基于无人机RTK定位的图像测流快速标定方法与流程

基于无人机rtk定位的图像测流快速标定方法
技术领域
1.本发明属于流速测量技术领域，涉及一种图像测流快速标定方法，尤其涉及一种基于无人机rtk定位的图像测流快速标定方法。


背景技术：

2.水流流速是水科学研究及涉水工程(大坝、桥梁、港口航道等)建设与管理过程中至关重要的测量参数。常规的测流仪器主要包括转子式流速仪、声学多普勒流速仪(adv，acoustic doppler velocimetry)、声学多普勒流速剖面仪(adcp，acoustic doppler current profiler)、雷达流速仪、大尺度粒子图像测速(1arge-scale particle image velocimetry，lspiv)等。但这些测速装置存在如下不足：
3.转子流速仪存在以下缺点：长期的机械转动使得设备容易损坏；设备需要定期校准，费用比较高；对环境的要求比较高，一旦有杂物缠绕，设备就无法使用，精度相对比较差；另外使用过程也相对复杂。adv可用于流量小、河道窄的山区小型河流中流速测量，测得二维或三维流速。adcp能够测量不同水层的三维流速和流向，即测出河流的流速剖面，具有测验历时短、精度高、资料完整丰富的特点。雷达流速仪利用雷达多普勒效应实现流速测量。但adv和雷达流速仪只能用于点流速测量，adcp通过走航式进行断面流速测量，无法实现大范围瞬时流场测量。lspiv通过在岸边架设摄像机，通过图像处理算法，可以获取大范围瞬时流场数据，但对于在高洪期间等复杂环境下的应急洪水流场监测，由于无法快速安装及标定，难以满足应急监测要求。近年来，随着无人机技术的快速发展，由于无人机具备机动性好、易操作、维护成本低、不受安装条件限制等优点，无人机在洪水监测中得到了广泛应用，但将无人机图像用于洪水流场的快速测量，需要标定图像距离与实际距离之间的比例关系才能根据无人机视频图像计算出流速的实际大小，常规的采用人工基布设地面坐标控制点进行标定的方法费时费力，特别是在高洪期等极端危险的环境之下无法布设。因此，无人机图像的快速且简单易操作的标定方法是急需解决的关键技术问题。目前有人提出通过测量无人机相对水面的高度并结合摄像机参数对图像进行标定，但该高度的测量通常由无人机起飞高度加上起飞点距水面的距离(由激光测距仪等其他测量设备)确定，或另外搭载专门的测高设备(如雷达水位仪)测量无人机距离水面高度，不仅增加了标定复杂度，还使应急测量系统集成更加复杂化。


