一种基于无人机位姿信息的航拍图像拼接方法
无人机图像拼接算法的研究及实现
无人机图像拼接算法的研究及实现随着近年来无人机技术的飞速发展，无人机图像拼接技术也得到了广泛的应用。
该技术可以将无人机拍摄得到的相邻区域的图像进行拼接，生成高分辨率的全景图像，提供了一种高效的地图制作和空中监测的手段。
本文将从无人机图像拼接的原理入手，分析其算法的研究，介绍常见的图像拼接算法以及其应用场景，并在最后给出一个无人机图像拼接的实现实例。
一、无人机图像拼接原理无人机的航拍图像拼接是借助现代数字图像处理技术来实现的。
该技术需要处理大量的数据，并结合图像的特征进行定位，将相邻图像进行拼接，生成全景图像。
以下是无人机图像拼接的原理图：如图所示，相机通过对地面连续拍摄，得到多幅重叠区域较多的图像。
在无人机图像拼接中，首先需要对相机进行标定，得到相机的内外参数。
然后，根据每张拍摄的图像的特征，例如SIFT特征，计算出每幅图像的特征点。
接着，通过匹配不同图像之间的特征点，建立不同图像之间的关系。
最后，运用优化算法对关系进行优化，完成图像拼接，生成全景图像。
二、无人机图像拼接的算法研究目前，无人机图像拼接的算法主要有以下几种：1. 基于特征点匹配的无人机图像拼接算法这种算法主要的思路是在多副图像上提取一些稀有的、具有代表性的特征点。
然后根据特征点的相似程度进行匹配，得到匹配点对。
匹配点对的质量好坏非常重要，其正确率和准确度直接决定了拼接后的图像质量。
这种算法的核心是对特征点的提取和匹配两个部分的处理。
由于SIFT, SURF和ORB等算子在特征提取和匹配上有着良好的效果，因此应用广泛。
2. 基于区域分割的无人机图像拼接算法该算法主要是先将输入的拍摄图像进行区域分割，将该图像分为多个区域，然后根据区域之间的相似度，通过一系列的变换操作，将这些不同区域的图像配准后合并起来生成全景图像。
这种算法具有很好的兼容性和可扩展性，能够处理不同场景和不同光照下的图像拼接。
但是该算法也存在着一些缺陷，例如耗费计算时间比较长而导致对计算机处理性能的要求比较高。
一种基于无人机的图像拼接方法及装置[发明专利]
![一种基于无人机的图像拼接方法及装置[发明专利]](https://img.taocdn.com/s3/m/467b20f16bd97f192379e958.png)
专利名称：一种基于无人机的图像拼接方法及装置专利类型：发明专利
发明人：不公告发明人
申请号：CN201810556862.0
申请日：20180531
公开号：CN108921776A
公开日：
20181130
专利内容由知识产权出版社提供
摘要：本发明涉及无人机技术领域，公开了一种基于无人机的图像拼接方法及装置，该方法包括：获取待拼接的图像，所述待拼接的图像包括第一图像和第二图像；提取所述待拼接的图像的特征点；对所述第一图像和第二图像的特征点对进行粗匹配；采用边缘检测算法进行边缘检测；去除误匹配的特征点对；采用渐入渐出的融合机制拼接所述第一图像和第二图像；通过提取的图像特征进行匹配，估算出图像间的变换矩阵，然后利用变换矩阵对齐图像，有效地消除了图像的“鬼影”现象，提高了匹配速度和拼接速度，提高了拼接准确率，硬件需求较低。
