基于無人機影像畸變校正方法的應用研究

趙 劍，趙 晶，吳紅玲，張 棟，潘 娟

(北京洛斯達科技發展有限公司，北京 100120)

0 引言

電力通道走廊的優化設計階段，需要根據初設路徑獲取對應區域的高精度航攝影像，輔助現場前期工作開展，對數據的時效性要求高[1]。因為線路長度長，通常情況下是使用載人機搭載大畫幅航測儀采集測區數據，但線路經過區域不可避免經過部分禁飛區，使用載人機作業時，受審批手續繁瑣、調機時間長等因素影響[2]，在任務緊急的情況下，無法保證完成時間，需要一種更加靈活的數據采集手段進行補充。

無人機體積小、操作靈活，通常搭載的相機焦距短、圖像傳感器(complementary metal oxide semiconductor，CMOS)面積小，因此航高相對較低，受天氣影響小，在飛行條件允許下能夠迅速采集航攝影像[3-4]。但是由于無人機搭載的相機一般使用消費級非量測相機，相機鏡頭素質不穩定，物鏡的畸變差相對較大[5]，使得獲取的影像存在一定畸變，對像點坐標產生影響，進一步影響后續空三成果的精度[6-7]。因此在使用此類型相機進行航空攝影測量作業的過程中，需要定期對相機進行標定，給予準確的相機參數[8]，但隨著無人機航攝作業的大范圍應用，相機在轉場運輸途中難免會受到溫度和震動的影響，導致需要重復檢測，在不具備重復檢測的條件下，需要尋找一種較為可靠的方法提供準確的相機參數和無畸變影像，提高空三成果精度[9]。本文主要針對不同地形、地貌類型的相同原始影像，使用不同軟件進行畸變校正，對比分析不同軟件校正后的數據空三計算后的精度情況，得到能夠滿足工程數據精度的影像畸變校正方案。

1 技術路線

Inpho軟件進行處理時，對相機參數、影像質量和外方位元素的精度有一定要求，否則會出現自動匹配點失敗或空三結果精度不高、相鄰像對存在連接差的問題[10]。因此需要從影像數據校正開始，使用不同軟件對不同區域的數據進行預處理，空三處理后添加外業控制點平差對比成果精度，主要流程如圖1所示。

圖1 不同軟件畸變校正空三成果精度對比技術流程圖

1.1 影像畸變校正

本文主要對比分析PixelGrid、Pix4D兩款軟件對于影像畸變校正的效果。兩款軟件的使用方式不同：PixelGrid進行影像畸變校正必須有準確的相機標定參數，從而輸出無畸變影像；Pix4D可以沒有準確的相機參數，通過軟件自檢校，輸出相機參數和畸變校正影像。

分別使用兩款影像畸變校正軟件對采集的原始影像數據進行畸變校正，降低影像畸變差，生成無畸變影像。

1.2 影像內定向

根據相機參數、無畸變影像和外方位元素信息，恢復數據采集航帶和相機姿態，自動匹配連接點，建立地面立體模型，檢查自動匹配點精度，刪除錯點，剔除粗差，直到沒有粗差完成影像相對定向。

1.3 外控刺點平差

根據采集的外業控制點坐標和現場照片，在相對定向的成果上添加外業控制點，平差后糾正整體數據的絕對精度。

1.4 空三精度對比

根據DL/T 5138—2014《電力工程數字攝影測量規程》標準要求，主要從以下幾個參數判斷成果精度。

1)連接點上下視察最大殘差值在規范誤差范圍內，一般在4/3像元以內；

2)連接點上下時差中誤差值在規范范圍內，一般控制在2/3像元以內；

3)控制點精度在誤差范圍內，平面精度在0.8 m內，高程精度在0.5 m內?？刂泣c平面中誤差、高程中誤差按式(1)計算。

式中：m為控制點中誤差，m；Δi為控制點實測值與解算值之差；n為參與評定的控制點個數。

2 區域概況及研究方法

2.1 研究區域概況

根據地形、地貌情況，選取兩處樣本數據，來自于特高壓工程實際采集的無人機影像數據，一處位于四川省境內，地形以山地為主，研究區內起伏較大，如圖2所示；一處位于湖南省境內，以丘陵為主，測區內有少量建筑物，如圖3所示。數據詳細情況如表1所示。

