基于无人机的空中全景监测系统

1、基于无人机的空中全景监测系统 摘要：无人机成像范围是由事先规划的航迹范围所决定的，存在视野有限、监测范围小、调整灵活性不够的缺点，严重制约了无人飞行器执行监测任务的效能。本文在分析当前空中全景监测技术的基础上，建立了一种无人机机载全景监测系统，给出了系统实现的关键技术，初步实现了大范围、超宽视场的空中全景监测。关键字：无人机 空中全景监测 全景图 无缝实时拼接“知天知地”是古今中外兵家作战的原则。在现代作战中称之为“战场空间认知”或“战场空间感知”（Battle space awareness）。获得对战场的正确认识是一种作战能力，但前提是必须为指参人员提供足够的信息和数据，才能作出正确的判断

2、。仅仅“知天感地”还不够，还要尽快掌握敌我态势才能作出决策，定下决心。这就是孙子早就说过的“知己知彼”。目前，单靠卫星和有人侦察机是无法快速、及时和全方位地获取战场信息的。无人机遥感正是能够满足这一需求的有效补充手段。目前，各类无人机已成为美军收集情报、捕获目标和分析打击效果的不可缺少的途径。在经历了无人靶机、预编程序控制无人侦察机、指令遥控无人侦察机和复合控制的多用途无人机等发展阶段后，无人机的技术已逐渐成熟、性能日臻完善，并在几次局部战争中经历了实战的考验。无人机的作用、地位及其潜在的军事价值得到了广泛的认可，并为其迅速发展提供了强大的动力。但是，无人机成像范围是由事先规划的航迹范围所决定

3、的，即使可以航线实时上传以及多次补充飞行，仍存在视野有限、监测范围小、调整灵活性不够的缺点。严重制约了无人飞行器执行监测任务的效能。在高度一定的约束条件下，如何使无人飞行器既“看得广”又“看得清”，实现从地平线到地平线的超宽视场、大范围的空中监测和战场感知，空中全景监测技术是一种有效的技术途径。本文建立了一种无人机机载全景监测系统，实现了空中全景监测。1实现空中全景监测需要的条件1）需要一个以正下方为主视场，周围摄像机为副视场并且能够实时无缝拼接的全景摄像机。2）由于飞行器在空中飞行时姿态在不断变化，需要自稳系统来减少图像摆动。为便于快速确定兴趣点的方位，图像不能随着飞行器航线的变化而旋转。3

4、）中心主视场可以精确定位，副视场存在可控变形，可以概略定位。4）在现有图像传输设备的技术极限内，选择适当的无线图像传输格式和方式将图像传回地面进行处理和辨识。5）必要的地面设备进行序列影像拼接，生成战术影像图和全景图像。6）考虑到全景相机的大小，首先考虑飞行器应是无人直升机和无人飞艇设备。待设备小型化后，再考虑固定翼飞机。2 目前已实现的地面全景监测技术目前国内外全景数据采集的研究主要集中在地面采集，对于空中全景数据采集研究较少。地面全景数据的采集可以使用单摄像机旋转方式（图1）、多摄像机方式（图2）、单摄像机或多摄像机加光能收集方式（图3）。 图1 单摄像机旋转方式 图2 多摄像机方式 图3

5、 鱼眼镜头（加光能收集方式）全景数据采集技术分类的主要依据是光学部件成像原理的差异，据此将全景数据采集器分为透射式和反射式成像两类。图4为透射式全景数据采集器，一般利用超广角物镜（鱼眼镜头）实现，视场角可以达到200°左右。这类系统结构相当复杂其中多采用10片以上的透镜和高质量特殊光学材料，设计难度大、加工装配要求高，继续增大视场范围已相当困难，并且不可避免地存在很大的畸变。这类镜头具有无限远的景深，不用调焦。但其在CCD像面上所成的图像为环形，具有很大的畸变，需要进行校正后才能正常观察。图5所示的反射式全景数据采集器，这种全景数据采集器正前向无盲区，半视场角可达110°，

6、即能够实现的成像观测视场达到220°×360°，超过半球空间，适用于前侧向观测目标。目前，美国正在研制的质量矩控制动能拦截器，所采用的全景成像电子化导引头(electronic seeker)就属于反射式全景数据采集器，其视场达到±110°。显然，这类镜头所成图像也存在很大畸变，需要校正处理。图4 透射式全景数据采集器光学系统原理图 图 5 反射式全景数据采集器光学系统原理图 目前实用的构建地面全景的成像传感器主要有五种，分别是单摄像机旋转方式、多个镜头同时成像、环形成像、高速球以及使用鱼眼镜头成像。其中无人飞行器很难满足使用单摄像机旋转方式采

