无人机遥感影像快速处理技术ppt课件.ppt
无人机遥感影像快速处理技术,张力 艾海滨2011-11-7,报告内容,无人机数据处理流程,无人机数据处理关键算法,无人机数据快速处理技术,无人机数据快速处理应用,后续遥感数据快速处理的展望,（1）无人机数据处理流程,（1）无人机数据处理流程,高精度相机标定,径向畸变,切向畸变,薄棱镜畸变,非量测相机：像主点焦距,（1）无人机数据处理流程,高精度相机标定,（1）无人机数据处理流程,无人机预处理,影像旋转主点修正畸变改正格式转换,（1）无人机数据处理流程,空中三角测量,空中三角测量,DSM自动提取,影像正射纠正,正射影像辐射处理,正射影像拼接处理,DSM滤波生成DTM,（2）无人机数据处理关键算法,自动空中三角测量,影像航向重叠度和旁向重叠度都不够规则像幅较小、像片数量多影像的倾角过大且倾斜方向没有规律航摄区域地形起伏大、高程变化显著，影像间的比例尺差异大、旋偏角大，影像有明显畸变等这些情况下实现自动空三是现有数字摄影测量系统的主要 挑战，在大多数情况下都将导致错误结果.,无人机数据存在的问题:,（2）无人机数据处理关键算法,基于尺度/旋转不变的全自动相对定向,自动空中三角测量,基于尺度/旋转不变的全自动相对定向(无人机影像 影像旋偏角较大),基于尺度/旋转不变的全自动相对定向(无人机影像影像旋偏角较大,影像纹理缺乏),基于尺度/旋转不变的全自动相对定向(无人机影像 纹理缺乏,影像偏航较大),基于尺度/旋转不变的全自动相对定向(倾斜摄影影像),基于尺度/旋转不变的全自动模型连接,（2）无人机数据处理关键算法,DSM/DEM自动提取技术,算法采用由粗到细（Coarse-to-fine）的多级影像匹配策略，综合集成多种成熟的，性能互补的影像匹配算法，并在匹配算法的各个子模块之间进行质量控制，自动进行匹配粗差定位和剔除，充分利用高分辨率遥感影像所提供的新特点（高信噪比，高反差的影像，高地面覆盖重叠率等），获取成像区域的高精度DEM。,+基于物方的多影像匹配(多目视觉)方法，可以同时匹配多于2景影像，有效地解决匹配困难地区(如重复纹理，遮挡区域)的三维信息自动提取问题；,+融合多种特征进行匹配，如离散点和特征线，并采用TIN结构表达地面模型,有利于地形复杂地区的DEM生成;,+兼顾影像的全局和局部信息,采用兼顾地形特征线信息的全局概率松弛法影像匹配算法，有效的解决了影像纹理缺乏区域（大面积沙漠，荒漠，冰雪覆盖区域）的自动地形测绘问题;,+具有独特的地貌细节精化匹配(GRM)技术,使生成的数字地面模型对微细地貌表达更好。可引入SRTM90、GTOPO30等地分辨率DEM做为初值，加快DEM的生成效率.,由0.2米分辨率无人机航空影像获取的1米分辨率DSM数据(宁夏中卫市),由无人机航空影像获取的2米分辨率DSM数据(四川),（2）无人机数据处理关键算法,无人机遥感影像辐射校正,（2）无人机数据处理关键算法,大范围正射影像自动拼接,（2）无人机数据处理关键算法,基于动态规划算法的正射影像拼接线提取,大范围正射影像自动拼接,（2）无人机数据处理关键算法,大范围正射影像自动拼接,（2）无人机数据处理关键算法,（1）缩小算法创建Laplacian 金字塔影像（2）针对拼接缝利用缩小算法创建高斯金字塔（3）各级上利用高斯金字塔影像作为权重对Laplacian影像进入加权融合（4）扩张算法从低层到高级顺序累加融合后金字塔影像，形成最终融合影像,全景图快速拼接,高时相、高分辨率、高光谱、高重叠度等成像方式为测量物体带来大量数据的同时，也给数据处理技术带来了新的挑战。,怎样及时将原始数据加工、处理，使之成为能被人们所理解与利用以及能由计算机系统识别、利用、分析的信息，特别是实时转化为所需要的信息，这是我们面临的一个严峻的课题。,与传统摄影测量相比，新的数据获取技术为测量物体提供更高精度和更佳稳定性的基础数据。,（3）无人机数据快速处理技术,（3）无人机数据快速处理技术,法国欧空局已经开发了一套处理大重叠度影像的，集群式处理环境下比较成熟的高性能遥感影像数据处理软件“像素工厂”（Pixel Factory)，主要功能自动DSM生产，自动正射影像纠正等,美国Intergraph公司为企业化高效生产正射影像而推出的软件系统PixelPipe，该软件为正射影像生产提供了可扩展的无缝解决方案，它主要包括以下特点：可以管理影像及元数据、智能分布式处理数据、严格的质检和质量评价和高度自动化的正射影像纠正。