近实时无人航空摄影测量关键技术研究

摘要

时效性是灾害应急响应的灵魂，无人航空摄影测量是灾害应急响应的重要手段，目前，能够快速获取测绘区域大量影像，但仍难以实现以小时为任务周期的无人机应急测绘目标。地理空间信息已经正进入大数据时代，影像尺寸、分辨率不断提升，数据量呈几何级增长，但存在自动化程度不高、数据更新速度慢、数据处理效率低等突出问题。要实现无人航空应急测量及遥感大数据时代的海量影像数据快速“消耗”，基于高速影像处理的近实时摄影测量是其中的关键。本文以实现无人航空摄影测量中高清影像的近实时高速处理为目的，针对其中的关键问题展开研究，具体研究工作如下：　　1．搭建了近实时无人航空摄影测量基础平台：　　针对高清航拍影像不能实时回传的问题，本文采用WIFI SD卡及集WIFI与700MHz无线数传为一体的单兵收发模块，实现了针对普通商业相机无人航拍影像的无线传输；针对海量航拍影像的存储管理及历史影像存储于不同技术规范传统硬盘中不方便管理的问题，本文基于阵列分组管理结构开发了低成本、可扩展、海量影像存储管理系统，实现了海量航拍影像的存储及现有航空摄影测量领域中海量历史影像存储于不同技术规范传统硬盘中的管理问题；为实现高清航空影像的高速处理，本文基于Cyclone V FPGA处理器设计了FPGA硬件处理平台，搭建了电脑CPU-FPGA协同的航空影像高速处理硬件系统。　　2．研究了航空影像的高速稀疏匹配：　　针对高性能特征点检测算法运算过于复杂的问题，本文以角点为特征点，基于AdaBoost弱分类器思想提出了高效角点检测算法，实现了与FAST算法速度相近、比HARRIS算法精度及鲁棒性更高的角点检测；针对基于金字塔特征尺度估计内存消耗大的问题，本文提出了在原始影像中进行的特征尺度估计及二进制特征矢量描述算法，解决了特征尺度估计时大内存消耗问题，实现了能针对高仿射变化影像（尺度、视角、亮度综合变化）的稳定、快速特征点匹配；针对高清航空影像稀疏特征匹配速度慢的问题，进行了算法的并行高速实现，首先对SIFT特征匹配算法中的最耗时步骤（匹配距离计算）进行了FPGA高速实现，使SIFT匹配距离计算的FPGA处理速度达到CPU单独实现的约246倍；然后设计了CPU-FPGA稀疏特征点匹配框架，对新的角点检测算法及特征描述算法进行了CPU、FPGA分工协同实现，平均速度达到SIFT算法CPU单独实现的约160倍、CPU-GPU协同实现的近十倍。　　3.研究了航空影像高速密集匹配：　　针对视差优化时视差填充准确性不高的问题，本文提出了面向边缘增强的视差优化算法，提高了密集匹配的后期优化准确性，并且在此过程中提出了新的轮廓线检测算法；针对SGM算法在金字塔上获取初始视差时内存开销大的问题，本文提出了稀疏匹配特征引导的初始视差获取算法，在获得初始视差后通过固定小视差范围内的SGM精确匹配获取准确密集匹配结果，最终通过提出的面向边缘增强视差优化得出最终视差图；针对高清航空影像密集匹配速度慢的问题，进行了算法的并行高速实现，首先对金字塔SGM算法中最耗时步骤（底层匹配）进行了FPGA高速实现，使金字塔SGM最底层FPGA密集匹配提速平均达CPU实现的255倍；然后设计了CPU-FPGA密集匹配框架，实现了对新算法的CPU、FPGA协同实现，在新算法视差准确率高于传统SGM算法的情况下，总体速度达到原始SGM算法CPU实现的32倍、金字塔SGM算法CPU实现的近十倍，FPGA实现的SGM精确匹配速度为GPU实现的5倍左右、CPU实现的145倍，同时新算法不需要人为预估视差搜索范围。　　论文基于高清航空影像数据集对CPU-FPGA协同的整体匹配性能及三维重建后的物方点云精度与传统经典算法进行了详细对比测试，CPU-FPGA协同的摄影测量算法在最终点云精度高于传统算法的基础上实现了5平方千米测区内以半小时为任务周期的无人航空摄影测量近实时处理。

目录