表1 測試數據情況

圖2 研究區1山地PHASE影像

圖3 研究區2丘陵D850影像

2.2 研究方法

分別使用PixelGrid、Pix4D對同一區域數據進行影像畸變糾正。PixelGrid使用距離數據采集時間較近和較遠的相機標定參數(較遠一次標定的數據距離數據采集時間18個月，符合GB/T 27920.1—2011 《數字航空攝影規范 第1部分：框幅式數字航空攝影》規范要求)，輸出兩套無畸變影像；Pix4D針對不同地形數據的影像進行自檢校，輸出相機參數和畸變校正影像。

根據不同軟件和數據的特點，主要設計以下三個方面的實驗：①使用山地PHASE影像，使用距離外業航飛時間較近和較遠一期的相機標定參數，使用PixelGrid對原始影像進行畸變糾正，對比不同相機標定參數對空三成果質量的影響；②使用丘陵D850影像，在沒有準確標定參數的情況下，使用Pix4D進行自檢校，輸出的成果進行空三處理，對比自檢校后的精度；③對于復雜地形情況下，在地形起伏較大的地方，測試Pix4D的自檢校影像空三精度。

3 結果分析與討論

3.1 PixelGrid影像畸變糾正結果統計

分別使用2017年4月和2018年12月的相機標定參數，數據采集時間為2018年11月中旬，使用PixelGrid對原始影像進行糾正，分別使用不同相機參數校正后的影像進行空三計算、外控刺點后，中間檢查控制點精度和連接差，統計結果如表2～表5所示。

表2 2017.04相機參數校正影像連接差

表4 2017.04相機參數控制點精度

表5 2018.12相機參數控制點精度

從表5精度對比來看，2018年12月檢校值校正的影像進行空三后的模型連接差和控制點精度絕大部分控制在0.5 m內，符合工程需求，明顯優于2017年4月相機標定值檢校的影像數據空三成果。

3.2 Pix4D自檢校結果統計

當外業航飛前后沒有條件對相機進行標定的情況下，可以利用Pix4D對影像數據進行自檢校，生成準確的相機參數和未畸變影像，開展內業數據處理工作。在平地工程中原始影像直接使用Inpho空三計算時自動連接點匹配不通過。使用Pix4D進行影像畸變糾正，空三，外控刺點后精度統計如表6、表7所示。

表6 模型連接差

表7 控制點精度

續表

從上表可以看出，通過Pix4D自檢校過的相機參數和影像，在空三計算后，模型連接差和控制點精度有明顯改善，只存在極個別點的精度超過0.5 m，有效地改善了內業數據處理精度。

3.3 特殊地形Pix4D自檢校精度統計

從上面一個實驗的精度統計結果來看，Pix4D在沒有準確相機標定參數的情況下，自檢校后的成果能夠在一定程度上改善工程成果數據精度的問題，但是實際作業過程中發現，對于部分采集區域地形復雜的數據，Pix4D成果的精度并不是十分理想。以山地工程采集的數據為例，使用Pix4D自檢校后的參數數據處理成果統計如表8、表9所示。

表8 模型連接差

表9 控制點精度

從模型連接差和控制點精度的統計結果來看，該區域數據使用Pix4D自檢校后處理的成果精度較差，還需要準確的相機標定參數對獲取的影像數據進行畸變校正。

4 結論

內業數據處理的成果精度很大程度上會受到原始影像數據質量的影響，通過影響畸變校正軟件可以糾正因為相機物鏡或投影中心偏移引起的畸變差，提高成果精度。通過本文使用不同軟件對不同區域數據的處理可以看出：

1)相機標定參數的準確度對影像畸變糾正質量和空三質量的影響較大，在進行影像畸變校正時，使用相機標定參數校正的影像效果優于自檢校的影像，使用相機標定參數進行畸變校正時需要使用盡可能靠近外業采集時間的相機標定參數。

2)當作業條件不允許時，可以利用后處理軟件如Pix4D等對像片進行自檢校，糾正影像畸變，在一定程度上能夠有效地提高成果精度，但是這種方法存在一定的局限性，在地形復雜、起伏較大的區域自檢校成果精度也無法滿足需求，仍需要準確的相機標定參數。

本文通過對無人機非量測相機標定后和未標定的影像預處理后進行精度分析，對后續開展無人機非量測相機的畸變差校正有一定的參考作用。在實際作業過程中，當相機長期放置、運輸等可能對相機標定參數造成影響的操作后應該定期對相機進行標定，以獲取較為準確的相機標定參數，校正影像，保證工程數據精度。在對于影像未進行畸變校正的工程項目中，本文提供了一種快速、可靠的方法提高成果精度，縮短了工程周期，保證了工程質量。