基樁檢測中的無人機攝影成像及數(shù)據(jù)處理方法，包括以下步驟：

S1、在待檢測的基樁目標區(qū)域設置多個地面標志組件，通過無人機低空航拍得到待檢測的基樁目標區(qū)域的多幅圖像；

地面標志組件包括矩形標志和圓形標志；其中：矩形標志中設置有顏色相互間隔的矩形網(wǎng)格；圓形標志中設置有多個顏色相互間隔的扇形區(qū)域。地面標志組件還包括：無人機水平位置及高度校正組件，無人機拍攝姿態(tài)校正組件。

S2、根據(jù)攝像機的內部參數(shù)和地面標志組件的在圖像中的位置相配合，對每幅圖像均進行鏡頭畸變及幾何變形修正，并對修正后的圖像進行圖像配準、圖像拼接和圖像融合，得到待檢測的基樁目標區(qū)域的完整圖像；

步驟S2中進行圖像修正的方法具體包括：

a、通過轉換矩陣方程，將畸變圖像像點像素坐標(i，j)轉為圖像像點物理坐標(x_d，y_d)；

b、根據(jù)畸變校正數(shù)學模型公式，得到該畸變點到圖像平面物理原點的距離，進一步得到校正圖像像點物理坐標(x_r，y_r)；

c、將得到的校正圖像像點物理坐標(x_r，y_r)代入圖像平面物理坐標系與圖像平面像素坐標系轉換公式，求解得到校正圖像點像素坐標。

步驟S2中對圖像進行拼接的方法具體包括：

a、選擇一幅圖像為參考圖像T，在參考圖像T中間隔為c個像素的距離上的兩列像素中，各取m個像素，計算這m個像素的比值，將m個比值存入數(shù)組中，將其作為比較的模板；

b、從搜索圖像S中在同樣相隔c個像素的距離上的兩列，各取出m+n個像素，計算其比值，將m+n個比值存入數(shù)組；假定垂直錯開距離不超過n個像素，多取的n個像素則可以解決圖像垂直方向上的交錯問題；

c、利用參考圖像T中的比值模板在搜索圖像S中尋找相應的匹配；首先進行垂直方向上的比較，即記錄下搜索圖像S中每個比值數(shù)組內的最佳匹配；再將每個數(shù)組的組內最佳匹配進行比較，即進行水平方向的比較，得到的最小值就認為是全局最佳匹配；此時全局最佳匹配即為圖像間在水平方向上的偏移距離，該全局最佳匹配對應的組內最佳匹配即為圖像間垂直方向上的偏移距離；

d、根據(jù)垂直方向上的偏移距離和水平方向上的偏移距離調整待拼接的圖像位置。

S3、將待檢測的基樁目標區(qū)域的完整圖像進行分析處理，根據(jù)基于超像素分割和graphcut的啟發(fā)式自動提取方法得到基樁中心和外輪廓，將其與CAD設計圖紙中的基樁位置進行融合比對，得到基樁位置和樁徑的偏差數(shù)據(jù)。

步驟S3中基于超像素分割和graphcut的啟發(fā)式自動提取方法得到基樁中心和外輪廓的方法具體包括：

a、對圖像進行超像素分割；

b、在超像素分割基礎上利用graphcut算法完成進一步分割，合并得到最終的樁基提取結果；

c、對樁基區(qū)域進行擬合，提取樁位中心。

如圖2所示，在本發(fā)明的另一個具體實施例中，該方法實現(xiàn)的具體過程包括：

A、航拍照片分辨率不滿足樁基測量精度問題

采用商業(yè)化無人機得到的大范圍檢測區(qū)域圖像，其精度往往不能滿足基樁檢測中所需要的檢測精度要求。對此本系統(tǒng)通過軟件處理將無人機低空拍得的局部高清圖像進行無縫拼接加以解決。

圖像拼接技術主要分為三個主要步驟：圖像預處理、圖像配準、圖像融合與邊界平滑，圖像預處理主要指對圖像進行幾何畸變校正和噪聲點的抑制等，讓參考圖像和待拼接圖像不存在明顯的幾何畸變。在圖像質量不理想的情況下進行圖像拼接，如果不經過圖像預處理，很容易造成一些誤匹配。圖像預處理主要是為下一步圖像配準做準備，讓圖像質量能夠滿足圖像配準的要求。圖像配準主要指對參考圖像和待拼接圖像中的匹配信息進行提取，在提取出的信息中尋找最佳的匹配，完成圖像間的對齊。圖像拼接的成功與否主要是圖像的配準。待拼接的圖像之間，可能存在平移、旋轉、縮放等多種變換或者大面積的同色區(qū)域等很難匹配的情況，一個好的圖像配準算法應該能夠在各種情況下準確找到圖像間的對應信息，將圖像對齊。圖像融合指在完成圖像匹配以后，對圖像進行縫合，并對縫合的邊界進行平滑處理，讓縫合過渡。由于任何兩幅相鄰圖像在采集條件上都不可能做到完全相同，因此，對于一些本應該相同的圖像特性，如圖像的光照特性等，在兩幅圖像中就不會表現(xiàn)的完全一樣。