7、集全景数据的条件，在环形成像方案中的镜头正前方图像无法获得，鱼眼镜头成像的图像变形失真比较大，纠正图像需要进行大量的运算，高速球通过快球的高速运动来实现对360度全景，快球实现360度全景，但是在某一时刻只能看到某一角度的画面，因而会出现盲区。 要构建能用于测量的无人机空中全景，可以采用多镜头组合的方式成像，以正下方镜头为标准的主视场，以周围多个图像变形可控的摄像机为副视场，中心主视场可以精确定位，副视场存在可控变形，可以概略定位。3 无人机机载全景监测系统的构成全景影像数据服务器地理空间数据服务器LAN/WAN全景影像数据处理站地面监控站搭载全景监测设备的空中平台上/下行数据链路图6 系统结

8、构图无人机机载全景监测系统是以无人机或无人飞艇为载体，搭建全景监测设备的处理平台，包括机载设备和地面处理系统两部分，支持大范围监测和战场目标实时跟踪定位、航线快速规划和上传、全景图快速生成、打击效果评估等功能，系统结构图见图6。4 无人机机载全景监测系统实现的关键技术4.1 镜头的组合方案目前构建全景监测的镜头组合方案主要有三种，分别是多个镜头同时成像，环形成像以及使用鱼眼镜头成像。其中在环形成像方案中的镜头正前方图像无法获得，鱼眼镜头成像的图像变形失真比较大，纠正图像需要进行大量的运算，本系统采用了多镜头组合的方式成像，以正下方镜头为标准的主视场，以周围多个成像规律（图像变形为可控）的摄像机

9、为副视场的方式成像。具体由台摄像机构成，如图7，台摄像机图像通过现有视频传输设备分时传至地面，由地面计算机进行拼接。其中利用视频传输的音频通道传输栅标记信号，供地面计算机识别图像方位归属，以便图像拼接。图7 系统的镜头组合方案示意图4.2 全景图像无缝实时拼接技术全景图像无缝实时拼接技术在本系统被具体为多镜头无缝实时拼接技术。从图像中提取特征点是实现多镜头无缝实时拼接的第一步，也是最关键的一步，通过特征提取可以得到匹配赖以进行的图像特征，这些特征应该具有可区分性、不变性、稳定性以及有效解决歧义匹配的能力。目前还没有一种通用的提取理论，由此导致了图像匹配特征的多样性。与几何形状、纹理信息和彩色直

10、方图等图像特征相比，尺度不变的特征点作为一种局部特征对多种图像变换具有更强的适应能力。本系统利用角点检测算子提取影像中角点特征，因为角点特征是一种稳定性好且易于处理运算的影像特征。采用特征匹配方法对检测出的特征进行匹配。4.3 基于无人机飞行参数和传感器成像参数的可控图像变形纠正图像纠正方案分为直接法纠正和间接法纠正两种。所谓直接法纠正是由源图像上的像素出发，逐个像素计算其在纠正图像上的像点坐标，并将源图像上该像素值设置于纠正图像上计算得到的像点位置；所谓间接法纠正是由纠正图像上的像素出发，逐个像素计算其在源图像上的理论像点坐标，并将源图像上该像点坐标处的像素点值赋予纠正图像上的像素坐标。对于

11、基于无人机飞行参数和传感器成像参数的可控图像变形纠正来说，采用间接法方案的一个实际困难是如何确定源图像对应的地面范围。最直接的解决方法是采用锚点纠正算法。本系统的副视场存在着较大的变形，系统采用间接法方案实现可控变形条件下的概略定位。4.4战场目标的实时定位技术由共线条件方程可知，若已知地面点的高程Z和影像的内方位元素，即可由无人机飞行参数和传感器成像参数获得的影像外方位元素解算像点所对应的地面点A的平面坐标。这一条件在平坦地区能够得到满足；当地形起伏时，可先估算该点的粗略高程，然后在数字高程模型（DEM）的支持下，通过一个迭代过程确定地面点A的三维坐标。结束语本文建立了一种新型的空中监测系统，以无人机或无人飞艇作为空中平台，利用空中全景监测技术，建立了以监测信息的获取、分发和使用为核心的大范围、超宽视场的空中监测系统和地面快速处理系统。在实现空中全景监测