低空摄影测量总结_低空摄影测量
低空摄影测量总结由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“低空摄影测量”。
低空摄影测量的总结
摘要：为了解决传统摄影测量在小区域测量时存在的一系列问题，国内外不少学者一直致力于低空摄影测量的研究，并获得了不少的成果，无人机的发展和完善不断推动着低空摄影测量在各领域中的应用和发展。本文主要介绍了低空摄影测量的特点、构成、关键技术、亟待解决的问题和应用领域等等。
关键词：低空摄影测量，无人机，高程精度，三维建模，组合相机
在传统摄影测量用于小区域大比例尺地形数据采集时，航摄的成本高,生产周期长,满足不了特定条件下的成图精度和经济效益的要求。同时也存在着高层建筑物遮挡，分辨率不够高等因素的影响，大大降低了数据采集的速度和质量。然而低空摄影测量由于其高分辨率，高重叠度，低成本，受云雾影响小等优点，迅速成为了人们关注的热点，但是由于其像幅较小、畸变较大、影像数量多，影像倾角过大和重叠度不规则等不利因素，也引起了一系列问题。因此在应用低空摄影时需解决低空本身存在的不足。1． 低空摄影测量的概述
低空摄影测量通常指航高在1000m以下的航空摄影测量,常用的摄影平台有轻型飞机、有人直升机、无人飞艇、无人机、气球等。低空摄影测量具有获取成果快、生产周期短、运作成本低、可操作性强等特点。特别是近几年发展起来的以无人飞艇、无人机为遥感平台的低空摄影系统,以数字遥感设备为任务载荷,以遥感数据快速处理系统为技术支撑,它是一种高机动性、低成本的小型化、专用化遥感系统。其作为一种新的技术方式，更适合在危险区域图像的实时获取、土地变化监测、环境监测、应急指挥需求等方面应用。其系统具有安全性高，低成本，能多角度，高分辨率的获取影像。但与传统的航天和航空影像相比，它又有姿态稳定性差、旋偏角大，像幅小、数量多，影像畸变大等缺点。2． 国内外研究现状
自从低空摄影测量成为人们关注的热点后，其在航拍和姿态平台，传感器，数据处理系统，数据处理方面和应用方面都取得了很大的发展。
在航拍平台上，常见的无人机遥感平台有：固定翼无人机，无人直升机，无人飞艇等。其中飞艇以巡航速度慢,留空时间长,飞行稳定等特点在低空巡逻、监视方面得到广泛应用；直升机具有飞行性能稳定、抗风能力强、续航时间长、对飞行场地要求不高、可灵活野外作业等特点；固定翼无人机采用常规布局,具有高机动性、高载荷、气动性能好等优点,非常适合搭载各种任务设备,出色完成任务,适合于执行长途远距离航拍和巡线任务。如测科院的USVRS-II，刀锋460无人机等。在姿态稳定平台上，常用的有两轴云台及三轴云台，主要是用于消除飞行器姿态变化对相机的影响，保证相机的姿态。
在传感器方面，目前比较常用的是非量测相机，同时相机的组合和类型也在不断的发展和变化。如桂德竹利用组合宽角相机的低空影像进行三维建模，解决了像幅小，精度低和自检校等问题，刘凤英等研究了自稳定双拼航摄数码相机技术，可以满足 1∶ 1000 大比例尺地形图测绘的精度要求，Xie et al.和Grenzdorffer et al.分别研究广角四拼相机和五拼相机的整合，定标技术等。在传感器类型方面，出现了智能手机传感器，可见光，近红外，多光谱，高光谱相机，热红外传感器，LiDar和SAR传感器等等。如Yun et al.利用无人机上安装三星智能手机来获取DEM，Tetracam利用多光谱来监控植被的健康状况等等。
在数据处理系统方面，国外比较著名的有徕卡 Leica 公司的Helava系统，德国蔡氏 Zei 公司的 PHODDIS 系统，美国 Intergraph 公司的 Image Station 系统等。国内比较成熟的数字摄影测量系统有中国测绘科学院的 JX4 系统，适普公司的VirTuoZo系统。目前，数字摄影测量系统正朝自动化方向迈进，比较有代表性的是由张祖勋院士研制的数字摄影测量网格DPGrid系统，中国测绘科学院研发的PixelGrid系统，由北京吉威数源有限公司研发的 GEOWAY CIPS 系统。
在数据处理方面，主要体现在以下几个方面：多基线的影像处理用以提高高程精度，低空影像的三维建模，影像匹配和融合技术，遥感数据实时处理和下传，基于低空影像的各种产品生成和研究以及影像的检校模型等等。如催红霞，林宗坚等的无人飞艇低空数码影像多视摄影测量，建立多基线立体几何，进行前方交会实现精度的提高，同时Wefelscheid et al., Harwin and Lucieer也利用多视影像来提高精度。刘志奇利用低空影像进行城市三维建模，介绍了一套建模流程以及相关问题，桂德竹利用宽角组合相机实现了城市三维建筑物的建模，以及利用Structure from Motion恢复三维信息。