重疊度對無人機圖像拼接效率的影響

韓峰+劉昭+劉偉+張?zhí)煲?陳洪

摘要：為分析重疊度對無人機圖像拼接效率的影響，提高無人機平臺獲取數(shù)據(jù)的時效性，更好地為災(zāi)害損失調(diào)查和救災(zāi)應(yīng)急現(xiàn)場等服務(wù)，設(shè)計重疊度對無人機圖像拼接效率影響程度的試驗。該試驗以單旋翼無人機Scout B1-100搭載多通道光譜成像系統(tǒng)Micro MCA12Snap為數(shù)據(jù)獲取平臺，以PixelWrench2為多光譜圖像的多波段選配合成工具，以Pix4D Mapper為數(shù)據(jù)處理和分析平臺，對23種重疊度的圖像數(shù)據(jù)進行拼接試驗分析。結(jié)果表明，在軟硬件支持的基礎(chǔ)上低重疊度圖像的獲取和處理可以提高無人機圖像拼接效率，提升數(shù)據(jù)獲取時效性。

關(guān)鍵詞：無人機圖像；重疊度分析；拼接效率；災(zāi)害損失；救災(zāi)應(yīng)急

中圖分類號： TP75文獻標(biāo)志碼： A文章編號：1002-1302（2017）12-0182-06

收稿日期：2016-12-10

無人機遙感圖像具有實時、靈活、低成本、高分辨率等特征[1-3]，可以極低的風(fēng)險在危險的環(huán)境中收集信息，是獲取空間數(shù)據(jù)[4]的重要手段。因此，非常適合所有類型災(zāi)害的應(yīng)急監(jiān)測和重建[5]，特別是在現(xiàn)場應(yīng)急響應(yīng)的使用中，可以極大地提高數(shù)據(jù)收集及數(shù)據(jù)傳輸能力。

傳統(tǒng)航空攝影技術(shù)規(guī)范中航向重疊度（53%～65%）和旁向重疊度（15%～40%）要求較高[6]，數(shù)據(jù)采集處理的時效性較低，在應(yīng)急救援和災(zāi)害損失調(diào)查等時效性要求較高的特殊領(lǐng)域，低重疊度（15%～30%）的數(shù)據(jù)采集方式和處理方法越來越受到重視。在數(shù)據(jù)采集方面，全球鷹無人機（GH-UAV）和DH-110吊艙偵察系統(tǒng)上搭載的新型傳感器已經(jīng)可通過低重疊（15%～30%）方式采集數(shù)據(jù)[7-8]。在圖像數(shù)據(jù)處理方面，何永潔等采用ASIFT圖像匹配算法進行特征點檢側(cè)與匹配，在圖像重疊度很低的情況下，取得了良好的拼接結(jié)果[9]；宋耀鑫等提出基于ASIFT算法的低重疊圖像配準(zhǔn)方法，并對序列圖像做光束法平差處理，得到最優(yōu)變換矩陣后，結(jié)合多分辮率樣條融合算法進行全景圖像輸出[10]，該方法可以獲取足夠數(shù)量穩(wěn)定的匹配點對，較好地約束序列圖像之間的幾何關(guān)系，得到的拼接圖像無縫清晰，適用于低重疊度無人機圖像的快速拼接。

但是，目前為止，針對重疊度對無人機圖像拼接效率的影響分析研究還很少，在災(zāi)害調(diào)查和救災(zāi)應(yīng)急等特殊應(yīng)用中，用戶在選擇無人機圖像作為數(shù)據(jù)獲取手段時難以得到有效的參考。本研究通過對多種不同重疊度的圖像進行拼接試驗，并對拼接效率、拼接結(jié)果進行對比分析，以期為使用無人機圖像作為數(shù)據(jù)獲取手段的用戶提供有效參考和指導(dǎo)。

1重疊度分析試驗的原理和方法

1.1試驗原理

如圖1、圖2所示，Ix和Iy表示圖像大小，F(xiàn)ox和Foy表示航向重疊區(qū)域大小，Sox和Soy表示旁向重疊區(qū)域大小。根據(jù)飛行條件和航線彎曲度，重疊度的計算用式（1）、式（2）、式（3）、式（4）進行。當(dāng)飛行條件較好、航線彎曲度≤3%時，重疊度計算采用式（1）、式（3），飛行條件差、航線彎曲度大于3%時，采用式（2）、式（4）計算重疊度。

