快速航空攝影飛行質(zhì)量檢查方案

鄒磊，吳龍祥，謝剛生

(廣東南方數(shù)碼科技股份有限公司，廣東 廣州 510665)

快速航空攝影飛行質(zhì)量檢查方案

鄒磊*，吳龍祥，謝剛生

(廣東南方數(shù)碼科技股份有限公司，廣東 廣州 510665)

當(dāng)前航空攝影飛行質(zhì)量檢查多數(shù)還在使用人工檢查的方法，工作量大、效率低，雖然已有一些數(shù)字化的檢查方法，但其檢查速度慢，對(duì)計(jì)算機(jī)硬件需求較高，不方便在飛行外業(yè)快速檢查數(shù)據(jù)質(zhì)量，其實(shí)際使用價(jià)值不高。因此，有必要設(shè)計(jì)一套速度快、對(duì)硬件需求低的航空攝影飛行質(zhì)量檢查方案。為兼顧速度和精度，該方案將檢查項(xiàng)目進(jìn)行分類(lèi)，重疊度檢查采用匹配的方法，像片旋偏角、航線彎曲度等其他檢查項(xiàng)目采用POS數(shù)據(jù)計(jì)算的方法。為提高重疊度運(yùn)算速度，先將原始影像進(jìn)行金字塔降采樣，再使用速度較快的SURF算法匹配同名點(diǎn)，最后使用RANSAC算法計(jì)算單應(yīng)矩陣獲得重疊度。為驗(yàn)證該方案的正確性，以江西某地低空航空攝影數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，在低配置計(jì)算機(jī)上以非?？斓乃俣全@得了正確結(jié)果，整個(gè)過(guò)程一鍵式完成，無(wú)需人工干預(yù)，自動(dòng)化程度高。

航空攝影；質(zhì)量檢查；快速；重疊度分析

1 研究背景和問(wèn)題分析

近年來(lái)數(shù)字航空攝影迅猛發(fā)展，尤其是低空攝影測(cè)量已經(jīng)成為重要的數(shù)據(jù)采集手段。同時(shí)，航空攝影飛行質(zhì)量必須滿足一定的要求，才能滿足測(cè)圖要求[1]。因此航空攝影飛行質(zhì)量檢查便成為一項(xiàng)重要任務(wù)。

當(dāng)前的航空攝影飛行質(zhì)量檢查多采用人工作業(yè)的方法，有人工判斷飛行質(zhì)量。這種方法效率低下，并且投入大，制約了攝影測(cè)量的優(yōu)勢(shì)。為解決這樣的問(wèn)題，不少學(xué)者設(shè)計(jì)了數(shù)字化的航空攝影飛行質(zhì)量檢查方法，段福洲、余長(zhǎng)慧等人都設(shè)計(jì)了自己的自動(dòng)飛行質(zhì)量檢查系統(tǒng)[2，3]，李超、張珍梅等均提出使用SIFT(Scale Invariant Feature Transform)算法對(duì)影像質(zhì)量進(jìn)行檢查[4，5]。陳潔等人設(shè)計(jì)了一種基于質(zhì)量檢查軟件和機(jī)載POS(position and orientation system)數(shù)據(jù)的飛行質(zhì)量檢查方法，實(shí)現(xiàn)了對(duì)框幅式航空攝影所有飛行質(zhì)量因子的全數(shù)字化質(zhì)量檢查，并通過(guò)實(shí)驗(yàn)驗(yàn)證了其方法的檢查精度完全可以滿足航空攝影的飛行質(zhì)量檢查標(biāo)準(zhǔn)[6]。

