无人机遥感影像快速处理技术

（3）无人机数据快速处理技术(DSM)
重庆测绘院基于普通PC机多核并行的无人机航空影像处 理实验(200像对只需3小时)
（3）无人机数据快速处理技术(DSM滤波)
Post-preprocessing: DSM to DTM usinga modified filter proposed by Vosselman, G., 2000
+ 基于物方的多影像匹配(多目视觉)方法， 可以同时匹配多于2景影像，有效地解决匹 配困难地区(如重复纹理，遮挡区域)的三 维信息自动提取问题；
+ 融合多种特征进行匹配，如离散点和特 征线，并采用TIN结构表达地面模型,有利 于地形复杂地区的DEM生成;
+ 兼顾影像的全局和局部信息,采用兼顾地 形特征线信息的全局概率松弛法影像匹配 算法，有效的解决了影像纹理缺乏区域 （大面积沙漠，荒漠，冰雪覆盖区域）的 自动地形测绘问题;
影像有明显畸变等这些情况下实现自动空三是现有数字摄影测量系统的主要 挑战，在大多数情况下都将导致错误结果.
（2）无人机数据处理关键算法
基于尺度/旋转不变的全自动相对定向
建立金字塔分层影像 SIFT特征匹配
基于RANSAC的相对定向误匹配剔除，获得相对定向元素 划分均匀网格，并提取 Förstner特征点 带核线约束的近似一维影像匹配
——无人机预处理
（1）无人机数据处理流程
空中三角测量 DSM自动提取 DSM滤波生成DTM 影像正射纠正 正射影像辐射处理 正射影像拼接处理
——空中三角测量
（2）无人机数据处理关键算法 ——自动空中三角测量
无人机数据存在的问题:
影像航向重叠度和旁向重叠度都不够规则 像幅较小、像片数量多 影像的倾角过大且倾斜方向没有规律 航摄区域地形起伏大、高程变化显著，影像间的比例尺差异大、旋偏角大，
DMC ADS40 UltraCam-D
与传统摄影测量相比，新的数据获取技 术为测量物体提供更高精度和更佳稳定 性的基础数据。
怎样及时将原始数据加工、处理，使之成 为能被人们所理解与利用以及能由计算机 系统识别、利用、分析的信息，特别是实 时转化为所需要的信息，这是我们面临的 一个严峻的课题。
高时相、高分辨率、高光谱、高重叠 度等成像方式为测量物体带来大量数 据的同时，也给数据处理技术带来了 新的挑战。
(3)无人机数据快速处理技术(DSM编辑)
基于晕渲图的快速DSM编辑
(3)无人机数据快速处理技术(DSM编辑)
基于立体模型的DSM精编辑
(3)无人机数据快速处理技术(DSM编辑)
（3）无人机数据快速处理技术(正射纠正)
任务1
任务队列
任务2
………….
任务N
任务处理调度器
多核CPU
任务处理 任务处理
（3）无人机数据快速处理技术
基于GPU的快速影像精纠正技术
分辨率0.2米，正射影像大小为756MB，基于FX1800显卡处理只需30秒 而采用PixelGrid中基于CPU的纠正则需大约8分钟，加速比为16倍
（3）无人机数据快速处理技术
基于GPU的快速影像精纠正技术
21张UCD航空遥感影像(面积约73平方公里) 利用GPU纠正（单机单线程处理模式)
(3)无人机数据快速处理技术(DSM编辑)
Internet/Intranet
DSM编辑服务端
DSM编辑客户端
DSM编辑客户端
多人网络分布式DSM在线编辑系统
(3)无人机数据快速处理技术(DSM编辑)
服务端：测区DSM编辑任务的分配
(3)无人机数据快速处理技术(DSM编辑)
DSM分布式编辑客户端登录后自动从服务器上获取测区DSM
数
据
处 全景图快速拼接生成
正射纠正
理
系
无人机遥感影像辐射纠正
统
大范围正射影像自动镶嵌
测区全景图
测区正射影 像图
（1）无人机数据处理流程
——高精度相机标定
Yc
投影中心
f
Oc
Xc
相机坐标系
Yw
y
Ow
像点xi
Zc o
x
像平面
几何成像模型
空间点I
径向畸变
Zw
xr x x0 K1 r 2 K 2 r 4 K3 r 6 O[r 8 ]
多 种 数 字 产 品
单机多核、多机多核集群处理 与GPU并行处理技术
（3）无人机数据快速处理技术（预处理) 任务队列
任务1
任务2
………….
任务N
任务处理调度器
多核CPU
任务处理 单元
任务处理 单元
任务处理 单元
任务处理 单元
多核CPU
任务处理 任务处理
单元
单元
任务处理 任务处理
单元
单元
（3）无人机数据快速处理技术（预处理)
基于尺度/旋转不变的全自动相对定向(倾斜摄影影像)
影像A
影像B
影像C
根据相对定向点，计算三幅影像的公共范围
提取Förstner特征并进行灰度匹配，初步获得三幅影像的同名点
根据核线约束，去除错误匹配
用直方图统计去除错误匹配
划分格网，根据模型连接比定义去除错误匹配
根据几何相似关系，去除错误匹配
输出最终模型连接点，得到模型连接比
