基于使用无人机捕获的连续相机和激光雷达数据创建地图
无人机测绘是一种使用无人机机载传感器数据创建某个区域的二维和三维地图的遥感技术。
生成的地图通常是地理空间地图。其中的每个数据点都有具体的现实世界位置坐标。嵌入的地图数据可用于土地测量、建筑、农业和城市规划等应用领域的实际测量。
无人机测绘需要下面三个组件:
- 无人机:无人机可以手动控制,也可以在研究区域上方自主飞行。
- 手动控制的无人机由地面站通过使用通信协议(如 mavlink)的遥控器进行控制。
- 自主无人机可以在无人驾驶的情况下在研究区域上方飞行和操纵,并采集用于无人机测绘的数据。
- 无人机传感器:无人机搭载的传感器用于无人机测绘,通常由相机和激光雷达传感器组合而成。
- 相机连续捕获重叠的图像。最常用的相机如下:
- 可见光图像相机,用于捕获以 rgb 表示的可见光图像(可见光谱范围内)的普通相机。它们是用于无人机测绘的最常见相机。
- 光谱成像相机,用于捕获可见光谱和不可见光谱范围内的图像。这些图像可以是具有 3 到 15 个波段的多光谱图像,也可以是具有数百个波段(表示为数据立方体)的高光谱图像。
- 激光雷达传感器使用激光雷达(即激光探测和测距)来捕获点云数据。
- 相机连续捕获重叠的图像。最常用的相机如下:
- 测绘软件:无人机测绘软件可处理传感器所采集的数据,从连续数据中提取和匹配特征,并将这些特征拼接在一起,以创建该区域的三维地图。根据传感器,无人机测绘的两个最常见流程如下:
- 摄影测绘:对于使用相机的无人机测绘,可以基于重叠区域将捕获的图像拼接在一起,以创建该区域的三维模型。这种方法称为摄影测绘。您可以将 matlab® 与 computer vision toolbox™ 结合使用来实现摄影测绘。
- 激光雷达测绘:对于使用激光雷达的无人机测绘,机载激光雷达测绘可用于创建三维地图。这种方法从重叠的激光雷达点云中找到共同特征,并使用这些特征来拼接点云以创建三维地图。lidar toolbox™ 可与 matlab 结合使用,提供根据激光雷达数据创建三维地图的算法和函数。
由于相机的广泛应用,摄影测绘更加容易,其成本也更低但是,这种方法高度依赖于相机数据中特征的可见性。可见性受无人机巡航高度和环境因素(如暗度、云和雾)的影响。
激光雷达测绘的最大优点是,它不受环境能见度的影响。激光雷达传感器还可以穿透植被茂密的区域,是林业应用领域的理想选择。然而,激光雷达传感器比相机更昂贵也更重。
matlab 还提供了仿真环境,您可以在其中创建相机和激光雷达合成数据,以在现实世界中部署无人机测绘算法之前对其进行测试。您还可以使用 uav toolbox 与 qgc 等外部地面站软件进行连接,并与 px4® 等自动驾驶仪进行通信。
下面的工作流显示使用摄影测绘/激光雷达测绘基于无人机机载传感器数据创建三维地图的步骤。
- 数据采集:无人机测绘首先通过让无人机在研究区域上方飞行来连续采集所需数据。
- 数据预处理:在数据捕获后,可以使用 matlab 对图像或激光雷达数据进行预处理,以为地图生成做好准备。其中包括使用和等方法。
- 地图生成:在预处理后,可以将数据拼接在一起,以创建该区域的三维地图。此步骤通常使用两个连续数据点的来寻找它们之间的转换以进行拼接。
- 位姿图优化:如果无人机轨迹中存在闭环,您可以实现来提高生成的三维地图的准确性。
示例和操作方法
软件参考
另请参阅: uav toolbox, computer vision toolbox, lidar toolbox, ros toolbox, navigation toolbox, matlab 和 simulink 在机器人领域的应用, 机器人编程, slam