CN112132029B - 一种面向地震应急响应的无人机遥感影像快速定位方法 - Google Patents
一种面向地震应急响应的无人机遥感影像快速定位方法 Download PDFInfo
- Publication number
- CN112132029B CN112132029B CN202011007631.8A CN202011007631A CN112132029B CN 112132029 B CN112132029 B CN 112132029B CN 202011007631 A CN202011007631 A CN 202011007631A CN 112132029 B CN112132029 B CN 112132029B
- Authority
- CN
- China
- Prior art keywords
- image
- aerial vehicle
- unmanned aerial
- remote sensing
- positioning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000004044 response Effects 0.000 title claims abstract description 12
- 230000006872 improvement Effects 0.000 claims abstract description 9
- 230000009466 transformation Effects 0.000 claims abstract description 9
- 238000013519 translation Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims 1
- 230000009467 reduction Effects 0.000 abstract description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/604—Rotation of whole images or parts thereof using coordinate rotation digital computer [CORDIC] devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种面向地震应急响应的无人机遥感影像快速定位方法,输入无人机高空间分辨率遥感影像序列和位置姿态参数得到影像定位的外方位元素;采用世界文件辅助进行无人机遥感影像数据快速定位,将序列影像的外方位元素转换为世界文件所需要的位置、转角定义形式,确定影像初始位置;将所述初始定位的无人机遥感初始轮廓图与参考影像数据进行叠加;根据轮廓图和参考影像数据匹叠加结果,采用整体误差改进和旋转变换补偿对位置与角度参数进行修正得到定位后的序列图像。本发明提高无人机遥感影像快速定位的时效性并减少了序列影像快速定位的整体误差,有效避免了不同转角方式导致影像定位精度降低问题,实现高效率和高精度定位。
Description
技术领域
本发明涉及影像数据成像技术领域,具体而言,涉及一种面向地震应急响应的无人机遥感影像快速定位方法。
背景技术
无人机遥感影像快速获取***具有机动灵活、响应速度快、云下摄影等技术特点,在地震应急与灾害处置等方面,已经成为一种重要的灾情数据快速获取与查看技术手段,备受人们关注。目前,无人机遥感影像数据处理主要是基于计算机视觉方法进行影像数据的快速拼接,无人机遥感影像数据的快速拼接可以获取灾区的全景影像,一般要经过图像特征提取、特征配准、影像空间变换及光束法平差、融合匀色等步骤,耗时较长,对于上千张无人机遥感影像,通常需要数个小时进行影像的拼接;基于无人机遥感影像进行的三维重构,通常需要经过稀疏匹配、稠密匹配、平差、点云坐标解算等步骤,耗时较长,也需要数个小时来进行点云三维重构。上述无人机遥感影像数据的处理方法,目前已经在商业软件上实现,例如PhotoScan,Smart3D等,其处理的影像数据产品可以进行专题影像图的制作等。
然而,在地震应急期间,由于时间紧、任务重,数小时的时间开销,对于快速了解灾区的灾情信息显得滞后,其可以作为灾情获取***产出的高一级别产品进行产出,在地震应急阶段需要以最快的速度将捕获到的灾情图像递送到指挥部进行判定,因此需要一种面向地震应急响应的无人机遥感影像快速定位方法。
发明内容
本发明在于提供一种面向地震应急响应的无人机遥感影像快速定位方法,其能够缓解上述问题。
为了缓解上述的问题,本发明采取的技术方案如下:
本发明包括:
A输入无人机高空间分辨率序列影像和位置姿态参数得到影像定位的外方位元素;
B采用世界文件形式进行无人机遥感影像数据快速定位,将序列影像的外方位元素转换为世界文件所需要的位置、转角定义形式,确定影像初始位置;
C将所初始定位的无人机遥感影像轮廓图与参考影像进行匹配叠加;
D根据轮廓图和参考影像数据匹配叠加结果,采用整体误差改进和旋转变换补偿进行修正,得到序列影像快速定位图像。
进一步地,所述无人机遥感影像直接定位模型的建立依靠相机曝光时刻的位置姿态数据,通过不同坐标系之间的转换实现,包括相机坐标系、IMU坐标系,导航坐标系和地心地固坐标系。具体如下:
