无人机低空遥感数字影像自动拼接与快速定位技术研究

论文摘要

当前,无人机低空遥感在很多领域有着越来越广泛的应用。本文利用固定翼无人机平台获取的遥感数据,研究低空遥感数字影像自动拼接与快速定位处理的技术方法。重点探讨了基于SFM(Structure From Motion)的数字影像自动拼接和低空遥感数字影像与移动道路测量系统相结合的快速空中三角测量。完成的主要工作和取得的成果如下:1、阐述了论文研究的背景和意义以及无人机低空遥感数据获取与处理的国内外研究现状。2、介绍了四种常用的兴趣点算子和两种局部不变性特征提取方法,针对无人机低空遥感数字影像的特点和实际应用需求,依据探测速度、适应性和提取效能三个评价准则,通过实验检验并评价了常用兴趣点算子和局部不变性特征在低空遥感数字影像中的应用性能。3、研究了低空遥感数字影像纹理增强预处理和小波去噪的方法及对影像特征点提取与匹配的影响,提出了一种基于SFM(Structure From Motion)的低空遥感数字影像自动生成“正射影像”与拼接的方法。实验证明该方法处理流程自动化,影像拼接效果好。4、研究了将无人机低空遥感系统和移动道路测量系统相结合的快速定位方法和作业流程。该方法缩短了摄影测量作业周期,提高了作业效率。5、简要介绍了无人机低空遥感影像数据的处理流程,研制了一套专门针对无人机低空遥感影像的数据处理系统。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 无人机低空遥感数字影像数据获取的发展现状
• 1.3 遥感影像数据处理的发展现状
• 1.4 论文的主要内容及安排
• 第二章 无人机低空遥感数字影像特征点提取
• 2.1 兴趣点算子
• 2.1.1 Moravec 兴趣点算子
• 2.1.2 F?rstner 兴趣点算子
• 2.1.3 SUSAN 算子
• 2.1.4 Harris 兴趣点算子
• 2.2 局部不变性特征
• 2.2.1 尺度不变特征变换（SIFT）
• 2.2.2 SURF 特征
• 2.2.3 局部不变性特征提取流程
• 2.3 兴趣点算子的比较准则
• 2.4 实验结果与分析
• 2.4.1 兴趣点算子探测速度比较
• 2.4.2 兴趣点算子适应性比较
• 2.4.3 兴趣点算子提取效能比较
• 2.4.4 实验结论
• 2.5 本章小结
• 第三章 基于SFM 的数字影像自动拼接
• 3.1 影像预处理
• 3.1.1 自动对比度增强
• 3.1.2 Wallis 滤波增强
• 3.1.3 小波变换方法去噪
• 3.1.4 影像预处理流程
• 3.2 特征提取与匹配
• 3.3 相机参数和特征点坐标解算
• 3.3.1 数字相机参数模型
• 3.3.2 稀疏光束法平差
• 3.3.3 基于低空遥感序列影像的相机参数和特征点坐标解算
• 3.4 规则格网DTM 生成
• 3.5 数字正射影像生成与拼接
• 3.5.1 数字微分纠正
• 3.5.2 数字正射影像拼接
• 3.6 实验结果与分析
• 3.6.1 影像预处理实验分析
• 3.6.2 影像拼接实验分析
• 3.7 本章小结
• 第四章 无人机低空遥感数字影像快速定位方法
• 4.1 移动道路测量系统
• 4.2 数字影像和地面数据采集实施方案
• 4.2.1 影像数据获取
• 4.2.2 地面目标数据采集
• 4.3 区域网平差方案与实现
• 4.3.1 区域网平差概述
• 4.3.2 光束法区域网平差原理
• 4.3.3 光束法区域网平差流程
• 4.3.4 区域平差的精度
• 4.4 实验结果与分析
• 4.4.1 实验数据
• 4.4.2 平差实验与误差分析
• 4.5 本章小结
• 第五章 无人机低空遥感数字影像处理系统
• 5.1 低空遥感数字影像的处理流程
• 5.2 系统总体设计
• 5.3 系统主要功能实现模块
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 已完成的工作
• 6.2 进一步研究的方向
• 参考文献
• 作者简历 攻读硕士学位期间完成的主要工作
• 一、个人简历
• 二、攻读硕士学位期间公开发表的学术论文情况
• 三、攻读硕士学位期间的科研情况
• 致谢