无地面控制的无人机影像全自动快速拼接

无地面控制的无人机影像全自动快速拼接

陈继溢;孙杰;张力;许彪;唐晓霏

【摘要】为了满足地理国情监测、灾害应急保障需要快速响应和服务的应用需求，该文提出一种无地面控制的无人机影像全自动快速拼接方法。该方法利用尺寸不变特征匹配和相关系数匹配获取分布均匀且高精度的像点观测，通过自由网光束法平差获取定向参数和加密点物方坐标，最后通过结合影像的色彩一致性处理和顾及重叠的面 Voronoi 图接缝线网络快速拼接获取测区影像图。实验结果表明：所提出

的方法可有效解决无人机影像的快速拼接问题，获取的影像图具有较高的拼接精度，同时色彩过渡自然。%For the demand of geographical conditions monitoring and disaster emergency security,this paper presents an automatic and fast method for mosaicking UAV images without ground control data.First,high density match points are obtained by SIFT matching and correlation coefficient matching.Then it acquires the orientation parameters of each image and three-dimensional coordinates of the match points using bundle adjustment.After the color consistency processing,it quickly mosaick the ortho-image of the whole zone based on the seamline network automatically generated using area Voronoi diagrams with overlap.Experiments of two different kinds regions which are mountainous area and flat area show that the given method can efficiently solve the problem of fast mosaicking of UAV images with good precision and nice color consistency.

【期刊名称】《遥感信息》

【年(卷),期】2015(000)002

【总页数】5页(P26-30)

【关键词】无人机影像;SIFT 匹配;自由网光束法平差;影像色彩一致性处理;快速拼接;无地面控制

【作者】陈继溢;孙杰;张力;许彪;唐晓霏

【作者单位】中国测绘科学研究院，北京 100830;中国测绘科学研究院，北京100830;中国测绘科学研究院，北京 100830;中国测绘科学研究院，北京 100830;湖北省测绘工程院，武汉 430074

【正文语种】中文

【中图分类】TP751

无人机低空航测遥感具有机动快速响应、任务执行灵活、高精度影像获取等特点，已被广泛应用到地理国情监测、灾害应急保障、地形图测绘、农业、林业、电力等领域。随着硬件系统的不断发展与成熟，海量影像数据的快速获取已成为可能，但如何有效解决无人机低空影像重叠度不规则、像幅小、旋偏角大、畸变明显问题，快速获取满足业务部门各种应用需求的成果数据具有重要的现实意义，同时也是目前的研究热点。

针对无人机影像的快速拼接问题，目前大多数处理方法都是采用不同的优化算法在像方空间做尺度不变特征匹配（Scale－invariant feature transform，SIFT），然后根据匹配的同名点进行全景拼接。刘民选［1］着重研究了无人机影像同名点匹配策略和基于GPU的加速方法；胡庆武等［2］采用基于SIFT特征的单应约束影像匹配算法，计算相邻影像的最优变换矩阵，采取多分辨率融合拼接全景影像；

宫阿都等［3］首先进行数据分块，其次运用SIFT算子对分块影像进行自动拼接，最后基于辅助数据对分块拼接影像进行整体二次多项式纠正。上述方法本质上都是基于像方空间的拼接，对同名点匹配精度和分布的依赖性较高，另外，如果测区地形起伏较大可能会出现明显的拼接错位；刘春等［4］提出基于光束法平差的无人机影像快速拼接方法，并推导了相应的数学模型，但仍然依赖于稀少控制信息。

本文针对地理国情监测、灾害应急保障等应用需求，提出一种无地面控制的无人机影像快速拼接方法。该方法通过结合SIFT特征匹配、相关系数匹配、分级多层金

字塔影像匹配等策略获取分布均匀且高精度的像点观测；利用自由网光束法平差获取影像的定向参数和加密点物方坐标；加密点三角构网并内插获取数字高程模型DEM，利用数字微分纠正获取单片正射影像；最后通过结合基于Wallis滤波器的整体匀色处理和顾及重叠的面Voronoi图接缝线网络［5］快速拼接获取测区影像图数据。

目前，无人机飞行作业时可获取航摄影像及概略的导航POS数据，两者和相机参

数作为快速拼接的原始数据；其次，通过初始匹配和数据整理建立测区航带列表；然后进行自动空三处理获取影像的外方位元素和加密点的物方坐标；最后纠正拼接处理获取测区影像图数据。本文方法的总体流程如图1所示。

2.1 初始匹配

（1）SIFT特征匹配

1999年，Lowe提出SIFT算法［6］，并于2004年进一步改进该算法，它是一

种基于尺度空间的影像局部特征描述算子，对影像的旋转、尺度缩放、仿射变换等保持一定程度的稳定性，可作为较理想的无人机影像初始匹配方法。

利用SIFT进行影像匹配主要分为特征点探测、特征点描述、特征点匹配、误匹配

点粗差剔除4个部分。实际应用中为了提高匹配速度，SIFT特征匹配在金字塔影

像上进行，同时利用导航POS数据结合全球航天飞机雷达地形测绘使命（Shuttle