實(shí)際工程中，一次航空攝影飛行的投入大，受到天氣、航空管制、人員配備等多方面的影響。如果航空攝影飛行數(shù)據(jù)不滿足規(guī)范要求，必須重新飛行。因此必須能夠在航空飛行外業(yè)現(xiàn)場(chǎng)發(fā)現(xiàn)問(wèn)題，才能將數(shù)據(jù)采集風(fēng)險(xiǎn)降到最低。據(jù)估算，如若沒(méi)能在航空攝影外業(yè)現(xiàn)場(chǎng)及時(shí)發(fā)現(xiàn)數(shù)據(jù)中的少量錯(cuò)誤而需返工，低空航測(cè) 100 km2測(cè)區(qū)補(bǔ)測(cè)一次大約直接損失20萬(wàn)，并且會(huì)大幅延誤工期，由延誤工期造成的損失，無(wú)法估計(jì)。因此，航空攝影飛行質(zhì)量檢查必須能夠在外業(yè)現(xiàn)場(chǎng)執(zhí)行并輸出結(jié)果，否則其實(shí)用價(jià)值有限。

然而，上述的研究雖然取得了比較理想的效果，但其研發(fā)的系統(tǒng)和軟件效率不高、計(jì)算機(jī)資源消耗大，有些還需人工干預(yù)[6]，不方便在航空攝影現(xiàn)場(chǎng)使用便攜式計(jì)算機(jī)執(zhí)行，因此其實(shí)用性有限。本文設(shè)計(jì)了基于金字塔采樣、SURF(Speeded-Up Robust Features)匹配和機(jī)載POS數(shù)據(jù)的高效質(zhì)檢算法，可以在較低的計(jì)算機(jī)資源消耗下，快速、全自動(dòng)地對(duì)航空攝影飛行數(shù)據(jù)進(jìn)行檢查，并根據(jù)相關(guān)標(biāo)準(zhǔn)給出質(zhì)量報(bào)告。

2 快速質(zhì)檢方法

2.1 質(zhì)量檢查內(nèi)容和分類(lèi)

本文所研究的航空攝影飛行質(zhì)量檢查內(nèi)容按照國(guó)家標(biāo)準(zhǔn)，包括攝影比例尺、航向和旁向重疊度、像片旋偏角、航線彎曲度、最大航高與最小航高之差、實(shí)際航高與設(shè)計(jì)航高之差等幾項(xiàng)[7]。在機(jī)載POS數(shù)據(jù)精度足夠高的情況下，待檢查項(xiàng)目都可以通過(guò)分析POS數(shù)據(jù)得到結(jié)果。

然而多數(shù)低空飛行器，比如常用的無(wú)人機(jī)、飛艇、三角翼，其搭載能力有限，無(wú)法搭載高精度POS傳感器，因而不能單獨(dú)通過(guò)分析POS數(shù)據(jù)檢查數(shù)據(jù)質(zhì)量。通過(guò)分析航空攝影的過(guò)程可以發(fā)現(xiàn)，POS數(shù)據(jù)對(duì)航空所表征的飛行質(zhì)量項(xiàng)目可以分為三類(lèi)：

(1)與線元素相關(guān)的項(xiàng)，即攝影機(jī)空間位置決定的項(xiàng)，包括攝影比例尺、航高差、航線彎曲度。

(2)與角元素相關(guān)的項(xiàng)，即攝影機(jī)所處姿態(tài)決定的項(xiàng)，包括像片傾角、旋偏角。

(3)同時(shí)與線元素和角元素都相關(guān)的項(xiàng)，即像片重疊度。

POS數(shù)據(jù)中一般而言線元素的尺度較大，因此位置誤差對(duì)與線元素相關(guān)的項(xiàng)影響很小，可以忽略，同時(shí)隨著目前傳感器精度的提高，當(dāng)前的角度精度也可用來(lái)分析像片角度。然而，航空攝影飛行數(shù)據(jù)中至關(guān)重要的重疊度，其誤差同時(shí)受到線元素和角元素影響，若角度誤差為△α，則重疊度誤差約為△O=H·△α，其中H為相對(duì)行高，顯然重疊度誤差被行高放大，不能使用POS數(shù)據(jù)檢查質(zhì)量。

