留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

多源数据融合的低空无人机激光扫描平台自主定位定姿关键技术

李健平

李健平. 多源数据融合的低空无人机激光扫描平台自主定位定姿关键技术[J]. 武汉大学学报 ● 信息科学版, 2022, 47(3): 481-481. doi: 10.13203/j.whugis20210680
引用本文: 李健平. 多源数据融合的低空无人机激光扫描平台自主定位定姿关键技术[J]. 武汉大学学报 ● 信息科学版, 2022, 47(3): 481-481. doi: 10.13203/j.whugis20210680
LI Jianping. Key Technology of Multi-source Data Fusion for Autonomous Orientation of Low-Altitude UAV LiDAR Platform[J]. Geomatics and Information Science of Wuhan University, 2022, 47(3): 481-481. doi: 10.13203/j.whugis20210680
Citation: LI Jianping. Key Technology of Multi-source Data Fusion for Autonomous Orientation of Low-Altitude UAV LiDAR Platform[J]. Geomatics and Information Science of Wuhan University, 2022, 47(3): 481-481. doi: 10.13203/j.whugis20210680

多源数据融合的低空无人机激光扫描平台自主定位定姿关键技术

doi: 10.13203/j.whugis20210680
详细信息
    作者简介:

    李健平,2021年6月毕业于武汉大学,获工学博士学位(指导教师:杨必胜教授),研究方向为无人机遥感。lijianping@whu.edu.cn

  • 中图分类号: P237

Key Technology of Multi-source Data Fusion for Autonomous Orientation of Low-Altitude UAV LiDAR Platform

计量
  • 文章访问数:  213
  • HTML全文浏览量:  78
  • PDF下载量:  40
  • 被引次数: 0
出版历程
  • 刊出日期:  2022-03-05

多源数据融合的低空无人机激光扫描平台自主定位定姿关键技术

doi: 10.13203/j.whugis20210680
    作者简介:

    李健平,2021年6月毕业于武汉大学,获工学博士学位(指导教师:杨必胜教授),研究方向为无人机遥感。lijianping@whu.edu.cn

  • 中图分类号: P237

English Abstract

李健平. 多源数据融合的低空无人机激光扫描平台自主定位定姿关键技术[J]. 武汉大学学报 ● 信息科学版, 2022, 47(3): 481-481. doi: 10.13203/j.whugis20210680
引用本文: 李健平. 多源数据融合的低空无人机激光扫描平台自主定位定姿关键技术[J]. 武汉大学学报 ● 信息科学版, 2022, 47(3): 481-481. doi: 10.13203/j.whugis20210680
LI Jianping. Key Technology of Multi-source Data Fusion for Autonomous Orientation of Low-Altitude UAV LiDAR Platform[J]. Geomatics and Information Science of Wuhan University, 2022, 47(3): 481-481. doi: 10.13203/j.whugis20210680
Citation: LI Jianping. Key Technology of Multi-source Data Fusion for Autonomous Orientation of Low-Altitude UAV LiDAR Platform[J]. Geomatics and Information Science of Wuhan University, 2022, 47(3): 481-481. doi: 10.13203/j.whugis20210680
  • 轻小型无人机激光扫描(light detection and ranging,LiDAR)系统集成了定位定姿系统(position and orientation system,POS)、激光扫描仪、相机等传感器,能够直接获取地球表面目标的高密度、高精度点云数据与光谱数据,相对于有人机载LiDAR系统,具有成本低、操作便捷、时效性高等优势。轻小型无人机LiDAR系统的高质量数据对POS的姿态精度提出了更高的要求,但高精度POS的体积和成本限制了轻小型无人机LiDAR系统的广泛运用。如何在消费级POS的基础上提高轻小型无人机数据获取质量,实现轻小型无人机LiDAR高质量数据获取是学界和工业界研究的热点,该方面面临着巨大的挑战,包括:消费级POS的误差组成复杂,难以用时变函数建模;轻小型无人机LiDAR系统由于消费级POS误差大导致光谱与点云数据融合难;轻小型无人机LiDAR系统由于单帧点云数据稀疏、匹配约束退化,仅利用消费级POS进行高精度定位定姿难。

    因此,本研究以轻小型无人机LiDAR系统为研究对象,以攻克轻小型无人机LiDAR系统多源数据融合的定位定姿关键技术瓶颈为目标,具体研究内容与成果如下:

    1)提出了基于动态网络的轻小型无人机状态估计方法,紧密融合高频惯性测量单元(inertial measurement unit,IMU)观测与其他观测数据,顾及了POS的原始数据误差,提高了轻小型无人机LiDAR系统标定精度,为后续异源数据匹配与多源融合定位定姿提供了有力支撑。

    2)提出了基于非刚性匹配的光谱、几何异源数据匹配方法,实现影像、点云数据高精度匹配。利用运动结构恢复(structure from motion,SfM)计算序列影像的相对位置关系,用于修正消费级POS的零偏,从而获得高精度相机运动轨迹。以SfM获得的影像位姿与深度图为参考,迭代地消除激光与影像的匹配误差,实现光谱与点云数据高精度匹配(在相机空间达到像素级别,在三维空间达到0.13 m)。

    3)提出了基于点云多层次匹配的多源数据融合定位定姿方法。设计了由局部到全局的点云层次匹配策略,有效提高了轻小型无人机系统LiDAR点云数据质量:将点云的平面拟合均方根误差从0.34 m降低到了0.07 m,平均检查点误差从1.86 m降低到了0.21 m,极大降低了轻小型无人机LiDAR系统对高端测绘级POS的依赖。

目录

    /

    返回文章
    返回