FO=FoxIx×100%；（1）

FO=Fox×FoyIx×Iy×100%；（2）

SO=SoyIy×100%；（3）

SO=Sox×SoyIx×Iy×100%。（4）

1.2試驗工具

本試驗使用PixelWrench2進行多光譜圖像的多波段選配合成處理，再利用Pix4Dmapper進行圖像的拼接，然后通過Pix4Dmapper的質(zhì)量報告數(shù)據(jù)對比分析不同重疊度圖像的拼接效率和效果。

1.3試驗方法

為充分體現(xiàn)重疊度對無人機圖像拼接效率的影響程度，本試驗對拍攝區(qū)域采用不同重疊度進行多次圖像拍攝，然后對不同重疊度的圖像進行拼接處理，再對拼接效率及結(jié)果進行分析對比。

2數(shù)據(jù)獲取及處理

2.1無人機平臺

試驗無人機平臺為大型多用途單旋翼無人機Scout B1-100，主要技術(shù)指標(biāo)如表1所示。

主要參數(shù)數(shù)值長度（m）3.3高度（m）1.3寬度（m）0.6主旋翼直徑（m）3.3尾槳直徑（m）0.67空質(zhì)量（不含燃油）（kg）45 有效載荷（kg）18 燃料箱容量（L）10續(xù)航時間（min）90

2.2多光譜傳感器

本試驗采用美國Tetracam公司生產(chǎn)的Micro MCA12Snap相機為機載多通道光譜成像系統(tǒng)，該系統(tǒng)每個波段配備 1.3 M 像素CMOS傳感器（6.18 mm×4.95 mm），圖像分辨率為 1 280像素×1 024像素，外部可連接視頻輸出設(shè)備及GPS接收機，具有質(zhì)量輕、體積小及遠程觸發(fā)的特點，適合各種中小型無人機搭載使用，可進行12波段選配圖像數(shù)據(jù)獲取。

2.3數(shù)據(jù)處理

本研究數(shù)據(jù)拍攝區(qū)域為新疆瑪納斯縣某區(qū)域（圖3），獲取數(shù)據(jù)并導(dǎo)出后首先使用PixelWrench2進行多光譜圖像的多波段選配合成，再使用Pix4D Mapper進行自動空三加密（圖4），然后通過相應(yīng)的地面控制點數(shù)據(jù)對圖像校正并最終輸出為數(shù)字正射圖像（digital orthophoto map，DOM），再對得到的圖像進行幾何校正，最后進行無人機圖像拼接處理并得到相應(yīng)的質(zhì)量報告數(shù)據(jù)。

數(shù)據(jù)處理筆記本計算機（PC）的配置：Windows 10 Pro、64-bit； CPU為Intel CoreTM i3-3240T 2.90 GHz； RAM為

3.1航向方向單航帶分析

航向方向的單航帶數(shù)據(jù)分析選用的是第4條航帶數(shù)據(jù)，試驗主要分析6種不同重疊度下的重疊圖像數(shù)（圖5）和不同重疊度圖像中的平均關(guān)鍵點個數(shù)、平均匹配點個數(shù)、處理時間（圖6、圖7、圖9）。

由圖5可知，航向重疊度為80%的航帶數(shù)據(jù)由于受到風(fēng)力影響，存在一定的航帶彎曲度，航帶上的圖像重疊數(shù)也受到endprint

了一定的影響。其余30%～70%航向重疊度的航帶數(shù)據(jù)受風(fēng)力影響較小，航帶彎曲度小，可以觀察到圖像重疊數(shù)受航向

重疊度影響較大，但仍然可以正常完成航帶系列圖像拼接。不同重疊度下的圖像平均關(guān)鍵點個數(shù)相差不大（平均不超過10%），最大值為20 550個，最小值為18 627個，最大差值為 1 923 個（圖6）。

