無人機地理影像直播技術(shù)

目錄
前言
第1章 緒論 1
1.1 無人機的基本概念 1
1.1.1 無人機定義 1
1.1.2 無人機分類 2
1.1.3 無人機的前世今生 3
1.1.4 無人機的發(fā)展趨勢 5
1.2 無人機遙感系統(tǒng) 7
1.2.1 無人機遙感特點 7
1.2.2 無人機遙感組成結(jié)構(gòu) 8
1.2.3 無人機遙感系統(tǒng)發(fā)展現(xiàn)狀 10
1.2.4 無人機遙感影像處理軟件 17
1.3 無人機地理影像直播服務(wù) 20
1.3.1 無人機地理影像直播的現(xiàn)實需求 20
1.3.2 無人機地理影像直播的基本思路 20
1.3.3 無人機地理影像直播的關(guān)鍵技術(shù) 21
第2章 三軸陀螺穩(wěn)定云臺 24
2.1 航空遙感對飛行質(zhì)量的約束 24
2.1.1 最小轉(zhuǎn)彎半徑約束 24
2.1.2 航線彎曲度約束 24
2.1.3 航高穩(wěn)定度約束 25
2.1.4 像片重疊度約束 25
2.1.5 像片傾斜角約束 26
2.1.6 像片旋偏角約束 26
2.1.7 控制律設(shè)計指標(biāo) 26
2.2 基于Fuzzy-PID 的飛行控制律設(shè)計 26
2.2.1 PID 27
2.2.2 縱向控制律 29
2.2.3 橫向控制律 30
2.3 基于Fuzzy-PID 的飛行控制律設(shè)計 32
2.3.1 三軸云臺控制原理 32
2.3.2 PID 控制律改進 33
2.4 Fuzzy-PID 參數(shù)解算 35
2.4.1 模糊接口 35
2.4.2 模糊推理 37
2.4.3 解模糊 41
2.5 自主研制的V3 型光電吊艙 42
2.6 實驗結(jié)果及分析 44
2.6.1 MATLAB 仿真實驗 44
2.6.2 云臺實驗結(jié)果及分析 50
第3章 傳感器綜合幾何定標(biāo) 51
3.1 坐標(biāo)系統(tǒng) 51
3.1.1 載體坐標(biāo)系 51
3.1.2 地心大地坐標(biāo)系(e 系) 52
3.1.3 導(dǎo)航坐標(biāo)系(n 系) 53
3.1.4 切面直角坐標(biāo)系(m 系) 54
3.1.5 攝影測量坐標(biāo)系及旋轉(zhuǎn)角系統(tǒng) 54
3.2 相機畸變參數(shù)標(biāo)定 56
3.2.1 影像畸變因素 56
3.2.2 附加參數(shù)模型 57
3.2.3 基于疊加模型的控制場相機標(biāo)定 59
3.2.4 基于液晶顯示器LCD 的相機標(biāo)定 61
3.3 安置矩陣標(biāo)定 66
3.3.1 POS 導(dǎo)航解與外方位元素之間的關(guān)系 67
3.3.2 兩步法安置矩陣標(biāo)定 68
3.3.3 一步法安置矩陣標(biāo)定 69
3.3.4 實驗與分析 71
第4章 無人機視頻地理信息直播 75
4.1 工作原理及硬件構(gòu)成 75
4.1.1 工作原理 75
4.1.2 工作硬件構(gòu)成 76
4.1.3 多傳感器時間同步 79
4.2 無人機視頻地理信息直播作業(yè)流程 79
4.3 機載視頻抽幀降維 81
4.3.1 機載視頻抽幀方法 81
4.3.2 機載視頻抽幀模型 82
4.3.3 機載視頻抽幀實驗及分析 85
4.4 無人機復(fù)雜航路下POS 數(shù)據(jù)內(nèi)插賦值 86
4.4.1 常用的插值方法及特點 86
4.4.2 POS 數(shù)據(jù)插值實驗及分析 89
4.5 應(yīng)急模式下視頻數(shù)據(jù)處理 93
4.5.1 視頻地理信息的直播服務(wù) 93
4.5.2 無人機視頻影像直接地理定位 94
4.5.3 DEM/DSM 支持下單幀影像快速定位 95
4.5.4 DEM/DSM 支持下單幀影像快速定位 96
第5章 多視同名點提取技術(shù) 98
5.1 無人機影像特征提取與匹配概述 98
5.2 特征提取與匹配的加速 100
5.2.1 GPU 并行加速 100
5.2.2 實驗與分析 103
5.3 分層分塊、逐級引導(dǎo)的匹配策略 103
5.4 誤匹配剔除 105
5.4.1 兩視幾何約束模型及魯棒估計 105
5.4.2 實驗與分析 107
5.5 多視同名點并査集法快速高效提取 112
5.5.1 基本原理 112
5.5.2 實驗分析 114
5.6 基于物方分塊的點位篩選 116
5.7 基于最小二乘匹配坐標(biāo)位置精化 117
5.8 沙漠地區(qū)(弱紋理)影像特征提取與匹配 118
5.8.1 總體流程 119
5.8.2 影像粗匹配及紋理特征分析 119
5.8.3 顧及紋理特征的影像分塊精匹配及誤匹配剔除 122
5.8.4 實驗與分析 123
5.9 海島礁(大面積落水)影像特征提取與匹配 127
5.9.1 海島礁無人機影像誤匹配剔除的難點 127
5.9.2 虛警值最小化的誤匹配剔除 128
5.9.3 實驗與分析 129
第6章 區(qū)域網(wǎng)平差 137
6.1 POS 輔助光束法區(qū)域網(wǎng)平差 137
6.1.1 誤差方程式構(gòu)建 138
6.1.2 整體式求解 140
6.1.3 參數(shù)分組求解 140
6.1.4 精度評估 141
6.1.5 實驗與分析 143
6.2 無人機影像序貫平差 145
6.2.1 相關(guān)影像確定方法 146
6.2.2 初始化階段 147
6.2.3 序貫平差階段 148
6.2.4 實驗分析 149
6.3 無控穩(wěn)健區(qū)域網(wǎng)平差 152
6.3.1 方法原理 153
6.3.2 精度評價 155
6.3.3 實驗與分析 156
6.4 大規(guī)模區(qū)域網(wǎng)平差加速 157
6.4.1 算法優(yōu)化 157
6.4.2 GPU 硬件加速 160
6.4.3 實驗與分析 162
第7章 無人機影像密集匹配 166
7.1 立體像對篩選 167
7.2 無人機影像匹配幾何預(yù)處理 168
7.2.1 基于GPU 的影像幾何畸變校正 169
7.2.2 基于GPU 的核線影像生成 170
7.3 影像匹配代價 173
7.4 匹配代價聚合方法 177
7.4.1 十字支撐區(qū)域匹配方法 177
7.4.2 置信傳播立體匹配 179
7.4.3 半全局匹配方法 182
7.5 匹配代價聚合與視差后處理優(yōu)化策略 184
7.5.1 金字塔分層匹配 184
7.5.2 參數(shù)自適應(yīng)調(diào)整 187
7.5.3 像方控制點約束 188
7.5.4 視差優(yōu)化后處理 190
7.6 多視視差圖融合生成DSM 190
7.6.1 基于單視差圖的三維重建 190
7.6.2 視差物方融合的DSM 生成方法 192
7.6.3 視差像方融合的DSM 生成方法 192
7.7 CPU-GPU 協(xié)同并行匹配實現(xiàn) 193
7.8 實驗分析 195
7.8.1 大范圍匹配實驗 195
7.8.2 匹配精度實驗 197
7.8.3 匹配速度實驗 199
第8章 粗差探測與真正射微分糾正 201
8.1 DSM 數(shù)據(jù)粗差探測 201
8.1.1 算法基本原理 201
8.1.2 GPU 并行處理方案 203
8.1.3 實驗分析 206
8.2 影像遮擋區(qū)域檢測 208
8.2.1 遮擋形成的原因 208
8.2.2 遮擋檢測方法 209
8.2.3 改進的基于DSM 排序法遮擋檢測 213
8.2.4 實驗分析 214
8.3 正射糾正基本原理 216
8.3.1 數(shù)字微分糾正 216
8.3.2 基于GPU 影像的正射糾正 217
8.3.3 實驗分析 219
參考文獻 222