其中,[x′,y′]T为原始影像地理定位后具备的空间坐标;[x,y]T原始影像像素坐标,为无量纲;λ为缩放系数,其为影像的空间分辨率;θ为无人机飞行过程中的传感器绕主光轴旋转角度;T为平移矩阵,Tx为沿xx方向上的平移量,Ty为沿y方向上的平移量。
进一步地,所述直接定位方法转化为世界文件辅助栅格影像的地理定位方法,建立无人机遥感影像快速地理定位模型,具体如下:
其中,[x′,y′]T为地理定位后遥感影像数据地理坐标;[x,y]T为遥感影像原始像素坐标;A为x方向的空间比例尺,B、D为旋转因子;E为y方向的空间比例尺,为负值;C、F分别为影像左上角x、y方向上的空间坐标。
进一步地,初始定位结果与参考影像叠加匹配,所述叠加结果采用高斯概率模型进行误匹配角点剔除,并建立误差改进模型,实现位置参数、姿态参数的改进。
一种面向地震应急响应的无人机遥感影像数据快速定位装置,包括:
位置姿态参数计算模块,用于无人机遥感影像数据快速地理定位,将获取的无人机位置姿态参数换算为影像定位的所需要的位置参数与角度参数;
初始定位模块,输入无人机高空间分辨率序列遥感影像,生成无人机遥感成像范围轮廓图;
叠加计算模块,用于无人机遥感影像轮廓图和参考影像数据叠加,采用高斯概率模型进行匹配误差的剔除;
误差修正模块,用于根据轮廓图和参考影像数据匹配叠加结果,采用整体误差改进和旋转误差补偿模型,得到无人机影像快速定位结果。
一种无人机遥感影像数据快速定位设备,所述无人机遥感影像数据快速定位设备包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互联;所述至少一个处理器调用所述存储器中的所述指令,以使得所述无人机遥感影像数据快速地理定位设备执行任意一项所述的方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现任意一项所述方法的步骤。
本技术方案的技术效果是:
本发明方法的参数提取、模型构建和计算分析过程相比传统的无人机影像地理定位方法计算量小、定位速度快,实现了无人机遥感影像数据的快速地理定位,进一步提高无人机影像快速定位的时效性并减少了单张影像快速地理定位的相对误差,以及影像间的接边误差,有效避免了转角导致影像定位精度降低问题,实现高效率和高精度定位。
附图说明
图1为本发明实施例中面向地震应急响应的无人机遥感影像快速定位方法的一个实施例示意图;
图2为本发明实施例中无人机遥感影像数据快速定位设备的一个实施例示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
如图1所示,本发明包括:
A输入无人机高空间分辨率序列影像和位置姿态参数得到影像定位的外方位元素;
其中,[x′,y′]T为原始影像地理定位后具备的空间坐标;[x,y]T原始影像像素坐标,为无量纲;λ为缩放系数,其为影像的空间分辨率;θ为无人机飞行过程中的传感器绕主光轴旋转角度;T为平移矩阵,Tx为沿x方向上的平移量,Ty为沿y方向上的平移量。外方位元素为上述模型中的角元素与线元素。
B采用世界文件形式进行无人机遥感影像数据快速定位,将序列影像的外方位元素转换为世界文件所需要的位置、转角定义形式,确定影像初始位置。
本发明采用世界文件对无人机遥感影像进行快速定位,通过文本编码的方式将关键参数组织在指定后缀名的文件内,能够让地理信息***自动实现栅格影像数据的地理参考,这六个参数也构成了影像变换的系数矩阵,具体如下:
对于位置参数的确定是基于世界文件快速进行无人机影像快速定位的关键因素之一,直接而简单的方式是将获取的位置数据,通过计算中心与左上角之间的像素差异个数,从而计算出左上角像素的地理坐标;然而该方式未考虑到无人机姿态位置变化带来的左上角位置的定位误差;因此,本发明采用直接地理参考模型进行位置参数求解。
假设地面一点A的空间坐标为(X,Y,Z),对应像素点在像空间坐标系中的坐标为(x,y,f),则像素a到空间点A变换模型如公式(4)所示,其中涉及以下空间坐标系:
(1)相机坐标系(c):原点位于传感器的透视中心,x轴指向飞行方向,y轴与传感器推扫前进方向垂直指向右,z轴向下,构成右手旋转坐标系。
(2)IMU坐标系(b):坐标原点在IMU中心,三轴与电子陀螺指向一致,构成右手旋转坐标系。
(3)导航坐标系(g):与参考椭球相切的局部水平坐标系,其y轴垂直于局部子午线向东,x轴与局部子午线相切指向北,z轴垂直向上。
(4)地心地固坐标系(e):固定在参考椭球上的坐标系,其原点在参考椭球的中心,x轴指向赤道与格林尼治子午线的交点,y轴指向赤道与90°子午线的交点,z轴通过北极。
根据上述坐标定义,无人机遥感影像数据直接地理参考模型,如下:
其中,为像空间坐标系到IMU坐标系转换矩阵;/>为IMU坐标系b到导航坐标系g转换;/>为导航坐标系到地心空间直角坐标系转换,g到地心空间直角坐标系E转换,[X,Y,,Z]T为地理参考后的像素坐标,[XS,YS,ZS]T为获取的相机位置参数;[x,y,f]T为原始影像像素在相机坐标系内坐标。
其中,H,P,R分别代表航向、俯仰及横滚角,由飞行控制***输出的姿态角。
L、B分别为纬度、经度坐标,由飞行控制***输出的传感器经纬度位置坐标。代入公式(4),即可以求出影像左上角的地理坐标。
