无人机机载成像高光谱几何校正方法与流程

文档序号:11865852
无人机机载成像高光谱几何校正方法与流程
本发明涉及一种本发明涉及图像处理技术领域,尤其涉及一种无人机机载成像高光谱几何校正方法。

背景技术:
近年来,成像高光谱的空间分辨率与光谱分辨率越来越高,在农业自动化,城市规划等各个领域起到了很大的作用,具有巨大的发展潜力。当前高光谱图像的采集主要依靠卫星进行采集,具有卫星平台轨道相对固定,只能获取固定时间的图像,不能实时实地的进行信息采集,受天气影响较大等缺点,难以满足现在工农业对高光谱图像时间分辨率上的要求。无人机具有实时性高,可适应各种环境,价格相对便宜等优点。随着无人机技术的发展,小型无人机机载高光谱在农业低空遥感及城市规划上具有重要的研究和应用价值。无人机的载荷较低,平台稳定性较差,容易受气流,风速的影响,而大多数成像高光谱采用推扫的方式,使得高光谱成像受平台姿态影响,几何畸变较大。后续的几何校正需要高精度的POS数据来进行,但由于无人机载荷较低,无法携带高精度的POS设备及其它设备。给无人机高光谱成像实际应用造成了很大困难。目前使用的无人机几何校正方法一般单纯采用地面控制点进行多项式校正,但这种方法对POS精度要求较高,且精度受控制点影响较大。还有人使用框架摄像机与高光谱图像进行匹配校正,然而受无人机载重影响,携带框架摄像机无疑增加了成本,在应用上有一定限制。现有低成本小型无人机只负载有低精度的POS位置传感器以及推扫式高光谱成像仪,由于风力影响,只根据POS数据校正获得的图像与实际偏离过大,景物点,线,面畸变仍旧较大,且难以通过多项式校正进行几何精校正,不能满足实际使用要求。

技术实现要素:
本发明的目的是为了解决目前根据POS数据校正获得的图像与实际偏离过大,景物点,线,面畸变较大,且难以通过多项式校正进行几何精校正,不能满足实际使用要求,而提出一种无人机机载成像高光谱几何校正方法。一种无人机机载成像高光谱几何校正方法,所述方法通过以下步骤实现:步骤一、获得无人机低精度POS传感器的POS数据:俯仰角Φ、翻滚角Ω、方位角Ψ,航高h,同时获取无人机GPS信息;步骤二、校正视准轴偏差产生的POS数据的误差;步骤三、根据地物特征对POS数据及高光谱图像进行预处理;步骤四、建立地面坐标系,根据校正后的POS数据进行共线方程几何校正;步骤五、地面参考点校正。本发明的有益效果为:本发明针对已有系统的校正方法,采集当前无人机低精度POS传感器的位置姿态信息校正视准轴误差;根据地物特征的角点、轮廓信息对POS数据进行预处理,获得对应的外方位元素;共线方程校正;通过地面校正点进行多项式校正。对POS数据进行预处理过程中,是以实际景物特征为出发点,结合POS数据,对现有在无人机平台下,只携带低精度POS成像高光谱仪设备下采集到的图像进行几何校正。采用本发明公开的一种无人机载成像高光谱几何校正的方法,利用地物特征信息对POS信息进行预处理,提高了POS信息精度,对无人机低精度POS数据进行优化,实现成像高光谱仪逐扫描线几何精确校正,为无人机成像高光谱广泛应用提供了技术支撑。附图说明图1为本发明的方法流程图;图2为本发明涉及的POS数据预处理过程;图3为本发明的畸变与角点关系示意图;图中的“X”表示角点。具体实施方式具体实施方式一:本实施方式的无人机机载成像高光谱几何校正方法,结合图1所示,所述方法通过以下步骤实现:步骤一、获得无人机低精度POS传感器的POS数据:俯仰角Φ、翻滚角Ω、方位角Ψ,航高h,同时获取无人机GPS信息;步骤二、校正视准轴偏差产生的POS数据的误差;步骤三、根据地物特征对POS数据及高光谱图像进行预处理;步骤四、建立地面坐标系,根据校正后的POS数据进行共线方程几何校正;步骤五、地面参考点校正。具体实施方式二:与具体实施方式一不同的是,本实施方式的无人机机载成像高光谱几何校正方法,步骤二所述的校正视准轴偏差产生的POS数据误差的过程为,步骤二一、利用标准校验场获得标准参照物的准确位置信息;步骤二二、设视准轴偏差为(ex,ey,ez),POS数据为(Φ,Ω,Ψ),则影像姿态角构成的正交变换矩阵R表示为:其中,ex为X方向上的旋转误差,ey为Y方向上的旋转误差,ez为Z方向上的旋转误差;为IMU坐标系到物方坐标系的变换矩阵,有:为像空间到IMU坐标的变换矩阵,有:步骤二三、设高光谱图像拍摄时实际的俯仰角翻滚角ω,方位角κ,则正交变换矩阵R仍表示为:结合以上方程,可以解算出:具体实施方式三:与具体实施方式一或二不同的是,本实施方式的无人机机载成像高光谱几何校正方法,步骤三所述的根据地物特征对POS数据及高光谱图像进行预处理的过程为,由于POS姿态数据精度很低,造成地物畸变较大,直接校正后,地物畸变难以恢复,故对POS姿态数据做以下处理,见图2:步骤三一、对POS数据进行卡尔曼滤波,并对GPS信息进行差分修正;再根据经纬度信息计算出扫描中心相对起始扫描中心偏移的横坐标和纵坐标的距离,将单位换算成米;.步骤三二、通过高光谱图像本身的景物特征,获取高光谱图像角点信息;获得的角点包括景物自身的拐角以及交叉点、几何畸变造成的角点以及噪声造成的角点;且几何畸变造成的角点与其它两种角点的最大区别在于,几何畸变造成的角点在同一个扫描行内有多个相似的形状;景物自身的拐角交叉点不在同一扫描行;噪声造成的角点是孤立存在的;步骤三三、对于推扫高光谱成像仪而言,几何畸变产生原因是风力的变化影响翻滚角Ω,以扫描行坐标作为横坐标、翻滚角Ω作为纵坐标形成的曲线的极值点处,见图3;计算翻滚角Ω的所有极值点所在的行Xo,并记录,对行高光谱图像做分割以获得地物轮廓信息;步骤三四、将获得的角点与地物轮廓做匹配,检查角点是否与获得的地物轮廓重叠;若角点与获得的地物轮廓重叠,则认为该角点为地物拐点或由于风力影响造成的畸变点,再对这些角点做判断,若角点所在行属于Xo,则判定该角点为畸变点;若角点不与获得的地物轮廓重叠,则将不重叠的角点标志为基准点;步骤三五、对地物轮廓进行规则化校正,计算角点与规则化的地物轮廓偏差,进一步更新经卡尔曼滤波后的POS数据,则获得校正后的POS数据为(Φ′,Ω′,Ψ,h,Ox,Oy);其中,Ox表示当前扫描行扫描中心相比起始行扫描中心偏移的横向GPS信息,Oy表示当前扫描行扫描中心相比起始行扫描中心偏移的纵向GPS信息。具体实施方式四:与具体实施方式三不同的是,本实施方式的无人机机载成像高光谱几何校正方法,步骤三一所述的对原始GPS信息数据进行差分修正的过程为,对GPS信息数据进行插值处理,使之与其他数据匹配,并与起始GPS信息数据做差分。具体实施方式五:与具体实施方式三或四不同的是,本实施方式的无人机机载成像高光谱几何校正方法,步骤三四所述的对地物轮廓进行规则化校正,计算角点与规则化的地物轮廓偏差,进一步更新经卡尔曼滤波后的POS数据,则获得校正后的POS数据为(Φ′,Ω′,Ψ,h,Ox,Oy)的过程为,对于与获得的地物轮廓重叠的角点,去除轮廓上属于几何畸变造成的角点,将保留下的角点作为轮廓线端点,对保留下的角点在邻近行之间做插值点,使插值点与保留下的角点成直线排列,获取一个新的轮廓图,并与原始轮廓做对比,将算出轮廓像素偏差保存在一个与高光谱图像行数相同的行向量G=(g1,g2,g3…)中,对经卡尔曼滤波后的POS数据中的翻滚角Ω进行进一步校正,获得Ω′=Ω+G/h。具体实施方式六:与具体实施方式五不同的是,本实施方式的无人机机载成像高光谱几何校正方法,步骤四所述建立地面坐标系,根据校正后的POS数据进行共线方程几何校正的过程为,步骤四一、建立空间辅助坐标系(X,Y,Z),建立从像空间坐标系转换到辅助坐标系(x,y,-f)的变换关系:步骤四二、建立辅助坐标系(x,y,-f)到地面摄影坐标系上之间的关系,地面上点A坐标为(XA,YA,ZA),投影中心为S,S坐标为(XS,YS,ZS):最终解算出投影变换关系,有:步骤四三、根据相机参数获得内方位参数,根据校正过的POS数据获得外方位参数,以及GPS信息偏差,从而可以解算出(XS,YS,ZS)以及正交变换矩阵R,从而利用公式(8)解算出空间坐标;步骤四四、逐行计算每点对应的物理坐标,由于计算出的点分布并不均匀,则在每次计算出相邻两行的物理坐标后,根据两行对应相同X坐标的点构建四边形,做双线性插值,获得校正图像。