徐克鵬 李少乾 吳妍 劉桂華
摘 ?要:目標檢測與空間定位在計算機視覺、數(shù)字近景攝影測量以及地理信息系統(tǒng)等領(lǐng)域中具有重要的研究價值。該文通過分析現(xiàn)有的移動測量系統(tǒng)的工作原理,研究移動車載測圖系統(tǒng)數(shù)據(jù)處理方面的關(guān)鍵技術(shù),將移動車載測圖系統(tǒng)的理論與工程應(yīng)用相結(jié)合,提出一種集成SSD-SIOCT算法的自動目標監(jiān)測與空間定位方法,包括移動站采集硬件配置設(shè)計、影像采集方法等,實現(xiàn)地理對象的自動目標檢測,保證檢測精度,為巡檢工作提供方法支撐,有效降低人工目標查看工作量,在實際工程中具有很好的應(yīng)用價值。
關(guān)鍵詞:車載移動測量系統(tǒng) ?目標監(jiān)測 ?目標空間定位 ?前方交會
中圖分類號:U412.2 ? 文獻標識碼:A 文章編號:1672-3791(2019)10(b)-0006-02
車輛移動測量系統(tǒng)將汽車用作遙感平臺,同時安裝有高精度動態(tài)GNSS和高動態(tài)載波姿態(tài)傳感器IMU,GNSS/IMU組合定位姿態(tài)傳感器使車載系統(tǒng)能夠直接對DG進行地理定位。在目前的相關(guān)研究中,石麗梅等人表明當GPS信號良好時,測量點的絕對定位誤差可以達到平面10.3cm,仰角16.5cm,在短距離范圍內(nèi)距離測量的相對誤差約為5cm,GPS信號對相對測量沒有明顯影響[1]。鄒曉亮等人介紹了移動車載測圖系統(tǒng)的組成,闡述了POSLV松組合、緊組合的組合策略以及框架體系,評估POSLV系統(tǒng)的后處理定位精度,在受GPS衛(wèi)星信號失鎖的影響下,POSLV數(shù)據(jù)后處理達到厘米級定位精度[2]。陳云芳等人使用線/面陣CCD相機和其他傳感器結(jié)合車載移動數(shù)據(jù)快速采集系統(tǒng),實現(xiàn)了城市目標地理坐標和建模信息的快速獲取[3]。
1 ?整體流程
該文設(shè)計一套完整的地理對象自動檢測與定位方法流程,具體包括移動站采集硬件配置設(shè)計、影像采集方法、地理對象自動目標檢測算法、影像像素框反算地理像素框算法、單一對象多空間位置點擬合最佳位置點算法,從而實現(xiàn)快速獲取地理對象的地理坐標,為巡檢工作提供方法支撐,具體的技術(shù)路線圖如圖1所示。
2 ?關(guān)鍵技術(shù)
為了更快、更精確地對地理對象進行目標檢測,該文使用SSD算法進行模型構(gòu)建與訓練,SSD的核心是在特征圖上使用卷積核來預(yù)測一系列默認邊界框的類別得分和偏移量。為了提高檢測精度,還要對不同尺度的特征圖進行預(yù)測,實施端到端訓練,即使圖像的分辨率相對較低,也能確保檢測的準確性。
整體來看,SSD是基于一個前向傳播CNN網(wǎng)絡(luò),如圖2所示,產(chǎn)生一系列固定大小(fixed-size)的bounding boxes,以及每一個box中包含物體實例的可能性,即在得到score之后,進行一個非極大值抑制(Non-maximum suppression)得到最終的predictions。SSD基于VGG16的基本網(wǎng)絡(luò)結(jié)構(gòu),使用VGG16前5層,然后使用austous算法將fc6和fc7層轉(zhuǎn)換為兩個卷積層,再增加了三個卷積層和一個pool層。不同級別的特征圖用于默認框的偏移和不同類別分數(shù)的預(yù)測,這些增加的卷積特征圖的大小不同,允許檢測不同比例的對象:在較低級別的特征圖中,感受野相對較小,并且高級感受野相對較大。SSD移除完全連接的層,每個輸出僅感知目標周圍的信息,包括上下文信息,這樣做能夠提高預(yù)測合理性,能夠預(yù)測具有不同寬高比的圖像,從而將預(yù)測框的比率增加。
3 ?實驗
該文實驗采集的數(shù)據(jù)樣本主要是通過機動站相機拍照、互聯(lián)網(wǎng)爬蟲等方式獲得,對采集到的樣本通過翻折和旋轉(zhuǎn)等方式進行樣本增強,然后對數(shù)據(jù)樣本中的關(guān)鍵對象進行分類,通過SSD基本模型根據(jù)需求進行改進,構(gòu)建用于需求的深度學習識別模型,將采集的影像進行目標檢測,應(yīng)用于測試新的樣本和對地理對象的監(jiān)測??傮w而言,SSD基于前向傳播的CNN網(wǎng)絡(luò),該網(wǎng)絡(luò)生成一系列固定大小的邊界框,并且可以在每個框中包含對象的實例,即得分,然后進行一個非極大值抑制(Non-maximu suppression)得到最終的predictions,實驗結(jié)果如圖3、圖4所示。
完成SSD訓練之后,將最后的模型保存為.pb文件,通過Flask即可調(diào)用。構(gòu)建前端頁面時,輸入要檢測的圖片即可進行目標標注,并返回json數(shù)據(jù)。
4 ?結(jié)語
該文設(shè)計并實現(xiàn)一套完整的地理對象自動檢測與定位方法流程,移動站采集符合地理對象自動檢測與定位影像的硬件配置標準,用于實現(xiàn)地理對象的自動目標檢測;基于移動站的內(nèi)方位元素、外方位元素及SIOCTL的三維空間前方交會算法,實現(xiàn)匹配像素點組反算其對應(yīng)的地理坐標,并評價其測繪精度;當一個地理對象在多個影像上被拍攝到且被檢測到時,基于其語義對同一對象的多地理位置點進行最佳位置點的擬合,得到最精確的地理對象位置,有效降低人工目標查看工作量、提升巡查效率,從而減少人力、財力的消耗。
參考文獻
[1] 石麗梅,趙紅蕊,李明海,等.車載移動測圖系統(tǒng)外方位元素標定方法[J].測繪學報,2015,44(1):52-58.
[2] 鄒曉亮,張永生,趙桂華,等.移動車載測圖系統(tǒng)的POSLV定位精度評估[J].測繪科學,2010,35(6):92-95,122.
[3] 陳允芳,葉澤田,盧秀山,等.車載移動測圖系統(tǒng)設(shè)計與應(yīng)用探討[J].工程勘察,2007,35(12):46-49.