因此，航空攝影飛行質(zhì)量檢查可以按照兩種方法進(jìn)行：重疊度使用影像匹配的方法，其他檢查項(xiàng)目可直接使用POS數(shù)據(jù)。

2.2 機(jī)載POS數(shù)據(jù)檢查方法

攝影比例尺、航高差、航線彎曲度、像片傾角、旋偏角都可以通過(guò)POS數(shù)據(jù)直接計(jì)算得到，其具體的計(jì)算方法依據(jù)測(cè)圖比例尺不同，在測(cè)繪行業(yè)標(biāo)準(zhǔn)低空數(shù)字航空攝影規(guī)范[7]以及國(guó)家標(biāo)準(zhǔn)的地形圖航空攝影規(guī)范[8，9]中給出了具體算法，這里不再贅余。

2.3 重疊度檢查方法

重疊度的檢查，可以通過(guò)匹配影像中的同名點(diǎn)，根據(jù)同名點(diǎn)計(jì)算出影像間單應(yīng)矩陣，即得到兩張影像間的位置關(guān)系，獲取重疊度信息。因此重疊度的計(jì)算可以分為同名點(diǎn)匹配和單應(yīng)矩陣計(jì)算兩個(gè)步驟進(jìn)行。然而，影像的匹配過(guò)程是非常耗時(shí)的操作，為了加快速度，可以使用金字塔降采樣減少計(jì)算量來(lái)加速。

這樣，快速重疊度計(jì)算就可以分為以下三步：

(1)金字塔降采樣

重疊度以百分比來(lái)表征，因此其數(shù)值與具體的影像尺寸無(wú)關(guān)，并且重疊度運(yùn)算的精度要求不高，這就使得對(duì)原始影像金字塔降采樣的做法不會(huì)破壞重疊度信息。同時(shí)降采樣會(huì)大幅降低運(yùn)算量，例如非量測(cè)相機(jī)拍攝的寬 4 912、高 7 360的三通道RGB影像，在內(nèi)存中約需處理 103.4 M，但金字塔降采樣三層后，寬614、高920，內(nèi)存中約需處理 1.6 M，這樣可以大幅降低運(yùn)算量，即可大幅加快運(yùn)算速度。

(2)同名點(diǎn)匹配

在圖像匹配方法中，特征點(diǎn)的提取及匹配方法有很多，比如Forstner、Harris、Moravec、SIFT算法。其中，SIFT算法精度較高[10]，并且具有抗幾何變形和光照變化的能力，因此同名點(diǎn)匹配多采用此法。但SIFT算法在航空攝影影像重疊度檢查方面卻有著明顯的缺點(diǎn)：運(yùn)算量大，速度不快，尤其是在影像數(shù)量巨大的情況下，會(huì)消耗大量時(shí)間。

Herbert Bay等人設(shè)計(jì)的SURF算法[11]與SIFT算法一樣，都具有對(duì)尺度和旋轉(zhuǎn)的魯棒性，雖然其匹配精度稍低，但其運(yùn)算量小，在速度上有明顯優(yōu)勢(shì)，非常適合重疊度計(jì)算這樣的對(duì)匹配精度需求不高的情況。

因此，綜合考慮匹配速度和精度，本文選擇了SURF算法計(jì)算重疊度。借助于SURF算法的速度優(yōu)勢(shì)，可快速完成較低精度的同名點(diǎn)匹配。圖1所示即為SURF同名點(diǎn)匹配結(jié)果圖，從圖中可以看出，由于精度問(wèn)題，匹配數(shù)據(jù)中出現(xiàn)了不少錯(cuò)誤的匹配數(shù)據(jù)。

