基于无人机图像生成高精度真正射影像图研究

崔航宇

摘要：无人机低空遥感技术最近广泛被采用，但无人机图像生成的真正射影像图（TDOM）的制图精度和制作过程需要进一步改进。本研究使用多旋翼无人机和专业相机，在离地160米的飞行高度和0.016米的地面样本距离（GSD）下，布置地面控制点并收集图像。论文概述了运动结构（SFM）、修正数字表面模型（DSM）和多视图图像纹理补偿工作流程，以生成高精度TDOM。而后，在TDOM上使用随机分布的检查点来验证其准确性，生成的TDOM的水平精度为0.0365米，垂直精度为0.0323米，GSD为0.0166米。消除了TDOM的倾斜和阴影区域，使建筑物保持垂直视角。生成的TDOM精度优于0.05，证明该方法可以用于识别农村宅基地以及土地规划和设计。

关键词：无人机 遥感 DSM  TDOM

近年来，低空遥感无人机技术在许多领域得到了广泛应用，已成为一项关键的空间数据采集技术。无人机低空遥感图像的应用是不动产登记的最新趋势。对已开发和未开发土地区域的传统人工测量涉及大量的时间、精力和成本。此外，传统的航空摄影测量技术耗时且飞行成本高。对于小型研究区域，无人机遥感比传统的人工测量和航空摄影测量具有许多优势。它具有灵活性、低成本、安全性、可重复性和可靠性，具有低飞行高度、高精度和大规模测量，节省了人力和材料成本。

数字正射影像地图（DOM）是通过表面垂直平行投影获得的图像，具有地图的几何精度和图像的视觉特征。真正射影像图（TDOM）是一种图像数据集，通过垂直投影产生表面图像，消除标准DOM的投影差异，并保留地面物体和特征的正确位置。TDOM可确保特征和地图的几何精度，TDOM和传统DOM之间最显著的区别在于，TDOM执行正射校正并分析特征的可见性，此外，传统正射影像使用数字高程模型（DEM），而真正的正射影像则使用数字表面模型（DSM）。因此，TDOM色彩丰富，并简化了纹理的识别。

然而，目前TDOM的准确性在一些应用中仍然不足，如确定农村宅基地边界和精准农业等应用中，本文以某市某区为研究区域，收集无人机遥感数据，并引入运动结构（SFM）算法来生成点云、DSM和DOM。对于存在部分DOM倾斜问题的房屋，使用修正的DSM和多视图图像补偿来消除倾斜并生成TDOM，文中验证和讨论了生成的点云、DSM和TDOM，证明该方法可适用于不动产登记。

1 研究区域与数据获取

1.1 研究区域

研究区域位于某市东北部（北纬40.2768151°，东经116.9145208°）的某县某村，约为0.3平方公里，主要由农村宅基地和单层平房组成，如图2所示。村庄平坦，周围是农田。选定的无人机飞行区域以矩形形状向北和向南延伸。最大和最小海拔分别为140米和120米，平均海拔为130米。选择图1中的试验区A和B进行研究。

图1研究区域

1.2 无人机数据获取

研究中使用DJIS900六旋翼飞行平台无人机，是一种高度便携、功能强大的航空摄影测量系统。S900的主要结构部件由轻质碳纤维组成，重量轻，但坚固稳定。重3.3公斤，当携带云台时，最大起飞重量为8.2公斤。可以在无风的日子里飞行长达18分钟，有效载荷为6.8公斤，电池容量为6S 12000毫安时。在测试中，飞行了大约12分钟。

该无人机配备了索尼A7r数码相机，分辨率为7360×4912像素。传感器尺寸为35.9×24米，如图3a所示。相机重量为998g，焦距设置为50mm，视场（FOV）为46.7°，作为SFM过程的一部分，Pix4d进行了相机校准，计算了内部方位参数的初始值和优化值：初始焦距=50mm，优化值=49.65mm。

1.2.1 地面控制点（GCP）布局

使用了通过连续操作参考站（CORS）方法对数据进行地理参考而获得的地面控制点（GCP）数据。与实时运动全球定位卫星（RTK-GPS）方法相比，CORS-GPS方法更稳定可靠，将精度提高到0.02米以内。在进行实地观测之前，使用谷歌地球建立了15个控制点和10个检查站，这些控制点和检查站随机分布在村庄调查区内：沿着主干道、道路立交、住房拐点和农田。使用STONEX SC200高性能CORS接收器，使用CORS方法收集GCP数据。建立了地面CORS基站，使用移动手持GPS测量每个控制点的坐标和检查站数据。CORS方法使用GLONASS和北斗GNSS定位，CORS方法的均方根误差（RMSE）在0.02米以内，坐标系为WGS84。