在影响匹配和融合拼接方面，王书民等在匹配拼接之前先进行批量采样和裁剪等预处理，来提高图像拼接速度与质量；金士玲由SIFT 的局限性和不足，对其进行了改进适用于重叠度大和分辨率高的低空影像；Lowe提出的SIFT算子以及其的各种变种（SURF，ASIFT，BRIEF，BRIEF）等，还有将Structure from Motion和摄影测量技术相结合用于匹配和拼接（Abdel-Wahab et al.(2012), Cramer(2013b)and Qin et al.(2013)）等等，同时还有Semi-Global Matching的介绍（Hirschmüller, 2005，Bulatov et al., 2011;Küng et al., 2011;Haala et al., 2013），在各种产品生产上，方法也是各有不同，都是基于一定的前期处理，然后生成产品。杜全叶等根据低空影像生成的DEM，利用正射纠正模块使用Voronoi图分块正射纠正，生成DOM，刘淑慧根据正射影像生成存在的问题提出了相应的解决办法。在检校模型上，提出了各种检校模型，有大面阵相机的检校，非量测相机的检校，以及各种组合相机的检校等。
在应用领域方面，涉及的范围是非常广的。低空摄影凭借其安全性，灵活性，高分辨率等特点，可以应用在灾害危险地区，大比例尺成图区域，三维数字城市，电力水利，土地利用变更调查，风景名胜古迹、旅游景点获取局部或全景鸟瞰像片和编制影像平面图等等方面，关于其进一步的介绍在后面给出。3． 低空摄影测量的关键技术
3.1 遥感平台技术
低空遥感平台的性能与成本直接影响低空航空遥感系统的应用效果与范围,因此不断提高低空平台的性价比对于低空航空遥感业务化运行系统的可持续发展至关重要.其关键的性能指标包括飞行高度、续航时间、有效载荷、飞行平稳度、导航精度、巡航速度、起降方式等.而且低空的运行成本对整个系统也至关重要.因此,在目前低空平台的基础上,努力提高下一代低空平台的性价比,使其更适合作为可持续经营的遥感平台,是下一步的研究重点。
3.2 遥感传感器技术 由于低空技术的发展，如今越来越多的普通数码相机应用于低空摄影测量中，但由于普通数码相机相幅小、像片多等各种问题的存在，因此，我们应该开发高分辨率、重量轻、存储量大的大面阵相机或者小面阵多相机组合的摄影系统(两相机、三相机、四相机等),以及相应的相机检校和影像后处理方法等方面的研究。同时由于应用的需求不一样，多光谱相机，红外相机，高光谱相机以及热红外相机的开发和利用就显得重要了。
3.3 姿态控制技术
为了减小飞行器、气流等因素对相机造成的影响,获取清晰的高质量影像,必须开发稳定平台,特别是抗风能力弱、飞行稳定性差的无人驾驶飞行器(如飞艇、无人机),应加上高灵敏度的单轴或三轴稳定平台保证相机的姿态稳定,或者采用机载POS系统(IMU、DGPS)直接获取像片高精度的外方位素用于航片的内业处理。
3.4 相机定标技术
非量测数码相机不是专门为量测目的设计的,其畸变性能与胶片量测摄影机的畸变性能不完全相同。在处理影像是首先就要对其进行校正，否者会引起很大的误差，对于数码相机的畸变差可以分为系统畸变差和随机畸变差，主要的检校模型有数学畸变模型和二维控制场检校，当然也需要对不同相机组合也要进行相应的相机检校，达到精度要求。
3.5 影像处理技术
对于低空影像的获取后，不可避免的存在一些问题，因此就需要研究相应的处理软件对其进行处理，以获取高精度的产品。一般的影像处理技术主要包含以下几个方面：影像的预处理，影像匹配，相对定向，区域网平差，DEM和DOM的生成以及立体测图等。每一个环节都需要相应的处理技术和手段来保证后续的处理精度要求。4． 低空摄影测量的应用
（1）小面积地区性大比例尺地形图测绘
由于传统的航空摄影测量应用于小区域特别是城市大比例尺测图时,存在建筑物遮挡严重、费用高、生产周期长等问题,低空摄影测量技术凭借自身特有的优势成为该领域应用的首选技术,这对于大中城市改建、扩建、新农村建设、小城镇的兴建规划设计用地形图的施测、修测有极大的现实意义。
（2）城市三维建模
城市三维建模是“数字城市”建设的关键内容之一,建模数据的获取途径和处理方式直接影响到整个建模流程的速度和模型的整体质量(几何精度、视觉效果等)。低空摄影测量可以快速采集建模区域的地学信息,经过内业处理快速获取建模所需的DEM、DOM和部分建筑物的空间特征数据,特别是无人飞艇可以低空、低速飞行,能够针对地面标志性建筑物进行悬停和倾斜拍摄以获取建筑物的纹理图像,减小外业采集纹理数据的工作量,提高大范围建模的速度,是一种实用、高效的数据获取途径。
（3）其他应用
由于低空摄影测量的特点，除了在测图和三维建模方面的应用外，还广泛的应用于自然灾害的应急反应、国家生态环境保护、矿产资源勘探、海洋环境监测、土地利用调查、电力森林和水资源开发等领域的应用。