Digital Surface Model of City Area
由无人机航空影像获取的2米分辨率DSM数据(四川) 由0.2米分辨率无人机航空影像获取的1米分辨率DSM数据(宁夏中卫市)
（2）无人机数据处理关键算法
——无人机遥感影像辐射校正
（2）无人机数据处理关键算法
——大范围正射影像自动拼接
金字塔影像
（2）针对拼接 缝利用缩小 算法创建高 斯金字塔
自动构建正射影像拼接网络
（3）各级上利 用高斯金字
塔影像作为
权重对
Laplacian
利用多分辨融合算法实现拼
影像进入加 权融合
接缝过渡
（4）扩张算法
从低层到高
级顺序累加
融合后金字
快速生成拼接区域全景图
塔影像，形 成最终融合
影像
（3）无人机数据快速处理技术
法国欧空局已经开发了 一套处理大重叠度影像 的，集群式处理环境下 比较成熟的高性能遥感 影像数据处理软件“像 素工厂”（Pixel Factory)，主要功能自 动DSM生产，自动正射 影像纠正等
（3）无人机数据快速处理技术
DPGrid系统、PixelGrid系统具备网络化、自动化、智能化、分布式处理和并行处理等特性， 是一个能够适应新型传感器、大范围、自动化、网络化、智能化的新一代数字摄影测量数据
（2）无人机数据处理关键算法
——大范围正射影像自动拼接
基于动态规划算法的正射影像拼接线提取
通常的拼接线
自适应正射影像拼接线(躲避房屋,树木等)
（2）无人机数据处理关键算法
——大范围正射影像自动拼接
（2）无人机数据处理关键算法
——全景图快速拼接
（1）缩小算法 创建 Laplacian
将影像正射纠正到测区的平均高程面
无人机遥感影像快速处理技术
张力 艾海滨
2011-11-7
报告内容
无人机数据处理流程 无人机数据处理关键算法 无人机数据快速处理技术 无人机数据快速处理应用 后续遥感数据快速处理的展望
（1）无人机数据处理流程
无人机遥感 原始数据
高精度相机标定
低
空
影像预处理
无
人
机
空中三角测量
遥
感
DSM/DEM自动提取
（3）无人机数据快速处理技术（预处理)
（3）无人机数据快速处理技术(空三)
UCXP航空影像自动相对定向单机多核分布式处理实验(8核CPU,856像对只需75分钟)
自动/高效航空影像区域网平差技术
宁夏中卫市0.15米分辨率无人机影像（1100幅）区域网平差结果，自动化完成，共需1天 左右时间（预处理、人工建工程、自动连接点量测 + 半自动控制点量测 + 人工微调）
Basic configuration of high-quality blade server
system
LAN
data
data
Basic configuration of PC workstation cluster system
（3）无人机数据快速处理技术
(3) 无人机数据快速处理技术
无 人 机 遥 感 数 据
基于尺度/旋转不变的全自动模型连接
（2）无人机数据处理关键算法 ——DSM/DEM自动提取技术
算 法 采 用 由 粗 到 细 （ Coarse-to-fine ） 的 多 级 影 像 匹 配 策 略 ， 综 合 集 成 多 种 成 熟 的，性能互补的影像匹配算法，并在匹配算法的各个子模块之间进行质量控制，自动进行 匹配粗差定位和剔除，充分利用高分辨率遥感影像所提供的新特点（高信噪比，高反差的 影像，高地面覆盖重叠率等），获取成像区域的高精度DEM。
处理平台
High quality blade computer system
Gigabyte switch
Automated & parallel computation
PC workstations
Gigabyte switch
LAN
data
Biblioteka Baidu
Task scheduling data computes
非量测相机： 像主点 焦距
（1）无人机数据处理流程
——高精度相机标定
精密仪器 人造对象 自然对象
多准直仪 可测角准直仪和精密格网 室内三维控制场 简易三维刚体 平面格网 一维物体 恒星 铅垂线 同名点、绝对二次曲线和二次曲面 建筑物垂直线和灭点
（1）无人机数据处理流程
影像旋转 主点修正 畸变改正 格式转换
+ 自适应匹配参数调整，可同时匹配各种 不同地面分辨率,不同传感器的影像；例如: 可同时匹配同一区域的SPOT5 10×5米分 辨率HRS立体影像和2.5/5.0米分辨率HRG 影像,从而自动生成该区域的DEM
+ 具有独特的地貌细节精化匹配(GRM)技 术,使生成的数字地面模型对微细地貌表 达更好。可引入SRTM90、GTOPO30等地分 辨率DEM做为初值，加快DEM的生成效率.
yr y y0 K1 r 2 K 2 r 4 K3 r 6 O[r 8 ]
Xw 世界坐标系
切向畸变
xd
P1 r 2 2
x x0 2 2 P2 x x0