由圖7、圖8、表4可知，不同于平均關(guān)鍵點個數(shù)的相差不大，隨著重疊度的下降平均匹配點個數(shù)下跌趨勢明顯，最大差值達到6 240個（80%和30%的差值）。但平均匹配點個數(shù)并非線性下跌，下跌走向為開口向下的拋物線，當(dāng)航向重疊度從70%降為60%時，下跌最為明顯，下跌數(shù)為2 109個，重疊度為40%和30%時差值最小，下跌數(shù)為450個。

3.2航向方向雙數(shù)據(jù)帶分析

航向方向的雙航帶數(shù)據(jù)分析選用的是第4、第5航帶數(shù)據(jù)，試驗主要分析3種不同航向重疊度下的5種旁向重疊度的重疊圖像數(shù)、平均匹配點個數(shù)、處理時間（圖10至圖18）。

由圖10可知，當(dāng)航向重疊度為80%，旁向重疊度從60%變化到20%時，圖像重疊數(shù)有明顯變化，但并不影響雙航帶系列圖像的拼接。和圖5的單航帶圖像重疊數(shù)據(jù)對比可以發(fā)現(xiàn)，旁向重疊度對圖像重疊數(shù)的影響要遠小于航向重疊度對圖像重疊數(shù)的影響。

由圖11可知，當(dāng)航向重疊度固定為80%，旁向重疊度從60%至20%變化時，圖像間的平均匹配點個數(shù)有明顯下降，最大差值為2 181個。但從圖像拼接結(jié)果和數(shù)字表面模型（digital surface model，DSM）來觀察對結(jié)果并無明顯影響。其中，當(dāng)旁向重疊度從50%降為40%時，平均匹配點個數(shù)幾乎無變化，旁向重疊度從30%降為20%時，平均匹配點個數(shù)的變化較小。

由圖13可知，當(dāng)航向重疊度為60%，旁向重疊度從60%至20%變化時，圖像重疊數(shù)無明顯變化。通過和圖10航向為80%的圖像重疊數(shù)對比可以看出，航向重疊度從80%降為60%時，在低旁向重疊度的情況下，圖像重疊數(shù)據(jù)更好，如圖10旁向重疊度20%的圖像重疊數(shù)與圖13旁向重疊度20%圖像重疊數(shù)的對比。

由圖14可知，圖像間的平均匹配點個數(shù)呈下降趨勢，但下降并不明顯，最大差值僅為390個。特別當(dāng)旁向重疊度從30%降為20%時，平均匹配點個數(shù)只是從6 930個變化為 6 918個，差值僅為12個，幾乎無變化。

當(dāng)航向重疊度為60%，旁向重疊度從60%至20%變化時，處理時間呈現(xiàn)明顯的上升趨勢，圖像拼接效率隨旁向重疊度的降低并未提升（圖15）。

由圖16可知，當(dāng)航向重疊度為30%，旁向重疊度從60%變化至20%時，圖像重疊數(shù)無明顯變化。通過和圖10、圖13的圖像重疊數(shù)對比可以看出，航向重疊度從80%降為60%再至30%時，在低旁向重疊度的情況下，圖像重疊數(shù)對圖像的拼接并無明顯影響。

當(dāng)航向重疊度為30%、旁向重疊度由60%降至20%時，平均匹配點個數(shù)下降并不明顯，從7 055個下降為6 607個，差值為448個，當(dāng)旁向重疊度從30%降為20%時，平均匹配點數(shù)只是從 6 623個 變化為6 607個，差值僅為16個，對圖像拼接效果的影響幾乎可以忽略不計（圖17）。

當(dāng)航向重疊度、旁向重疊均為30%時，處理用時最少，為254 s。對比圖12和圖15的處理時間，可以看出低航向重疊度下處理數(shù)據(jù)的時效性提高明顯（圖18）。

3.3航向旁向數(shù)據(jù)綜合分析

綜合數(shù)據(jù)分析選用的是第2、3、4、5航帶數(shù)據(jù)，試驗主要分析航向重疊度80%、旁向重疊度60%和航向重疊度30%、旁向重疊度20%下的重疊圖像數(shù)、平均匹配點個數(shù)、處理時間（圖19、圖20、表5）。