申请人：深圳市易飞方达科技有限公司
地址：518000 广东省深圳市宝安区西乡街道宝田一路臣田工业区第37栋5楼右侧
国籍：CN
代理机构：广东广和律师事务所
代理人：陈巍巍
更多信息请下载全文后查看。
无人机航拍影像拼接算法研究及应用
无人机航拍影像拼接算法研究及应用无人机技术的发展和普及，使得无人机航拍成为了热门的领域。
随着无人机航拍的应用越来越广泛，无人机航拍影像的拼接算法研究及应用变得尤为重要。
本文将重点探索无人机航拍影像拼接算法的研究现状和应用，分析其中的挑战和发展空间。
一、无人机航拍影像拼接算法研究的现状无人机航拍影像拼接算法是指将多幅无人机拍摄的影像进行拼接，形成一幅完整的影像。
目前，已经涌现出了多种无人机航拍影像拼接算法。
其中，基于特征点匹配的算法是最常见和成熟的一种。
该算法通过提取影像中的特征点，并对这些特征点进行匹配，从而实现影像拼接。
此外，还有基于图像配准、光束法平差和多视图几何模型等算法。
在算法的研究中，需要考虑以下几个关键点：特征提取、特征匹配、坐标转换和影像融合。
特征提取主要通过图像处理技术，如边缘检测、角点检测等，从影像中提取关键的特征点。
特征匹配是通过比较两个或多个影像中的特征点，找到它们之间的对应关系。
坐标转换是将不同影像的坐标系统进行统一，以便进行影像配准和融合。
影像融合是将多张影像拼接为一幅完整的影像，需要考虑色彩一致性和无缝衔接。
二、无人机航拍影像拼接算法应用无人机航拍影像拼接算法的应用十分广泛，以下是几个典型的应用场景：1. 地理测绘与地形建模：利用无人机航拍影像，通过拼接算法可以生成高精度的地图和地形模型，用于土地规划、环境监测、灾害评估等领域。
2. 建筑工程与城市规划：通过无人机航拍影像的拼接，可以实现建筑物的三维模型重建、朝向分析和遥感检测，为建筑工程和城市规划提供重要数据支持。
3. 农业监测与精准农业：利用无人机航拍影像的拼接，可以实现农田的植被指数监测、农作物的生长情况分析和病虫害的检测，为农业生产提供精确的决策依据。
4. 环境保护与生态监测：通过无人机航拍影像的拼接，可以实现自然保护区的植被分布图、生态系统的动态变化等监测，为环境保护和生态研究提供数据支持。
三、无人机航拍影像拼接算法的挑战和发展空间尽管无人机航拍影像拼接算法在不同领域已经有了广泛的应用，但是仍然存在一些挑战和发展空间。
基于机器视觉的无人机图像拼接技术研究
基于机器视觉的无人机图像拼接技术研究无人机技术在近年来的发展中扮演着越来越重要的角色，广泛应用于农业、测绘、安防等领域。
其中，无人机图像拼接技术是无人机技术中的一个重要组成部分。
基于机器视觉的无人机图像拼接技术通过对无人机采集到的图像进行处理和分析，实现多张图像的拼接，从而生成更大范围、高分辨率的图像。
一、无人机图像拼接的原理无人机图像拼接技术依赖于机器视觉的图像处理和分析能力。
其基本原理包括以下几个步骤：1. 图像采集：通过无人机搭载的摄像头进行图像采集。
无人机通过飞行控制系统和导航系统，精确控制摄像头的拍摄角度和位置，保证每张图像的拍摄精度和一致性。
2. 图像预处理：无人机采集的图像通常包含噪声、畸变等问题，需要进行预处理。
