无人机遥感影像快速处理技术解决方案.pptx

无人机遥感影像快速处理技术解决方案 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空间点IYwZwyOwYc像点xiXwZco世界坐标系投影中心fxOcXc像平面相机坐标系几何成像模型 （1）无人机数据处理流程——高精度相机标定 径向畸变 切向畸变 薄棱镜畸变 非量测相机：像主点焦距多准直仪精密仪器可测角准直仪和精密格网室内三维控制场简易三维刚体人造对象平面格网一维物体恒星自然对象铅垂线同名点、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——高精度相机标定 （1）无人机数据处理流程——无人机预处理影像旋转主点修正畸变改正格式转换 （1）无人机数据处理流程——空中三角测量空中三角测量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 （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， 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.——自动空中三角测量基于尺度/旋转不变的全自动相对定向 （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(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)基于尺度/旋转不变的全自动相对定向(倾斜摄影影像)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。+ 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;+ 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.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 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基于动态规划算法的正射影像拼接线提取 （2）无人机数据处理关键算法——大范围正射影像自动拼接（1）缩小算法创建Laplacian 金字塔影像（2）针对拼接缝利用缩小算法创建高斯金字塔（3）各级上利用高斯金字塔影像作为权重对Laplacian影像进入加权融合（4）扩张算法从低层到高级顺序累加融合后金字塔影像，形成最终融合影像 （2）无人机数据处理关键算法——全景图快速拼接DMCADS40UltraCam-D （3）无人机数据快速处理技术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 法国欧空局已经开发了一套处理大重叠度影像的