无人机影像像控点自动布设方案研究

董平

摘要： 无人机航空摄影是一种新型的低空遥感影像获取方式，其中像控点布设是利用航测进行数字测图和制作正射影像图（DOM）的重要环节，其布设效率将直接影响后续的工作进度，而且像控点布设的网型也是影响最终测图和DOM精度的重要因素。本文主要介绍了传统的无人机影像像控点布设方式，分析了传统布设方法存在的缺陷，并针对传统手动布设像控点的缺陷，研究开发一种全新的像控点自动布设程序，省略了传统布设方式所需的大部分人工操作，极大地提高了像控点布设的工作效率。

Abstract： UAV aerial photography is a new kind of low altitude remote sensing image acquisition method. The layout of photo control points is an important part in digital mapping and doing orthophoto map（DOM） which uses aerial survey. Its layout efficiency will directly affect the subsequent work schedule. And the net type of control point layout is also an important factor affecting the final mapping and DOM accuracy. This paper introduces the layout method of traditional UAV image control point， analyzes the defects of traditional layout methods and develops a new image control point automatic placement program for the defects of traditional manually setting image control points. This method omits most manual operation required and greatly improves the image control point layout efficiency.

关键词： 无人机；影像；像控点；布设；POS数据

Key words： UAV；image；control points；layout；POS data

中图分类号：P231 文献标识码：A 文章编号：1006-4311（2017）04-0183-03

0 引言

无人机航测作为一种新型的低空遥感影像获取技术，是卫星遥感和航空摄影的有力补充[1-2]。无人机航摄以成本低、高清晰、小面积、高精度、高现势性、高效率、起飞降落受场地限制较小、整个飞行过程中可实时化监测及产品成果丰富等优点，已经成为一种有效的快速测绘手段，获得越来越多的认可，并在国民经济建设中发挥了重要的作用[3]。

像控点的布设是后期数据处理的基础和前提，它在过程中扮演着非常重要的角色，其效率将直接影响后续的工作进度。传统像控点的布设通常需要两名作业人员进行配合完成，其中一人在Google earth上布点，另外一人则需要在航空影像上勾勒出刺点范围，这种布设方式存在很多的重复性工作，并且工作效率较低。本文在总结传统布设方式的基础上，针对传统布设方式存在的缺陷，研究开发了一种全新的自动布设程序，程序能够根据初始的POS数据和设计网型自动获得像控点分布图，然后程序可依据航空摄影测量的成像模型获得像控点刺点范围图。

1 试验区域及航摄资料

经过对现有资料的分析，选定云南省通海县的数据进行试验，该县航片资料采用DB-2型无人机航摄系统平台，搭载尼康D800、D810数码相机进行作业，拍摄时间段为2015年9月～10月，共飞行27个架次，获取影像53289张，航飞面积约863km2，无人机航摄影像地面分辨率優于0.2m。

2 传统像控点布设

像控点是直接为摄影测量的控制点加密或测图需要而布设并在实地进行测定的控制点，像控点包括仅具有平面坐标的平面点和仅具有高程坐标的高程点及同时具有平面与高程坐标的平高点，所有这些控制点统称为“像控点”[4-7]。像控点布设是根据设计网型（航向基线间隔、旁向基线间隔）在成图范围内布设像控点。像控点的布设需遵照均匀性原则，并根据不同比例尺、地形条件、处理方法等的要求，将像控点按不同的密度布设在测区范围内。另外，布点人员除了考虑像控点均匀性之外，还需考虑测区的交通及地物特征情况。

传统像控点的布设通常是在Google earth上进行的。首先将像片曝光位置数据（初始POS数据）导入Google earth上作为参照，其中一名内业人员根据布点密度要求，在兼顾交通及地物特征的情况下，将像控点布设在Google earth上，最终得到KMZ格式的像控点分布图，外业数据采集人员可以通过像控点分布图大致了解像控点的分布情况，并根据像控点的分布情况进行路线规划。另外，由于Google earth影像的清晰度不够，无法当作参考影像标注具体刺点位置，因此，在Google earth上布点的同时，还需要另一名内业人员挑选出对应的航空影像，并根据像控点在Google earth上的位置找到影像的匹配位置，并在影像上勾勒出刺点范围，外业数据采集的作业人员可以根据刺点范围和地物特征选择目标清晰、大小适中的特征位置采集控制点坐标。

传统像控点布设主要采用纯手工的操作方式，依靠两个内业作业员配合完成，这种方法存在很多的重复性工作，工作效率比较低。另外，由于Google earth影像本身不够清晰、部分区域现势性不强，加之两者影像朝向不同，这些因素使得在匹配刺点范围时需要花费较多的时间。

3 像控点自动布设

3.1 设计思路

在Visual Studio2010的平台上，运用C++语言综合各种像控点布设方案开发一种全新的像控点自动布设程序，程序能够针对不同分辨率的影像适当调整布点方案，从而满足不同比例尺的制图需求。设计思路如图1所示。

3.2 数据预处理

3.2.1 影像畸变差改正

无人机影像数据通常都存在着畸变[8]，影像的畸变除了表现为像主点存在偏移之外，还存在着对称和非对称畸变两种变形，因此，影像在利用软件进行后处理前需要根据相机检校参数（像主点坐标X0、Y0；对称畸变参数K1、K2、K3；非对称畸变参数P1、P2）对原始影像进行畸变差校正。

3.2.2 工程建立及影像相对位置关系的确定

在Inpho软件中首先利用畸变纠正后的影像建立金字塔影像，然后根据相机检校参数建立工程，软件会根据初始POS数据建立航带影像缩略图，并自动生成航带。最后，选择任意一条航带，将航带上的影像按照ID号从小到大依次激活，看相邻两张影像的排列是否合理，若排列不合理，需要重新设置相机直到影像的排列正确为止。