预处理包括图像去噪、图像校正、图像对齐等步骤，以获得更加清晰、准确的图像。
3. 特征提取：在拼接过程中，需要提取图像中的特征点，以确定图像之间的对应关系。
常用的特征点提取算法包括SIFT、SURF、ORB等，通过计算特征点的描述子，可以得到图像的特征描述信息。
4. 图像匹配：利用特征点的描述子，对图像进行匹配。
匹配算法通常采用最近邻算法或者最近邻搜索树算法，通过对比特征点之间的相似度，找到图像中匹配的对应点。
5. 图像拼接：根据图像匹配的结果，进行图像的拼接。
拼接算法包括基于特征的拼接算法、基于投影变换的拼接算法等。
其中，基于特征的拼接算法通过对匹配的特征点进行三角坐标计算，得到图像的平移、旋转和缩放矩阵，从而实现图像的拼接。
二、基于机器视觉的无人机图像拼接技术的应用1. 地质勘探：无人机图像拼接技术可以应用于地质勘探中的地貌分析和地质构造分析。
通过利用无人机搭载的摄像头，采集大面积的地表图像，利用图像拼接技术将这些图像拼接成一幅高分辨率的地貌图，从而实现对地质特征的精细分析和研究。
2. 农业遥感：无人机图像拼接技术在农业遥感中具有重要应用价值。
通过对农田进行无人机图像拍摄并拼接，可以获得农田的高清晰度图像，通过对图像进行分析，可以实现对农田土壤质量、作物生长状态等信息的提取和监测，有助于农民提高农田管理水平和农作物产量。
基于机器视觉的无人机照片拼接算法研究
基于机器视觉的无人机照片拼接算法研究近年来，随着无人机技术的不断完善，越来越多的机器视觉技术被应用于无人机影像处理中。
其中一项重要的应用是无人机照片拼接，即将多张无人机照片拼接成一张完整的高清航拍图像，以便对地形、道路、建筑物等进行监测、识别和测量等操作。
本文将探讨基于机器视觉的无人机照片拼接算法的研究，从图像预处理、特征提取、图像匹配、重建和矫正等方面进行分析。
一、图像预处理在进行图像拼接前，需要对无人机拍摄的照片进行一系列预处理，以确保每张照片的色彩、亮度、尺寸等参数一致。
同时，为了减小图像拼接时的误差，需要对照片进行几何校正、畸变纠正等操作。
图像预处理的具体步骤包括：颜色校正、亮度调整、噪声去除、图像平滑、图像增强、图像缩放、几何校正、畸变纠正等。
其中，几何校正和畸变纠正是图像预处理的重要环节，需要通过计算机视觉算法来实现。
二、特征提取在进行无人机照片拼接前，需要对每张照片提取出具有代表性的特征点，以便进行图像匹配。
特征点提取需要考虑几个因素，包括特征点的唯一性、对称性、稳定性和可重复性等。
常用的特征点提取算法包括：SIFT（尺度不变特征变换）、SURF（加速稳健特征）、ORB（FAST和BRIEF的混合算法）、AKAZE（高速自适应关键点提取器）等。
利用这些算法提取出的特征点能够描述出图像的局部特征，以便进一步进行图像匹配。
三、图像匹配特征点提取后，需要进行图像匹配，以找到各个照片之间的联系，从而实现拼接。
图像匹配是一个基于相似性度量的问题，常用的相似性度量方法包括欧氏距离、余弦相似度、SAD（sum of absolute differences）、SSD（sum of squared differences）等。