技术实现要素：

4.发明目的：为了解决背景技术中存在的上述技术问题，本发明提供了一种能快速准确地对无人机图像进行标定、可解决高洪期间等复杂环境下的应急洪水流场监测难题的基于无人机rtk定位的图像测流快速标定方法。
5.为了实现上述目的，本发明采用如下技术方案：
6.一种基于无人机rtk定位的图像测流快速标定方法，其特征在于：所述基于无人机rtk定位的图像测流快速标定方法包括以下步骤：
7.1)基于自带rtk定位的无人机设备，在t1时刻拍下正射视频图像并记录下此时无人机设备的位置(x1，y1)，将t1时刻所拍摄图像记为t1图像，在t1图像中选取水陆交界上一不动特征点p，获取不动特征点p在t1图像中的位置为(i1，j1)；
8.2)保持无人机设备的飞行高度不变，将无人机设备移动距离lr后，在t2时刻拍下正射视频图像并记录下此时无人机设备的位置(x2，y2)，将t2时刻所拍摄图像记为t2图像，所述不动特征点p在t2图像中，同时获取不动特征点p在t2图像中的位置(i2，j2)；
9.3)根据不动特征点p分别在t1图像中的位置以及t2图像中的位置计算不动特征点p在图像坐标中移动的距离为li；根据无人机设备分别在t1时刻的位置以及t2时刻的位置计算无人机设备移动的实际距离lr；根据不动特征点p在图像坐标中移动的距离为li以及无人机设备移动的实际距离lr计算δt内内t1图像至t2图像不动特征点p的位移实际距离与图像移动距离的比值s；所述δt＝t2-t1；
10.4)根据步骤2)中无人机设备的移动距离lr以及步骤3)计算得到的比值s，计算实际距离；
11.5)根据步骤4)计算得到的实际距离以及δt计算得到水流流速。
12.作为优选，本发明所采用的步骤2)中获取不动特征点p在t2图像中的位置是采用归一化互相关算法计算得到的。
13.作为优选，本发明所采用的步骤2)中获取不动特征点p在t2图像中的位置的具体计算方式是：
14.2.1)在t1图像中选取以不动特征点p为角点构建的窗口；
15.2.2)采用归一化互相关算法在t2图像中，沿从左至右以及从上自下的顺序，依次取互相关计算窗口并计算互相关计算窗口内每个像素的互相关值r(i，j)，选取互相关值r(i，j)中最大值记为点q，点q处的坐标是(i2，j2)，则点q是t2图像中与t1图像中不动特征点p最为相似的点，将不动特征点p在t2图像中的位置记为(i2，j2)；所述互相关计算窗口的大小与步骤1)所构建的窗口的大小相同。
16.作为优选，本发明所采用的步骤2.2)中归一化互相关算法的表达式是：
[0017][0018]
其中：
[0019]
r(i，j)为t2图像中坐标为(i，j)处的互相关值，其中，i是每个互相关计算窗口中从左上角往右延伸的距离；j是每个互相关计算窗口中从左上角往下延伸的距离；
[0020]
(m，n)为t1图像中的各像素在以不动特征点p为角点构建的窗口中的坐标；
[0021]
是t2图像中互相关计算窗口内的所有像素的灰度值的平均值；
[0022]
g(i，j)是t2图像中坐标(i，j)处的灰度值；
[0023]
g(i+m，j+n)是t2图像中坐标(i+m，j+n)处的灰度值；
[0024]
是t1图像中以不动特征点p为角点构建的窗口的像
素灰度平均值；
[0025]
t(m，n)是t1图像中以不动特征点p为角点构建的窗口中坐标(m，n)处的灰度值；
[0026]
m是以不动特征点p为角点构建的窗口的长度；
[0027]
n是以不动特征点p为角点构建的窗口的宽度。
[0028]
作为优选，本发明所采用的步骤3)中不动特征点p在图像坐标中移动的距离为li的计算方式是：
[0029][0030]
所述无人机设备移动的实际距离lr的计算方式是：
[0031][0032]
所述δt内t1图像至t2图像不动特征点p的位移实际距离与图像移动距离的比值s的计算方式是：
[0033][0034]
其中，不动特征点p的位移实际距离的单位是米；图像移动距离的单位是像素。
[0035]
作为优选，本发明所采用的不动特征点p是置于水陆交界处的天然固定标识物。
[0036]
作为优选，本发明所采用的不动特征点p是具有明显形状或颜色特征的石头、树干或堤脚。
[0037]
本发明的优点是：
[0038]
本发明提供了一种基于无人机rtk定位的图像测流快速标定方法，该方法包括：1)基于自带rtk定位的无人机设备，在t1时刻拍下正射视频图像并记录下此时无人机设备的位置(x1，y1)，将t1时刻所拍摄图像记为t1图像，在t1图像中选取水陆交界上一不动特征点p，获取不动特征点p在t1图像中的位置为(i1，j1)；2)保持无人机设备的飞行高度不变，将无人机设备移动距离lr后，在t2时刻拍下正射视频图像并记录下此时无人机设备的位置(x2，y2)，将t2时刻所拍摄图像记为t2图像，不动特征点p在t2图像中，同时获取不动特征点p在t2图像中的位置(i2，j2)；3)根据不动特征点p分别在t1图像中的位置以及t2图像中的位置计算不动特征点p在图像坐标中移动的距离为li；根据无人机设备分别在t1时刻的位置以及t2时刻的位置计算无人机设备移动的实际距离lr；根据不动特征点p在图像坐标中移动的距离为li以及无人机设备移动的实际距离lr计算δt内t1图像至t2图像不动特征点p的位移实际距离与图像移动距离的比值s；δt＝t2-t1；4)根据步骤2)中无人机设备的移动距离lr以及步骤3)计算得到的比值s，计算实际距离；5)根据步骤4)计算得到的实际距离以及δt计算得到水流流速。相对于传统的人工基布设地面坐标控制点进行标定的方法，本方法可实现自动标定，更安全方便。相对于雷达测高式标定法，本方法基于无人机自带rtk定位标定，无需另外负载，更简单快捷。
附图说明
[0039]
图1是以不动特征点p为角点构建的窗口的示意图；
[0040]