C将所初始定位的无人机遥感影像轮廓图与参考影像进行匹配叠加;
假定待配准影像上特征点到参考影像对应角点距离为Di(i=1,2...n),在理想条件下,所有匹配特征点间的距离近似相等,其距离分布应该满则高斯正态分布。设匹配角点之间距离均值为μ,方差为σ,按照正态分布规律,样本落在区间[μ-σ,μ+σ]、[μ-2σ,μ+2σ]及[μ-3σ,μ+3σ]的概率分别是:68.3%,95.5%及99.7%。在匹配特征点距离超出置信区间的特征予以剔除。
D根据轮廓图和参考影像数据匹配叠加结果,采用整体误差改进和旋转变换补偿进行修正,得到序列影像快速定位图像。
假定无人机影像上第i个特征点,快速定位后地理坐标为(Xi,Yi),与参考影像配准后,获取地理坐标为(X′i,Y′i),则整***置误差改正为:
旋转误差补偿为:
Δx=-w/2×cosθ-h/2×sinθ+w/2
Δy=w/2×sinθ-h/2×cosθ-h/2 (8)
ΔxΔy分别为中心旋转相对于左上角旋转影像数据xy方向上的误差补偿,θ为影像数据的旋转角度,w为原始影像的宽,h为原始影像的高度,平移量与旋转角度及影像的宽度、高度有关。
在本实施例子中,本发明采用深圳飞马智能机器人有限公司的F100固定翼无人机进行影像数据的获取,无人机搭载采用索尼SONY DSC-RX1R II微单相机,相机焦距为20mm,CCD尺寸长为23.5mm,宽为15.6mm,获取影像分辨率为7952×5304;无人机飞控***可以输出经度、维度、高程、俯仰角、横滚角及航偏角等数据,没有进行GPS数据的差分操作。
实验采用C#语言结合GDAL函数,编写了快速定位软件,进行无人机遥感影像数据的快速定位,实验平台为IBM T430计算机,Intel Core i5 2.60GHz CPU,内存大小为4GB。
以四川单凌县获取的无人机遥感影像数据为例,无人机平均飞行高度为250m,共获取1025张影像数据,单张大小约18MB,总数据量约18GB。3分钟内实现全部影像数据的快速定位。
快速定位后,可以根据测区内地物的分布,选择感兴趣的区域,挑选定位后的单幅影像进行制图、灾情汇总、梳理、上报等。也可以在快速定位时,输出单张影像的外方位轮廓影像数据,然后将外方位轮廓与参考影像叠加,以选择感兴趣的遥感影像,进行快速上报、汇总如图2所示。
本发明提出了一种面向地震应急的无人机遥感影像快速地理定位方法,结合无人机飞行过程中获取的位置姿态数据,构建快速定位模型;在快速定位过程中,建立了中心旋转变换到指定角点变换的模型方法;同时考虑到飞行控制***GPS模块定位精度有限,通过特征快速提取与匹配,进行***误差的改进。在本实施例中,在四川单凌县飞行试验进行验证,结果表明本发明算法在数分钟内可以实现单一架次上千张影像数据的快速定位,相对于人工检索减少了大量时间开销,为灾情数据的快速解译及上报提供了重要技术保障,具有重要的推广应用价值。
在本发明所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-onlymemory,ROM)、随机存取存储器(randomaccessmemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种面向地震应急响应的无人机遥感影像快速定位方法,其特征在于,
包括:
A输入无人机高空间分辨率序列影像和位置姿态参数得到影像定位的外方位元素;
B采用世界文件形式进行无人机遥感影像数据快速定位,将序列影像的外方位元素转换为世界文件所需要的位置、转角定义形式,确定影像初始位置;
C将所初始定位的无人机遥感影像轮廓图与参考影像进行匹配叠加;
D根据轮廓图和参考影像数据匹配叠加结果,采用整体误差改进和旋转变换补偿进行修正,得到序列影像快速定位结果;
无人机遥感影像直接定位模型依据相机曝光时刻的位置姿态数据建立,具体如下:
其中,[′,y′]T为原始影像地理定位后具有的空间坐标;[,y]T原始影像像素坐标,为无量纲;λ为缩放系数,其为影像的空间分辨率;θ为无人机飞行过程中的传感器绕主光轴旋转角度;T为平移矩阵,Tx为沿x方向上的平移量,Ty为沿y方向上的平移量;
无人机遥感影像直接定位模型转换为世界文件辅助栅格影像数据快速定位的方法,转换后的栅格影像快速定位模型,具体如下:
其中,[x′,y′]T为地理参考后遥感影像数据地理坐标;[x,y]T为遥感影像原始像素坐标;A为x方向的空间比例尺,B、D为旋转因子;E为y方向的空间比例尺,为负值;C、F分别为影像左上角x、y方向上的空间坐标;对于旋转因子、空间比例尺可以由公式(2)推导获取其具体的表达形式。
2.根据权利要求1所述的面向地震应急响应的无人机遥感影像快速定位方法,其特征在于,影像匹配叠加方法采用高斯概率模型进行误匹配角点剔除;待配准影像上特征点到参考影像对应角点距离为Di(i=1,2...n),在一般情况下,所有匹配特征点间的距离近似相等,其距离分布应该满足高斯正态分布;设匹配角点之间距离均值为μ,方差为σ,按照正态分布规律,样本落在区间[μ-σ,μ+σ]、[μ-2σ,μ+2σ]及[μ-3σ,μ+3σ]的概率分别是:68.3%,95.5%及99.7%;在匹配特征点距离超出置信区间的特征予以剔除。