在图像匹配中，常用的算法是基于特征匹配的方法。
通过对两张图片提取的特征点进行匹配，计算两张图片之间的相似性，从而确定它们之间的位置关系。
目前最常用的特征匹配算法是基于RANSAC（随机采样一致性）的方法或其变体。
【CN109829853A】一种无人机航拍图像拼接方法【专利】
S3 .1 .2：N个采样点两两组合，共有N(N-1)/2种组合方式，将所有组合方式的集合称作 采样点对，用集合A＝{(pi ,pj)∈R2×R2|i<N∧j<i∧i ,j∈N}表示，其中像素点分别是I(pi , σi)、I(pj ,σj) ，σ表示尺度，R为采样同心圆的半径，用g(pi ,pj)表示FAST特征点局部梯度集 合，则有：
(74)专利代理机构 成都弘毅天承知识产权代理 有限公司 51230
代理人 李春芳
(51)Int .Cl . G06T 3/40(2006 .01) G06T 7/33(2017 .01) G06F 17/16(2006 .01)
( 54 )发明 名称 一种无人机航拍图像拼接方法
( 57 )摘要 本发明公开了一种无人机航拍图像拼接方
( 19 )中华人民 共和国国家知识产权局
( 12 )发明专利申请
(21)申请号 201910046773 .6
(22)申请日 2019 .01 .18
(71)申请人 电子科技大学 地址 611731 四川省成都市高新区（西区） 西源大道2006号
(72)发明人 彭真明 汪春宇 蒲恬 张明英 何艳敏 赵学功 杨春平 秦飞义 李嘉荣 张文超 程晓彬
法 ，涉及图 像处理技术领域 ，本发明包括如下步 骤 ：S1 ：输入两幅 待拼接的 无人机航 拍图 像分 别 作为参考图 像和待配准图 像 ；S2 ：运 用FAST特征 点检测算法对参考图像和待配准图像进行处理 ， 得到参考图 像和待配准图 像的 FAST特征点 ；S3 ： 提取参考图像和待配准图像FAST特征点处的 BRISK特征及FREAK特征；S4：利用HAMMING距离度 量准则和BF搜索策略分别匹配BRISK特征及 FREAK特征 ，得到M个最优的特征点对 ；S5 ：利用 RANSAC算法对特征点对进行筛选，计算得到特征 点对之间的坐标变换矩阵 ；S6：利用坐标变换矩 阵对待配准图像进行坐标变换，使之与参考图像 进行 加权融合 ，得到拼接后的图 像 ，本发明具有 效率高、鲁棒性强、拼接结果准确的优点。
无人机航拍中的图像拼接算法分析
无人机航拍中的图像拼接算法分析近年来，随着无人机技术的快速发展，无人机航拍成为了越来越受欢迎的方式来获取地面高分辨率的图像数据。
在实际应用中，无人机航拍通常会产生大量的图像数据，如何高效地对这些图像进行拼接成为了一个重要的问题。
本文将对无人机航拍中常用的图像拼接算法进行分析和讨论。
首先，图像拼接的目标是将多个部分重叠的图像拼接成一张无缝的全景图。
为了实现这个目标，需要解决以下几个主要问题：特征提取、特征匹配和图像融合。
特征提取是图像拼接算法的第一步，其目的是从每一张图像中提取出一些具有代表性的特征点。
这些特征点应该具备一些重要的性质，如在图像中具有较高的对比度，对图像变形具有较高的鲁棒性等。