1.2.2 飞行计划和数据收集

路线规划使用软件RockyCapture完成。调查区域面积为0.3平方公里，长701米，宽330米。航线设计包括两个航班、10条计划航线和一条蛇形线路。飞行高度为离地160米，设计地面采样距离（GSD）为1.6厘米，计划重叠率为80%，侧面重叠率为

60%，曝光间隔为2秒，每次飞行持续12分钟。在晴朗、无云和微风的天气条件下进行航空摄影。总共拍摄了460张照片。

2 数据处理

2.1 SFM算法和点云生成

随着计算机视觉技术的最新进步，SFM和多视角立体 (MVS) 算法已成功应用于无人机图像处理，以生成高精度的DSM和DOM。在这项研究中，共使用了460张高精度图像，从飞行中获得了15个GCP，并在图像中识别了控制点数据。基于 MVS 算法的几何重建可以生成具有15个GCP的更详细的3D模型，从而提高模型的绝对精度。DSM 网格生成的3模型使用 WGS84 UTM 50 N地图投影。原始图像被投影到 DSM 上，并在重叠区域混合图像纹理，生成整个区域的数字正射影像图像。

2.2 DSM修正

DSM包含地表覆盖高度信息，如地面建筑物、桥梁和树木。当DTM表示地形（陆地表面）信息时，DSM表示陆地覆盖表面。此外，尽管DEM包含高程信息，通常是地形信息，但DSM实际上是一种DEM，它反映了地面上所有物体的表面特征，以更准确、直观地表达地理信息。DSM也可以进行修正，以恢复建筑物的倾斜，使用DSM而不是DEM来生成具有更多表面信息的DOM结果。

对手动对生成的点云进行分类和编辑，以获得更高质量的DSM，然后使用DSM在Pix4D中生成DOM。对点云进行了分类，以去除植被，尤其是超过建筑物高度的植被。对于建筑物，参考了原始无人机图像或现有地形图来修改上部建筑物表面的边界。建筑物的边界是在点云中手动绘制的，图2a说明了如何通过连接控制点绘制每个建筑的顶面。所有建筑高度都高于地面。在图2b中，周围的地面是手动绘制的，以确保地面水平一致。在绘制这些边界后，重新生成了DSM，以提高其精度和清晰度。这还提高了相应DOM构建边界的准确性和清晰度，从而减少甚至消除了双重投影现象。最后，对DSM进行了平滑和降噪，并对严重倾斜和遮蔽的建筑部分手动修改了高精度DSM。

（a）（b）

图2基于点云绘制的建筑物边界

2.3 多视图图像纹理补偿和TDOM精度评估

利用航空图像将中心投影变换为正投影，得到正射影像。使用图像校正方法来实现两个投影之间的正确变换。在本研究中，使用了数字微分校正方法。其原理是通过像素差来校正图像（即，根据图像的已知方向元素和DEM，以及根据具有控制点沉降的特定数字模型）。该过程单独校正了许多像素大小的非常小的区域。

本文使用手动多视图图像补偿来补偿Pix4D中阴影区域的纹理（如图3所示）。遮罩区域是手动绘制的，选择包括掩蔽区域的相邻图像进行排序，排序方法是基于遮光和正射校正的程度。多视图的遮蔽区域相机曝光位置如图5b所示。掩模区域填充工作逐一进行，为了避免相邻图像也具有阴影区域，对排序后的第一个相邻图像进行遮挡分析。如果第一个相邻图像没有被着色，则执行纹理补偿；否则，不执行纹理补偿，并且对下一个相邻图像执行阴影检测。重复此过程，直到获得合适的相邻图像以补偿纹理，并生成消除所有阴影的TDOM。因此，建筑物保持了垂直视角，只显示了建筑物的顶部。

（a）

（b）

图3多视图图像补偿及用于多视图的遮蔽区域相机曝光位置

生成TDOM后，计算均方根误差（RMSE）来评估TDOM的准确性，可以获得Pix4D中在TDOM上很好地看到的检查点的坐标（x，y，z），以及这些检查点在现场测量的坐标（x，y，z）。

3 结果和讨论

3.1点云评估

使用SFM算法来恢复相机的曝光位置和运动轨迹，从而生成稀疏点云。然后，根据使用反向距离权重插值的DSM生成方法，将稀疏点云用于相机校准，并使用MVS算法生成密集点云。

如图4a所示，通过使用具有特征点匹配的SFM，可以恢复每个图像相机的曝光位置和无人机轨迹，并加密稀疏点云。三维点云包含约15488万个点，平均为592.85个点/m3。使用三维点云数据创建网格网络模型，然后使用逆距离权重插值方法生成DSM，对DSM进行尖锐噪声滤波和表面平滑处理。图4b为点云与DOM的叠加，绿色区域表示每个像素有五个以上的图像重叠。研究区域除了边界外都是绿色的，这表明高度重叠。一般而言，只要关键点匹配的数量足够，则这些方法将产生高质量的结果。图4b中的红色和黄色区域表示低重叠，可能会产生较差的结果。

