GNSS约束的长航带无人机影像自检校方法

相机自检校直接决定无人机影像空三的精度。沿输电线路走廊采集的长航带结构无人机影像是一种典型的退化配置,对其自检校容易出现“碗状”效应。为解决该问题,传统方法往往依赖较多控制点,而提出的自检校方法仅需一个控制点。首先研究经典物理模型和最新的数学模型;然后在增量式SfM(structure from motion)框架下,设计了一种联合无人机影像相机检校参数初始化和高精度差分全球导航卫星系统(global navigation satellite system,GNSS)位置信息辅助的相机自检校方法。利用两个实验区域不同采集模式下的4组无人机电力走廊影像进行无控制约束以及单个控制点约束的相机自检校实验。结果表明,提出的相机自检校策略在无控制点约束时,可以有效缓解长航带结构空三的“碗状”效应,减轻模型的弯曲程度,提高自检校空三的绝对精度;单个控制点约束自检校时,水平和高程精度均优于0.06 m。与当前主流开源和商业软件对比,该算法能够得到相当或更高精度。