无人驾驶飞机航空遥感影像匹配及外方位元素解算方法研究

论文摘要

无人机作为航空遥感平台发展潜力巨大,已有的卫星遥感和有人机航空遥感技术虽均有获取大面积宏观地理信息的特点,但对于分辨率要求高、更新时间要求快的遥感技术应用却难以保障。将无人机作为航空摄影和对地观测的遥感平台为这种应急需求提供了一种新的技术途径。因此,作为获取高分辨率地面遥感影像的重要方式,无人机航空遥感在摄影测量与遥感应用领域中发挥越来越重要的作用。正是无人机航空遥感系统具备了诸多卫星遥感与有人机遥感所不具备的优势,所以必将成为遥感应用领域中的重要数据来源,而无人机航空遥感系统虽然有它的优点,但作为一种新型的对地观测平台也带来了新的问题。针对这些问题,本文主要完成了两方面的工作。1、实现了基于SIFT算子的无人机航空遥感影像的高精度匹配。当无人机低空飞行获取高分辨率遥感影像时,由于不同摄站点拍摄角度不同,使得建筑物等凸出地面的物体在立体像对上成像时产生投影差,导致物体成像几何形状发生畸变并且出现地面高层建筑物之间遮挡现象严重的问题,从而导致匹配的困难,成为影响无人机航空遥感影像匹配质量的主要因素。本文采用对旋转、遮挡、缩放、图像局部灰度变化等都具有较强的稳定性的SIFT算子来进行匹配,并取得了很好的效果。2、建立了无人机机载姿态数据误差校正模型。无人机飞行时关于姿态信息的所有数据都可以由GPS/INS测得,但是由于多种系统误差和偶然误差的影响,直接将飞行控制数据作为影像外方位元素对所获得的遥感影像进行正射校正处理,将会产生较大误差。本文对无人机机载GPS/INS上获取的姿态信息进行了误差分析,建立了相应的误差检校模型,并利用无人机航摄影像资料验证了该模型的有效性和可行性,从而保证无人机航空遥感影像在无控制点的情况下实现高精度的校正。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 研究的背景
• 1.1.1 无人机技术的发展
• 1.1.2 无人机在航空遥感中的应用
• 1.2 本文的研究目的和研究意义
• 1.3 国内外研究现状和研究水平
• 1.4 本文研究的主要内容及结构安排
• 2 无人机机载GPS/INS 组合系统基本原理
• 2.1 引言
• 2.2 差分 GPS 基本原理
• 2.2.1 差分 GPS 定位原理
• 2.2.2 GPS 载波相位差分定位中初始整周模糊度的确定
• 2.2.3 GPS 系统定位误差来源及分析
• 2.3 INS 基本原理
• 2.3.1 常用的导航坐标系
• 2.3.2 惯性导航的基本原理
• 2.4 GPS/INS 组合系统基本原理
• 2.4.1 GPS/INS 组合的优点
• 2.4.2 GPS/INS 系统组合方式
• 2.4.3 采用卡尔曼滤波器的组合方法
• 3 图像匹配研究概述
• 3.1 图像匹配技术面临的难点
• 3.2 现有图像匹配方法的分类
• 3.2.1 基于灰度的图像匹配方法
• 3.2.2 基于特征的图像匹配方法
• 3.2.3 基于特征不变量的图像匹配方法
• 3.3 无人机航空遥感影像匹配的解决方案
• 3.3.1 投影差基本定义
• 3.3.2 无人机航空遥感影像的自身特点
• 3.4 针对解决上述问题本文采用的匹配算法
• 3.4.1 SIFT 发展历程
• 3.4.2 SIFT 的主要思想
• 4 无人机机载GPS/INS 姿态数据误差校正模型
• 4.1 引言
• 4.2 无人机机载 GPS/INS 组合导航系统常用的坐标系
• 4.2.1 惯导系统常用的坐标系
• 4.2.2 摄影测量学领域常用的坐标系
• 4.3 无人机机载 GPS/INS 姿态数据误差主要来源
• 4.4 无人机机载 GPS/INS 姿态数据误差校正模型建立
• 4.4.1 坐标系转换
• 4.4.2 视准轴误差
• 4.4.3 视准轴误差校正模型
• 4.5 无人机机载 GPS/INS 姿态数据误差校正实验与分析
• 4.5.1 实验资料概述
• 4.5.2 视准轴误差检校结果
• 5 基于SIFT 算子的无人机航空遥感影像匹配实验分析
• 5.1 引言
• 5.2 基于 SIFT 算子的无人机航空遥感影像匹配
• 5.2.1 实验资料及操作平台概述
• 5.2.2 基于 SIFT 算子的无人机航空遥感影像匹配实验与分析
• 6 总结与展望
• 6.1 总结
• 6.2 展望
• 攻读硕士学位期间公开发表的学术论文
• 致谢
• 参考文献