一种无人机正射影像的处理方法及系统

技术领域

本发明涉及航空图像处理技术领域，具体涉及一种无人机正射影像的处理方法及系统。

背景技术

无人机由于其可在复杂地形作业、遥感灵活、成本较低，已成为低空遥感测绘中重要的工具，广泛应用于复杂地形的测绘工作中。

目前采用无人机进行遥感测绘，一般通过在目标区域设置像控点，然后在合适的条件下采用无人机进行目标区域的外业图像采集，然后基于无人机内设的系统算法进行目标区域三维模型和正射影像的内业处理合成。

现有技术中由于无人机航测拍摄过程中的角度、遥控点的设置以及其他因素，导致最终合成获得的正射影像存在精度不足、与实际区域内情况出入较大的技术问题。

发明内容

本申请提供了一种无人机正射影像的处理方法及系统，用于针对解决现有技术中无人机航测处理合成获得的正射影像精度不足、与实际区域内情况出入较大的技术问题。

鉴于上述问题，本申请提供了一种无人机正射影像的处理方法及系统。

本申请的第一个方面，提供了一种无人机正射影像的处理方法，所述方法包括：在第一目标区域基于多种像控点设置方案设置像控点；基于所述多种像控点设置方案，采用无人机采集获得所述第一目标区域的多个航片影像集合；采用所述多个航片影像集合，分别合成获得多个正射影像；分别根据所述多个正射影像计算获得所述第一目标区域的多个区域面积；根据所述多个区域面积在所述多种像控点设置方案内全局优化，获得最优像控点设置方案；将所述最优像控点设置方案对应的所述正射影像作为所述第一目标区域的第一正射影像。

本申请的第二个方面，提供了一种无人机正射影像的处理系统，所述系统包括：第一处理单元，用于在第一目标区域基于多种像控点设置方案设置像控点；第一获得单元，用于基于所述多种像控点设置方案，采用无人机采集获得所述第一目标区域的多个航片影像集合；第二处理单元，用于采用所述多个航片影像集合，分别合成获得多个正射影像；第三处理单元，用于分别根据所述多个正射影像计算获得所述第一目标区域的多个区域面积；第四处理单元，用于根据所述多个区域面积在所述多种像控点设置方案内全局优化，获得最优像控点设置方案；第二获得单元，用于将所述最优像控点设置方案对应的所述正射影像作为所述第一目标区域的第一正射影像。

本申请的第三个方面，提供了一种无人机正射影像的处理系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如第一方面所述方法的步骤。

本申请的第四个方面，提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供的方法通过按照多种不同的像控点设置方案在待进行航测的目标区域设置像控点，按照不同像控点设置方案设置的像控点采用无人机采集目标区域的多个航片影像集合，然后基于无人机内部程序初步合成获得多个正射影像，进一步计算不同像控点设置方案下正射影像内第一目标区域的面积，并根据该面积进行多种像控点设置方案的优化，直到优化获得面积计算较为准确的正射影像，将对应的像控点设置方案作为最优方案，该正射影像作为当前第一目标区域的最优正射影像。本申请实施例提供的方法通过设置多种不同的像控点设置方案，采集制作尽可能多种的正射影像，为优化获得精度最高的正射影像建立足够的数据基础，并基于全局优化的算法对多个正射影像内目标区域计算获得的面积进行优化，获得计算目标区域面积最为稳定、最准确、全局最优的区域面积，进而得到可认为精度最高的正射影像，本申请实施例以正射影像内目标区域面积为衡量，设置特定的方法进行全局寻优，能够获得目标区域面积最为准确的正射影像，在难以进行实地测量、地形复杂的区域，能够获得较为精确的正射影像并计算获得较为准确的区域面积，达到提升遥控点设置效果、正射影像精度的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请提供的一种无人机正射影像的处理方法流程示意图；