（a）（b）

图4基于SFM算法的相机曝光位置及DOM与无人机点云的叠加

3.2DSM修正和TDOM正射校正

图5为原始DSM、原始DOM、修正DSM和修正DSM生成的DOM，显示了没有倾斜遮挡的建筑轮廓轮廓。生成的DOM还减少了倾斜和着色。图5c与图5a的比较表明，视图中四栋建筑的边界轮廓更加精确和清晰，地面高度在图5c中是统一的。图5b显示了原始DSM生成的DOM，其中，由于红色圆圈内的阴影导致DSM的双重投影，生成图5b的DOM中的红色圆圈内也有双重投影。图5d是修正后的DSM生成的DOM，从红圈中可以看出，由于双重投影现象，

DOM的双重投影基本上被消除了（红圈）。原始双投影中左右红圈的部分消除可能是由于地面点云需要进一步处理。这个问题可以通过多视图图像补偿来解决。

图5 DSM修正前后生成的DOM

图6比较了测试区域A和B的多视图图像补偿后的原始DOM和TDOM。很明显，在多视图图像校正后，图6b中消除了图8a中红圈所示的双重投影，并恢复了垂直视图。在图6c中，建筑物大多是倾斜的，显示了房屋的侧面；然而，在采用多视图图像补偿方法后，内部结构消除了倾斜现象，并产生了完全垂直的表面景观（图6d）。图8d中只显示了建筑物的顶部，其中避免了所有侧面，并避免了倾斜阴影。因此，通过图2（区域A和区域B）所示的局部测试，发现多视图图像补偿方法可以有效地消除由遮挡阴影引起的双重阴影，并消除建筑物的侧面。因此，这是解决倾斜造成的障碍的有效方法。然而，应该注意的是，选择测试区域是为了完成掩蔽补偿，因为它在外围图像中具有允许补偿的垂直视角。

图6 DOM和TDOM比较

3.3TDOM精度评估

图7a显示了最终的TDOM图像，随机选择了十个检查点，并与现场测量结果进行了比较（表1）。最大和最小误差分别为0.0674m和0.0173m。TDOM检查点的平面误差为0.0365 m，高程误差为0.0323 m。生成的DSM和TDOM分辨率为0.0166 m。因此，本文提出的方法将平面和高程误差降低到优于0.05 m（数字航空摄影测量空中三角测量规范GB-T23236-2009），证明了该方法的有效性。

3.4农村宅基地确权

生成的TDOM可能适用于确定某市农村居民点用地的边界。近年来，中国在全国范围内实施了不动产登记。登记的一个重要步骤是确定房地产边界的权限，这通常使用传统的手动映射来执行。无人机低空遥感技术的使用可以极大地提高这些地图的效率和准确性，并降低与制作这些地图相关的成本。由于确认农村住宅用地的边界需要确定精确的建筑边界，因此房屋的边界必须准确，屋顶区域外不得有降低成像精度的横向或倾斜阴影。这项研究产生了高精度的TDOM，消除了阴影的阻碍，因此可以用于确定农村宅基地的边界。

4 结语

本文使用多旋翼无人机在某市某区西朔渠村收集了高分辨率的专业相机图像。建立地面控制点，并使用CORS方法进行测量。使用SFM算法计算相机曝光、相机校准和运动轨迹，并使用MVS密集匹配来生成3D点云模型。从点云生成了高精度的DSM和DOM。对于阴影区域，基于DSM进行了纹理修正。在TDOM生成中使用正射校正可以有效地解决传统的DOM中心投影变形问题，以及倾斜阴影对地形的遮挡问题。制作的TDOM具有高度的精度：平面误差为0.0365米，高程误差为0.0323米，生成的DSM和TDOM分辨率为0.0166米。结果优于“数字航空摄影测量空中三角测量规范（GB-T23236-2009）”的要求（平面和高程误差优于0.175米和0.15米），证明该方法可用于农村不动产面积测量，即使用无人机采集图像并生成TDOM可以大大减少现场测量的工作量，并提高不动产登记的准确性。

参考文献

[1]陈颖.基于无人机倾斜摄影的TDOM生产制作研究[J].测绘与空间地理信息,2022,45(08):242-244.

[2]贺海明,杨溪浩,林用智等.一种DSM提取及TDOM生产的新方法[J].西华师范大学学报(自然科学版),2022,43(02):225-231.

[3]王卫.垂直起降固定翼无人机航空摄影在TDOM制作中的应用[J].江西测绘,2020,No.126(04):17-20.

[4]朱逍贤. 基于无人机倾斜摄影制作真正射影像研究[D].成都理工大学,2018.

[5]穆利娜. 城市DSM、TDOM的获取技术与应用研究[D].西北大学,2008.