具体实施方式七:与具体实施方式一、二、四或六不同的是,本实施方式的无人机机载成像高光谱几何校正方法,步骤五所述地面参考点校正的过程为,根据实际参考点,建立校正多项式,并根据最小二乘法求出多项式参数,对高光谱图像进行逐行、逐像素校正,获得最终图像,具体为:步骤五一、建立投影坐标系;步骤五二、利用已知地面控制点求解多项式系数:设高光谱图像上点的坐标为(u,v),投影坐标系上对应点的坐标为(x,y),则二者的关系用如下多项式表达:在高光谱图像上与投影坐标系上参考点的坐标为已知,通过最小二乘法拟合出多项式系数;m表示多项式的次数;j表示x的次数,k表示y的次数;步骤五三、遥感图像的纠正变换(几何纠正);通过公式(9)计算投影坐标系上每点对应高光谱图像上点的坐标,对于对应的(u,v)不为整数点,则做二次线性插值,获得(u,v)点的灰度值,并以该灰度值作为投影坐标系上对应点的灰度值,完成校正。实施例1:A.数据导入(A1)读取成像光谱仪获得的IMG格式光谱数据;(A2)读取POS格式文件中的俯仰角Φ、翻滚角Ω、方位角Ψ,航高h,GPS,航速,速度,速度方向等参数;B.校正视准轴误差(B1)在训练场试飞,并通过实际地物信息与获取数据,以及公式(1)-(5)计算获得视准轴误差(ex,ey,ez);(B2)通过公式(1)-(5),以及(ex,ey,ez)对POS数据中的俯仰角Φ、翻滚角Ω、方位角Ψ进行校正,获得新的((Φ′,Ψ′,Ω′))。CPOS数据预处理(C1)对GPS数据进行插值,使之与其它数据匹配,并与起始GPS数据做差分,结果单位转换为m;(C2)对俯仰角Φ′、翻滚角Ω′、方位角Ψ′,航高h等数据进行卡尔曼滤波;获得新的数据(Φ″,Ψ″,Ω″,h)。(C3)使用SIFT算子计算高光谱图像的角点信息,并保存在一个矩阵V中,V的行数为高光谱图像的行数,列数为高光谱图像的列数,维数等于光谱维。当与之对应的元素为角点是,设置为1,否则为0;(C4)使用横向Sober算子求高光谱图像每个波段的轮廓,并保存在一个与原有高光谱图像相同大小的图像中;(C5)对Ω″求差分,设置一个阈值,当差分值小于阈值时,则判定该行为极值点,记录在一个行向量O中;(C6)对高光谱图像波段轮廓进行叠加判断,获取比较清晰的轮廓;(C7)对高光谱图像中的角点进行滤除,若同一位置的角点存在于多个波段中,则保留,反之去除;(C8)判断保留的角点是否与轮廓重叠,重叠保留,反之,去除;(C9)去除轮廓上属于行向量O元素对应行的角点;(C10)将保留下的角点作为轮廓线端点,对保留下角点邻近行之间做插值点,使之与保留下的角点成直线排列,获取一个新的轮廓图,并与之前轮廓做对比,算出轮廓像素偏差,保存在一个与高光谱图像行数相同的行向量G=(g1,g2,g3…),可近似对Ω″进行进一步校正,获得Ω″′=Ω″+G/h。D.共线方程校正将(Φ″,Ψ″,Ω″)作为外方位参素,根据内方位参数以及(XS,YS,ZS),R以及公式(8)做投影校正,由于投影像素分布不均匀,故根据相邻两行的投影结果,对中间元素做插值,获得校正图像。E.多项式校正在有地面参考点的情况下,建立校正多项式,并根据最小二乘法求出多项式参数。对高光谱图像进行逐行,逐像素校正,获得最终图像。本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。...
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1