圖1 SURF匹配計(jì)算重疊度示意圖

(3)單應(yīng)矩陣計(jì)算

單應(yīng)矩陣是描述兩張影像間關(guān)系的矩陣，只要計(jì)算出單應(yīng)矩陣便可通過(guò)幾何分析方法獲得重疊度。單應(yīng)矩陣需要使用兩張影像間的同名點(diǎn)數(shù)據(jù)計(jì)算，但上文已經(jīng)提到，由于采用了SURF算法，同名點(diǎn)中會(huì)出現(xiàn)不少錯(cuò)誤的匹配數(shù)據(jù)(如圖1所示)，要得到正確的單應(yīng)矩陣，就必須對(duì)這些錯(cuò)誤進(jìn)行處理。

這些錯(cuò)誤的匹配點(diǎn)數(shù)據(jù)不符合單應(yīng)矩陣的計(jì)算模型，經(jīng)典的參數(shù)估計(jì)算法，比如最小二乘算法無(wú)法排除這些錯(cuò)誤數(shù)據(jù)的干擾，導(dǎo)致無(wú)法計(jì)算出正確的單應(yīng)矩陣[12]。RANSAC算法正適合處理含有錯(cuò)誤數(shù)據(jù)的數(shù)據(jù)處理，其算法思想很簡(jiǎn)單，采用循環(huán)抽樣的方式將數(shù)據(jù)分為正常數(shù)據(jù)和異常數(shù)據(jù)兩組，采用正常數(shù)據(jù)組計(jì)算模型參數(shù)，如果得出的模型可以滿足多數(shù)數(shù)據(jù)，則可接受該模型參數(shù)，否則重新計(jì)算。

采用RANSAC算法可方便的剔除錯(cuò)誤匹配數(shù)據(jù)計(jì)算出滿足要求的單應(yīng)矩陣[13]。圖1中亮粗線描繪的方框，便是RANSAC算法計(jì)算出的左半部影像在右半部影像上的重疊范圍。

3 實(shí)驗(yàn)與分析

在江西某地的一次動(dòng)力三角翼低空航空攝影作業(yè)中對(duì)本方法進(jìn)行了實(shí)驗(yàn)，該次作業(yè)采用尼康D800非量測(cè)相機(jī)獲取數(shù)據(jù)，飛行高度 380 m。實(shí)驗(yàn)使用的是搭載低功耗的Intel i5-4260U(主頻 1.4 GHz)CPU的筆記本電腦，取全部139組POS數(shù)據(jù)分析攝影比例尺、航高差、像片傾角、旋偏角和航線彎曲度，取其中的32組影像(4 912×7 360)分析重疊度，最終輸出飛行質(zhì)量報(bào)告。報(bào)告顯示本次攝影獲取的數(shù)據(jù)全部合格，后期的空三、數(shù)據(jù)采集等操作也印證了獲取的數(shù)據(jù)滿足要求。

檢查中對(duì)攝影比例尺、航高差、像片傾角、旋偏角和航線彎曲度的檢查，直接分析POS數(shù)據(jù)，其耗時(shí)可以忽略不計(jì)。檢查中，航高檢查詳細(xì)數(shù)據(jù)如圖2，旋偏角檢查結(jié)果如圖3所示。

圖2 航高檢查

圖3 像片傾角檢查結(jié)果

雖然影像重疊度檢查最為耗時(shí)，但本次對(duì)32組 4 912×7 360的影像進(jìn)行重疊度計(jì)算，僅僅耗時(shí) 7.4 s，詳細(xì)耗時(shí)如表1所示。按照這樣的速度，在沒(méi)有緩存文件的情況下， 1 000張影像也僅需 4 min左右，可見(jiàn)其效率是極高的。重疊度計(jì)算過(guò)程中的詳細(xì)信息如圖4所示。

重疊度檢查耗時(shí) 表1

圖4 重疊度檢查

4 結(jié) 論

基于本文設(shè)計(jì)的快速航空攝影飛行質(zhì)量檢查方案，設(shè)計(jì)了一套成熟的質(zhì)量檢查軟件，能夠快速地對(duì)航空攝影飛行數(shù)據(jù)進(jìn)行分析，給出數(shù)據(jù)的定性質(zhì)量報(bào)告，并且全程無(wú)需人工干預(yù)，自動(dòng)化程度高，對(duì)計(jì)算機(jī)要求低，運(yùn)算速度快，非常適合外業(yè)現(xiàn)場(chǎng)的質(zhì)量檢查。

[1] GB/T 24356-2009. 測(cè)繪成果質(zhì)量檢查與驗(yàn)收[S].