图2为本申请提供的一种无人机正射影像的处理方法中构建获得最优像控点设置方案的流程示意图；

图3为本申请提供的一种无人机正射影像的处理方法中获得第二正射影像的流程示意图；

图4为本申请提供了一种无人机正射影像的处理系统结构示意图；

图5为本申请示例性电子设备的结构示意图。

附图标记说明：第一处理单元11，第一获得单元12，第二处理单元13，第三处理单元14，第四处理单元15，第二获得单元16，电子设备300，存储器301，处理器302，通信接口303，总线架构304。

具体实施方式

本申请通过提供了一种无人机正射影像的处理方法及系统，用于针对解决现有技术中无人机航测处理合成获得的正射影像精度不足、与实际区域内情况出入较大的技术问题。

申请概述

正射影像是指具有正射影像的遥感影像，在遥感航测领域，针对不同目的，常采用卫星或无人机等进行正射影像的拍摄制作。其中，无人机由于其可在复杂地形作业、遥感灵活、成本较低，已成为低空遥感测绘中重要的工具，广泛应用于复杂地形的测绘工作中。

目前采用无人机进行遥感测绘，一般通过在目标区域设置像控点，然后在合适的条件下采用无人机进行目标区域的外业图像采集，然后基于无人机内设的系统算法进行目标区域三维模型和正射影像的内业处理合成。制作获得正射影像后，可通过计算目标区域面积以及分析地标物等，为施工等生产生活作业提供分析判定的数据基础。

现有技术中由于无人机航测拍摄过程中的角度、遥控点的设置以及其他因素，导致最终合成获得的正射影像存在精度不足、与实际区域内情况出入较大、以及目标区域面积计算不准确的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请实施例提供的方法通过按照多种不同的像控点设置方案在待进行航测的目标区域设置像控点，按照不同像控点设置方案设置的像控点采用无人机采集目标区域的多个航片影像集合，然后基于无人机内部程序初步合成获得多个正射影像，进一步计算不同像控点设置方案下正射影像内第一目标区域的面积，并根据该面积进行多种像控点设置方案的优化，直到优化获得面积计算较为准确的正射影像，将对应的像控点设置方案作为最优方案，该正射影像作为当前第一目标区域的最优正射影像。

在介绍了本申请基本原理后，下面，将参考附图对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。

实施例一

如图1所示，本申请提供了一种无人机正射影像的处理方法所述方法包括：

S100：在第一目标区域基于多种像控点设置方案设置像控点；

第一目标区域为需要采用无人机进行遥感测绘、采集航片影像并制作正射影像的任意区域，例如城市、农村、道路、田野、丘陵、洼地等任意区域。本申请实施例中，第一目标区域优选为地形具有一定复杂程度、难以进行实地测量的区域，例如梯田、洼地、丘陵等区域。

像控点为在进行航测中的控制点，在采集获得航片影像后，需要根据像控点进行刺点，用于核对位置、对照影像，保证影像的精度。像控点的设置需要考虑设置的密度和位置，像控点的密度对于不同航测的具体情况，设置的要求也不同，例如，在0.3平方公里内需要设置5个像控点。

像控点的位置一般需要设置在目标区域内容易辨识的地方，便于刺点，例如田地的边角、道路交叉点的边角等具有交叉线条以及像素变化的位置，便于识别刺点。以及，像控点需要设置于与地面没有明显高度差的位置，避免根据航片图像制作三维模型或者制作等高线时影响高程坐标的精度。

本申请实施例中，在第一目标区域基于多种像控点设置方案设置像控点，可选的，可分别多次按照不同的像控点设置方案进行设置。以及，多种像控点设置方案内像控点的数量可相同，但设置位置不完全相同。

S200：基于所述多种像控点设置方案，采用无人机采集获得所述第一目标区域的多个航片影像集合；

在基于多种像控点设置方案在第一目标区域内设置像控点完毕后，采用无人机采集对第一目标区域进行多次的航片影像采集，获得多个航片影像集合。

可选的，在按照不同的像控点设置方案设置完毕像控点之后，采集第一目标区域的航片影像，得到的航片影像集合与像控点设置方案一一对应。

应当理解，在采集第一目标区域的航片影像时，除了像控点设置方案不同，还需保证天气、无人机航线、拍摄方式、风速、无人机飞行速度等其他条件相同，避免其他因素大幅影响航片影像以及正射影像的精度。

S300：采用所述多个航片影像集合，分别合成获得多个正射影像；

在采集获得多个航片影像集合之后，可选的，可采用无人机自身储备的软件进行航片影像的内业合成处理，示例性地，采用Pix4Dmapper软件进行内业数据处理。在进行航片影像合成处理时，需要手动选择像控点实际坐标进行刺点，保证像控点的精度，进而保证制作获得的正射影像的精度。

分别根据多个航片影像集合处理合成获得多个正射影像，如此，像控点设置方案、航片影像集合和正射影像一一对应。

S400：分别根据所述多个正射影像计算获得所述第一目标区域的多个区域面积；

基于多个正射影像，计算第一目标区域内的面积，获得多个区域面积。可选的，计算第一目标区域内的面积可为多个正射影像内第一目标区域整个区域的区域面积，以及，也可为计算第一目标区域内某一区域在多个正射影像内的面积。

示例性地，若第一目标区域为丘陵，则可计算多个正射影像内第一目标区域整体的表面积，或者，也可计算多个正射影像内第一目标区域内某一山丘的表面积，得到多个区域面积。区域面积与正射影像一一对应。

S500：根据所述多个区域面积在所述多种像控点设置方案内全局优化，获得最优像控点设置方案；

在正射影像的应用中，面积计算是较为重要的一种用途，上述多个区域面积计算的精度与多种像控点设置方案内像控点的设置有关。

本申请实施例中，根据上述计算获得的多个区域面积的精度在多种的像控点设置方案内，采用特定的方式和算法进行全局寻优，获得计算最为准确的区域面积，进而获得设置效果最好的像控点设置方案以及对应精度较高的正射影像，提升正射影像在面积计算方面的效果。

如图2所示，本申请实施例提供的方法中的步骤S500包括：

S510：根据所述多种像控点设置方案和所述第一目标区域设置约束条件，获得全局优化空间；

S520：在所述全局优化空间内随机选择产生第一解，作为当前解；

S530：在所述全局优化空间内随机迭代，获得第二解；

S540：判断所述第二解是否满足预设条件，若满足，将所述第二解作为当前解，以及，若不满足，以所述第一解为当前解；

S550：进行多次迭代，直到当前解满足全局优化条件，输出所述当前解；

S560：根据所述当前解，得到所述最优像控点设置方案。

具体地，在进行优化时，为保证优化过程以及优化结果满足现实航测业务的要求，需要设置约束条件。

在本申请实施例中，示例性地，约束条件即为在多种像控点设置方案以及对应的区域面积进行优化，全局优化的可行域即为上述的多种像控点设置方案和多个区域面积，形成上述的全局优化空间，在该优化空间内进行像控点设置方案的迭代寻优。

可选的，约束条件还包括根据实际上第一目标区域或其内某区域的大概面积进行估算，获得的一区域面积的大致范围，该大致范围大于第一目标区域或其内某区域的实际面积，上述的多个区域面积内大于该大致范围的区域面积可认为误差较大，而对应的正射影像可认为为精度较差，将这部分的正射影像对应的区域面积以及对应的像控点设置方案除去，得到全局优化空间。

在该全局优化空间内随机选择一种像控点设置方案，作为第一解，将其作为当前解，作为优化的迭代基础。可选的，同时获得该像控点设置方案对应的正射影像内的区域面积。

然后，在上述的全局优化空间内随机选择与第一解不同的另一种像控点设置方案，作为第二解，可选的，同时获得该像控点设置方案对应的正射影像内的区域面积。

判断该第二解是否满足预设条件，若满足，则接收第二解为当前解，并舍弃第一解，以及，若不满足，则不接受第二解，仍以第一解作为当前解。是否接受第二解作为当前解的预设条件与第二解内像控点设置方案的区域面积的计算精度有关。

本申请提供的方法中的步骤S540包括：

S541：获取所述第一解和所述第二解对应的第一像控点设置方案和第二像控点设置方案，其中，所述第一像控点设置方案和第二像控点设置方案包括于所述多种像控点设置方案内；

S542：获取所述第一像控点设置方案和第二像控点设置方案对应正射影像的第一区域面积和第二区域面积；

S543：判断所述第一区域面积和第二区域面积的差值是否大于预设阈值；

S544：若大于等于所述预设阈值，则将所述第二解作为当前解，以及，若小于所述预设阈值，则按照预设概率将所述第二解或者所述第一解作为当前解。

具体地，获取初始的第一解对应的第一像控点设置方案，以及迭代随机获得的第二解对应的第二像控点设置方案，第一像控点设置方案和第二像控点设置方案均包括于上述的多种像控点设置方案内。

进一步获得前述内容中，根据第一像控点设置方案和第二像控点设置方案采集制作获得的对应的正射影像，以及根据对应的正射影像计算获得的第一区域面积和第二区域面积。

由于第一区域面积和第二区域面积是在不同的像控点设置方案下采集制作获得的正射影像内计算的，因此，第一区域面积和第二区域面积虽然为同一地理区域的表面积，但实际上由于像控点设置方案不同，制作获得的正射图像不同，面积大小也存在差别。本申请实施例中，根据面积大小精度进行像控点设置方案和正射影像的优化。

由于第一区域面积和第二区域面积对应的区域的表面积具体大小难以实际测量得知，而第一区域面积和第二区域面积是基于不同的正射影像计算获得的，在实际的航测中，若两正射影像内某同一区域的面积差距较大，则说明两正射影像中至少存在一个正射影像是精度较低的，若两正射影像内某同一区域的面积差距较小或极小，则可以大概率说明两个正射影像的精度均较高。

因此，本申请实施例中，基于该第一区域面积和第二区域面积，计算二者的差值，并判断是否大于预设阈值，进行优化。预设阈值可根据实际上的行业业务精度需求以及区域面积对应的区域的实际大小设置，示例性地，若区域面积对应区域的表面积大小大概在1000m

若第一区域面积和第二区域面积的差值大于该预设阈值，则可以说明第二解和第一解内像控点设置方案对应的两正射影像至少存在一个正射影像精度较低，区域面积计算不准确，没有达到精度较高的正射影像的区域面积计算大小相似的效果，因此，将第二解接受，替代第一解作为当前解。

反之，若第一区域面积和第二区域面积的差值小于上述的预设阈值，则说明第一区域面积和第二区域面积近似，对应的两正射影像精度类似，但不能说明两正射影像的精度均很高，可能会出现两正射影像的精度均较差，而计算获得的第一区域面积和第二区域面积也刚好近似的情况。

因此，对于第一区域面积和第二区域面积的差值小于上述的预设阈值的情况，可认为在区域面积维度的优化上，第二解相当于第一解并没有进步，但这种情况不可直接放弃第二解，因为需要在全局优化空间内保持优化迭代，若直接放弃第二解会降低迭代速度，降低优化速率。

可选的，本申请实施例中，按照预设概率将第二解作为当前解，若预设概率中没有接受该第二解作为当前解，则仍旧以第一解为当前解。

具体地，将第二解接受作为当前解的概率为：

其中，e为自然对数，n为优化速度因子，n可随着迭代优化的进程而变化，在优化迭代的初期，n较大，使得大概率接受第二解作为当前解，避免整个优化迭代滞留在第一解等局部最优解处。在迭代优化的后期，n较小，直到完成优化。