在林业领域，森林健康监测、林业资源调查、野生动植物保护、森林防护、火灾监测、退耕还林监测、荒漠化治理中非常急切的需要低成本，快速，高精确度等特点的遥感监测技术。
在电力领域，水电工程环境大多数都较为险峻，但是其的设计和施工都不可缺少的大比例尺地形图成图技术还停留在人工测制阶段。主要由于使用常规航空摄影技术成本高、周期长，而且它所测量的范围小，用户无法承受。车载无人机系统无须使用专用场地，可以直接弹射起飞、云下飞行、姿态平稳，特别适合在一些恶劣条件下高精度遥感数据的获取。
在环境保护领域，随着国家对生态化建设的需求，相关的环保部门急需快速，高效的监测手段进行各类污染源及其扩散态势的监测，为环境治理提供一系列的依据。所以低空摄影测量能够解决其相应的需求。
在水利领域，我国水利部门在行使流域规划、水资源管理、水利项目、水污染控制、流域治理、防汛抗旱调度、水土保持生态建设等管理职能时既需要卫星和航空遥感手段进行大面积宏观监测，又需要高速、高效、高精度监测技术。在相关的水利行业装备无人机遥感系统可以使其应用于生态环境、流域水土保持防洪、防凌监测以及基础测绘和重点工程制图等方面。
5． 低空摄影测量存在的问题
低空摄影测量由于其优点得到了一定的发展，但由于其像幅较小、畸变较大、影像数量多，影像倾角过大和重叠度不规则等不利因素。同时也存在着一些问题，需要对其进行研究解决。主要包括以下几个方面：
（1）建立基于无人驾驶飞行器的低空数字摄影测量与遥感硬件系统。硬件平台包括无人驾驶遥控飞行平台,差分GPS接收机,姿态传感器,高性能数码相机和视频摄（2）
（3）（4）（5）（6）像机,数据通讯设备,影像监视与高速数据采集设备,高性能计算机等等。需要深入研究无人驾驶飞行平台的飞行特性,并研制三轴旋转云台、差分GPS无线通讯、视频数据的自动下传、自动曝光等关键技术。
研究无人驾驶飞行平台的自动控制策略。在飞行器上搭载飞控计算机,由差分GPS数据得到飞艇(相机)的精确位置,在此基础上对较低分辨率的视频序列影像进行匹配,结合姿态传感器的输出信号实时自动确定飞行器的姿态,从而进行飞行自动控制,并将所有数据同时下传到地面监控计算机。
传感器多相机的组合和检校，以及各种传感器的组合和利用。
研究多基线立体影像中连接点的多影像匹配方法与克服影像几何变形的稳健影像匹配和融合方法。
数字表面模型与正射影像的自动获取及立体测图。
相对于传统的航空摄影测量而言,低空摄影测量还没有形成一套较成熟的技术流程，同时缺少对特殊影像的处理（如纹理相同区域）和全自动化的空中三角测量软件，解决组合宽角相机重叠度大而分辨率不均匀影响影像匹配可靠性的问题和控制点稀少条件下的空三要求。
6． 结论
本文针对低空摄影测量的技术，介绍了其相关的研究现状，关键技术，应用领域，并指出了其存在的问题。同时低空摄影测量由于其不可取代的优点，应不断拓宽其应用领域，和一些技术结合使用，如LiDar技术和SAR技术等，不断拓宽其技术的新领域。
参考文献
[1] 刘奇志.低空摄影测量与三维建模[D].泰安:山东科技大学,2005.[2] 陈天祎.基于CIPS 的低空无人机遥感影像处理研究[D].华东理工大学，2013.[3] 明洋.特殊航空影像自动匹配的关键技术研究:博士学位论文[D].武汉大学.2009.[4] 刘凤英，王 冬，卢秀山.自稳定双拼航摄数码相机技术[J].工程勘察,2012,第六期.[5] 崔红霞.无人机低空数码摄影测量系统研究:博士学位论文[D].武汉大学,2006.[6] 刘召芹.ＵＡＶ载特轻小型组合宽角数字相机系统研究:博士学位论文[D].山东科技大学,2008.[7] 桂德竹.基于组合宽角相机低空影像的城市建筑物三维模型构建研究:博士学位论文[D].中国矿业大学,2010.[8] 彭晓东.无人飞艇低空航测系统集成研究:博士学位论文[D].武汉大学,2010.[9] 孙杰,林宗坚,无人机低空遥感监测系统[J].遥感信息,2003.[10]林宗坚,李成名.无人飞行器低空遥感与数字城市三维地理空间基础框架建设[J].测绘技术装备,2003,4(增刊):1~3.[11] 王磊,李和军.低空遥感平台摄影测量技术的探索和应用,北京测绘,2003,.4 [12] 王聪华.无人飞行器低空遥感影像数据处理方法[D].泰安:山东科技大学,2006.[13] 崔红霞,林宗坚.无人机遥感监洲系统研究[J].测绘通报,2005(5):11~14.[14] 万幼川，刘良明，张永军.我国摄影测量与遥感发展探讨[J.]测绘通报,2007(1).[15] 洪宇，龚建华，胡社荣等.无人机遥感影像获取及后续处理探讨[J].遥感技术与应用.2008.[16] 刘奇志.低空摄影测量技术的发展与应用[J].