圖像拼接縫隙就是從一幅圖像的圖像區(qū)域過渡到另一幅圖像的圖像區(qū)域時，由于圖像中的某些相關特性發(fā)生了躍變而產生的。圖像融合就是為了讓圖像間的拼接縫隙不明顯，拼接更自然。

圖像分為參考圖像T和搜索圖像S,其中參考圖像T作為基準圖像，搜索圖像S作為待拼接圖像，將圖像S向圖像T進行坐標平移。本系統(tǒng)采用基于特征匹配的方法，其步驟如下：

a、在參考圖像T中間隔為c個像素的距離上的兩列像素中，各取m個像素，計算這m個像素的比值，將m個比值存入數(shù)組中，將其作為比較的模板，以T_t表示。

b、從搜索圖像S中在同樣相隔c個像素的距離上的兩列，各取出m+n個像素，計算其比值，將m+n個比值存入數(shù)組，以S_k表示，其中的每個比值可表達成S_kj，j＝1,2,...,m+n。設從搜索圖像S中形成了K個這樣的數(shù)組，即k＝1,2,...,K。假定垂直錯開距離不超過n個像素，多取的n個像素則可以解決圖像垂直方向上的交錯問題。

c、利用參考圖像T中的比值模板在搜索圖像S中尋找相應的匹配。首先進行垂直方向上的比較，即記錄下搜索圖像S中每個比值數(shù)組內的最佳匹配，即對每個S_k，搜索匹配最佳的比值S_ki。

S_ki＝min_iMatchScore(T_t,S_ki)

其中MatchScore可以是像素比值的絕對距離或歐式距離。

再將每個數(shù)組的組內最佳匹配進行比較，即進行水平方向的比較，得到的最小值就認為是全局最佳匹配。此時全局最佳匹配即為圖像間在水平方向上的偏移距離，該全局最佳匹配對應的組內最佳匹配即為圖像間垂直方向上的偏移距離。

S_ki＝min_k(S_ki),k＝1,...,K

B、航拍照片存在鏡頭畸變及幾何變形問題

采用商業(yè)化無人機拍攝得到樁基檢測區(qū)域局部高清照片存在鏡頭畸變及幾何變形問題。對此本系統(tǒng)通過軟件處理及現(xiàn)場標志系統(tǒng)配合，對每一幅圖像均進行鏡頭畸變及幾何變形修正加以解決。攝像機的內部參數(shù)和畸變系數(shù)都可以得到，成為接下來進行幾何坐標校正的已知量。校正過程分為以下幾個步驟：

a、我們把畸變圖像像點像素坐標(i，j)轉為圖像像點物理坐標(x_d，y_d)，可以通過轉換矩陣方程得到；

b、根據(jù)畸變校正數(shù)學模型公式，我們可以得到該畸變點到圖像平面物理原點的距離

進一步，我們可以得到校正圖像像點物理坐標(x_r，y_r)；

其中，u₀，v₀，別為圖像中心的x和y坐標，k₁和k₂為徑向畸變系數(shù)，p₁和p₂為切向畸變系數(shù)，r為像素所在位置距離攝像機光心的距離。

c、計算完校正圖像像點物理坐標(x_r，y_r)后，我們繼續(xù)進行校正圖像點像素坐標的求解，再代入圖像平面物理坐標系與圖像平面像素坐標系轉換公式。

經過上述步驟幾何校正的一系列工地無人機影像間的相鄰影像存在重復部分，這些冗余信息可作為我們進行拼接的依據(jù)。圖像拼接解決的問題一般式，通過對齊一系列空間重疊的圖像，構成一個無縫的、高清晰的圖像，它具有比單個圖像更高的分辨率和更大的視野，可以形成整個工地的拼接圖像?？紤]到相機周邊畸變較大，中心畸變較小的情況，可以根據(jù)相機情況自適應地確定影像間的重疊度，以提高影像的幾何精度。

