【摘要】：森林資源監(jiān)測,造林、營林都是林業(yè)工作的重要內(nèi)容,林木采伐地塊、造林地塊以及林地征占用地塊進行檢查與核查,是森林資源保護的重要措施,而這些特定地塊面積的快速獲取是檢查與核查的重要環(huán)節(jié)。本文針對常規(guī)測量方法速度慢、效率低,傳統(tǒng)無人機航測設(shè)備要求高、數(shù)據(jù)量大、費時等問題,為快速便捷地獲取特定地塊的實際面積,解決特定林地面積快速獲取難題,實現(xiàn)對特定地塊的高效檢查與核查,提出一種基于無人機單視場全景圖像的地塊面積量測方法。1、提出相機標定改進方法,實現(xiàn)相機標定與圖像畸變校正�；趶堈严鄼C標定法進行了改進,通過獲取相機參數(shù)得到焦距與像元尺寸,并將其作為已知參數(shù),建立線性的成像模型,計算相機的內(nèi)、外參矩陣;引入二階的徑向畸變與切向畸變,建立非線性的成像模型,迭代優(yōu)化參數(shù),求得最優(yōu)解。2、研究了基于全景圖像提取特定區(qū)域并統(tǒng)計其像素數(shù)量的方法。對校正后的無人機全景圖像進行區(qū)域提取,運用Canny邊緣檢測算子與形態(tài)學圖像處理相結(jié)合的方法,剔除干擾區(qū)域得到清晰完整的區(qū)域形狀二值圖,統(tǒng)計得到區(qū)域內(nèi)像素數(shù)量�；谙鄼C內(nèi)外參數(shù)研究了圖像地面分辨率與像元尺寸存在的比例關(guān)系,從而根據(jù)已知的航高、像元尺寸與焦距計算出圖像的分辨率,實現(xiàn)照片在地圖上的定位。3、利用無人機拍攝的單張全景圖像對地塊面積進行了計算,通過分析面積測量的結(jié)果發(fā)現(xiàn)了面積計算誤差與航高間的變化規(guī)律。實驗結(jié)果表明,提出的方法計算精度隨著無人機飛行高度的增加,存在先逐漸提升,到達一個峰值后逐漸下降的關(guān)系,且在有效飛行高度內(nèi)的相對誤差都在10%以下,對要求操作簡便快速、精度不是很高的山地作業(yè)有實際意義。
【圖文】：

機鏡頭的畸變參數(shù)，從而對無人機拍攝的全景照片進行畸變校正。通過 Canny 算子與形態(tài)學圖像處理方法相結(jié)合的圖像區(qū)域提取辦法得到無人機地塊區(qū)域的二值圖像，統(tǒng)計地塊區(qū)域所包含的像素數(shù)量。由無人機航高與傳感器像元、圖像地面分辨率之間的比例關(guān)系計算得到全景圖像的圖像地面分辨率，結(jié)合二值區(qū)域圖像素數(shù)量與圖像地面分辨率計算地塊實際面積。將無人機拍照瞬間的經(jīng)緯度定位到圖像中心點，通過經(jīng)緯度與投影坐標系之間的轉(zhuǎn)換得到一個像素長度對應的坐標數(shù)值變化，以圖像中心點為起始點向外擴散，計算得到全景圖像四個頂點的經(jīng)緯度，實現(xiàn)定位。本文技術(shù)路線如圖 1.1 所示。

圖 2.1 坐標系空間關(guān)系示意圖Fig 2.1 Schematic diagram of coordinate system space relationship中，世界坐標系以wO 為原點，由wwwX , Y,Z三個坐標軸組成，度量單位為標系以cO 為原點，由cccX , Y,Z三個軸組成，度量單位為米（m）；像平為原點，由 x, y兩個軸組成，度量單位為米（m）；像素坐標系和像平個平面上，原點在圖片的左上角，由 u, v兩個軸組成，其度量單位l）；O點表示相機的中心點，也是相機坐標系的中心點；世界坐標系與在一定的旋轉(zhuǎn)和平移關(guān)系；cZ 軸表示相機的主軸； S 點為三維世界上S′點為該點在像平面上的投影；S′點所在的平面表示相機的像平面，，標系所在的二維平面；O點表示主點，即主軸與像平面相交的點，也是點；cO 點到 O 點的距離為相機的焦距；像平面上的 x 和 y 坐標軸是與相 X 和Y 坐標軸互相平行的。界坐標系中的點（ X , Y,Z）與相機坐標坐標系中的點（ ）cccX , Y,Z進行空間表示為：
【學位授予單位】：浙江農(nóng)林大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：S779;S757

【相似文獻】

相關(guān)期刊論文 前10條

1 申心蘭;王仲;劉常杰;付魯華;;一種基于棋盤格的高精度分區(qū)域相機標定方法（英文）[J];Journal of Measurement Science and Instrumentation;2016年04期

2 王運哲;鄭凱;;機器視覺中相機標定方法的研究[J];機械管理開發(fā);2019年05期

3 陳科尹;鄒湘軍;關(guān)卓懷;王剛;彭紅星;吳崇友;;基于混合蛙跳優(yōu)化的采摘機器人相機標定方法[J];農(nóng)業(yè)機械學報;2019年01期