山东省“数字国土”学术交流会论文集,2007.06.[17] 高福山,胡吉伦,王黎.无人机低空摄影测量在电力工程中的应用[J].电力勘测设计,2010,02.[18] 韩志晟.浅谈无人机低空摄影测量在南水北调工程中的应用[J].数字通信世界,2011,02.[19] 王玉鹏.无人机低空遥感影像的应用研究[D].河南理工大学,2011.[20] 秦博,王蕾.无人机发展综述[J].飞航导弹,2002,08.[21] 王琳.高精度,高可靠的无人机影像全自动相对定向及模型连接研究[D].中国测绘科学研究院.2011.[22] 张雪萍,刘英.无人机在大比例尺 DOM 生产中的应用[J].测绘标准化,2011.[23] 周国香.UAV 载多面阵数字相机拼接技术的研究[D].山东科技大学:2009.[24] 刘庆元,徐柳华,沈彩莲,王小平.基于无人飞行器遥感影像的数字摄影测量关键技术研究[J].测绘科学,2010,35(1):28-30.[25] 毕凯.无人机数码遥感测绘系统集成及影像处理研究[D].中国测绘科学研究院:2009.[26] 张祖勋，杨生春等.多基线-数字近景摄影测量[J].地理空间信息，Vol.5, No.1, 2007.2.[27] 崔红霞，林宗坚等.无人飞艇低空数码影像多视摄影测量[J].光电工程，Vol.35, No.7，2008.7，[28] LIN Z.J., 2008.UAV for Mapping—Low Altitude Photogrammetric Survey, ISPRS2008, Beijing, 2008, Vol.[29] Nagai, M., Shibasaki, R., et al., 2004.Development of digital surface and feature extraction by integrating laser scanner and CCD sensor with IMU, ISPRS2004, Istanbul,Vol.XXXV, Part B5.[30] Wang JZ, Lin ZJ, et al, 2004.Reconstruction of buildings from a single UAV image.ISPRS2004, Istanbul, Vol.XXXV, Part B8.[31] Schwarz, K., P., El-Sheimy, N., 2004.Mobile Mapping Systems – State of the art and future trends.ISPRS2004, Istanbul, Vol.XXXV, Part B1.[32] Nagai M., Chen T.N., et al, 2008.UAV Borne Mapping by Multi Sensor Integration, ISPRS2008, Beijing, 2008.[33] Grenzdorffer G.J., Engel A., Teichert B., 2008.The Photogrammetric Potential of Low-Cost UAVS in Forestry and Agriculture, ISPRS2008, Beijing.[34] Hartley R., Zierman A., 2002.Multiple View Geometry in Computer Vision[M], Cambridge University Pre, 2002.[35] Koch R., Surface Reconstruction from Stereoscopic Image Sequences, ICCV95, 1995, p109-113.[36] K.Dalamagkidis, K.P.Valavanis, L.A.Piegl.2008.On unmanned aircraft systems iues, challenges and operational restrictions preventing integration into the National Airspace System.Progre in Aerospace Sciences 44(2008)503–519.[37] Sebastian Siebert, Jochen Teizer.2014.Mobile 3D mapping for surveying earthwork projects using anUnmanned Aerial Vehicle(UAV)system.Automation in Construction 41(2014)1–14.