航向80%、旁向60%的高重疊度和航向30%、旁向20%的較低重疊度下的圖像重疊數(shù)并無肉眼能夠觀察到的明顯變化，圖像拼接結(jié)果地物均清晰可辨，DSM數(shù)據(jù)清晰度雖有些差別，但對可利用數(shù)據(jù)的影響不大（圖19、圖20）。

低重疊度情況下的平均關(guān)鍵點個數(shù)和平均匹配點個數(shù)均低于高重疊度情況下的數(shù)據(jù)，但從處理數(shù)據(jù)所需的時間來看，

低重疊度情況下時間效率明顯高于高重疊度情況。再加上數(shù)據(jù)獲取時的時間差別，可以說低重疊度下的數(shù)據(jù)獲取和處理的時效性要明顯高于高重疊度情況（表5）。

4結(jié)論

經(jīng)過詳細數(shù)據(jù)分析可知，航向重疊度并非越高越好，在30%的航向重疊度下，圖像間的平均匹配點數(shù)也能維持在一個較高的水平，不會對系列圖像的拼接造成較大影響。在航向重疊度固定的情況下，旁向重疊度的變化對圖像間的平均匹配點數(shù)雖有影響，但不會對系列圖像的拼接造成較大影響；當(dāng)航向重疊度固定時，單純的增加或者降低旁向重疊度，反而會對數(shù)據(jù)獲取時效性和數(shù)據(jù)處理效率造成較大影響。在算法和軟件的支持下，航向30%左右的低重疊度無人機圖像拼接完全可以得到適合用于所有類型應(yīng)急的大面積圖像數(shù)據(jù)和DSM數(shù)據(jù)。特別是在現(xiàn)場應(yīng)急響應(yīng)的使用中，當(dāng)采用低重疊度的拍攝方法和拼接方法時，可極大地提高應(yīng)急響應(yīng)時間。

參考文獻：

[1]趙慶展，劉偉，尹小君，等. 基于無人機多光譜影像特征的最佳波段組合研究[J]. 農(nóng)業(yè)機械學(xué)報，2016，47（3）：242-248.

[2]Matese A，Toscano P，di Gennaro S F，et al. Intercomparison of UAV，aircraft and satellite remote sensing platforms for precision viticulture[J]. Remote Sensing，2015，7（3）：2971-2990.

[3]Bhardwaj A，Sam L，Akanksha，et al. UAVs as remote sensing platform in glaciology：present applications and future prospects[J]. Remote Sensing of Environment，2016，175：196-204.

[4]王輝，劉海隆，包安明，等. 基于遙感和GIS改進SRM融雪徑流的模擬及分析[J]. 石河子大學(xué)學(xué)報（自然科學(xué)版），2015（3）：357-361.

[5]李云，徐偉，吳瑋. 災(zāi)害監(jiān)測無人機技術(shù)應(yīng)用與研究[J]. 災(zāi)害學(xué)，2011，26（1）：138-143.

[6]王佩軍，徐亞明. 攝影測量學(xué)[M]. 3版. 武漢：武漢大學(xué)出版社，2016.

[7]Theirs H J. Rigorous image formation from airborne and space borne digital array scanners[C]//International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences，2012：159-165.

[8]Riehl J K. RAPTOR（DB-110） reconnaissance system：in operation[C]// International Symposium on Optical Science and Technology. International Society for Optics and Photonics，2002：1-12.

[9]何永潔，陳孝威. 基于ASIFT的低重疊度圖像拼接研究[J]. 計算機工程與設(shè)計，2013，34（2）：561-565.

[10]宋耀鑫，張丹丹，唐伶俐，等. 基于ASIFT算法的低重疊度無人機影像拼接方法[J]. 遙感技術(shù)與應(yīng)用，2015，30（4）：725-730.薛文龍，蘇萬益. 基于用戶搜索數(shù)據(jù)的農(nóng)業(yè)安全預(yù)警[J]. 江蘇農(nóng)業(yè)科學(xué)，2017，45（12）：188-191.endprint