在无人机航拍中，由于拍摄角度和光照条件的变化，图像中的特征点分布并不均匀。
因此，选择合适的特征提取算法对于图像拼接的成功至关重要。
常用的特征提取算法包括SIFT（尺度不变特征转换）和SURF（速度ed 特征转换）等。
特征匹配是图像拼接算法的关键一环，其目的是找到多个图像之间相对应的关键点。
在特征匹配过程中，需要解决的问题是如何确定两幅图像中的特征点是否匹配，即如何衡量两个特征点之间的相似度。
这一问题的解决方法有很多，其中一种常用的方法是计算特征点之间的距离并设定一个合适的阈值来进行匹配。
此外，还可以使用一些几何约束条件，如基础矩阵或单应矩阵等，来进一步筛选匹配点对。
特征匹配的准确性和鲁棒性对于图像拼接的质量有着重要影响。
图像融合是图像拼接的最后一步，其目的是将匹配好的图像进行平滑过渡和拼接，使得最终得到的全景图具有较高的视觉效果。
在图像融合过程中，需要解决的问题是如何将多幅图像进行平滑过渡，使得拼接处的边界不明显。
常用的图像融合算法包括基于像素值混合的线性融合算法和基于图像加权平均的多重分辨率融合算法等。
这些算法通过对图像进行处理，使拼接处的过渡更加自然，同时减少拼接引起的不连续现象。
除了上述的三个基本步骤，还有一些其他的技术可以用于提升图像拼接算法的效果。
一种基于无人机位姿信息的航拍图像拼接方法-程争刚
ｅｔ
Ｍｏｓａｉｃ Ｍｅｔｈｏｄ Ｂａｓｅｄ
ｏｎ
ｕＡＶ Ｐｏｓｉｔｉｏｎ ａｎｄ Ａｔｔｉｔｕｄｅ
ＩｎｆｏｒｍａｔｉｏｎＥＪ］．Ａｃｔａ
Ｃａｒｔｏｇｒａｐｈｉｃａ
Ｓｉｎｉｃａ，２０１６，４５（６）：６９８—７０５．ＤＯＩ：１０．１１９４７／ｊ．ＡＧＣＳ．２０１６．２０１５０５６７．
Ｆｉｇ．１
Ｊ冬１
小Ｍ视角的航扪Ｈ像
Ａｅｒｉａｌ ｉｍａｇｅ ｆｒｏｍ ｄｉｆｆｅｒｅｎｔ ａｎｇｌｅｓ ｏｆ ｖｉｅｗ
度。文献［１４］通过分块Ｈａｒｒｉｓ角点的方法均匀
提取图像中的角点，然后采用金字塔光流算法进 行角点配准，缩短了航拍图像的匹配时间。这些 方法对于航拍图像的配准和一般图像的配准相 同，首先是对航拍图像进行特征点的提取，然后通 过相似性度量进行特征点匹配，最后根据得到的 两幅图像中对应特征点的坐标关系，采用 ＲＡＮＳＡＣ算法［１明计算出最佳匹配的变换矩阵，
阱疆。１［：；：］
Ｘ。
㈤
１两幅航拍图像的配准
１．１
航拍图像间的单应变换矩阵 如图１所示，无人机在位置０。和０。对地面
乙肾卜ｔ， ＝皿阱…，
Ｌ
Ｚ。 １
万方数据
７００
Ｊｕｎｅ ２０１６ Ｖ０１．４５ Ｎｏ．６ ＡＧＣＳ
ｈｔｔｐ：／／ｘｂ．ｓｉｎｏｍａｐｓ．ｃｏｍ
中姿态角可以通过无人机上装有的惯性导航单元 （ＩＭＵ）获得，坐标可由ＧＰＳ获得，飞行高度可由 气压计获得。但是一般情况下，得到的测量结果 会受到误差的干扰，这对于单应变换矩阵的计算 影响较大。因此要得到准确的单应变换矩阵，就
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
阱疆。１［：；：］
Ｘ。
㈤
１两幅航拍图像的配准
１．１
航拍图像间的单应变换矩阵 如图１所示，无人机在位置０。和０。对地面
乙肾卜ｔ， ＝皿阱…，
Ｌ
Ｚ。 １
万方数据
