一种低空航空摄影测量自动纠正数字地面高程模型的方法

摘要

本发明公开一种低空航空摄影测量自动纠正数字地面高程模型的方法，包括以下步骤：a)利用低空无人机拍摄到的目标物的数字航空影像生成数字表面模型点云；b)在数字表面模型点云中提取高程有陡变的目标点；c)利用步骤“b)”中提取到的目标点提取目标物边缘轮廓线；d)纠正步骤“c)”中提取到的目标物边缘轮廓线的高程值。本发明利用地表面高度模型点云数据，提取建筑物的边缘轮廓线并进行规则化处理，建立数字高程模型，然后在此基础上进行数字微分纠正，生成正射影像，不仅能有效地消除正射影像中建筑物高程突变位置处边缘存在的锯齿失真现象，美化正射影像，还保证了正射影像的平面精度，大大推动了无人机低空航空摄影测量技术的应用。

说明书

技术领域

本发明涉及一种低空航空摄影测量自动纠正数字地面高程模型 的方法。

背景技术

随着科技的发展，无人机低空航空摄影测量技术因其具有成本低、 快速灵活、高分辨率影像、起降条件要求低等优点被广泛应用于测绘 行业，用于测量房屋、高架公路等建筑物的外形和位置。无人机的飞 行高度低且基高比小，容易导致其拍摄到的影像投影误差很大，对在 垂直方向上边缘点存在着高程突变的建筑物，拍摄到的影像投影误差 更大。

现有技术解算数字正射影像图(DigitalOrthophotoMap，简称 DOM)的像素值的原理如下：利用数字高程模型(DigitalElevation Model,简称DEM)可以获得数字正射影像图的像元P(X，Y)的高程为Z， 无人机拍摄到的数字航空影像的像元p(x，y)与数字正射影像图上对应 的地面点P(X，Y，Z)的关系公式为：

$\left(\begin{array}{c}x-x_0=-f\frac{a_1(X-X_s)+b_1(Y-Y_S)+c_1(Z-Z_S)}{a_3(X-X_S)+b_3(Y-Y_S)+c_3(Z-Z_S)}\\ y-y_0=-f\frac{a_2(X-X_s)+b_2(Y-Y_S)+c_2(Z-Z_S)}{a_3(X-X_s)+b_3(Y-Y_S)+c_3(Z-Z_S)}\end{array}\right)---\left(1\right)$

其中，(x₀，y₀)为数字航空影像的主点坐标，(X_s，Y_S，Z_S)为摄站坐 标，f为相机焦距，a₁、a₂、a₃、b₁、b₂、b₃、c₁、c₂、c₃为由航摄相机的 姿态角生成的坐标变换旋转矩阵元素，Z是点P的高程，其通过数字 高程模型内插求得，生成DOM的反解法原理如图1所示。

由上述DOM生成理论可知，DEM中内插的高程值Z的精度对正射 影像的精度有着重大的影响，如图2所示，图中P、P′分别是平面位 置相同的物方空间中两点，它们的高程差为ΔH，因为平面位置相同， 因此在正射影像上应该在同一点上，纹理映射像方平面的像素值也应 该是相同的。但是正如图中所示，P、P′经相机投影中心S成像后，在 像方平面上有p、p′这两个影像点，这就造成了正射影像像素值在纹理 映射过程中会产生不确定性。房屋边缘线上的点，都是属于这种高程 有陡变的地面点，也就是说在数字地表高程点云模型(digital surfacemodel，简称DSM)中，房屋边缘线类型的地面目标的高程 可能会有2种不同的值。根据公式(1)，相同的地面平面坐标，由于 高程的不同(有高差ΔH)，可以有2个像点p(x,y)、p′(x′,y′)与之对应， 这2个像素值中的任何一个都可以作为相应的正射影像点的像素值。

当从DSM内插高程时，对高程有陡变的目标边界，难以保证高程 值的一致性，所以简单地用DSM来支持数字正射影像的制作，城市的 高楼房檐线、高架立交的道路边线在正射影像上的纹理往往会出现曲 线现象。我们把这种现象称作是DEM的误差，对DOM的纹理影响。

如果不对DSM进行处理，建筑物边缘位置的高度是不连续的，会 导致生成的正射影像的边缘存在明显的锯齿变形和边缘模糊，并影响 目标建筑物的判读和提取，降低了无人机低空航空摄影测量技术的使 用效果。因此，有必要提供一种新的方法来解决上述问题。

