賈 嬌，艾海濱，張 力，燕 琴

(1.蘭州交通大學，甘肅 蘭州730070;2.中國測繪科學研究院，北京100830)

一、引 言

現(xiàn)今，在應急響應和防災減災領域，通過低空無人機獲取災區(qū)影像的方式發(fā)揮的作用越來越明顯，其最大的優(yōu)勢就是可以在惡劣的自然條件下，或者在人無法到達的地區(qū)，利用簡單條件就可以低空飛行，獲取影像數(shù)據(jù)。同時，其也存在一個不容忽視的問題，即與傳統(tǒng)的航空拍攝相比，應用小型無人機獲取數(shù)據(jù)的方式受到氣候因素、重量因素、相機質(zhì)量因素等影響，導致飛機姿態(tài)不穩(wěn)定，從而使得通過無人機獲得的影像質(zhì)量會有一些不足，如影像航向重疊度和旁向重疊度都不夠規(guī)則、像幅較小、像片數(shù)量多、影像的傾角過大且傾斜方向沒有規(guī)律、航攝區(qū)域地形起伏大造成的影像旋偏角大、影像有明顯畸變等。這些情況下實現(xiàn)自動空三是現(xiàn)有數(shù)字攝影測量系統(tǒng)的主要挑戰(zhàn)，在大多數(shù)情況下都將導致錯誤結果。

因此，完善的影像數(shù)據(jù)處理系統(tǒng)應該既能快速處理數(shù)量龐大的無人機影像，又能保證處理結果準確且滿足既定的要求。本文以影像數(shù)據(jù)測圖系統(tǒng)PixelGrid為平臺，介紹了無人機影像數(shù)據(jù)快速處理的關鍵算法與相關技術，以及PixelGrid在應急響應處理中的應用。

二、攝影測量快速處理

針對無人機影像的特點對其進行數(shù)據(jù)快速處理的流程如圖1所示。

圖1 無人機影像快速處理流程

獲得無人機數(shù)據(jù)以后，首先對影像作旋轉(zhuǎn)、主點修正、畸變改正或格式轉(zhuǎn)換等預處理;然后再進行自動相對定向、模型連接、航帶間轉(zhuǎn)點等完成空中三角測量;最后利用特征提取技術從影像中提取數(shù)字表面模型(DSM)，DSM經(jīng)濾波處理得到DEM。下面對原始影像作勻光勻色處理，再結合生成的DEM對其進行數(shù)字微分糾正，然后利用正射影像自動拼接技術得到整個測區(qū)的正射影像圖。

三、無人機影像處理的關鍵算法

傳統(tǒng)攝影測量軟件在進行相對定向之前要設定影像的航向重疊度，而低空無人機拍攝出的影像航向旁向重疊度都不規(guī)則，致使在金字塔影像最高層的搜索范圍不正確。無人機影像也存在旋偏角過大的問題，傳統(tǒng)的灰度匹配算法會使影像不相關。以上兩個弊端導致了無人機影像的相對定向結果不理想。PixelGrid系統(tǒng)利用了SIFT算法進行匹配，并基于尺度/旋轉(zhuǎn)不變性進行全自動相對定向［1］，圖2展示了在無人機影像旋偏角較大、紋理缺乏的情況下得到296個匹配點，σ值為1.12個像素，說明此方案的匹配成功率和匹配點精度都較高，能滿足實際生產(chǎn)需求;得到相對定向元素以后，進行模型連接，并構成自由航帶網(wǎng)［2］。無人飛行器存在影像畸變大、飛行狀態(tài)不穩(wěn)定等不足，致使模型連接的中誤差超出限差過多。為了解決這個問題，首先在影像重疊區(qū)域提取F?rstner特征，經(jīng)過灰度匹配獲得初始的模型連接點，再應用直方圖統(tǒng)計法、模型連接比定義、幾何相似關系法逐步去除匹配錯誤的點。此方法獲得的連接點分布均勻，轉(zhuǎn)點的成功率和可靠性高，為后續(xù)的航帶間轉(zhuǎn)點和區(qū)域網(wǎng)平差提供了保障。

完成自動空三解算后，利用原始影像和內(nèi)外方位元素生成數(shù)字表面模型(DSM)或DEM。從遙感影像中自動提取三維信息的方法很多，它們能滿足普遍的生產(chǎn)要求，但弊端是精度和可靠性不高［3］。針對受災地區(qū)的復雜地況和無人機的非常規(guī)拍攝，可采用由粗到細(coarse-to-fine)的多級影像匹配策略［4］，融合特征點、特征線和格網(wǎng)點，集成多種成熟的、性能互補的影像匹配算法(基于面元的匹配、基于特征的匹配和關系匹配等)，同時自動進行匹配粗差定位和剔除，以保證匹配精度和可靠性。其核心算法為基于物方的多影像匹配方法［5］，可以同時匹配多于2景的影像，可有效地解決重復紋理或遮擋區(qū)域的匹配困難。同時采用兼顧地形特征線信息的全局概率松弛法影像匹配算法［5-6］，兼顧影像的全局和局部信息(如圖3所示)。