７００
Ｊｕｎｅ ２０１６ Ｖ０１．４５ Ｎｏ．６ ＡＧＣＳ
ｈｔｔｐ：／／ｘｂ．ｓｉｎｏｍａｐｓ．ｃｏｍ
中姿态角可以通过无人机上装有的惯性导航单元 （ＩＭＵ）获得，坐标可由ＧＰＳ获得，飞行高度可由 气压计获得。但是一般情况下，得到的测量结果 会受到误差的干扰，这对于单应变换矩阵的计算 影响较大。因此要得到准确的单应变换矩阵，就
Ｆｉｇ．１
Ｊ冬１
小Ｍ视角的航扪Ｈ像
Ａｅｒｉａｌ ｉｍａｇｅ ｆｒｏｍ ｄｉｆｆｅｒｅｎｔ ａｎｇｌｅｓ ｏｆ ｖｉｅｗ
度。文献［１４］通过分块Ｈａｒｒｉｓ角点的方法均匀
提取图像中的角点，然后采用金字塔光流算法进 行角点配准，缩短了航拍图像的匹配时间。这些 方法对于航拍图像的配准和一般图像的配准相 同，首先是对航拍图像进行特征点的提取，然后通 过相似性度量进行特征点匹配，最后根据得到的 两幅图像中对应特征点的坐标关系，采用 ＲＡＮＳＡＣ算法［１明计算出最佳匹配的变换矩阵，
万方数据
第６期
程争刚，等：一种基于无人机位姿信息的航拍图像拼接方法
７０１
得到第２次的拼接结果Ｊ。。，直到拼接完所有的 图像。这样不断变换基准图的拼接策略可以减少
拼接误差的累积Ⅲ屯引。
帧序歹
（ａ）
帧序列
（ｂ）
帧序列
（ｃ）
图２偏航角的校正
Ｆｉｇ．２ Ｃｏｒｒｅｃｔｉｏｎ ｒｅｓｕｌｔｓ ｏｆ ｙａｗ ａｎｇｌｅ
Ａｂｓｔｒａｃｔ：Ａｓ ｔｈｅ ｅｘｉｓｔｉｎｇ ｍｅｔｈｏｄｓ ｆｏｒ ａｅｒｉａｌ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ
ｏｎLeabharlann ｉｍａｇｅ ｍｏｓａｉｃ ｔａｋｅ ｈｉｇｈ ｃｏｍｐｕｔａｔｉｏｎａｌ，ａ ｆａｓｔ ａｎｄ ｅｆｆｅｃｔｉｖｅ
ｔｈｅ ｐｏｓｉｔｉｏｎ ａｎｄ ａｔｔｉｔｕｄｅ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｕｎｍａｎｎｅｄ ａｅｒｉａｌ ｖｅｈｉｃｌｅｓ（ＵＡＶ）ｉｓ ｐｒｏｐｏｓｅｄ． ａｎｄ ａｔｔｉｔｕｄｅ ａｎｇｌｅｓ ｏｆ ＵＡＶ
２多幅图像的拼接
２．１
多幅图像的拼接方法 多幅图像的拼接一般就是多次图像的两两拼
接。假设有待拼接的图像Ｊ。～Ｊ。，首先拼接图像 ｊ。和Ｊ：，得到第一次的拼接结果Ｊ。。。图像Ｉ。， 包含两部分内容，一部分是ｆ。变换后的图像Ｊ，．： （假设以Ｊ：作为基准图像），另一部分则是完整的 图像Ｉ：，两部分的重叠区域进行加权平均，从而 就将Ｊ。和Ｊ。融合为ｆ。，。然后再拼接Ｉ。，和ｆ。
２０１６．２０１５０５６７． ＣＨＥＮＧ Ｚｈｅｎｇｇａｎｇ，ＺＨＡＮＧ Ｌｉ．Ａｎ Ａｅｒｉａｌ Ｉｍａｇｅ Ｇｅｏｄａｅｔｉｃａ
ｅｔ
Ｍｏｓａｉｃ Ｍｅｔｈｏｄ Ｂａｓｅｄ
ｏｎ
ｕＡＶ Ｐｏｓｉｔｉｏｎ ａｎｄ Ａｔｔｉｔｕｄｅ
ＩｎｆｏｒｍａｔｉｏｎＥＪ］．Ａｃｔａ
Ｃａｒｔｏｇｒａｐｈｉｃａ
Ｓｉｎｉｃａ，２０１６，４５（６）：６９８—７０５．ＤＯＩ：１０．１１９４７／ｊ．ＡＧＣＳ．２０１６．２０１５０５６７．
基金项目：国家自然科学基金（６１１７２１２５；６１１３２００７）
