无人机机载成像高光谱几何校正方法与流程

技术特征：

1.一种无人机机载成像高光谱几何校正方法，其特征在于：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。

2.根据权利要求1所述无人机机载成像高光谱几何校正方法，其特征在于：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：

$R=R_B^L(\mathrm{\Φ},\mathrm{\Ω},\mathrm{\Ψ})R_P^B(ex,ey,ez)---\left(1\right)$

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：

$\begin{array}{c}{R}_B^L(\mathrm{\Φ},\mathrm{\Ω},\mathrm{\Ψ})=R_{\mathrm{\Φ}}{R}_{\mathrm{\Ω}}{R}_{\mathrm{\Ψ}}\\ =\left[\begin{array}{ccc}\cos \mathrm{\Φ}& 0& -\sin \mathrm{\Φ}\\ 0& 1& 0\\ \sin \mathrm{\Φ}& 0& \cos \mathrm{\Φ}\end{array}\right]\left[\begin{array}{ccc}1& 0& 0\\ 0& \cos \mathrm{\Ω}& -\sin \mathrm{\Ω}\\ 0& \sin \mathrm{\Ω}& \cos \mathrm{\Ω}\end{array}\right]\left[\begin{array}{ccc}\cos \mathrm{\Ψ}& -\sin \mathrm{\Ψ}& 0\\ \sin \mathrm{\Ψ}& \cos \mathrm{\Ψ}& 0\\ 0& 0& 1\end{array}\right]\end{array}---\left(2\right)$

为像空间到IMU坐标的变换矩阵，有：

$\begin{array}{c}{R}_P^B(ex,ey,ez)=R_{ex}{R}_{ey}{R}_{ez}\\ =\left[\begin{array}{ccc}\cos ex& 0& -\sin ex\\ 0& 1& 0\\ 1& 0& \cos ex\end{array}\right]\left[\begin{array}{ccc}1& 0& 0\\ 0& \cos ey& -\sin ey\\ 0& \sin ey& \cos ey\end{array}\right]\left[\begin{array}{ccc}\cos ez& -\sin ez& 0\\ \sin ez& \cos ez& 0\\ 0& 0& 1\end{array}\right]\end{array}---\left(3\right)$

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：

3.根据权利要求1或2所述无人机机载成像高光谱几何校正方法，其特征在于：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，

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；

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；

步骤三三、计算翻滚角Ω的所有极值点所在的行X_o，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X_o，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。

4.根据权利要求3所述无人机机载成像高光谱几何校正方法，其特征在于：步骤三一所述的对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，并与起始GPS信息数据做差分。

5.根据权利要求3或4所述无人机机载成像高光谱几何校正方法，其特征在于：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。

6.根据权利要求5所述无人机机载成像高光谱几何校正方法，其特征在于：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：

$\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]=R\left[\begin{array}{c}x\\ y\\ -f\end{array}\right]---\left(6\right)$

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(X_A，Y_A，Z_A)，投影中心为S，S坐标为(X_S，Y_S，Z_S)：

$\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]=\frac{1}{\mathrm{\λ}}\left[\begin{array}{c}{X}_A-X_S\\ Y_A-Y_S\\ Z_A-Z_S\end{array}\right]---\left(7\right)$

最终解算出投影变换关系，有：

$\left\{\begin{array}{c}X=\left(\right(Z-Zs)\×\frac{a_1\×x+a_2\×y-a_3\×f}{c_1\×x+c_2\×y-c_3\×f}))+Xs\\ Y=\left(\right(Z-Zs)\×\frac{a_1\×x+a_2\×y-a_3\×f}{c_1\×x+c_2\×y-c_3\×f}))+Ys\end{array}\right.---\left(8\right)$

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(X_S，Y_S，Z_S)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，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。

7.根据权利要求1、2、4或6所述无人机机载成像高光谱几何校正方法，其特征在于：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：

$\left\{\begin{array}{c}u=\underset{j=0}{\overset{m}{\Σ}}\underset{k=0}{\overset{m-j}{\Σ}}{a}_{jk}{x}^j{y}^k\\ v=\underset{j=0}{\overset{m}{\Σ}}\underset{k=0}{\overset{m-j}{\Σ}}{b}_{jk}{x}^j{y}^k\end{array}\right.---\left(9\right)$

已知参考点在高光谱图像上的坐标与投影坐标系上的坐标，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：

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。