申请/专利权人：西安视野慧图智能科技有限公司

申请日：2020-11-20

公开（公告）日：2024-04-12

公开（公告）号：CN112434709B

主分类号：G06V10/46

分类号：G06V10/46;G06V20/13;G06V10/75;G06T5/80;G06T3/4023;G06T7/80;G06T17/05;G06F17/16

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2021.03.19#实质审查的生效;2021.03.02#公开

摘要：本发明提供基于无人机实时稠密三维点云和DSM的航测方法及系统，方法包括获取无人机飞行过程中相机拍摄得到的原始图像，利用SLAM技术估计该原始图像的相机位姿；对该相机位姿进行优化得到最优位姿；利用最优位姿对连续两帧原始图像进行稠密化，得到深度图；过滤深度图，得到三维点云；利用三维点云生成DOM模型、DEM模型和DSM模型；对DOM模型、DEM模型和DSM模型进行多频段融合，得到全局DEM模型、全局DOM模型和全局DSM模型；根据全局DSM模型生成飞行地图，该方法能够快速地从无人机航拍图像中生成产生稠密三维点云、数字正射影像图和数字地表模型，使得无人机飞行时，边飞行边生成飞行地图。

主权项：1.一种基于无人机单目实时稠密三维点云及DSM的航测方法，其特征在于，包括以下步骤：获取无人机飞行过程中相机拍摄得到的原始图像，利用SLAM技术估计该原始图像的相机位姿；对该原始图像的相机位姿进行非线性优化，得到最优位姿；利用原始图像的最优位姿对连续两帧原始图像进行稠密化，得到深度图；利用一致性检查过滤所述深度图，得到三维点云；利用三维点云生成DOM模型、DEM模型和DSM模型；对DOM模型、DEM模型和DSM模型进行多频段融合，得到全局DEM模型、全局DOM模型和全局DSM模型；根据所述全局DSM模型生成飞行地图；所述利用SLAM技术估计该原始图像的相机位姿具体包括：从预设的相机标定库中读取所述无人机中相机对应的相机类型，获得畸变参数，利用该畸变参数对所述原始图像进行去畸变处理，获得去畸变图像；获取原始图像的EXIF信息和GPS信息；提取去畸变图像中的SIFT特征点；通过RANSAC方法，对去畸变图像中前后两帧图像的SIFT特征点进行匹配过滤，获取该前后两帧图像中一一对应的第一匹配点；当不存在三维地图时，通过该第一匹配点计算本质矩阵，对该本质矩阵进行奇异值分解，得到原始图像的相对位姿；利用所述GPS信息，将该相机的相机坐标转换为ECEF坐标系，对第一匹配点进行三角化，得到三维地图点，完成三维地图的初始化；当存在三维地图时，利用所述三维地图求解新的原始图像的相机位姿；所述对该原始图像的相机位姿进行非线性优化，得到最优位姿具体包括：构建损失函数：重投影误差er和GPS误差eg；重投影误差er定义如下： 其中，代表原始图像当前帧的SIFT特征点，K为相机内参，Pi是始图像当前帧中SIFT特征点的三维坐标，si为Pi的z值；ξ代表原始图像的相机位姿在李代数下的表示；expξ^为原始图像的相机位姿；GPS误差eg的定义如下：eg＝||tGPS-tSLAM||2；其中，tGPS指的是原始图像前后两帧的相机坐标转换为ECEF坐标系后的差，tSLAM指的是原始图像前后两帧的位移初值的差；构建优化函数e：e＝er+αeg；其中，α为权系数；利用LM算法求解优化函数e最小时相机的最优位姿。

全文数据：

权利要求：

百度查询： 西安视野慧图智能科技有限公司 基于无人机实时稠密三维点云和DSM的航测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD