中科智航基于大疆P4RTK傾斜攝影案例分析 摘要：針對多鏡頭測繪級無人機價格昂貴、技術門檻較高的問題，本文提出利用消費級無人機獲取的傾斜影像制作大比例尺地形圖的方法。該方法運用消費級單鏡頭無人機，在RTK輔助的前提下，采用低空飛行、井字形航線設計、高重疊率的作業(yè)方案，配以高精度像控點、立體測圖方法改進，從而實現(xiàn)大比例尺數(shù)字測圖。 1 引言 隨著科技不斷發(fā)展，測繪技術不斷更新，地形圖測量方法由傳統(tǒng)平板白紙測圖、經(jīng)緯儀測圖發(fā)展到現(xiàn)在的全站儀、GNSS、數(shù)字攝影測量等技術方法進行數(shù)字化成圖，在精度和效率上都有很大提高。近年來，天、空、地一體化測繪技術飛速發(fā)展，傾斜攝影就是其中的一種，它推動了地形測量向高科技、立體圖形、內(nèi)業(yè)測繪方向革命性的變化。 傾斜攝影測量技術[1]具有多種特點:①立體成果真實，對于地面周圍的反映符合人類感知[2];②為建模提供真實、豐富的紋理信息;③可實現(xiàn)高精度測量。同時，無人機作為一種新型的低空遙感對地觀測手段，具有易于操控、獲取影像周期短、作業(yè)機動性強等特性[3]?；谏鲜鎏攸c，利用無人機傾斜攝影技術獲取實景三維模型，有效避免傳統(tǒng)作業(yè)方式強度大、效率低、周期長和重復測量等弊端，極大提升了生產(chǎn)效率，應用前景廣泛。 2 設備選擇及技術路線 2. 1 設備及軟件本文論述無人機傾斜影像獲取利用精靈 Phantom 4 RTK進行航攝，精靈 Phantom 4 RTK 是一款小型多旋翼高精度航測無人機，面向低空攝影測量應用，具備厘米級導航定位系統(tǒng)和高性能成像系統(tǒng)，便攜易用，全面提升航測效率。相機影像傳感器：1英寸COMS，有效像素2000萬（總像素2048萬），相機鏡頭：FOV84° 8.8mm/24mm(35mm格式等效）。實景模型制作采用Smart 3D 軟件進行空中三角測量及全自動三維建模。2. 2 技術路線根據(jù)無人機傾斜攝影測量的技術特點及相關要求制定作業(yè)流程，如圖1 所示，本文對航攝外業(yè)及三維建模不作詳細論述。 圖1 技術路線 3 工程應用案例 項目概況應用案例選取九臺大學生創(chuàng)業(yè)園、長春市九臺區(qū)土們嶺鎮(zhèn)、吉林市吉林化纖實業(yè)集團等3 個竣工測繪項目作為傾斜攝影生產(chǎn)應用研究對象，全要素采集房屋、道路、花圃、梯坎等地形圖基本要素和規(guī)劃竣工信息，其傾斜攝影實景模型如圖2～ 圖4 所示: 圖2長春市九臺區(qū)土們嶺鎮(zhèn) 圖3 九臺大學生創(chuàng)業(yè)園 圖4 吉林化纖實業(yè)集團4空中三角測量 空中三角測量利用外業(yè)采集的影像、POS信息，通過建模獲得所有影像的外方位元素，再通過多視影像密集匹配，自動獲取高密度三維點云信息。空中三角測量步驟主要分為多視影像密集匹配及自由網(wǎng)空三、像控點判刺、絕對網(wǎng)空三解算等。多視影像密集匹配及自由網(wǎng)空三步驟基于同名特征點信息進行自動匹配解算，基本無需人工干預。本文空中三角測量采用ContextCapture軟件進行處理。密集匹配575965個連接點，連接圖如圖5-圖7所示。 圖5 長春市九臺區(qū)土們嶺鎮(zhèn) 圖6 九臺大學生創(chuàng)業(yè)園 圖7吉林化纖實業(yè)集團 5三維建模 三維自動建?；诟呙芏赛c云構(gòu)建不規(guī)則三角網(wǎng)，對不規(guī)則三角網(wǎng)進行自動紋理映射，生成基于真實影像紋理的三維實景模型。生成的模型包含了高密度點云、不規(guī)則三角網(wǎng)、真實影像紋理3種信息。生成的傾斜三維模型成果的精度直接決定了最終成圖的精度，三維建模成果如圖8-圖10所示。 圖8 長春市九臺區(qū)土們嶺鎮(zhèn) 圖9 九臺大學生創(chuàng)業(yè)園 圖7吉林化纖實業(yè)集團 6結(jié)束語 本文分析了基于大疆精靈4RTK版無人機的單鏡頭傾斜攝影測量方法，提出了低空飛行、井字形飛行、較高的重疊度、改進的立體測圖方法等方案。以九臺大學生創(chuàng)業(yè)園、長春市九臺區(qū)土們嶺鎮(zhèn)、吉林市吉林化纖實業(yè)集團為試驗區(qū)域，結(jié)果證明，該方案可以滿足地籍圖測繪的精度要求。但仍有一定局限性亟待解決，主要表現(xiàn)在以下幾方面: (1)基于荷載限制及飛行安全考慮，目前無人機電池的續(xù)航能力成為傾斜攝影技術推廣的限制條件，提高無人機單架次作業(yè)時間將大幅提高該方法的應用效率。 (2) 由于傾斜攝影模型是對地物地貌表面的模擬，植被覆蓋、房屋遮擋等一些拍攝死角或關聯(lián)點不足的地方，全自動建模時容易產(chǎn)生模型扭曲變形;匹配截面過小的地物，如路燈、電桿，容易產(chǎn)生模型缺失，需采用其他方式加以補充處理[7]。 (3)地形要素的提取還不是全自動，需要輔助人工識別，容易出現(xiàn)誤判和漏判，需進一步研究對軟件二次開發(fā)，提升海量數(shù)據(jù)快速提取、自動識別的能力。