4.一种无人机遥感影像数据快速定位装置,其特征在于,包括:
位姿参数计算模块,用于将无人机遥感影像直接地理定位模型转换为世界文件辅助无人机遥感影像数快速定位模型,并对模型所需位置、角度参数进行求解;
初始定位模块,用于对影像进行预处理,输入无人机序列高空间分辨率遥感影像进行初始定位,生成无人机外方位轮廓图;
叠加计算模块,用于无人机遥感影像轮廓图和参考影像数据匹配叠加,采用高斯概率模型进行误匹配的剔除;
误差修正模块,用于根据轮廓图和参考影像数据匹配叠加结果,采用整体误差改进和旋转误差补偿模型,得到无人机影像快速定位结果;
无人机遥感影像直接定位模型依据相机曝光时刻的位置姿态数据建立,具体如下:
其中,[′,y′]T为原始影像地理定位后具有的空间坐标;[,y]T原始影像像素坐标,为无量纲;λ为缩放系数,其为影像的空间分辨率;θ为无人机飞行过程中的传感器绕主光轴旋转角度;T为平移矩阵,Tx为沿x方向上的平移量,Ty为沿y方向上的平移量;
无人机遥感影像直接定位模型转换为世界文件辅助栅格影像数据快速定位的方法,转换后的栅格影像快速定位模型,具体如下:
其中,[x′,y′]T为地理参考后遥感影像数据地理坐标;[x,y]T为遥感影像原始像素坐标;A为x方向的空间比例尺,B、D为旋转因子;E为y方向的空间比例尺,为负值;C、F分别为影像左上角x、y方向上的空间坐标;对于旋转因子、空间比例尺可以由公式(2)推导获取其具体的表达形式。
5.一种无人机遥感影像数据快速定位设备,其特征在于,所述无人机遥感影像数据快速地理定位设备包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互联;所述至少一个处理器调用所述存储器中的所述指令,以使得所述无人机遥感影像数据快速地理定位设备执行如权利要求1-3中任意一项所述的方法。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1-3中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011007631.8A CN112132029B (zh) | 2020-09-23 | 2020-09-23 | 一种面向地震应急响应的无人机遥感影像快速定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011007631.8A CN112132029B (zh) | 2020-09-23 | 2020-09-23 | 一种面向地震应急响应的无人机遥感影像快速定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112132029A CN112132029A (zh) | 2020-12-25 |
CN112132029B true CN112132029B (zh) | 2023-07-11 |
Family
ID=73842746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011007631.8A Active CN112132029B (zh) | 2020-09-23 | 2020-09-23 | 一种面向地震应急响应的无人机遥感影像快速定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112132029B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116468598B (zh) * | 2023-03-16 | 2023-11-17 | 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) | 高分航空影像与低分卫星影像匹配方法、设备及存储设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101876701A (zh) * | 2010-07-02 | 2010-11-03 | 中国测绘科学研究院 | 一种侧视雷达遥感影像定位方法 |
CN103927731A (zh) * | 2014-05-05 | 2014-07-16 | 武汉大学 | 无需pos辅助的低空遥感影像快速自动拼接方法 |
CN104484668A (zh) * | 2015-01-19 | 2015-04-01 | 武汉大学 | 一种无人机多重叠遥感影像的建筑物轮廓线提取方法 |
CN108765298A (zh) * | 2018-06-15 | 2018-11-06 | 中国科学院遥感与数字地球研究所 | 基于三维重建的无人机图像拼接方法和*** |
CN109903352A (zh) * | 2018-12-24 | 2019-06-18 | 中国科学院遥感与数字地球研究所 | 一种卫星遥感影像大区域无缝正射影像制作方法 |
CN110310248A (zh) * | 2019-08-27 | 2019-10-08 | 成都数之联科技有限公司 | 一种无人机遥感影像实时拼接方法及*** |
-
2020