圖3 基于多基線、多匹配特征的地形信息自動提取

由于拍攝相機和外部環(huán)境的影響，拼接后的影像容易出現(xiàn)色彩或灰度的差別。基于影像直方圖匹配的勻色算法［7］將縮小一定程度拼接后的大影像作為參考模板，使原大影像灰度直方圖變成規(guī)定形狀的直方圖而對圖像色彩作修正，這樣使得拼接的色調(diào)過渡平滑，也極大地提高了自動化程度。另外，采用適當調(diào)節(jié)影像的亮度和對比度屬性的方法［7］來去除影像上的大面積霧靄，增強影像對比度，彌補了以往的勻光算法(如自適應模板法)［7］在此方面的缺陷。

為得到精確的DEM，要對色彩調(diào)整后的原始影像進行數(shù)字微分糾正以生成正射影像圖。正射影像拼接需要做到無縫鑲嵌、無影像錯位，清晰準確地呈現(xiàn)測區(qū)的實際情況?？蛇\用動態(tài)規(guī)劃算法［8］，根據(jù)多影像的整理分布情況自動生成區(qū)域范圍內(nèi)的接縫線網(wǎng)絡，進行整體接縫線自動編輯，同時對接縫線進行實時的羽化處理，以保證鑲嵌處理的效率。生成的拼接線能夠繞開房屋、樹木、橋梁等，而且一般不需要人工手動修改。

四、高效能處理技術

數(shù)字攝影測量軟件可處理的數(shù)據(jù)量越來越大，在應急響應中越快獲知災區(qū)情況越好，為了提高效率，并行處理方式在數(shù)據(jù)處理中廣泛應用起來。并行處理是計算機系統(tǒng)中同時執(zhí)行多個處理機的一種計算方法，目的就是快速解決大型且復雜的計算問題。單機多核是最簡單的一種并行方式，即一臺計算機擁有多個內(nèi)核，允許多個進程在一臺機器上同時進行處理。經(jīng)測試驗證，一臺8核PC機只需75 min即可完成856個像對UCXP航空影像的自動相對定向，200個像對用單機多核的方式只需3 h即可完成DSM的自動提取。

為了獲得更優(yōu)質(zhì)的效率，還可以采取多機集群分布式的數(shù)據(jù)處理方法，即將局域網(wǎng)中互聯(lián)的所有工作站(包括PC機和高性能集群計算機)通過軟件的方式進行通信和協(xié)作，從而以一定的任務調(diào)度策略共同完成影像數(shù)據(jù)的分布式處理［9］。圖4展示了PixelGrid系統(tǒng)的分布式處理架構，基于高速局域網(wǎng)絡，基本上實現(xiàn)了基于松散耦合并行服務中間件的影像數(shù)據(jù)集群分布式并行計算［10］。當接到任務時，任務調(diào)度模塊首先根據(jù)性能檢測模塊的報告，按照負載均衡的方式將待處理的任務發(fā)送到相應的處理節(jié)點上;然后操作員通過軟件界面實時了解任務進展，接收遠端處理完的成果數(shù)據(jù)，并在本機上儲存該數(shù)據(jù)。影像正射糾正中涉及的重采樣操作往往耗時巨大，在高數(shù)據(jù)處理量的系統(tǒng)中，采用分布式計算，將系統(tǒng)計算功能分塊并行計算，可大大提高處理效率。

圖4 PixelGrid系統(tǒng)分布式處理架構

在實際生產(chǎn)中，可以根據(jù)需要選擇使用單機多核或者多機分布式處理。表1以匹配DSM為例比較了兩種處理方式的效率，具體處理內(nèi)容是從36張8 cm分辨率的UCD航空影像生成格網(wǎng)間隔為40 cm的DSM。由表1可知多機分布式并行處理比單機處理更能提高效率，減輕了人員的工作量，實現(xiàn)了作業(yè)步驟的高度自動化，為災害的應急處理爭取了時間。

表1 PixelGrid兩種處理方式在匹配DSM中的效率對比

GPU技術以其卓越的圖形處理功能，在數(shù)字攝影測量領域的應用越來越重要，根據(jù)其并行結構和硬件特點，使利用GPU實現(xiàn)通用計算和圖像處理的高性能并行計算成為可能，并且發(fā)展成為趨勢。對于一幅分辨率為0.2 m、大小為756 MB的正射影像，采用CPU糾正大約需要8 min，而基于FX1800顯卡的GPU精糾正處理只需30 s，加速比為16倍。由于正射糾正是針對單個像元的操作，隨著影像像元數(shù)的增多，計算量也急劇增加。PixelGrid系統(tǒng)利用OpenGL作為手段，修改三維繪制管線的可編程Vertex和 Fragment Shader來實現(xiàn)快速的糾正［11］。以21張UCD航空遙感影像(測區(qū)面積約73 km2，數(shù)據(jù)量9.2 GB)為例，利用單機單線程GPU處理模式生成分辨率為0.2 m的正射影像，在NVIDIA Quadro 4000顯卡和1000轉(zhuǎn)速SAS盤的機器上運行，只需要約8 min。通過GPU并行正射糾正的實例說明，

綜上所述，PixelGrid在玉樹地震后僅用了7個小時即完成了從自動空三到生成正射影像的全部流程，制作出玉樹結古鎮(zhèn)震后0.4 m分辨率的正射影像圖，圖5的正射影像顯示出全鎮(zhèn)的受災情況，圖6是結古鎮(zhèn)震后2 m分辨率DSM彩色暈渲圖。另外，對舟曲泥石流后近200幅無人機航空影像數(shù)據(jù)進行處理，從自動空三到正射影像制作完成共用近6 h，獲得了0.2 m分辨率的舟曲縣泥石流災害影像圖，如圖7所示，能顯示泥石流經(jīng)過地區(qū)的受災狀況。這些成果可以幫助救災人員判斷受災的具體區(qū)域和嚴重程度，為調(diào)派人力物力前往救助提供保障。另外，如圖8所示，正射影像圖也能為監(jiān)測災后地質(zhì)形態(tài)(滑坡群、堰塞湖等)變化、關注受災后城鎮(zhèn)的恢復與重建提供保障。利用GPU對攝影測量中相關圖像處理算法的并行化，可以極大地提高攝影測量處理的效率。

圖5 結古鎮(zhèn)震后正射影像圖

圖6 結古鎮(zhèn)震后DSM彩色暈渲圖

由影像自動匹配生成的DSM包含地面建筑物、樹木和橋梁等高度，需要轉(zhuǎn)換為DEM以供后續(xù)流程應用。一般是靠單人手工編輯，耗費人力和時間巨大。為了提高效率，運用多人網(wǎng)絡分布式DSM在線編輯系統(tǒng)，即由服務器端將一片測區(qū)分成若干塊區(qū)，若干客戶端在網(wǎng)絡內(nèi)同時進行DSM編輯，處理時間可成倍減少，為后續(xù)流程的順利進行提供了方便。

五、應 用

圖7 舟曲縣泥石流正射影像圖

圖8 堰塞湖正射影像圖

六、結束語

本文基于PixelGrid系統(tǒng)的數(shù)據(jù)處理流程和方法，針對低空無人機拍攝方式的現(xiàn)狀，介紹了遙感影像快速處理技術的關鍵算法，詳細闡述了并行計算技術與數(shù)字攝影測量相關算法相結合的模式，并通過PixelGrid在玉樹地震和舟曲泥石流的災后影像處理中的應用，驗證了這兩種技術相結合可以充分發(fā)揮應急響應中數(shù)據(jù)處理的速度和效率。

［1］王琳，張力，艾海濱.無人飛行器遙感影像的自動相對定向研究［J］.測繪通報，2011(11)：11-14.

［2］王琳.高精度、高可靠的無人機影像全自動相對定向及模型連接研究［D］.北京：中國測繪科學研究院，2011.

［3］張力，張繼賢.基于多基線影像匹配的高分辨率遙感影像DEM 的自動生成［J］.測繪科學，2008，33(S2)：35-39.

［4］袁修孝，明洋.一種綜合利用像方和物方信息的多影像匹配方法［J］.測繪學報，2009，38(3)：216-222.

［5］張祖勛，張劍清.數(shù)字攝影測量學［M］.武漢：武漢大學出版社，2010：148-213.

［6］ZHANG Li，GRUEN A.Multi-image Matching for DSM Generation from IKONOSImagery［J］.ISPRSJournal of Photogrammetry and Remote Sensing，2006，60(3)：195-211.

［7］王邦松，艾海濱，安宏，等.航空影像色彩一致性處理算法研究［J］.遙感信息，2011(1)：45-49.

［8］CHON J，KIM H.Determination of the Optimal Seamlines in Image Mosaicking with the Dynamic Programming(DP)on the Converted Cost Space［J］.Lecture Notes in Computer Science，2006(4029)：750-757.

［9］王彥敏，盧剛.基于PixelGrid實現(xiàn)DOM的快速更新［C］∥地理信息與物聯(lián)網(wǎng)論壇暨江蘇省測繪學會2010年學術年會.無錫：江蘇省測繪學會，2010.

［10］艾海濱，張劍清.基于中間件的高分辨率衛(wèi)星影像正射糾正的分布式處理［J］.測繪科學，2009，34(4)：158-160.

［11］韓元利.基于GPU編程的虛擬自然環(huán)境技術研究［D］.武漢：武漢大學，2007.