4 徐贏;段發(fā)階;蔣佳佳;許飛;梁春疆;馮帆;伯恩;;基于非參數(shù)相機標定的位移在線檢測系統(tǒng)[J];計算機工程;2015年06期

5 劉紅坤;王江安;;傳統(tǒng)方法在水下相機標定應用中的研究[J];艦船電子工程;2012年02期

6 于曉敏;;用于相機標定的兩種優(yōu)化策略[J];現(xiàn)代計算機(專業(yè)版);2019年04期

7 凡芳;王振偉;劉雙印;胥任杰;;面向視覺測量的相機標定誤差分析[J];實驗科學與技術(shù);2016年06期

8 張志紅;余國河;田東哲;胡錦濤;楊玉輝;;相機標定對玉米自動化觀測評估結(jié)果的影響[J];單片機與嵌入式系統(tǒng)應用;2019年04期

9 王子辰;戴明;汪永陽;李剛;李家德;郎小龍;;一種基于虛擬立體靶標的線陣相機標定方法[J];光電子.激光;2013年05期

10 唐陽山,李江,張健,徐駿;現(xiàn)場照相測量的相機標定研究[J];長春理工大學學報;2005年03期

相關(guān)會議論文 前10條

1 余燁;羅月童;徐偉;劉曉平;;一種基于滅點的相機標定方法[A];計算機技術(shù)與應用進展·2007——全國第18屆計算機技術(shù)與應用（CACIS）學術(shù)會議論文集[C];2007年

2 尚洋;于起峰;張小虎;姜廣文;朱肇昆;;大尺度光測中的相機標定技術(shù)研究[A];中國力學大會——2013論文摘要集[C];2013年

3 郭翔;梁晉;唐正宗;曹秉剛;胡浩;;高速沖擊變形的數(shù)字散斑相關(guān)法測量[A];第十三屆全國實驗力學學術(shù)會議論文摘要集[C];2012年

4 耿書東;徐青青;何小元;;三維數(shù)字圖像相關(guān)測量系統(tǒng)中單幅圖像標定方法[A];第十三屆全國實驗力學學術(shù)會議論文摘要集[C];2012年

5 劉帥;陳軍;;一種基于物體橫向切片的可量測三維重建方法[A];中國測繪學會第九次全國會員代表大會暨學會成立50周年紀念大會論文集[C];2009年

6 楊健;楊化超;寧小剛;張繼賢;鄧喀中;;相機標定中標志點的(半)自動檢測方法研究[A];2010'中國礦業(yè)科技大會論文集[C];2010年

7 張海明;楊洗陳;竇以紅;劉立峰;高貴;;一種機器人立體視覺自動標定方法[A];中國光學學會2010年光學大會論文集[C];2010年

8 段浪;;基于數(shù)碼相機的橋梁缺陷尺寸測量技術(shù)研究[A];中國土木工程學會2016年學術(shù)年會論文集[C];2016年

9 李起成;楊猛;陳毅松;汪國平;;基于彩色圓柱的相機標定法[A];第一屆建立和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2005）論文集[C];2005年

10 范新峰;程遠增;付強;;采用黑白檢測算子的棋盤格角點檢測[A];2015光學精密工程論壇論文集[C];2015年

相關(guān)博士學位論文 前10條

1 陳釗;數(shù)字式粒子圖像測速方法研究及其在氧化溝模型中的應用[D];重慶大學;2006年

2 詹總謙;基于純平液晶顯示器的相機標定方法與應用研究[D];武漢大學;2006年

3 蔡嶺;基于立體視覺的目標檢測與跟蹤[D];上海交通大學;2011年

4 張躍強;基于直線特征的空間非合作目標位姿視覺測量方法研究[D];國防科學技術(shù)大學;2016年

5 張步陽;半導體芯片封裝過程中視覺定位關(guān)鍵技術(shù)研究[D];華中科技大學;2016年

6 韓慧妍;基于雙目立體視覺的三維模型重建方法研究[D];中北大學;2014年

7 楊淼;基于圖像的城市建筑物三維自動重建參數(shù)化建模方法研究[D];中國海洋大學;2009年

8 周東生;計算機視覺中的相機標定相關(guān)問題研究與應用[D];大連理工大學;2010年

9 劉聰;基于立體視覺的動態(tài)變形測量研究[D];東南大學;2017年

10 王立中;基于機器視覺的奶牛體型評定中的關(guān)鍵技術(shù)研究[D];內(nèi)蒙古農(nóng)業(yè)大學;2009年

相關(guān)碩士學位論文 前10條

1 許敕;支持文物3D重建的自動取景平臺研制[D];東華大學;2018年

2 韋蕾蕾;基于無人機的林地面積測量及應用研究[D];浙江農(nóng)林大學;2019年

3 王旋;用于天文攝影測量的相機標定研究[D];西安科技大學;2018年

4 張曉峰;基于視覺的齒輪檢測及相機標定方法研究[D];合肥工業(yè)大學;2018年

5 鄭寶峰;車輛三維點云高精度重建技術(shù)研究[D];長安大學;2018年

6 余寰;多面立體靶標的多相機標定方法研究[D];合肥工業(yè)大學;2018年

7 伊文康;基于視覺的水下機器人自主對接導引算法研究[D];沈陽理工大學;2018年

8 葛志勇;采用多目視覺的人頭三維重建[D];南京理工大學;2018年

9 柳俊先;基于深度學習的機器人抓取仿真訓練技術(shù)研究[D];哈爾濱工業(yè)大學;2018年

10 顧秋愷;非量測數(shù)碼相機鏡頭場地標定研究[D];遼寧工程技術(shù)大學;2016年

本文編號：2711034