1 长安大学 地质工程与测绘学院，陕西 西安 710054
2 国家电投集团青海黄河电力技术有限责任公司，青海 西宁 810000
针对高海拔峡域地形地貌环境下基于轻小型无人机载LiDAR对高陡边坡激光点云扫描数据缺失导致DEM重建及形变分析精度低的问题，优化设计了一种垂直于山脊线、变高飞行的无人机点云/多视影像数据采集，以及影像密集匹配点云辅助下LiDAR三维激光点云的滑坡群DEM重建方案,实现了复杂地形地貌下LiDAR点云数据安全、高效的采集，改善了高陡边坡DEM重建及形变监测的精度和完整性。该方法基于迭代最邻近点算法，将倾斜影像生成的点云数据与同期获取的LiDAR点云数据配准和融合，实现了LiDAR点云数据缺失补偿，进而构建出完整、高精度的DEM，并与往期倾斜影像生成的DEM进行差分，对三个典型滑坡体进行了高程形变分析。以青海龙羊峡水电站的高陡边坡滑坡群为研究区，利用实测的GNSS地面控制点进行实验验证，得出结论：融合后的LiDAR点云精度为0.063 m，比融合前提高了0.018 m；重建的三个典型滑坡体的DEM高程精度为0.08 m，提升了边坡DEM重建的完整性和精度；对三个典型滑坡体2018、2021年两期高程形变分析，表明：滑坡群中多个边坡发生不同程度的土体滑动，高程方向的形变高达50多米，滑坡群形变量大。
倾斜影像 无人机载LiDAR 点云配准 形变监测 高陡边坡 oblique images UAV LiDAR point cloud registration deformation monitoring high and steep slopes 红外与激光工程
2023, 52(2): 20220373
1 长安大学地质工程与测绘学院， 陕西 西安 710054
2 西部矿产资源与地质工程教育部重点实验室， 陕西 西安 710054
3 陕西省计量科学研究院， 陕西 西安 710054
数码相机的非线性光学畸变补偿，主要有用于摄影测量领域的像方畸变模型和用于计算机视觉领域的物方畸变模型两种方式。针对两种畸变模型难以通用的问题，提出了一种像方和物方的畸变模型相互转换方法。利用已知畸变模型系数及内方位元素生成原始像点与理论像点的对应关系，构成虚拟观测值。再利用虚拟观测值对内方位元素及待转换畸变模型系数进行整体最小二乘平差解算。最后，利用三维控制场检校结果对转换结果进行精度评价。实验结果表明，当相机检校总体中误差小于0.3 pixel时，两种畸变模型转换前后像点畸变量差值小于0.5 pixel，可以满足对子像素转换精度的要求。
图像处理 畸变模型 相机检校 三维控制场 无人机 最小二乘法 激光与光电子学进展
2018, 55(7): 071901
1 北京空间机电研究所, 北京 100076
2 武汉大学遥感信息工程学院, 湖北 武汉 430079
由于制造与装配误差难以完全消除，因此数码摄像机的光学系统存在不同程度的非线性畸变，严重影响利用其影像进行实时拼接的精度。通过比对分析一种经典的数码相机畸变模型与Brown模型的适应性，提出将简化的Brown模型作为数码摄像机的畸变模型。同时，基于单像空间后方交会，按照最小二乘平差方法求解摄像机光学系统的非线性畸变差参数。最后，通过三维控制场对三种型号的摄像机进行了检校试验。结果表明，所用的畸变模型明显优于经典畸变模型，使数码摄像机的整体检校精度小于0.5 pixel。而且检校结果稳定可靠，有效地补偿了光学系统的畸变差，有利于恢复图像内部的相对几何关系。
光学设计 摄像机 非线性畸变 Brown模型 中心投影 控制场检校 激光与光电子学进展
2014, 51(2): 022204