PixelPipe还处于发展的初期，今后还会扩展现有解决方案中功能，扩展主要体现在数据的获取、数据的后处理、自动空中三角测量、自动数字地面模型的提取、编辑和管理功能。,（3）无人机数据快速处理技术,DPGrid系统、PixelGrid系统具备网络化、自动化、智能化、分布式处理和并行处理等特性，是一个能够适应新型传感器、大范围、自动化、网络化、智能化的新一代数字摄影测量数据处理平台,（3）无人机数据快速处理技术,(3)无人机数据快速处理技术,（3）无人机数据快速处理技术（预处理),（3）无人机数据快速处理技术（预处理),（3）无人机数据快速处理技术（预处理),（3）无人机数据快速处理技术(空三),UCXP航空影像自动相对定向单机多核分布式处理实验(8核CPU,856像对只需75分钟),自动/高效航空影像区域网平差技术,宁夏中卫市0.15米分辨率无人机影像（1100幅）区域网平差结果，自动化完成，共需1天左右时间（预处理、人工建工程、自动连接点量测+半自动控制点量测+人工微调）,（3）无人机数据快速处理技术(DSM),重庆测绘院基于普通PC机多核并行的无人机航空影像处理实验(200像对只需3小时),Post-preprocessing:DSM to DTM usinga modified filter proposed by Vosselman,G.,2000,（3）无人机数据快速处理技术(DSM滤波),(3)无人机数据快速处理技术(DSM编辑),多人网络分布式DSM在线编辑系统,服务端：测区DSM编辑任务的分配,(3)无人机数据快速处理技术(DSM编辑),(3)无人机数据快速处理技术(DSM编辑),DSM分布式编辑客户端登录后自动从服务器上获取测区DSM,(3)无人机数据快速处理技术(DSM编辑),基于晕渲图的快速DSM编辑,(3)无人机数据快速处理技术(DSM编辑),基于立体模型的DSM精编辑,(3)无人机数据快速处理技术(DSM编辑),（3）无人机数据快速处理技术(正射纠正),（3）无人机数据快速处理技术(色彩处理),系统在HP XW6600 四核图形工作站上的运行界面。,B是单个任务执行情况,A是三个任务同时执行情况,（3）无人机数据快速处理技术,基于图形处理单元的快速影像漫游,大影像快速漫游技术,分辨率0.2米，正射影像大小为756MB，基于FX1800显卡处理只需30秒而采用PixelGrid中基于CPU的纠正则需大约8分钟，加速比为16倍,基于GPU的快速影像精纠正技术,（3）无人机数据快速处理技术,21张UCD航空遥感影像(面积约73平方公里)利用GPU纠正（单机单线程处理模式),（3）无人机数据快速处理技术,基于GPU的快速影像精纠正技术,（3）无人机数据快速处理技术,基于GPU的快速影像精纠正技术,在NVIDIA FX1800显卡和7200转速的SATA盘机器上运效率：生成21张正射影像，共9.2GB数据量，共花销约19分钟,（3）无人机数据快速处理技术,基于GPU的快速影像精纠正技术,在NVIDIA Quadro 4000显卡和1000转速SAS盘的机器上运行效率：生成21张正射影像，共9.2GB数据量，共花销约8分钟,（3）无人机数据快速处理技术,PC+高性能刀片模式,PC+多主机工作站模式,基于多机多核的分布式集群处理技术,（3）无人机数据快速处理技术,基于中间件的松散耦合并行服务架构,增加或删除计算节点而无需修改现有系统，从而提高系统的可扩展性,增加或删除计算节点而无需修改现有系统，从而提高系统的可扩展性,2,建立钻孔数据集市,中间件可以屏蔽网络中参与处理的计算机平台的异构，从而可以透明地使用这些计算平台,不同的实现但符合接口和协议规范的服务可以在系统中使用，因此具有比较好的开放性,4,1,3,中间件(Middleware)是位于平台(硬件和操作系统)和应用之间的通用服务，这些服务具有标准的程序接口和协议,这种架构的优点：,系 统 软 件 组 成,自动处理部分,网络服务,中间件服务,本机性能监测服务,摄影测量处理服务,性能检测服务：为客户端提供本机负载、资源使用情况，以便任务调度端进行负载均衡调度任务,摄影测量处理服务：在本地为任务调度端提供相应的摄影测量处理服务,中间件服务：为上层的应用服务提供分布式集群框架，使得上层的应用服务只需关注具体的应用，而无需关注底层的应用协议和本机多线程并行处理调度等,网络服务：为中间件服务层提供网络传输服务，使得上层无需关注网络端的异步通信或同步传输等,系 