可选的，n的减小方式可为指数减小等，也可为现有技术中的其他减小方式。

根据上述的概率，进行概率操作，例如，随机生成一个0到1的随机数，若该随机数小于当前概率，则将第二解作为当前解，若该随机数大于当前概率，在将第一解作为当前解。

如此，基于前述内容中的步骤，在全局优化空间内进行多次迭代，直到迭代获得的当前解满足全局优化条件。示例性地，全局优化条件包括在阈值次数下的新解产生迭代中均没有获得新的当前解，具体地，由于n的减小以及两个迭代解和当前解内对应的区域面积的差值小于预设阈值，对于迭代解的接受概率较低，阈值次数下产生的迭代解均没有接受作为当前解，即阈值次数的迭代下当前解都没有发生变化，可认为当前解内像控点设置方案对应的区域面积的大小与大多数其他的像控点设置方案对应的区域面积的大小均近似，区域面积相差较大的像控点设置方案均已被迭代舍弃，则可认为当前解的像控点设置方案最优，对应的正射影像的精度较高，无需继续进行迭代优化，当前解对应的正射影像能够满足具体使用的精度要求。

可选的，上述的阈值次数可根据全局优化空间内解的个数进行具体设置，在本申请实施例中，可根据像控点设置方案的个数进行设置。

如此，可将满足该全局优化条件的当前解进行输出，获取其对应的像控点设置方案，作为最优像控点设置方案。

需要说明的是，该最优像控点设置方案对应的正射影像的精度可能并非是最高的，对应计算获得的区域面积也可能并非是最准确的，但其为在多次迭代下获得且满足需求的，故该最优像控点设置方案为最优水平或与最优水平接近。

S600：将所述最优像控点设置方案对应的所述正射影像作为所述第一目标区域的第一正射影像。

将该最优像控点设置方案对应的正射影像作为当前的最优正射影像，作为第一目标区域的第一正射影像，可将该第一正射影像投入对第一目标区域的测绘使用中。

本申请实施例提供的方法通过设置多种不同的像控点设置方案，采集制作尽可能多种的正射影像，为优化获得精度最高的正射影像建立足够的数据基础，并基于全局优化的算法对多个正射影像内目标区域计算获得的面积进行优化，创新的根据两次优化迭代中区域面积的差值作为根据进行优化，能够获得计算目标区域面积最为稳定、最准确、全局最优的区域面积，进而得到可认为精度最高的正射影像，本申请实施例以正射影像内目标区域面积为衡量，设置特定的方法进行全局寻优，能够获得目标区域面积最为准确的正射影像，在难以进行实地测量、地形复杂的区域，能够获得较为精确的正射影像并计算获得较为准确的区域面积，达到提升遥控点设置效果、正射影像精度的技术效果。

本申请提供的方法还包括：

S700：采集获取所述第一正射影像内，多个地物点的平面坐标集合；

S800：采集获取所述多个地物点内各地物点的实际平面坐标集合；

S900：根据所述平面坐标集合和实际平面坐标集合之间的差值，对所述第一正射影像进行调整，获得第二正射影像。

在上述的第一正射影像内，在区域面积的计算上的精度已经优化并满足需求，但第一正射影像内可能存在某些局部区域的影像由于无人机拍摄角度等原因，导致局部区域影像不够准确，因此，需要进行进一步地优化。

在第一正射影像内，获取多个地物点的平面坐标集合，该多个地物点可为第一目标区域内需要保证在正射影像内位置坐标准确的重要地点，例如医院等公共设施，也可为对于正射影像精准度影响较大的地点，例如河流或道路的起点等。

在获取第一正射影像内多个地物点的平面坐标集合后，进一步获取该多个地物点实际上的平面坐标集合，得到实际平面坐标集合。

实际平面坐标集合内的各坐标与平面坐标集合内的各坐标一一对应，但采集方式与平面坐标集合的采集方式不同。示例性地，可利用高精度的全站仪免棱镜模式获取各地物点的平面最表数据，作为实际平面坐标集合，进而作为优化第一正射影像的参考。

