利用多轴无人飞行载具制作大比例尺地形图之研究.PDF

利用多轴无人飞行载具制作大比例尺地形图之研究.PDF

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
利用多轴无人飞行载具制作大比例尺地形图之研究

航測及遙測學刊 第二十三卷 第 4 期 第 285-293 頁 民國 107 年 12 月 285 Journal of Photogrammetry and Remote Sensing Volume 23, No.4, 2018, pp. 285-293 DOI :10.6574/JPRS.201812_23(4).0005 利用多軸無人飛行載具製作大比例尺地形圖之研究 1 2* 林迪詒 謝嘉聲 摘要 隨著科技進步,多軸無人飛行載具(Multi-Rotor Unmanned Aerial Vehicle, MUAV)發展漸趨成熟,目前 已應用在許多領域上(如農業、能源、新聞媒體等) ,其中在航空攝影測量的應用已有許多成功的案例發表。 但因其載體小且搭載消費型相機,因此在執行航拍的過程中易受環境影響,造成航線傾斜、偏移、航高不 一致之現象,且因飛行高度低,造成拍攝影像圖幅小、數量多及鏡頭畸變差不穩定等問題。為解決上述問 題,本研究透過計算機視覺方法的從運動中回復結構(Structure from Motion, SFM)和密匹配演算法中以區 塊為基礎之多視立體(Patch-based Multi-view Stereo, PMVS)方法進行影像處理,可快速從序列影像中,計 算影像的內外方位參數並產製稠密點雲。本研究利用 MUAV 拍攝 1 cm 地面解析度之影像,並根據解析 度需求進行航線規劃及影像處理。研究區為高雄市鳳山舊無線電信所,區域內有房屋、道路等建物,屬於 平坦地形,最高建物高度為 9 m ,最後並以地形圖檢核的程序進行檢核,驗證應用無人飛行載具搭配消費 型相機進行航空攝影測量亦可提供高精度的地形圖。 關鍵詞:多軸無人飛行載具、大比例尺地形圖、運動中回復結構、區塊為基礎之多視 立體 維影像可重建出三維空間資訊,影像重建技術必須 1. 前言 具備內外方位參數,因此本研究透過計算機視覺方 無人飛行載具(Unmanned Aerial Vehicle, UAV) 法,從運動中回復結構(Structure from Motion, SFM) 成本低、機動性高及可重複利用的優點,使其迅速 的演算法,由相機以移動的方式進行拍攝,移動過 應用到民生和科學研究的領域,相關的研究成果如 程利用不同視點產生的視差,計算影像與場景之間 農業方面(Haarbrink Eisenbeiss, 2008) 、森林火災 的關係,得到場景的三維結構,並可自動計算出相 的監測(Ollero Merino, 2006) 、考古(Eisenbeiss 機的內外方位參數(Tsingas, 1992 、Seitz et al., 2006) 。 Zhang, 2006)等應用。其中 Everaerts et al. (2004)的 Rosnell Honkavaara (2012) 比較傳統攝影測量與 研究評估出 UAV 為最實用的遙測工具,並指出 SFM 方法處理 UAV 影像的差異,指出傳統攝影測 UAV 的應用創造一個新的遙測市場(Everaerts 量方法,對於低空和高重疊率影像較易出現匹配失 Lewyckyj, 2011) 。 敗的問題,建議以 SFM 方法較適合處理 UAV 拍攝 UAV 體積小、重量輕,飛航過程中容易受到環 的影像。但 SFM 重建出的點雲為稀疏點雲,稀疏 境、風力影響,造成飛行路徑不穩定、重疊率不一 點雲無法完整描述三維模型,因而結合密匹配演算 致及影像傾角較大等問題,使 UAV 的飛航穩定度 法 中, 以區塊 為基 礎之多 視立 體 (Patch-based 無法與傳統航拍相比,也因搭載消費型相機存在較 Multi-View Stereo, PMVS)作為獲取

文档评论(0)

xiaozu + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档