[发明专利]一种基于显著性计算的无人机摄影测量采集规划方法及系统

说明书

本发明公开了一种基于显著性计算的无人机摄影测量采集规划方法及系统，规划方法包括如下步骤，S1、基于显著性计算提取测区的峰值点，以生成平滑地表高程模型；S2、基于平滑地表高程模型规划采集点位姿。优点是：基于最大显著性计算与线性插值生成地表模型，并在模型上进行采集点规划，提升了无人机在高落差区域数据采集的性能。解决了重建精度与飞行安全相互冲突的问题，可用于生成国际性大都会城市的三维模型。

技术领域

本发明涉及路径规划技术领域，尤其涉及一种基于显著性计算的无人机摄影测量采集规划方法及系统。

背景技术

由于测区建筑高程未知，目前解决高落差区域采集问题的方法主要有以下几种：

1、增大图像重叠率有利于减少遮罩与破洞出现的概率。过高的重叠度会降低数据采集和数据处理的效率，并且此种方式在固定高程、固定倾角的情况下采集图像，重建的精度无法保障

2、补充采集方法针对重建后发现重叠度不够的高楼进行单独的二次采集。然而，补飞后的区域精度提高并不能改变整片区域的重建精度。

3、使用长焦采集设备是通过改进相机模型来适应高空采集场景的方法。由于采集位置高，因此建筑屋檐造成的盲区就越大。

4、分层采集方法根据目标测区的地形数据(DSM)，分多次在不同高度对区域进行采集。该方法需要目标测区的地形数据，这一点与地形追踪方法类似，不准确的地形数据则可能造成无人机发生撞击事件的发生；同时，分层采集与地形追踪方法的采集倾角固定，对于垂直的建筑墙面或山地断崖的采集效果并不好。

5、变倾角采集或者贴近采集方法，通过变换图像采集时的倾角使采集视角尽量与建筑表面相垂直，以此保证精度。但是该方法增加了无人机飞行风险，同时变化的相机姿态对保证影响重叠率也是一种挑战。

6、基于建筑物水平轮廓的采集方法。将采集位置排布于建筑边缘。该方法需要无人机在空中做在线的计算，造成采集成本高；同时，基于深度学习的建筑提取并不稳定，城市中非建筑区域与建筑区域都存在于测区中，此方法对非建筑区域不会生成采集视角。

因此，亟需一种新的城市高落差地形跟踪方法，在采集过程安全高效的情况下，保证采集结果的精度与重叠率，解决无人机在高落差区域与非高落差区域的采集精度与飞行安全相互冲突的问题。

发明内容

本发明的目的在于提供一种基于显著性计算的无人机摄影测量采集规划方法及系统，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于显著性计算的无人机摄影测量采集规划方法，包括如下步骤，

S1、基于显著性计算提取测区的峰值点，以生成平滑地表高程模型；

S2、基于平滑地表高程模型规划采集点位姿。

优选的，步骤S1具体包括如下步骤，

S11、根据测区的原始DSM，基于显著性计算测区的峰值点；DSM即数字地表高程模型；

S12、基于测区的峰值点，利用线性插值的方式生成平滑地表高程模型。

优选的，所述测区的原始DSM通过如下过程获取，

根据绝对海拔高度计算采集重建结果的精度Q；

根据绝对海拔高度H_SAFE、采集点的影像重叠率α和相机的水平视场角FOV_x，确定相邻两个采集点之间的间距D_view；

根据采集点之间的间距在测区中布置航线和采集点；

根据采集倾角，获取采集点相对于垂直视角位姿的倾斜位姿；