[38] Mohammed Abdel-Wahab, Konrad Wenzel, Dieter Fritsch.2012.EFFICIENT RECONSTRUCTION OF LARGE UNORDERED IMAGE DATASETS FOR HIGH ACCURACY PHOTOGRAMMETRIC APPLICATIONS.ISPRS2008, Australia.[39] J.Everaerts.THE USE OF UNMANNED AERIAL VEHICLES(UAVS)FOR REMOTE SENSING AND MAPPING.ISPRS2008, Beijing.[40] Lin Zongjian, Su Guozhong, Xie Feifei.UAV BORNE LOW ALTITUDE PHOTOGRAMMETRY SYSTEM.ISPRS2008, Australia.[41] I.Colomina, P.Molina.Unmanned aerial systems for photogrammetry and remote sensing:A review.ISPRS(2014)79–97.[42] Xie, F., Lin, Z., Gui, D., Lin, H., 2012.Study on construction of 3D building based on UAV images.ISPRS – Int.Arch.Photogrammy.Remote Sens.Spatial Inform.Sci.XXXIX-B1, 469–473.[43] Yun, M., Kimb, J., Seo, D., Lee, J., Choi, C., 2012.Application poibility of smartphone as payload for photogrammetric UAV system.ISPRS – Int.Arch.Photogramm.Remote Sens.Spatial Inform.Sci.XXXIX-B4, 349–352.[44] Zhou, G., Yang, J., Li, X., Yang, X., 2012.Advances of flash LiDAR developmentonboard UAV.ISPRS – Ann.Photogramm.Remote Sens.Spatial Inform.Sci.XXXIX-B3, 193–198.[45] Grenzdorffer, G., Niemeyer, F., Schmidt, F., 2012.Development of four vision camera system for a micro-UAV.ISPRS – Int.Arch.Photogramm.Remote Sens.Spatial Inform.Sci.XXXIX-B1, 369–374.[46] Grün, A., Zhang, Z., Eisenbei, H., 2012.UAV photogrammetry in remote areas – 3D modeling of Drapham Dzong, Bhutan.ISPRS – Int.Arch.Photogramm.Remote Sens.Spatial Inform.Sci.XXXIX-B1, 375–379.[47] Strecha, C., Bronstein, A., Bronstein, M., Fua, P., 2012.LDAHash: Improved matching with smaller descriptors.IEEE Trans.Pattern Anal.Mach.Intell.34, 66–78.Tetracam, 2012.MiniMCA.[48] Wefelscheid, C., Hansch, R., Hellwich, O., 2011.Three-dimensional building reconstruction using images obtained by unmanned aerial vehicles.ISPRS –Int.Arch.Photogramm.Remote Sens.Spatial Inform.Sci.XXXVIII-1/C22, 183–188.[49] Lucieer, A., Robinson, S., Turner, D., Harwin, S., Kelcey, J., 2012.Using a micro-UAV for ultra-high resolution multi-sensor observations of antarctic mo beds.ISPRS – Int.Arch.Photogramm.Remote Sens.Spatial Inform.Sci.XXXIX-B1,429–433.