- 2020-09-23 CN CN202011007631.8A patent/CN112132029B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101876701A (zh) * | 2010-07-02 | 2010-11-03 | 中国测绘科学研究院 | 一种侧视雷达遥感影像定位方法 |
CN103927731A (zh) * | 2014-05-05 | 2014-07-16 | 武汉大学 | 无需pos辅助的低空遥感影像快速自动拼接方法 |
CN104484668A (zh) * | 2015-01-19 | 2015-04-01 | 武汉大学 | 一种无人机多重叠遥感影像的建筑物轮廓线提取方法 |
CN108765298A (zh) * | 2018-06-15 | 2018-11-06 | 中国科学院遥感与数字地球研究所 | 基于三维重建的无人机图像拼接方法和*** |
CN109903352A (zh) * | 2018-12-24 | 2019-06-18 | 中国科学院遥感与数字地球研究所 | 一种卫星遥感影像大区域无缝正射影像制作方法 |
CN110310248A (zh) * | 2019-08-27 | 2019-10-08 | 成都数之联科技有限公司 | 一种无人机遥感影像实时拼接方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN112132029A (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fernández‐Hernandez et al. | Image‐based modelling from unmanned aerial vehicle (UAV) photogrammetry: an effective, low‐cost tool for archaeological applications | |
US7415356B1 (en) | Techniques for accurately synchronizing portions of an aerial image with composited visual information | |
JP5134784B2 (ja) | 空中写真測量方法 | |
CN101545776B (zh) | 基于数字地图的数码像片方位元素获取方法 | |
CN111829532B (zh) | 一种飞行器重定位***和重定位方法 | |
CN115187798A (zh) | 一种多无人机高精度匹配定位方法 | |
CN113989450A (zh) | 图像处理方法、装置、电子设备和介质 | |
EP4104143A1 (en) | Collaborative 3d mapping and surface registration | |
CN107330927B (zh) | 机载可见光图像定位方法 | |
CN110706273B (zh) | 一种基于无人机的实时塌方区域面积的测量方法 | |
CN109325913A (zh) | 无人机图像拼接方法及装置 | |
CN115451964A (zh) | 基于多模态混合特征的船舶场景同时建图与定位方法 | |
CN112132029B (zh) | 一种面向地震应急响应的无人机遥感影像快速定位方法 | |
CN108801225A (zh) | 一种无人机倾斜影像定位方法、***、介质及设备 | |
CN116129064A (zh) | 电子地图生成方法、装置、设备及存储介质 | |
Pargieła et al. | Determining optimal photogrammetric adjustment of images obtained from a fixed‐wing UAV | |
Kim et al. | Analysis of applicability of orthophoto using 3D mesh on aerial image with large file size | |
CN110411449B (zh) | 一种航空侦察载荷目标定位方法、***及终端设备 | |
CN113496503B (zh) | 点云数据的生成及实时显示方法、装置、设备及介质 | |
CN117156282A (zh) | 一种基于无人机航摄相片投影的全景图像生成方法及*** | |
Barazzetti et al. | Automatic processing of many images for 2D/3D modelling | |
CN112985398A (zh) | 目标定位方法及*** | |
CN107784666B (zh) | 基于立体影像的地形地物三维变化检测和更新方法 | |
CN110503604A (zh) | 一种基于高精度pos的航空面阵影像实时正射拼接方法 | |
Wang et al. | A rapid UAV image georeference algorithm developed for emergency response |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |