LPS在无人机数据处理中的应用

简介: http://blog.sina.com.cn/s/blog_77805ef60100pgip.html   无人机(UAV)遥感是航空遥感的一种重要方式,并且日益成为一项空间数据获取的重要手段,其具有续航时间长、影像实时传输、高危地区探测、成本低、机动灵活等优点,是卫星遥感与有人机航空遥感的有力补充。

http://blog.sina.com.cn/s/blog_77805ef60100pgip.html

 

无人机(UAV)遥感是航空遥感的一种重要方式,并且日益成为一项空间数据获取的重要手段,其具有续航时间长、影像实时传输、高危地区探测、成本低、机动灵活等优点,是卫星遥感与有人机航空遥感的有力补充。近年来,无人机在军事和民用方面都得到了快速的发展,引起了诸多科研单位的重视,无人机遥感成为发展的一种趋势。

但是,由于无人机飞行环境的复杂性以及飞行的不稳定性,导致无人机数据的POS信息不够精确、数据量大等特点,所以处理无人机数据成为亟待解决的问题。    

利用LPS软件来处理无人机数据,得到正射校正镶嵌结果,为无人机数据处理提供了新的解决方案,满足了无人机在测绘方面以及灾害应急快速处理方面的需要。

 LPS(Leica Photogrammetry Suite)是徕卡公司推出的数字摄影测量及遥感处理软件系列。LPS为影像处理及摄影测量提供了高精度及高效能的生产工具。它可以处理各种航天(最常用的卫星影像包括QuickBird/ALOS/GeoEye/SPOT5等等)及航空(扫描航片ADS40数字影像)的各类传感器影像定向及空三加密,处理各种数字影像格式,黑/白、彩色、多光谱及高光谱等各类数字影像。LPS的应用还包括矢量数据采集、数字地模生成、正射影像镶嵌及遥感处理,它是第一套集遥感与摄影测量在单一工作平台的软件系列。LPS产品结构如图一所示。


 

图一   LPS产品结构图

      本文在无人机数据处理中利用的LPS的模块包括:LPS CoreATE(或者eATE)。

数据描述

 本文所用的测试数据是由数码相机(Canon EOS 5D Mark II)拍摄的473幅无人机数据。除此之外,还利用了焦距长(f0=24mm)、象元分辨率(CCD尺寸=6.4um)、航高以及POS数据等信息。

LPS处理无人机数据流程

LPS处理无人机数据操作流程如图二所示:


图二 LPS 处理无人机数据操作流程

        (1)创建工程和数据导入

    创建工程:LPS处理数据首先需要创建测区文件,即Block文件。选择相应的几何校正模型。这里我们选择的模型是数码相机(Digital Camera)。并且定义测区的属性,包括投影坐标系统、航高等。

    数据导入:工程文件创建好之后,导入数据:影像、相机参数(像主点坐标、焦距长、CCD尺寸等)及POS数据。

       (2)自动生成同名点

    根据初始的POS数据,自动生成同名点。根据需要,可修改生成同名点的策略,使产生的同名点均匀地分布在整个测区。

     (3) 空三计算

    根据生成的大量同名点及初始的内外方位信息,进行空三运算,空三结果可以通过RMSE来体现,并可以预览每个同名点的坐标和精度,内附详细的精度报告。通过预览每个点的RMSE,剔除误差较大的同名点,重新进行空三计算,直至满足要求。接受空三结果,更新内外方位信息。

      (4)生成DTM

    LPS提取DTM是全自动处理过程,内附详细的DTM提取报告。用户可以根据需要选择生成单个DTM,或者直接生成镶嵌的DTM。其精度适合于制作正射影像。若需要得到高精度的DTM,仍需要一些人工编辑(比如通过TE模块)以及很好的质量控制。

      (5)影像正射校正

    效率一直是遥感影像处理用户最关心的问题之一,ERDAS 通过多个处理或者多个计算机实现并行计算技术和分布式处理,使得用户在数据处理过程中可以充分利用硬件的投资,提高数据生产的效率。LPS在影像重采样的过程中支持批处理的并行计算和分布式处理。

      (6)正射校正结果镶嵌

    LPS 2010的镶嵌充分利用操作系统资源,使得镶嵌的速度提高了10倍以上,并能支持海量影像的输入和输出,自动生成拼接线并可编辑,多种匀色算法可供选择。

结果

    由一名操作人员利用一台普通工作站处理473幅无人机数据,经过26小时的处理,其中自动运算时间为22小时,最后空三的精度可以达到3个像素。LPS处理数据的结果如下图所示:


 

 

图三 LPS处理无人机数据镶嵌结果

LPS处理无人机数据的建议:

        (1)所提供的无人机数据,如果存在部分影像比较模糊。这可能会对后续的影像连接点匹配造成一定影响,所以去除影像质量不好的数据。

        (2)提供的无人机数据包括部分航线拐角数据,该数据对应的惯导数据信息不够准确,因此在实际作业中,会将拐角数据去除,以保证整个测区空三计算的精度。

        (3)提供的无人机数据中,去除掉POS信息(特别是角度信息)突变的数据,这样保证连接点匹配的精度和最终结果的精度。

   (4)确保相片与其POS数据完全对应,可能由于POS录入的问题,导致相片的POS信息和相片不对应。

       (5)为了提高结果的精度,建议采用二级优化策略。首先根据原始的POS信息,自动产生连接点,进行空三,接受优化内外方位信息;然后根据第一次优化的结果,再次自动生成连接点,进行空三运算。

结语

通过使用LPS处理无人机数据,采用严密的光束法区域网平差,在保证一定的精度下,以较少的人工干预,能够以最快的速度完成整个测区的处理过程。在影像重采样过程中支持批处理的并行计算和分布式处理,提高数据生产的效率,且对机器硬件要求不高,一般的工作站即可处理,这满足了无人机数据在测绘方面(正射影像/镶嵌/DTM等系列测绘产品)以及灾害应急快速处理方面的需要,为无人机数据处理市场提供了新的解决方案。


相关文章
|
2月前
|
存储 算法 Cloud Native
Ganos地理网格引擎支撑无人机路径规划能力实践
随着新能源技术的迅猛发展,低空经济已经逐步成为新的战略性新兴产业,但不同于传统的地表活动,低空活动具有立体性、区域性、融合性等特点,这些特点对于如何安全引导低空活动的顺利开展带来了一系列需要解决的技术问题。Ganos地理网格引擎提供了基于网格的路径规划能力,可以使用DEM、DSM、倾斜摄影等数据构建复杂环境下的无人机路径规划应用。
|
8月前
|
传感器 数据采集 机器学习/深度学习
自动驾驶之传感器数据处理自动化
自动驾驶之传感器数据处理自动化
72 1
|
3月前
|
机器学习/深度学习 数据可视化 机器人
植保机器人图像处理与分析
植保机器人图像处理与分析
22 3
|
8月前
|
传感器 机器学习/深度学习 算法
多旋翼无人机组合导航系统-多源信息融合算法(Matlab代码实现)
多旋翼无人机组合导航系统-多源信息融合算法(Matlab代码实现)
|
9月前
|
传感器 机器学习/深度学习 算法
无人机无线传感器网络中的能源高效数据收集附matlab代码
无人机无线传感器网络中的能源高效数据收集附matlab代码
|
10月前
|
数据采集 传感器 存储
基于无人机的气象数据采集系统设计(Matlab代码实现)
基于无人机的气象数据采集系统设计(Matlab代码实现)
|
11月前
|
机器学习/深度学习 传感器 算法
【无人机编队】基于一致性实现一般线性无领导多无人机协同编队控制附matlab仿真
【无人机编队】基于一致性实现一般线性无领导多无人机协同编队控制附matlab仿真
|
11月前
|
机器学习/深度学习 传感器 算法
【无人机编队】基于一阶一致性实现无领导多无人机协同编队控制附matlab仿真
【无人机编队】基于一阶一致性实现无领导多无人机协同编队控制附matlab仿真
|
11月前
|
机器学习/深度学习 传感器 算法
【无人机编队】基于一阶一致性实现有领导多无人机协同编队控制附matlab仿真
【无人机编队】基于一阶一致性实现有领导多无人机协同编队控制附matlab仿真
|
11月前
|
机器学习/深度学习 传感器 算法
【无人机编队】基于一致性实现一般线性有领导多无人机协同编队控制附matlab仿真
【无人机编队】基于一致性实现一般线性有领导多无人机协同编队控制附matlab仿真