近几年无人机受到了人们越来越多的关注，无 人机图像拼接方法也随之得到了快速发展。无人机 图像拼接是指在无人机平台上对多幅在不同时刻、 从不同视角获得的航拍图像经过对齐处理后，然后 无缝地融合在一起，从而得到一幅视野更大、分辨率 更高的全景图像。目前被广泛应用于数字地图绘 制、城市建设规划以及战场态势评估等领域。 航拍图像的拼接一般包括４个步骤：待拼接 图像的获取、图像畸变校正、图像配准以及图像融 合。其中图像配准是整个图像拼接技术的核心部 分，它直接关系到图像拼接的质量［１］，其主要目的
场景进行拍摄，得到图像Ｊ。和Ｊ：。Ｍ（Ｘ。，Ｙ。，
Ｚ。）Ｔ为场景中的一点，Ｍ。（Ｘ叫Ｙ叫Ｚ，，）Ｔ和 Ｍ。（Ｘ∥ｙｆ。，Ｚ，，）Ｔ表示Ｍ在两个位置的相机坐
标。ｍ１（“ｌ，ｕｌ，１）Ｔ和ｍ ２（“２，ｕ２，１）Ｔ分别为Ｍ在 图像ｊ，和ｆ：上对应的点。如果矩阵Ｈ能满足
ｍ ２一ｓｈｉｎｌ （１）
则称矩阵Ｈ为图像ｊ。到ｊ：的单应变换矩阵。 其中ｓ为非零常数项。
是得到两幅图像之间的变换矩阵。目前无人机图 像配准技术主要是基于特征点匹配的方法，该方 法利用图像中提取到的局部特征进行匹配，其关 键步骤是图像特征的提取和匹配［２］，其中基于 ＳＩＦＴ特征点匹配的方法被广泛地应用于航拍图 像的配准。该方法能够有效地适应航拍图像间存
在的视角和尺度变化，由文献［３—４］在１９９９年提
ａ ｃａｎ
Ｆｉ ｒｓｔｌｙ，ｔｈｅ ｃｏｏｒｄｉｎａｔｅｓ
ｂｅ
ｏｂｔａｉｎｅｄ
ｂｙ
ａｉ ｒｂｏｒｎｅ
ＧＰＳ ａｎｄ
ｉｎｅｒｔｉａｌ
ｍｅａｓｕｒｅｍｅｎｔ ｕｎｉｔ（ＩＭＵ），ａｎｄ ｅａｃｈ ａｅｒｉａｌ ｉｍａｇｅ ｈａｓ ｈｏｍｏｇｒａｐｈｙ ｍａｔｒｉｘ ｂｅｔｗｅｅｎ
ｔｗｏ
ｃｏｒｒｅｓｐｏｎｄｉｎｇ ｐｏｓｉｔｉｏｎ ａｎｄ ａｔｔｉｔｕｄｅ ｉｎｆｏｒｍａｔｉｏｎ．Ｔｈｅ ｔｈｅ ｐｏｓｉｔｉｏｎｓ ａｎｄ ａｔｔｉｔｕｄｅ ｉｎｆｏｒｍａｔｉｏｎ
毛［：｝］＝蚓
÷０ ｄｘ
Ｋ＝＝＝
０ ０
㈣
厂
“ｏ
÷口ｏ
ｄｙ Ｏ
，
（３）
１
并没有利用航拍图像特有的优势。文献［１６—１７］
结合了航拍时的参数信息进行图像配准，提高了 航拍图像拼接的速度，但是还没有完全发挥航拍 参数对图像配准的作用。文献［１８］针对机载传感 器的精度问题，提出了一种混合的方法，利用基于 图像的方法校正由位姿计算带来的拼接误差。本 文结合无人机航拍的特点，利用航拍时获得的航 拍参数来计算图像问的变换矩阵，然后通过变换 矩阵的分解推导出多幅图像连续拼接的变换矩 阵，基本不依赖拍摄图像的质量情况，提出了一种 快速的航拍图像配准方法。
由上节可知根据航拍图像对应的坐标和姿态 角可以直接计算出图像间的单应变换矩阵，因此 Ｈ。．。可直接算出，进而可以得到第１次的拼接结果 Ｊ。．。但图像Ｊ。，并没有对应的航拍参数信息，因此 Ｊ。．和Ｊ。的变换矩阵Ｈ。．，无法直接得到。所以要 实现多幅图像的连续拼接，关键就是要知道上一次 的拼接图像与下一幅航拍图像之间的变换矩阵。 ２．２单应矩阵的分解 设无人机在位置０，和Ｏ。分别拍摄到图像 ｊ。和ｆ。，Ｊ。到，。的单应变换矩阵为ＨⅢ。从Ｏ。 到ｏ。可以看作是首先从０。到０。，然后再从０。 到Ｏ。，如图３所示。若Ｊ。为无人机在Ｏ。拍摄到