统 软 件 组 成,自动处理部分,多机分布式集群处理,单机多CPU和多核并行处理,系 统 软 件 组 成,任务调度部分,网络服务,中间件服务,自动处理节点性能监测,任务调度,任务监控,自动处理节点监测：定时从处理节点获取节点的负载信息，然后生成报告给任务调度模块，以便负载均衡式地调度任务,任务调度：通过人机界面接收任务，然后按照性能检测模块的报告，按照负载均衡的方式将待处理的任务发送到相应的处理节点上，然后通知任务监控模块，对任务处理的进展进行实时监控,任务监控：接收在处理节点上运行任务的信息，并通过人机界面让操作员实时了解任务进展，并接收远端处理完的成果数据，并在本机上储存该数据,系 统 软 件 组 成,任务调度部分,正射影像纠正试验效率对比,试验数据：原始影像：SPOT5 HRS为全色影像（像素大小12000100904）DEM：利用该HRS立体像对进行自动匹配所得，格网间隔为25米，格网数为872820575。正射影像：地面分解率为5米,结论：一、多台分布式并行处理比单机处理方式能够提高效率二、处理效率并不一定与计算节点数成正比，究其原因，其中最大的效率瓶 颈是数据网络传输问题和调度机器的IO操作瓶颈，提高网络传输数据和 解决IO操作瓶颈是一种提高分布式处理效率的有效办法。,+单机运行-Intel Xeon 3.00GHZ CPU-2.0 GB Memory-32 bit Windows XP OS.+总共 207小时,大约13.8小时/立体像对+on IBM HS21-8853 刀片集群系统中运行-8 blade severs,and for each,-2 4 core Intel XeonTM E5310 1.6 GHZ CPU-8 GB Memory-32 bit Windows XP OS.+15 并行处理任务,大约 1.9处理任务/节点+总共 17.2 小时,大约1.1 小时/立体像对,50m DTM generated from 15 SPOT-5 HRS pairs,从15景 SPOT-5 HRS 立体像对生产DSM,+在一台工作站上运行-Intel Xeon 3.00GHZ CPU-2.0 GB Memory-32 bit Windows XP OS.+总共 74 小时,大约 2.1 小时/像对+在PC集群系统中运行-Gigabit Switch,1KMb/s LAN-8 PCs,and for each PC,-4 core Intel XeonTM E5310 1.6 GHZ CPU-8 GB Memory-64 bit Windows 7.0 OS.+32 并发处理任务,大约1.1 处理任务/PC+总共 3.7小时,大约7分钟/像对,40cm DSM generated from aerial images,从36张8cm分辨率UCD航空影像生产DSM,重庆测绘院基于普通PC机集群的无人机影像分布式处理实验(200幅正射影像只需11分钟),2010年青海玉树结古镇震后0.4米分辨率正射影像图,由航空影像获取,接到数据后7小时完成,（4）无人机数据快速处理应用,2010年青海玉树结古镇震后2米分辨率DSM彩色晕渲图,由航空影像获取,2010年甘肃舟曲县泥石流灾害影像图,由近200幅0.2米分辨率无人机航空影像数据处理所得,从自动空三到正射影像制作完成共用近6小时,舟曲县城区三维地表模型,2010年甘肃舟曲县泥石流灾害影像图,由近200幅0.2米分辨率无人机航空影像数据处理所得,从自动空三到正射影像制作完成共用近6小时,(4)后续遥感数据快速处理的展望,硬件部署,基于GPU+CPU的分布式并行计算系统架构,GPU+多CPU并行集群系统,磁盘阵列：解决大数据量的存储和磁盘IO效率,InfiniBand网：网速可达40GB/s,解决网络延时和带宽限制，从而满足系统处理数据的吞吐量,多CPU集群服务：多CPU解决复杂逻辑计算,多GPU集群服务：解决图形图像等方面的快速处理问题,工作站：主要实现任务调度、任务监控，和少量 单机处理,软件部署,谢 谢！,2011,