发明内容

本发明的目的在于提供一种能够有效防止正射影像中建筑物边 缘存在的锯齿失真现象的低空航空摄影测量自动纠正数字地面高程 模型的方法。

为了实现上述目的，本发明所采用的技术方案如下：

一种低空航空摄影测量自动纠正数字地面高程模型的方法，包括 以下步骤：

a)利用低空无人机拍摄到的目标物的数字航空影像生成数字地 表高程点云模型；

b)在数字地表高程点云模型中提取高程有陡变的目标点；

c)利用步骤“b)”中提取到的目标点提取目标物边缘轮廓线；

d)纠正步骤“c)”中提取到的目标物边缘轮廓线的高程值。

优选的，步骤b)中依据以下方法提取目标点：设目标点为若干 不同的待定点P，待定点P的边缘点集为M，待定点P的邻域半径为R， 待定点P的高程梯度阈值为T_h，待定点P与其邻域内所有点 R_i(i＝1,2,…,n)的高程梯度为G_i，对应的关系公式为

$\left(\begin{array}{cc}r=\sqrt{{(X_{R_i}-X_P)}^2+{(Y_{R_i}-Y_P)}^2},& r<R\\ G_i=\frac{Z_{R_i}-Z_P}{{(X_{R_i}-X_P)}^2+{(Y_{R_i}-Y_P)}^2},& G_i>T_h\end{array}\right)$

统计待定点P邻域内所有点满足上式条件的频率Percent_p＝F/n，其 中F为满足条件G_i>T_h的频数，设定频率Percent_P的阈值为T_P，若满足条 件Percent_P>T_P，则点P为边缘点，将其计入目标点的边缘点集M。

优选的，步骤c)中依据以下方法提取目标物边缘轮廓线：给定 目标物的边缘线段的拐点的点集C(C₁，C₂，…，C_k)，设边缘线段 的子集为M_i，设拐点C_j和拐点C_j+1确定的边缘线段为L_j,j+1，将按照步 骤b)中计算得到的边缘点集M(M₁，M₂，…，M_t)分别自动分类 到各边缘线子集M_i中，

则当$\left(\begin{array}{c}{X}_{M_i}\in [X_{C_j},X_{C_{j+1}}]\\ Y_{M_i}\in [Y_{C_j},Y_{C_{j+1}}]\end{array}\right)$时，M_i∈L_j,j+1，

设边缘线段L_j,j+1的子集M_i中的点到边缘线段L_j,j+1的距离的阈值为 T_d，利用子集M_i中的点进行最小二乘法直线拟合，确定边缘线段L_j,j+1的 直线参数矩阵A_j,j+1，并且统计子集M_i中的点到边缘线段L_j,j+1的距离之 和∑d，若∑d<T_d，则完成边缘轮廓线的提取，否则，剔除距离最大的 点继续进行线段拟合和统计∑d的过程迭代，直到子集M_i中的所有点到 边缘线段L_j,j+1的距离之和∑d均小于T_d，完成目标物边缘轮廓线的提取。

优选的，步骤d)中依据以下方法纠正目标物边缘轮廓线的高程 值：根据步骤c)中得到的直线参数矩阵A_j,j+1来构建各边缘线段的直 线方程，对任意边缘线段L_j,j+1，在数字表面模型中搜索离该边缘线段 L_j,j+1距离为r₁范围内的任意点Q，在经过点Q且与边缘线段L_j,j+1垂直 的直线上，找到与边缘线段L_j,j+1距离为r₁+r₂的点O，且点O与点Q在 该边缘线段L_j,j+1的同一侧，在以点O为中心、r₃为半径的邻域内搜索 数字表面模型的点集F(F₁，F₂，…，F_m)；当点集F中F_i点的高程 与Q点的高程Z_Q之差大于设定的阈值t_h时，则将计入高程点集

当F中所有的点都按公式$\left(\begin{array}{cc}{F}_i\in \bar{Z},& Z_{F_i}-Z_Q>t_h\\ F_i\notin \bar{Z}& Z_{F_i}-Z_Q\le t_h\end{array}\right)$检测完毕，则可以统 计出中的点数E，再按公式Percent_F＝E/m计算条件频率Percent_F，若 Percent_F大于给定阈值T_F，则Q点的高程值可由计算 的结果替代，

否则，Q点的高程值保持原来的数值不变；在边缘线段L_j,j+1的两 侧，当符合距离条件的所有点都按上述过程计算完毕，则完成了对该 边缘线段L_j,j+1的高程纠正。

与现有技术相比，本发明低空航空摄影测量自动纠正数字地面高 程模型的方法的有益效果在于：本发明利用数字地表面高度模型点云 数据，提取建筑物的边缘轮廓线并进行规则化处理，建立数字高程模 型，然后在此基础上进行数字微分纠正，生成正射影像，不仅能够有 效地消除正射影像中建筑物高程突变位置处边缘存在的锯齿失真现 象，美化正射影像，还保证了正射影像的平面精度，大大推动了无人 机低空航空摄影测量技术的应用。

