基于无人机的成像——数字高程模型提取外文翻译资料

英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

基于无人机的成像——数字高程模型提取

摘 要

数据，无论是图像、文本还是表格，都必须通过应用程序来操作，以提取决策人员所需的信息。数字高程模型(dem)由于其数据结构简单，计算效率提高，常被用于解决不同的环境问题。然而，它必须以最佳的准确度生成。本研究旨在展示马来西亚普特拉大学使用多旋翼无人机(UAV)获得的DEM处理流程。利用地面控制点(GCPs)评估模型的准确性，该控制点采用可微调的实时运动微分全球定位系统(DGPS)和预期的亚米精度。

关键词:无人机，点云重建，数字高程模型，精度。

1.研究背景

数字高程模型(DEM)提供地形的三维表示。高程数据是一个连续的现象。由于这个原因，从全球定位系统(GPS)、测速、全站或等高线获得的数据被认为是数字地形模型(DTM)。用于DEM提取的制图设备的成本是一个重大的挑战，与算法方法相比耗费了大量的时间。它还需要制图人员有足够的技能和培训。一般而言，立体图像或实地调查和设备不容易产生DEM，从而促使用户采用已发布的DEM[1]。随着技术的进步，自动化方法得到了广泛的应用。虽然，它节省时间和负担得起，但是模型的准确性依赖于软件和调制解调器的来源。

算法方法可能会由于数据中出现的噪声而导致错误，从而产生错误的凹坑和峰值[2]。避免错误的凹坑和波峰需要平滑地形。无人机测绘摄影测量和三维建模[3][4]为研究人员轻松、准确地生成DEM奠定了基础。然而，无人机在生产调制解调器上的快速应用，使得平台成本低廉，传感器的小型化大大提高了[4]。以往的研究采用解析绘图仪和数字摄影测量方法对DEM提取[5]进行了研究。由于图像纹理较差或摄影处理不完善，分析方法比数字摄影法提供了更好的结果。PCI Geomatica提供了一个关于如何使用Geomatica orthengine从高级星载热发射和反射辐射计(ASTER) 1B级数据[6]中提取DEM表面的教程。ASTER数据包括两个级别(1A和1B);每个层次都有优缺点。以谷歌地球作为DEM提取的来源，对Sungai Munar流域进行了研究[7]。当作者将同一研究区域的20米等高线间隔进行比较时，结果为0.19%。本研究主要集中在一种基于无人机hexacopter平台Tarot 680 Ironman红绿蓝(RGB)照片的DEM算法流程。在研究区域内，利用实时运动微分全球定位系统(RTK-DGPS)建立的现有地面控制点(GCPs)评估模型的准确性。

2.DEM的各种来源

图1.0 DEM平台

DEM有着各式各样的来源[8]。土地测量和摄影测量方法是dem提取的常用来源。选择数字高程模型的平台所需要的因素是覆盖面积、模型的使用、所需的精度、分配的时间和可用的成本。全站设备或直接测量提供准确的高程数据，但费用昂贵，加热时间长，不适合大面积使用。等高线地图的扫描和插值是繁琐的，并且产生的结果质量很低。因此，DEM来自无人机。美国航空航天协会(AIAA)标准委员会(UAV/ROA词典)将UAV定义为一种设计或改装的飞机，而不是载人飞行员。它通过由飞行控制器或机载自动飞行管理控制系统发起的电子输入进行操作;不需要飞行控制器干预[9]。图1.0描述了一些DEM平台，考虑无人机平台的原因是，与传统的飞机和空间卫星相比，它具有更好的分辨率、更便宜、在云下运行、非常灵活。在图1.0中有一个无人机平台，无论其大小可以是固定翼或多旋翼。在目前的研究中，一台无人机hexacopter平台Tarot 680铁人RGB照片，如下图1.1所示用于提取DEM。hexacopter可携带，便于运输。表1.0说明了hexacopter的特性、产品规范和需求。