y y0

O
（3）无人机数据快速处理技术
基于GPU的快速影像精纠正技术
在NVIDIA FX1800显卡和7200转速的 SATA盘机器上运效率：生成21张正射影像， 共9.2GB数据量，共花销约19分钟
（3）无人机数据快速处理技术
基于GPU的快速影像精纠正技术
在NVIDIA Quadro 4000显卡和 1000转速SAS盘的机器上运行效率： 生成21张正射影像，共9.2GB数据量，
x

x0 ,
y

y0
4
yd
P2 r 2 2
y y0
2 2 P1 x x0

y y0
O x x0, y y0
4
薄棱镜畸变
xp s1 x x0 2 y y0 2 O x x0, y y0 4 yp s2 x x0 2 y y0 2 O x x0, y y0 4
单元
单元
任务处理 任务处理
单元
单元
多核CPU
任务处理 任务处理
单元
单元
任务处理 任务处理
单元
单元
（3）无人机数据快速处理技术(色彩处理)
A是三个任务同时执行情况
系统在HP XW6600 四核图形工作站上的运行界面。
B是单个任务执行情况
（3）无人机数据快速处理技术 大影像快速漫游技术
基 于 图 形 处 理 单 元 的 快 速 影 像 漫 游
（3）无人机数据快速处理技术
美国Intergraph公司为企业化高效生产正射 影像而推出的软件系统PixelPipe，该软件 为正射影像生产提供了可扩展的无缝解决方 案，它主要包括以下特点：可以管理影像及 元数据、智能分布式处理数据、严格的质检 和质量评价和高度自动化的正射影像纠正。
PixelPipe还处于发展的初期，今后还会扩 展现有解决方案中功能，扩展主要体现在数 据的获取、数据的后处理、自动空中三角测 量、自动数字地面模型的提取、编辑和管理 功能。
——自动空中三角测量
将点位传递到金字塔影像下一层，逐层采用带核线约束的近 似一维影像匹配
原始影像上采用最小二乘匹配
相对定向剔除误匹配点
基于尺度/旋转不变的全自动相对定向(无人机影像 – 影像旋偏角较大)
基于尺度/旋转不变的全自动相对定向(无人机影像–影像旋偏角较大,影像纹理缺乏)
基于尺度/旋转不变的全自动相对定向(无人机影像 – 纹理缺乏,影像偏航较大)