附图说明

图1为背景技术中生成DOM的反解法原理示意图；

图2为背景技术中DEM误差对DOM的精度造成影响的原理示意图；

图3为本发明DSM点云的高程纠正原理示意图；

图4为本发明的数据处理过程流程图；

图5为未作规则化处理的正射影像图；

图6为边缘规则化处理后的正射影像图。

具体实施方式

下面结合具体实施例对本发明进一步进行描述。

请参阅图1至图6所示，本发明提供一种低空航空摄影测量自动 纠正数字地面高程模型的方法，包括以下步骤：

a)利用低空无人机拍摄到的目标物的数字航空影像生成数字表 面点云模型；

b)在数字表面点云模型中提取高程有陡变的目标点；

c)利用步骤“b)”中提取到的目标点提取目标物边缘轮廓线；

d)纠正步骤“c)”中提取到的目标物边缘轮廓线的高程值。

其中，步骤b)中依据以下方法提取目标点：设目标点为若干不 同的待定点P，待定点P的边缘点集为M，待定点P的邻域半径为R， 待定点P的高程梯度阈值为T_h，待定点P与其邻域内所有点 R_i(i＝1,2,…,n)的高程梯度为G_i，对应的关系公式为

$\left(\begin{array}{cc}r=\sqrt{{(X_{R_i}-X_P)}^2+{(Y_{R_i}-Y_P)}^2},& r<R\\ G_i=\frac{Z_{R_i}-Z_P}{{(X_{R_i}-X_P)}^2+{(Y_{R_i}-Y_P)}^2},& G_i>T_h\end{array}\right),$

统计待定点P邻域内所有点满足上式条件的频率Percent_P＝F/n，其 中F为满足条件G_i>T_h的频数，设定频率Percent_P的阈值为T_P，若满足条 件Percent_P>T_P，则点P为边缘点，将其计入目标点的边缘点集M。

在本实施例中，步骤c)中依据以下方法提取目标物边缘轮廓线： 给定目标物的边缘线段的拐点的点集C(C₁，C₂，…，C_k)，设边缘 线段的子集为M_i，设拐点C_j和拐点C_j+1确定的边缘线段为L_j,j+1，将按 照步骤b)中计算得到的边缘点集M(M₁，M₂，…，M_t)分别自动 分类到各边缘线子集M_i中，

则当$\left(\begin{array}{c}{X}_{M_i}\in [X_{C_j},X_{C_{j+1}}]\\ Y_{M_i}\in [Y_{C_j},Y_{C_{j+1}}]\end{array}\right)$时，M_i∈L_j,j+1，

设边缘线段L_j,j+1的子集M_i中的点到边缘线段L_j,j+1的距离的阈值为 T_d，利用子集M_i中的点进行最小二乘法直线拟合，确定边缘线段L_j,j+1的 直线参数矩阵A_j,j+1，并且统计子集M_i中的点到边缘线段L_j,j+1的距离之 和∑d，若∑d<T_d，则完成边缘轮廓线的提取，否则，剔除距离最大的 点继续进行线段拟合和统计∑d的过程迭代，直到子集M_i中的所有点到 边缘线段L_j,j+1的距离之和∑d均小于T_d，完成目标物边缘轮廓线的提取。

步骤d)中依据以下方法纠正目标物边缘轮廓线的高程值：根据 步骤c)中得到的直线参数矩阵A_j,j+1来构建各边缘线段的直线方程， 对任意边缘线段L_j,j+1，在数字表面模型中搜索离该边缘线段L_j,j+1距 离为r₁范围内的任意点Q，在经过点Q且与边缘线段L_j,j+1垂直的直线 上，找到与边缘线段L_j,j+1距离为r₁+r₂的点O，且点O与点Q在该边缘 线段L_j,j+1的同一侧，在以点O为中心、r₃为半径的邻域内搜索数字表 面模型的点集F(F₁，F₂，…，F_m)；当点集F中F_i点的高程与Q 点的高程Z_Q之差大于设定的阈值t_h时，则将计入高程点集

当F中所有的点都按公式$\left(\begin{array}{c}{F}_i\in \bar{Z},Z_{F_i}-Z_Q>t_h\\ F_i\notin \bar{Z},Z_{F_i}-Z_Q\le t_h\end{array}\right)$检测完毕，则可以统 计出中的点数E，再按公式Percent_F＝E/m计算条件频率Percent_F，若 Percent_F大于给定阈值T_F，则Q点的高程值可由计算 的结果替代，

否则，Q点的高程值保持原来的数值不变；在边缘线段L_j,j+1的两 侧，当符合距离条件的所有点都按上述过程计算完毕，则完成了对该 边缘线段L_j,j+1的高程纠正。

在应用本发明所述方法时，以建筑物为房屋为例，图5为未作规 则化处理的正射影像图，图6为边缘规则化处理后的正射影像图，对 比图5和图6可知，本发明所提出的方法能有效地消除正射影像中房 屋边缘锯齿现象。采用本发明提出的方法处理前房屋的边缘模糊不清， 很难清楚地确定房屋角点和边缘，而采用本发明提出的方法处理后的 影像中房屋边缘锯齿现象几乎没有，且边缘清晰可辨，达到较为理想 的效果。

以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性， 附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于 此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创 造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式 及实施例，均应属于本发明的保护范围。