[50] Abdel-Wahab, M., Wenzel, K., Fritsch, D., 2012.Efficient reconstruction of large unordered image datasets for high accuracy photogrammetric applications.ISPRS – Ann.Photogramm.Remote Sens.Spatial Inform.Sci.I-3, 1–6.[51] Bay, H., E, A., Tuytelaars, T., van Gool, L., 2008.Speeded-up robust features(SURF).Comput.Vision Image Understand.110, 346–359, Similarity Matching in Computer Vision and Multimedia.[52] Bendig, J., Bolten, A., Bareth, G., 2012.Introducing a low-cost mini-UAV for thermal and multispectral-imaging.ISPRS – Int.Arch.Photogramm.Remote Sens.Spatial Inform.Sci.XXXIX-B1, 345–349.[53] Costa, F.G., Ueyama, J., Braun, T., Pein, G., Osorio, F.S., Vargas, P.A., 2012.The use of unmanned aerial vehicles and wirele sensor network in agricultural applications.In: Geoscience and Remote Sensing Symposium(IGARSS), 2012 IEEE International, 22-27 July, pp.5045–5048.[54] Hirschmüller, H., 2005.Accurate and efficient stereo proceing by semi-global matching and mutual information.IEEE Conf.Comput.Vision Pattern Recognit.3, 807–814.[55] Bulatov, D., Solbrig, P., Gro, H., Wernerus, P., Repasi, E., Heipke, C., 2011.Context-based urban terrain reconstruction from UAV-videos for geoinformation application.ISPRS – Int.Arch.Photogramm.Remote Sens.Spatial Inform.Sci.XXXVIII-1/C22, 75–80.[56] Haala, N., Cramer, M., Rothermel, M., 2013.Quality of 3D point clouds from highly overlapping UAV imagery.ISPRS – Int.Arch.Photogramm.Remote Sens.SpatialInform.Sci.XL-1/W2, 183–188.[57] Pierrot Deseilligny, M., Clery, I., 2011.APERO, an open source bundle adjustment software for automatic calibration and orientation of set of images.Int.Arch.Photogramm.Remote Sens.Spatial Inf.Sci.XXXVIII-5/W16, 269–276.[58] 甄云卉,路平.无人机相关技术与发展趋势[J].兵工自动化,2009,01.[59] 邹湘伏,何清华,贺继林.无人机发展现状及相关技术[J].飞航导弹,2006,10.[60] 吴忠林.四川地区轻型无人机低空摄影系统市场潜力分析[D].成都理工大学.2012.[61] 张永军.无人驾驶飞艇低空遥感影像的几何处理[J].武汉大学学报(信息科学版).2009,3.[62] 崔红霞,孙 杰等.非量测数码相机的畸变差检测研究[J].测绘科学.2005,2.