出，并在２００４年又对该算法进行了完善口＿］。后 来又出现了很多改进的ＳＩＦＴ算法应用到图像配 准中［５－９］。文献Ｅ５－１提出的ＰＣＡ—ＳＩＦＴ方法，采用 主成分分析对ＳＩＦＴ算子进行降维操作，大大减
万方数据
第６期
程争刚，等：一种基于无人机位姿信息的航拍图像拼接方法
６９９
少了计算时间。文献ｌ－６－１提出的尺度和仿射不变 量兴趣点检测的ＧＬＯＨ算法，采用一种ＳＩＦＴ变 体的描述子，用对数极坐标分级结构替代ＳＩＦＴ 使用的４象限，之后再做ＰＣＡ将其降维，因此保 有和ＳＩＦＴ一样精简的表示方法。文献［７－１提出 的ＳＵＲＦ算法，采用快速Ｈｅｓｓｉａｎ方法进行特征 点检测，是ＳＩＦＴ算法的加速版。文献［８］提出扩 展ＳＵＲＦ描述符，采用邻域采样点的局部归一化
Ｈ—ＫＲ（Ｊ一号聘Ｔ）Ｋ‘１一ＫＲＫ叫一ｉ１躲细ＴＫ。１
阵Ｈ。
（２）根据文献Ｅ２０］的方法由Ｈ计算出航拍
参数。 （３）将直接测量的航拍参数与参数的计算结 果进行对比（试验选择比较８０组结果），然后通过 多项式拟合的方法得到测量参数的误差补偿量 （本文选择３次多项式）。 试验结果如图２所示（以偏航角的校正为
一种基于无人机位姿信息的航拍图像拼接方法
程争刚，张利
清华大学电子工程系，北京１０００８４
Ａｎ
Ａｅｒｉａｌ
Ｉｍａｇｅ
Ｍｏｓａｉｃ
Ｍｅｔｈｏｄ
Ｂａｓｅｄ
ｏｎ
ＵＡｖ
Ｐｏｓｉｔｉｏｎ
ａｎｄ
Ａｔｔｉｔｕｄｅ
Ｉｎｆｏｒｍａｔ ｉｏｎ
ＣＨＥＮＧ Ｚｈｅｎｇｇａｎｇ，ＺＨＡＮＧ Ｌｉ
Ｄｅｐｏｒｔｍｅｎｔ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｔｓｉｎｇｈｕａ Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ １０００８４，Ｃｈｉｎｏ
ｃａｎ
ａｅｒｉａＩ
ｉｍａｇｅｓ
ｗｉｔｈ
ｂｅ
ｃａｌｃｕｌａｔｅｄ．Ｔｈｅｎ ｔｈｅ ｒｅｇｉｓｔｒａｔｉｏｎ ｏｆ ｔｈｅ ｍｏｓａｉｃ ｉｍａｇｅｓ ｉｓ ｏｂｔａｉｎｅｄ ｂｙ ｔｈｅ ｏｐｅｒａｔｉｏｎ ｏｆ ｈｏｍｏｇｒａｐｈｙ ｍａｔｒｉｘ． Ｆｉｎａｌｌｙ，ｔｈｅ ｍｕｌｔｉｐｌｅ ｉｍａｇｅｓ
摘
要：针对现有航拍图像拼接方法处理速度较慢的问题，提出一种基于无人机位姿信息的快速拼接方
法。首先从机栽ＧＰＳ和惯性导航单元获得无人机航拍时的坐标和姿态角，根据每一幅航拍图像对应的 无人机坐标和姿态角计算它们之间的单应变换矩阵，实现航拍图像之间的快速配准。然后通过单应变 换矩阵的运算得到拼接图像之间的配准，最后完成多幅图像的拼接得到整个区域的全景图。试验结果 证明该方法快速有效。 关键词：航拍图像；位置和姿态；图像配准；单应矩阵；全景图 中图分类号：Ｐ２３１ 文献标识码：Ａ 文章编号：１００１—１５９５（２０１６）０６．０６９８—０８
Ｐ＝厂（ｃ）一０．０５７
Ｏ．０８３ ２
ｌｃ ３－－０．１６０ ９ｃ ２＋０．４８４ ９ｃ—
（１３）
式中，ｃ为当前的测量结果；ｅ为测量误差。这样 就得到了测量结果的误差补偿量，从而就能对测 量的航拍参数进行校正，保证了单应变换矩阵计 算的精度。