如此，根据该平面坐标集合和实际平面坐标集合内各地物点之间的差值，对第一正射影像进行调整，提升其精度，获得第二正射影像。

如图3所示，本申请实施例提供的方法中的步骤S900包括：

S910：根据所述多个地物点内各地物点对于正射影像准确度的能力，进行权重分配，获得第一权重分配结果；

S920：计算获得平面坐标集合和实际平面坐标集合内各坐标的第一差值集合；

S930：采用所述第一权重结果对所述第一差值集合内的差值进行加权计算，获得加权计算结果；

S940：根据所述加权计算结果，对所述第一正射影像进行调整，获得所述第二正射影像。

具体地，根据该多个地物点内各地物点对于正射影像准确度的影响能力，进行权重分配。该地物点对于正射影像准确度的影响能力包括若某一地物点的坐标错误较大，则影响整个正射影像精度下降的幅度。示例性地，在第一目标区域内，若包括农田和道路，该农田内的某一点坐标的准确度相较于该道路内某一点坐标的准确度对于正射影像准确度的影响能力较小。

在进行权重分配的过程中，可基于专家权重分配的方法进行权重分配，例如通过航测测绘领域专家，对多个地物点对于正射影像准确度的影响能力进行权重分配，得到第一权重分配结果，各地物点的权重值之和为1。

可选的，还可通过多个专家进行权重分配，根据多个权重分配结果，计算各地物点的权重均值，得到第一权重分配结果。

根据该第一权重分配结果对上述的第一差值集合内的差值进行加权计算，获得加权计算结果。该获得加权计算结果内，综合了各地物点坐标的差值以及权重值，能够多维度分析第一正射影像的精确度，并进行正射影像的调整。

本申请实施例提供的方法中的步骤S940包括：

S941：基于大数据，采集所述第一目标区域的历史正射图像集合；

S942：在监督下，根据所述历史正射图像集合获得历史加权计算结果集合，并获得历史调整方案集合；

S943：对所述历史加权计算结果集合和所述历史调整方案集合按照预设规则进行划分，获得训练数据集、验证数据集和测试数据集；

S944：基于人工神经网络模型构建第一目标区域调整分析模型；

S945：采用所述训练数据集和验证数据集训练所述第一目标区域调整分析模型，采用所述测试数据集测试所述第一目标区域调整分析模型；

S946：获得所述第一目标区域调整分析模型，将所述加权计算结果输入所述第一目标区域调整分析模型，得到输出结果；

S947：根据所述输出结果，得到第一调整方案，根据所述第一调整方案调整所述第一正射影像。

基于大数据第三方对第一目标区域的航测历史数据，或者基于对第一目标区域的历史航测数据，合成或直接采集获得第一目标区域的历史正射图像集合，其内包括第一目标区域的多个航测正射图像，且制作于此前一定长度的时间周期内，在该时间周期内，第一目标区域的地理环境未发生较大变化。

基于监督学习，对该历史正射图像集合进行处理，具体地，根据前述的实际平面坐标集合，并采集历史正射图像集合内对应的多个地物点的历史平面坐标集合，计算获得多个历史差值集合，然后基于上述的第一权重分配结果，对多个历史差值集合进行分别的加权计算，获得历史加权计算结果集合。

以及，基于监督学习，根据历史加权计算结果集合内的多个历史加权计算结果，分别设置不同的调整方案，以根据对应的历史加权计算结果进行正射影像的调整，提升历史正射影像的精度。示例性地，对于正射影像的调整方案内包括但不限于对地物点坐标的校正、对像素的调整等等，如此，得到历史调整方案集合。

对历史加权计算结果集合和历史调整方案集合进行标识，并按照预设规则进行划分，获得训练数据集、验证数据集和测试数据集。示例性地，按照8:2:1的比例进行随机划分。

基于机器学习中的人工神经网络模型（Artificial Neural Network， ANN）构建第一目标区域调整分析模型，构建模型的输入层、输出层和隐藏层，该模型可模拟人脑进行较为复杂的非线性逻辑运算，在本申请实施例中，训练完成的该模型可根据实际上的加权计算结果，即根据平面坐标集合和实际平面坐标集合内各坐标的差值以及权重值进行调整方案的预测。

