论文部分内容阅读
微小型无人机摄影测量系统的普及极大地拓宽了摄影测量的应用领域。但此类无人机姿态稳定性差,为保证精度,无人机航测作业过程中通常需要测量大量的野外像片控制点,这也成为整个航测作业流程中最繁重的工作。如何尽量减少对地面控制点的依赖一直是摄影测量领域研究的热点,而准确的外方位元素是实现稀少地面控制甚至无控制的关键。但由于受无人机平台载重、器件成本的限制,微小型无人机所获取的外方位元素精度较差,无法满足要求。针对这一问题,论文重点研究了利用差分GNSS和运动恢复结构(SFM)对外方位元素进行优化的方法,并进行了试验验证,探索了一条利用微小型无人机进行稀少控制点小范围摄影测量的有效途径。主要工作和创新点如下:1.针对微小型航测无人机影像外方位线元素精度低的问题,提出了一种基于联合BDS/GPS的LAMBDA模糊度解算算法;结合解析几何GNSS天线相位中心偏心分量测量方法,提出了记录准确曝光时刻相机位置的三次曲线插值算法。试验证明,该方法可大大提高后差分固定解的比率,并能消除大部分相机延迟误差,并最终获得厘米级精度的外方位线元素。2.提出了一种鲁棒的李代数旋转平均全局式SFM优化无人机影像外方位元素的算法(G-SFM)。首先利用高精度GNSS摄站坐标信息计算影像重叠,构建影像关系图并进行SIFT特征匹配,然后利用鲁棒的旋转平均方法迭代求解影像姿态参数;通过分析数码相机畸变误差、姿态解算误差以及其他系统误差,构建高精度GNSS摄站坐标约束下自检校光束法平差模型,求解最佳GNSS权重下无人机影像外方位元素最优值并得到相机参数。试验证明,当GNSS定位精度?GNSS取值为0.1m时,可得到影像外方位元素最优解。3.为验证上述无人机影像外方位元素优化方法的有效性,对不同地形、不同比例尺的微小型无人机影像开展了试验。在平原和山区1:1000试验中,对比了原始位置、姿态数据,传统差分GNSS数据以及G-SFM算法优化后的外方位元素数据进行的空三结果。试验表明,经过G-SFM算法对外方位元素优化后,4个控制点就能很好的满足空三规范要求,明显减小了对控制点数量的依赖。为验证G-SFM算法对无像片控制点空三的有效性,在嵩山无人机检校场,对比了三种不同型号的无人机数据处理结果,不使用地面控制点参与平差计算的情况下,G-SFM算法高程误差控制效果最好,相比原始位姿数据、差分GNSS数据辅助的空三,高程超限的检查点个数分别减少82%、39%,大大提高了无像控情况下无人机影像空三的高程精度。