[2] 段福洲，趙文吉. 基于圖像匹配的機(jī)載遙感影像質(zhì)量自動(dòng)檢查方法研究[J]. 測(cè)繪科學(xué)，2010(6)：57～58.

[3] 余長(zhǎng)慧，曾衍偉. 數(shù)字航空攝影成果的自動(dòng)質(zhì)量檢查系統(tǒng)設(shè)計(jì)[J]. 測(cè)繪信息與工程，2011(1)：8～10.

[4] 李超. 低空無(wú)人機(jī)航攝飛行質(zhì)量自動(dòng)檢查方法研究[D]. 昆明：昆明理工大學(xué)，2013.

[5] 張珍梅. 無(wú)人飛行器遙感影像飛行質(zhì)量檢查及影像快速拼接方法研究[D]. 北京：首都師范大學(xué)，2011.

[6] 陳潔，楊達(dá)昌，杜磊等. 框幅式數(shù)字航空攝影飛行質(zhì)量檢查方法[J]. 國(guó)土資源遙感，2014(4)：91～96.

[7] CH/Z 3005-2010. 低空數(shù)字航空攝影規(guī)范[S].

[8] GB/T 6962-2005. 1∶500 1∶1 000 1∶2 000地形圖航空攝影規(guī)范[S].

[9] GB/T 15661-2008. 1∶5000 1∶10 000 1∶25 000 1∶50 000 1∶100 000地形圖航空攝影規(guī)范[S].

[10] Juan L，Gwun O. A comparison of SIFT，PCA-SIFT and SURF[J]. International Journal of Image Processing，2009，3(4)：143～152.

[11] Herbert Bay，Andreas Ess，Tinne Tuytelaars，Luc Van Gool. Speeded-Up Robust Features(SURF)[J]. Computer Vision and Image Understanding . 2007 (3).

[12] 宋衛(wèi)艷. RANSAC算法及其在遙感圖像處理中的應(yīng)用[D]. 北京：華北電力大學(xué)(北京)，2011.

[13] 陳藝蝦，孫權(quán)森，徐煥宇等. SURF算法和RANSAC算法相結(jié)合的遙感圖像匹配方法[J]. 計(jì)算機(jī)科學(xué)與探索，2012(9)：822～828.

Efficient Method for Inspection of Digital Aerial Photographic Quality

Zou Lei，Wu Longxiang，Xie Gangsheng

(South Digital Technology CO. LTD.，Guangzhou 510665，China)

Nowadays，manually methods are generally used in the aerial photographic quality inspection，which are inefficient. Recently，some digitized inspection methods occur，however，they require large amount of computer resources and work slowly. As a result，these methods are not convenient because they take a lot of time. As a result，it is emergency to propose an efficient digital aerial photographic quality inspection method with significantly lower time cost. In this method，we use the matching method to calculate the image overlap and use POS (position and orientation system) data to calculate other indexes of digital aerial photographic quality. In order to improve the efficiency of image overlap analysis，we hierarchically down sampling the original image，and then use SURF algorithm to match point pairs. Finally use RANSAC algorithm to acquire homography between a pair of images. To verify the feasibility of this method，we tested the data of low-altitude aerial photography project in Jiangxi province. It gets the correct result on a laptop in a short time. The entire process is automatically without any manual intervention.

aerial photography；quality inspection；fast；image overlap analysis

1672-8262(2016)06-80-04

P231

B

2016—04—19

鄒磊(1989—)，男，碩士，工程師，主要從事攝影測(cè)量方面研究。