3.2.3 自由网平差

在没有人工添加同名点的情况下，利用软件自动匹配像片之间的同名点，生成大量连接点的过程。自由网平差后能够进一步确定像片的相对位置关系，得到较为准确的外方位元素，并能从中间成果aat.log文件中提取改正后的POS数据。

3.3 根据网型自动布点

首先，根据初始POS数据计算曝光点之间的间距以及相邻两点之间的方位角，依次判断相邻两点之间的方位角，结合设定的航带角度容差自动生成航带并计算测区面积。其次，综合考虑相关制图规范、制图的比例尺、用途等因素，确定像控点布设的密度，根据布设密度及间隔航带数N可确定相邻像控点间间隔的基线数。最后，根据确定的间隔的基线数及间隔航带数N可在航带间以交错的方式进行布网。如图2所示，其中黑点表示相机曝光点位置，黄色为像控点分布位置。

另外，程序在自动布点时只考虑了网型要求，并未考虑到刺点位置的交通以及地物特征的情况，其中部分像控点的分布位置未必适合。因此，需要借助Google earth平台对程序已经布设好的像控点进行人工干预，对部分像控点的位置进行略微的调整。

3.4 自动匹配刺点范围

3.4.1 匹配原理

在匹配刺点范围的过程中，最关键就是要建立像方和物方空间坐标系之间的一一对应关系。由于航空影像是地物的中心投影，在影像获取瞬间摄影中心、像点、对应物点位于同一直线上，即满足共线条件，因此，像点与对应地面点之间的空间映射关系可通过共线条件构建[9-10]。

选取像空间坐标系为S-xyz，像空间辅助坐标系为S-uvw，地面摄影测量坐标系为D-XYZ，并使S-uvw和D-XYZ两种坐标系的坐标轴彼此平行。若设摄影中心与地面点A在地面摄影测量坐标系中的坐标分别为XS、YS、ZS和X、Y、Z，像点在像空间坐标系与像空间辅助坐标系中的坐标分别为x、y、-f和u、v、w。

3.4.2 匹配流程

将已经布设好的像控点文件导入程序，并同时导入自由网平差后的像片外方位元素文件（改正后的POS数据），根据匹配原理中的（5）公式可以自动反算出其在各张影像上的像点坐标，然后挑选像点位置最为靠近像片中心的像片作为刺点影像，并以对应像点为中心根据预先设定的半径大小自动勾勒出刺点范围。勾勒出刺点范围后，程序会自动对像片进行标注，并将像片重命名后保存到指定文件夹下。图4为一个像控点的匹配结果图。

4 结果分析

在精度方面，根据匹配原理可知，像控点位置反算像点坐标的精度主要取决于像控点物点坐标X、Y、Z的准确度以及像片外方位元素XS、YS、ZS、ω、ψ、κ的精度。外方位元素XS、YS、ZS、ω、ψ、κ可以借助Inpho软件经过自由网平差后获得更为准确的外方位元素，然而自由网平差也是后期空中三角测量的必要步骤，采用此种方式只是改变了传统的作业流程，并未增加其工作量。物点坐标X、Y是经人工干预后获得的准确值，而物点的Z坐标无法准确获取，本文是采用测区的平均高程作为物点的Z坐标，由于Z坐标不准确带来的误差主要取决航飞高度H以及像点到像主点的距离r，航飞高度越高，像点到像主点距离r就越小，匹配误差越小，反之则越大。因此，程序会挑选那些像控点对应的像点位置更为靠近中心的像片作为刺点像片，以减小匹配的误差。

在工作效率方面，像控点自动布设程序省去了傳统方法中大部分的手工操作步骤，该程序主要的手工操作仅仅是自动生成像控分布文件之后，依据交通便利、地物清晰的原则对部分像控点进行略微调整。在自动匹配刺点范围图时，程序采用多线程并行的模式处理影像，大大提高了影像的处理效率。经过实验研究，相比传统的手工布设方法，本文所采取的方法将布设效率提高了5-10倍。

5 结束语

无人机影像像控点的自动布设能够极大地提高像控布设效率，并且利用该种方法获取的像控分布图（KMZ文件）及航空影像刺点范围图能够满足外业刺点精度要求，大大减少了内业工作量和生产成本，有利于提高无人机数据生产的整体效率。

参考文献：

[1]买小争，杨波，冯晓敏.无人机航摄像控点布设方法探讨[J].测绘通报，2016（Z）：268-271.

[2]林宗坚.UAV低空航测技术研究[J].测绘科学，2011（1）：5-9.

[3]李君，李贵中，李云树.应用无人机数字影像进行农村宅基地确权技术研究[J].测绘通报，2016（4）：83-84.

[4]吴巧玲.大比例尺数码影像航测像控布点方案探讨[J].测绘通报，2009（5）：35-37.

[5]栾学科，姚喜，王志博，等.航空数码影像像控布点方案的研究[J].城市勘测，2010（8）：103-106.

[6]张祖勋，张剑清.数字摄影测量学[M].武汉：武汉大学出版社，1996.

[7]王佩军，徐亚明.摄影测量学[M].武汉：武汉大学出版社，2005.

[8]周晓敏，赵力彬，张新利.低空无人机影像处理技术及方案探讨[J].测绘与空间地理信息，2012（2）：182-184.

[9]陈义.数字摄影测量共线方程的一种新解法[J].同济大学学报，2004（5）：660-663.

[10]王生明.无人机影像几何精校正研究[D].成都：西南交通大学，2011，5.