图1.1 hexacopter平台Tarot 680 Ironman

表1.0 hexacopter的特性，取自Tarot FY680 IRON MAN 680 Hexa- Copter Carbon Kit TL68C01

3.研究地点

这项研究是在马来西亚雪兰莪州埃尔山夫研究生院路的Putra马来西亚体育场进行的。离工程学院约3公里;起飞和降落的地点距离远，安全。图1.2 a、b、c为Selangor位置谷歌地图和地形图。谷歌地图覆盖在Selangor地形图上，以知道确切的研究地点。

a b

c

图1.2a、b和c谷歌地图上站点位置在雪兰莪州的地形图

4. 从无人机中提取DEM的算法

图2.0 DEM提取流程

在这项工作中，利用光扫描算法提取数字高程模型。无人机数据很重，因此需要更高的计算内存和硬件配置。研究区约0.08平方公里，周围环绕着建筑和高层建筑。为了达到最优的结果，在一个安全区域内建立了35个GCPs，用于地理定位、优化和精度评估。参照上述图2.0，导航到photoScan工作流窗格中提取的数字高程模型，并选择软件设置等一系列处理步骤;加载照片;执行图像估计质量，对齐照片;建筑几何;运用;优化;建筑物密集的点云;编辑密集的点云;建立三维模型;编辑网格;生成网格，然后导出结果。中间结果可以省下作进一步处理。PhotoScan算法是半自动的，易于交互，需要人工干预才能获得准确的结果。提高DEM精度的人工干预任务之一是图像估计质量。PhotoScan建议，图像估计质量应该执行，以排除图像处理中不太集中的照片，通过禁用任何质量小于0.5个单元的照片。本研究将DEM提取产品分为两类。即副产物(图3a-e)和主要产物(图4a-c)。副产物包括稀疏点云和密集点云。主要产品有3D模型、相机位置和图像重叠、正射影像和DEM。

5.成果

a b

c d

e

图3 a 副产物，疏点云，b 密集点云，c 线性模型下的三维模型，d 阴影模式下的三维模型，e 纹理模式下的三维模型

a b

c

图4 主要成果：a：正射影像，b：相机位置及影像重叠度，c：DEM

6. 精度评估和讨论

图5a：DEM模型上的控制点

有三种类型的错误。这些是系统的或累积的;偶然、随机或补偿;错误或失误。DEM并不是没有错误意识形态的自由。因此，应仔细注意处理方法和数据来源。数字高程模型误差仅在垂直方向上可感知，因此需要对DEM进行垂直精度评估。然而，垂直部件的允许值表明了水平部件的可靠性。因此，为了评估DEM内的水平误差到一定的置信水平，需要清楚地识别垂直分量[10]。广义地说，RMSE在统计学上被用来评估在一个DEM中沿垂直方向的系统和随机误差。

RMSE = radic;sum; ( Di - Dt)^2

n

其中Di是所观测点的DEM高度，Dt是观测点的已知高度，n是测试点的个数

表1.1 无人机派生的DEM（Ht），像控点GCPs（Ht）和残差

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[467160]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 多方向线分割的方向空间滤波外文翻译资料
• 基于RINEX格式GPS观测数据的周跳探测和修复外文翻译资料
• 基于Windows的TEQC 用户的新绘图程序外文翻译资料
• 一种基于纹理梯度的高分辨率遥感图像分割方法外文翻译资料
• GPS水汽观测误差外文翻译资料
• 通过脉冲耦合神经网络对超高分辨率图像的自动变化检测外文翻译资料
• 基于旋转矩阵的单位四分位运动预估算法外文翻译资料
• 利用闭路电视图像分割理想的污水管道缺陷形貌实现自动诊断外文翻译资料
• 我国珠江三角洲地区首个基于PPP技术的GPS水汽实时监测系统外文翻译资料
• 建立一种新的对流层斜延迟改进经验模型——GPT2w模型外文翻译资料