共查询到19条相似文献，搜索用时 578 毫秒
1.
2.
针对无人机航空摄影测量地面控制点多的问题,介绍了一种无人机影像空中三角测量方法,基于动态精密单点定位,使用单台GNSS接收机获得高精度摄站点三维坐标,地面无需架设GNSS基站。通过平地、山地公路项目试验,分析了稀少控制条件下的控制点布设方法及空三加密精度,少量地面控制点即可满足1：2000比例尺地形图的精度要求,极大减少了内、外业工作量,简化了无人机航空摄影作业方式。 相似文献
3.
对徕卡ADS100数字航摄系统进行了简要介绍,使用该系统获取了0.2 m分辨率影像,利用CORS基站数据差分解算机载IMU/GPS数据,并在此结果上进行了空中三角测量。空三时采用了较多控制点、少量控制点和无控制点3种方案,结合外业实测点进行了精度检验,3种方案检查点的平面和高程中误差都在0.2 m左右。检验结果表明,使用ADS100航摄影像,利用CORS基站数据差分解算机载IMU/GPS数据,在无地面控制点的情况下,空三加密精度也能达到相关规范要求。 相似文献
4.
利用消费级无人机大疆精灵四搭载KG2000Pro五镜头倾斜相机,对倾斜摄影空中三角测量精度和控制点布设方案进行了对比研究.结果表明:在相同测区、相同控制点数量以及相同控制点布设方案下,倾斜影像的中误差>下视影像的中误差>多视影像的中误差,控制点越多,测量精度越好,但外业测绘工作量也越大,当控制点达到15个后,测量精度基本趋于稳定;针对影像覆盖度存在的中间区域密集、四周边缘薄弱问题,设计了6种增强测区边角控制的控制点布设方案,通过参与空中三角测量解算,认为当影像覆盖度高、但测区不易进入时,宜选用四角点组布设方案,当影像覆盖度低、但测区比较平坦时,宜选用区域网均匀布设方案. 相似文献
5.
构架航线对无人机影像区域网平差精度影响分析 总被引：1，自引：0，他引：1
与三角翼相比,无人机航摄影像像幅小、模型连接性差、质量轻、航摄时姿态不稳定;这些因素导致无人机航摄影像成图精度较差。为了解决该问题,传统航测方法在每两张航摄影像间布设大量控制点,增强模型刚性;GPS辅助空中三角测量通过提高曝光点的点位精度,可以减少控制点的个数,但是由于无人机像幅小,控制点约束范围小,因而仍然需要大量的控制点。针对以上问题,文章在GPS辅助空中三角测量的基础上,通过布设架构航线,进而实现增加影像之间的重叠度,增强模型刚性的目的,从而实现在减少控制点个数的同时,保证无人机航摄影像区域网平差精度的提高。实验表明,该方法与单纯的依赖GPS辅助空三技术相比,在精度相近的基础上能够减少约50%的控制点布设数量,大大减少了外业工作量。 相似文献
6.
根据WorldView高分辨率卫星影像的特点,结合数字空中三角测量原理,为了减少外业像控点工作量,进行稀少控制多模型区域网平差方法进行卫星影像的数字空中三角测量生产试验。在数字空三完成后,进行模型拼接检查,使用一定数量的检查点检查立体模型成果精度,最终得出对卫星影像使用稀少控制多模型区域网平差方法可达到的精度指标。最终为WorldView卫星影像的稀少控制数字空三作业提供可靠的理论依据和合理的作业方法。 相似文献
7.
8.
9.
10.
随着GPS技术的不断发展,GPS辅助航空摄影测量越来越成熟。简要介绍基于SWDC-4数码航空影像的GPS辅助空中三角测量的有关知识,研究和分析摄影测量过程中影响高程精度的主要因素,重点讨论长航线大区域网控制构架航线、外业控制点的布设方案及对应成图精度。通过1∶500地形图的实际作业,表明GPS辅助空中三角测量可以明显减少地面控制点,大幅提高外业像控测量工作的效率。对于平坦地区,当区域网控制布设方案适度时,测图精度依然能满足规范要求。 相似文献
11.
轻小型无人机测绘遥感系统研究进展 总被引：1，自引：0，他引：1
地球空间信息是人工智能、大数据时代的重要数据基础,轻小型无人机测绘遥感技术作为中国当前和未来获取厘米级分辨率、实时响应遥感数据的主要手段,必将发挥更加重要的作用。本文首先介绍了固定翼、多旋翼、无人直升机以及飞行控制系统、地面监控系统和遥控遥测链路的发展现状和潜在发展趋势;其次重点研究了数码相机、视频摄像机、倾斜相机、激光雷达、合成孔径雷达和定姿定位系统的利用现状和发展趋势;然后总结分析了当前无人机测绘遥感面临的系统检测、大范围实时遥感和遥感大数据精准解译方面的问题和挑战;最后面向人工智能、大数据、物联网、云计算等技术背景给出了轻小型无人机测绘遥感技术在飞行控制智能化、测绘遥感作业智能化和实时、实景无人机遥感技术应用模式创新等方面的发展趋势。 相似文献
12.