图2是本发明所提供的基于无人机rtk定位的图像测流快速标定方法的示意图。
具体实施方式
[0041]
本发明提供了一种基于无人机rtk定位的图像测流快速标定方法，基于无人机rtk定位的图像测流快速标定方法包括以下步骤：
[0042]
1)基于自带rtk(real-time kinematic，实时动态)定位的无人机设备(例如可以是大疆精灵4rtk、m300rtk等)，在t1时刻拍下正射视频图像并记录下此时无人机设备的位置(x1，y1)，将t1时刻所拍摄图像记为t1图像，即图2中的abcd，在t1图像中选取水陆交界上一不动特征点p，获取不动特征点p在t1图像中的位置为(i1，j1)；不动特征点p是置于水陆交界处的天然固定标识物，例如是具有明显形状或颜色特征的石头、树干或堤脚。
[0043]
2)保持无人机设备的飞行高度不变，将无人机设备移动距离lr后，在t2时刻拍下正射视频图像并记录下此时无人机设备的位置(x2，y2)，将t2时刻所拍摄图像记为t2图像，及图2中的a’b’c’d’，不动特征点p在t2图像中，同时获取不动特征点p在t2图像中的位置(i2，j2)；
[0044]
获取不动特征点p在t2图像中的位置是采用归一化互相关算法计算得到的，其具体计算方式是：
[0045]
2.1)在t1图像中选取以不动特征点p为角点构建的窗口；该窗口的大小为m
×
n的模板图像td，如图1所示，该窗口以水陆交界上一不动特征点p为一角点，且窗口包含的区域为陆地上不动区域。
[0046]
2.2)采用归一化互相关算法在t2图像中，沿从左至右以及从上自下的顺序，依次取互相关计算窗口并计算互相关计算窗口内每个像素的互相关值r(i，j)，选取互相关值r(i，j)中最大值记为点q，点q处的坐标是(i2，j2)，则点q是t2图像中与t1图像中不动特征点p最为相似的点，将不动特征点p在t2图像中的位置记为(i2，j2)；互相关计算窗口的大小与步骤1)所构建的窗口的大小相同。该过程完全不依赖与人工确定，标定精度和效率会大幅度提升。
[0047]
其中，步骤2.2)中归一化互相关算法的表达式是：
[0048][0049]
其中：
[0050]
r(i，j)为t2图像中坐标为(i，j)处的互相关值，其中，i是每个互相关计算窗口中从左上角往右延伸的距离；j是每个互相关计算窗口中从左上角往下延伸的距离；
[0051]
(m，n)为t1图像中的各像素在以不动特征点p为角点构建的窗口中的坐标；
[0052]
是t2图像中互相关计算窗口内的所有像素的灰度值的平均值；
[0053]
g(i，j)是t2图像中坐标(i，j)处的灰度值；
[0054]
g(i+m，j+n)是t2图像中坐标(i+m，j+n)处的灰度值；
[0055]
是t1图像中以不动特征点p为角点构建的窗口的像素灰度平均值；
[0056]
t(m，n)是t1图像中以不动特征点p为角点构建的窗口中坐标(m，n)处的灰度值；
[0057]
m是以不动特征点p为角点构建的窗口的长度；
[0058]
n是以不动特征点p为角点构建的窗口的宽度。
[0059]
3)根据不动特征点p分别在t1图像中的位置以及t2图像中的位置计算不动特征点p在图像坐标中移动的距离为li；根据无人机设备分别在t1时刻的位置以及t2时刻的位置计算无人机设备移动的实际距离lr；根据不动特征点p在图像坐标中移动的距离为li以及无人机设备移动的实际距离lr计算δt内t1图像至t2图像不动特征点p的位移实际距离与图像移动距离的比值s；δt＝t2-t1；
[0060]
不动特征点p在图像坐标中移动的距离为li的计算方式是：
[0061][0062]
无人机设备移动的实际距离lr的计算方式是：
[0063][0064]
δt内t1图像至t2图像不动特征点p的位移实际距离与图像移动距离的比值s的计算方式是：
[0065][0066]
4)根据步骤2)中无人机设备的移动距离s
无人机
以及步骤3)计算得到的比值s，计算实际距离；
[0067]
5)根据步骤4)计算得到的实际距离以及δt计算得到水流流速。
[0068]
下面结合实例，对本发明所提供的技术方案进行详细说明：
[0069]
实施例1：窄河道测流
[0070]
河宽约10米，m300rtk无人机，rtk定位精度：1cm+1ppm，配禅思p1相机，分辨率:8192
×
5460，焦距35mm，飞行高度20m，选取水陆交界上一不动特征点p，在t1时刻图像中图像坐标为(3252，2184)，采用互相关算法，取窗口大小为64
×
64，依次计算t2图像中各点的互相关值，取最大互相关值处的像素坐标(6095，1915)，为自动定位与t1图像p点最匹配的坐标，计算特征点在图像中移动距离li为：为：像素，无人机在t1时刻rtk定位坐标为(1804522.212320，3632145.079990)，在t2时刻rtk定位坐标为(1804529.272520，3632145.290740)，无人机移动距离lr为：为：则可标定出图像距离与实际距离的比值
[0071]
实施例2：宽河道测流
[0072]
河宽约50米，m300rtk无人机，rtk定位精度：1cm+1ppm，配禅思p1相机，分辨率:8192
×
5460，焦距35mm，飞行高度50m，选取水陆交界上一不动特征点p，在t1时刻图像中图像坐标为(2449，2035)，采用互相关算法，取窗口大小为32
×
32，依次计算t2图像中各点的互相关值，取最大互相关值处的像素坐标(5983，1885)，为自动定位与t1图像p点最匹配的坐标，计算特征点在图像中移动距离li为：
无人机在t1时刻rtk定位坐标为(1804513.532480，3632146.026590)，在t2时刻rtk定位坐标为(1804535.545160，3632144.969850)，无人机移动距离lr为：22.038，则可标定出图像距离与实际距离的比值