一种便携式的无人机航测非量测相机标定方法

相机标定是确定相机几何和光学参数的过程,相机经过标定后能更准确地获取二维目标点坐标对应的空间三维信息。针对无人机航空非量测相机便捷、精确的标定需要,采用了一种基于红绿编码板的自检校光束法平差标定方法。该方法通过自动提取和识别编码标志、建立同名点对,利用同名点对进行相对定向测定初始参数,然后考虑相机内参数和镜头畸变等因素,采用严格的自检校光束法平差模型解算出精确的相机参数。通过对NEX5N相机拍摄的45张相片作为实验数据解算该相机内部参数,实验结果表明,由于标定板便于携带,标定场布设简单,该方法对实验场地要求低,并简单易行,且标定的速度快、精度高,基本可以满足无人机非量测相机"随时随地"即时标定的需求。     

测绘数据加密插件技术研究

随着遥感,遥测,GPS测量和移动测量等新技术新方法在测绘数据生产中的应用,测绘数据生产进入了数字化时代。数据获取手段更加多样化,获取的效率更高。但同时也带来以下问题：在数据获取和管理过程中,如何保护这些数据不被窃取和泄漏？本文从技术角度对这一问题进行了探讨,为测绘数据生产及应用提供了安全保障。     

基于深度学习无人机影像道路实景三维修复

针对基于无人机倾斜影像实景三维重建中,移动目标对道路实景三维重建造成几何变形和纹理失真的问题,提出一种基于深度学习的无人机影像道路实景三维修复方法。首先,通过添加注意力机制的深度学习网络模型YOLOv8对影像中目标进行检测;其次,在得到影像对应目标标记的基础上,根据已生成三维Mesh模型中各三角面在可视影像集合中的投影位置,结合影像所标记目标的对应范围,统计各三角面的类别信息以此判定移动目标;最后,利用移动目标判定结果对移动目标造成的三维模型几何变形及纹理错误进行修复,实现道路实景三维重建。结果表明：改进的网络模型较YOLOv4、YOLOv5和YOLOv8模型,平均精度(mAP)值平均提升10.82%,移动目标判定准确率达97.43%。与流行国外商业软件相比,所提方法重建修复效果更佳,自动化程度更高。     

利用多种投票策略的水表读数字符分割与识别

基于安卓平台提出了一种对水表图像读数进行自动识别的新方法。水表读数字符分割和识别算法主要包括三部分:(1)利用霍夫变换和一种投票策略检测出水表的外部轮廓,然后基于模板影像和水表中四个红色指针位置,利用仿射变换技术对水表字符区域进行定位;(2)对图像进行预处理和连通区检测,提出一种基于投票策略的方法进行字符分割;(3)在考虑数字字符可能出现粘连噪声和缺失的情况下,使用改进的Tesseract OCR识别引擎对字符进行识别。最终通过NDK编译平台将实现的C++程序移植到Android环境中。经过对100组数据进行系统功能测试,结果表明,水表智能识别系统取得了一定效果,能对水表读数进行比较准确和快速的读取。