C、經過拼接的圖像，其幾何變形基本已經消除，因此可以和CAD圖像中的樁位信息進行匹配。盡管存在實際的偏差，但在一般的范圍內，CAD信息中的樁位中心和圓應位于實際的樁基之內，因此可以作為啟發(fā)式的先驗信息，對拼接圖像的樁基進行輪廓提取。

如圖3所示，提出基于超像素分割和graphcut的啟發(fā)式自動提取方法。

第一階段：對圖像進行一定的預處理之后，對圖像進行超像素分割；

第二階段：在超像素分割基礎上利用graphcut算法完成進一步分割合并得到最終的樁基提取結果；

待分割的高分辨率遙感影像可以看作無向圖G＝＜V,E＞，其中V是圖像中像素集合，E表示相鄰像素之間的邊，V、E構成圖像中的第一類頂點和邊；此外新增兩個點s、t，s表示源點，t表示匯點，圖像中的每個像素點都和新增的s、t點都有連接，構成圖像中的第二類頂點和邊。通過選擇分割規(guī)則并計算在該分割規(guī)則下的圖像的能量函數(shù)，在某分割規(guī)則下能使能量函數(shù)最小，則此分割規(guī)則即將前景目標和背景目標分割開來。其中能量函數(shù)的公式為：

E(L)＝αR(L)+B(L)

其中E(L)為能量函數(shù)，R(L)和B(L)分別為區(qū)域項和邊界項，α為權重因子。

第三階段：對樁基區(qū)域進行擬合，提取樁位中心。

分割實例如圖4所示，其中圖4(a)為原始圖像，圖4(b)為超像素分割結果，圖4(c)為分割圖像，圖4(d)的十字中心為提取的樁位中心。

如圖5和圖6所示，地面標志組件包括矩形標志和圓形標志；其中：矩形標志中設置有顏色相互間隔的矩形網(wǎng)格；圓形標志中設置有多個顏色相互間隔的扇形區(qū)域。在本實施例中，矩形標志的尺寸為1000mm×1000mm，圓形標志的尺寸為φ200mm。

如圖7所示，地面標志組件還包括：無人機水平位置及高度校正組件，無人機拍攝姿態(tài)校正組件。

應用于基樁檢測中的無人機攝影成像及數(shù)據(jù)處理軟硬件系統(tǒng)軟件部分包括一套無人機圖像處理軟件，可以對無人機拍攝的圖像進行校正、拼接、識別，并與導入CAD數(shù)據(jù)進行比對，輸出比對結果。硬件部分包括一套與無人機攝影平臺配套的地面標志組件，可以方便對無人機拍攝的圖像進行幾何變形校正。

本發(fā)明完全改變了現(xiàn)有樁基幾何定位及外觀尺寸檢測中依賴人工逐點檢測的落后技術手段。充分利用航拍攝影的技術優(yōu)勢，大大提高了建筑工程中樁位偏差檢測及樁徑檢測的準確度及效率，大大降低了檢測過程中投入的人力成本。具有良好的社會效益及經濟效益，及廣闊的應用前景。

本發(fā)明實施例的應用于基樁檢測中的無人機攝影成像及數(shù)據(jù)處理系統(tǒng)，用于實現(xiàn)本發(fā)明實施例的應用于基樁檢測中的無人機攝影成像及數(shù)據(jù)處理方法，包括：

圖像獲取單元，用于在待檢測的基樁目標區(qū)域設置多個地面標志組件，通過無人機低空航拍得到待檢測的基樁目標區(qū)域的多幅圖像；

圖像修正及拼接單元，用于根據(jù)攝像機的內部參數(shù)和地面標志組件的在圖像中的位置相配合，對每幅圖像均進行鏡頭畸變及幾何變形修正，并對修正后的圖像進行圖像配準、圖像拼接和圖像融合，得到待檢測的基樁目標區(qū)域的完整圖像；

基樁偏差數(shù)據(jù)計算單元，用于將待檢測的基樁目標區(qū)域的完整圖像進行分析處理，根據(jù)基于超像素分割和graphcut的啟發(fā)式自動提取方法得到基樁中心和外輪廓，將其與CAD設計圖紙中的基樁位置進行融合比對，得到基樁位置和樁徑的偏差數(shù)據(jù)。

應當理解的是，對本領域普通技術人員來說，可以根據(jù)上述說明加以改進或變換，而所有這些改進和變換都應屬于本發(fā)明所附權利要求的保護范圍。