无人机低空遥感作为一种新兴的航空摄影手段,近年来应用越来越广泛。在高原山区测绘大比例尺DEM往往难度较大,本文通过研究,提出利用无人机低空摄影获取数码影像,外业采用GPS测量少量控制点,内业采用多视影像匹配技术自动构建空中三角测量网,然后通过光束法平差实现快速解算,最后生成大比例尺DEM成果,实践证明是可行的。 相似文献
13.
14.
基于SIFT算法的无人机航空遥感影像匹配 总被引：1，自引：0，他引：1
当无人机低空飞行获取高分辨率遥感影像时,由于不同摄站点拍摄角度不同,使得建筑物等凸出地面的物体在立体像对上成像时产生投影差,导致物体成像几何形状发生畸变并且出现地面高层建筑物之间遮挡现象严重的问题,从而导致匹配困难,成为影响无人机航空遥感影像匹配质量的主要因素。本文采用对旋转、遮挡、缩放、图像局部灰度变化等都具有较强的稳定性的SIFT算法来进行匹配,并取得了很好的效果。 相似文献
15.
无人机航空摄影是应急测绘保障的重要手段。近年来，大载荷长航时无人机已逐步进入民用领域。以往关于航空应急测绘系统的研究主要是针对轻小型无人机和有人机，缺少适用于大载荷长航时无人机性能和特点的系统设计方法。本文首先分析了不同固定翼无人机产品的性能差异，从无人机平台、任务传感器、遥感数据处理软件等的集成关系入手，提出了基于航测控制器的多载荷一体化集成的设计方案，以及涵盖航摄规划、视频实时处理、影像高精度处理的软件系统集成方案。采用该设计方案研制实现了CH-4航空应急测绘系统，并在四川广元某区域进行了试验，结果表明该系统不仅可以同时获取视频、光学影像和SAR数据，而且数据获取质量能够满足大比例尺测图的要求。 相似文献
16.
研究无控制点情况下的红外影像目标快速定位技术,有利于发挥红外遥感的测绘应用潜力。首先介绍了基于GPS/IMU的目标定位原理与方法;然后实验验证了红外影像多像前方交会和GPS/IMU辅助红外影像光束法区域网平差的可行性;并分析了误差产生的原因。实验证明,航空红外遥感在GPS/IMU组合系统的配合下,能满足目标探测与预警的精度要求,具有实用价值。 相似文献
17.
针对BRISK特征检测算法在遥感影像中匹配时同名点对冗余度高和全局性差等特点,考虑BRISK特征检测算法能获取大量无人机遥感影像特征点,Delaunay三角网算法能够利用影像的BRISK特征点的粗匹配点对构建三角网,本文综合两种算法的优点,提出了一种结合BRISK特征检测算法和Delaunay三角网算法的剔除无人机遥感影像误匹配点对方法。该方法利用两张影像的BRISK粗匹配特征点构建Delaunay三角网,利用遍历两张影像三角网中的三角形相似度剔除错误匹配点对,并利用摄影不变量原理进一步剔除误匹配点对,提高了两张影像的精度;对比分析了Delaunay三角网的射影不变量算法,RANSAC算法分别剔除原始影像组、加入椒盐噪声影像组及旋转影像组的BRISK特征误匹配点对的效果。试验结果表明,3组影像分别利用结合BRISK特征和Delaunay三角网的射影不变量算法的无人机遥感影像匹配方法获得的正确特征匹配点对冗余度低、全局性优。 相似文献
18.
Ramesh Kestur Akanksha Angural Bazila Bashir S. N. Omkar Gautham Anand M. B. Meenavathi 《Journal of the Indian Society of Remote Sensing》2018,46(6):991-1004
UAVs are fast emerging as a remote sensing platform to complement satellite based remote sensing. Agriculture and ecology is one of the important applications of UAV remote sensing, also known as low altitude remote sensing (LARS). This work demonstrates the use and potential of LARS in agriculture, particularly small holder open field agriculture. Two UAVs are used for remote sensing. The first UAV is a fixed wing aircraft with a high spatial resolution visible spectrum also known as RGB camera as a payload. The second UAV is a quadrotor UAV with an RGB camera interfaced to an on-board single board computer as the payload. LARS was carried out to acquire aerial high spatial resolution RGB images of different farms. Spectral–spatial classification of high spatial resolution RGB images for detection, delineation and counting of tree crowns in the image is presented. Supervised classification is carried out using extreme learning machine (ELM), a single hidden layer feed forward network neural network classifier. ELM was modelled for RGB values as input feature vectors and binary (tree and non-tree pixels) output class. Due to similarities in spectral intensities, some of the non-tree pixels were classified as tree pixels and in order to remove them, spatial classification was performed on the image. Spatial classification was carried out using thresholded geometrical property filtering techniques. Threshold values chosen for carrying out spatial classification were analysed to obtain optimal values. Finally in the delineation and counting, the connected tree crowns were segmented using Watershed algorithm performed on the image after marking individual tree crowns using Distance Transform method. Five representative UAV images captured at different altitudes with different crowns of banana plant, mango trees and coconut trees were used to demonstrate the performance of the proposed method. The performance was compared with the traditional KMeans spectral–spatial method of clustering. Results and comparison of performance parameters of KMeans spectral–spatial and ELM spectral–spatial classification methods are presented. Results indicate that ELM performed better than KMeans. 相似文献