采用上述的训练数据集对模型进行监督训练，模型在监督训练过程中可进行不断的自我修正，待模型的输出结果收敛或达到预设的准确率，则采用验证数据集对模型进行验证，若模型的准确率符合预设的要求，则获得该模型。

为防止第一目标区域调整分析模型在训练过程中出现过拟合的情况，采用验证数据集对模型进行验证，若模型的准确率仍符合要求，则可将模型投入使用。

将上述的加权计算结果输入该第一目标区域调整分析模型，得到模型的输出结果，根据该输出结果得到第一调整方案，进而根据该调整方案对第一正射影像内的各地物点进行调整，得到第二正射影像，作为第一目标区域当前获得的正射影像。

本申请实施例基于地物点的坐标作为衡量正射影像精度的指标，并对各地物点对于正射影像精度影响能力的大小进行权重分配，能够多维度评估当前正射影像的精度，并进一步更为精确且有重点地对正射影像进行调整。本申请实施例还采用了神经网络模型，对正射影像的调整方案进行预测，并基于大数据和监督学习的数据处理方式进行数据处理和标识，获得训练数据等，使得模型能够较为准确地输出正射影像的调整方案，提升正射影像调整的精度。

综上所述，本申请实施例提供的方法通过设置多种不同的像控点设置方案，采集制作尽可能多种的正射影像，为优化获得精度最高的正射影像建立足够的数据基础，并基于全局优化的算法对多个正射影像内目标区域计算获得的面积进行优化，获得计算目标区域面积最为稳定、最准确、全局最优的区域面积，进而得到可认为精度最高的正射影像，以及，还根据正射影像内地物点的坐标作为衡量正射影像精度的指标，并对各地物点对于正射影像精度影响能力的大小进行权重分配，能够多维度评估当前正射影像的精度，并进一步更为精确且有重点地对正射影像进行调整，以及采用神经网络模型对正射影像的调整方案进行预测输出，在难以进行实地测量、地形复杂的区域，能够获得较为精确的正射影像并计算获得较为准确的区域面积，达到提升遥控点设置效果、正射影像精度的技术效果。

实施例二

基于与前述实施例中一种无人机正射影像的处理方法相同的发明构思，如图4所示，本申请提供了一种无人机正射影像的处理系统，其中，所述系统包括：

第一处理单元11，用于在第一目标区域基于多种像控点设置方案设置像控点；

第一获得单元12，用于基于所述多种像控点设置方案，采用无人机采集获得所述第一目标区域的多个航片影像集合；

第二处理单元13，用于采用所述多个航片影像集合，分别合成获得多个正射影像；

第三处理单元14，用于分别根据所述多个正射影像计算获得所述第一目标区域的多个区域面积；

第四处理单元15，用于根据所述多个区域面积在所述多种像控点设置方案内全局优化，获得最优像控点设置方案；

第二获得单元16，用于将所述最优像控点设置方案对应的所述正射影像作为所述第一目标区域的第一正射影像。

进一步地，所述系统还包括：

第五处理单元，用于根据所述多种像控点设置方案和所述第一目标区域设置约束条件，获得全局优化空间；

第六处理单元，用于在所述全局优化空间内随机选择产生第一解，作为当前解；

第七处理单元，用于在所述全局优化空间内随机迭代，获得第二解；

第一判断单元，用于判断所述第二解是否满足预设条件，若满足，将所述第二解作为当前解，以及，若不满足，以所述第一解为当前解；

第八处理单元，用于进行多次迭代，直到当前解满足全局优化条件，输出所述当前解；

第三获得单元，用于根据所述当前解，得到所述最优像控点设置方案。

进一步地，所述系统还包括：

第四获得单元，用于获取所述第一解和所述第二解对应的第一像控点设置方案和第二像控点设置方案，其中，所述第一像控点设置方案和第二像控点设置方案包括于所述多种像控点设置方案内；

第五获得单元，用于获取所述第一像控点设置方案和第二像控点设置方案对应正射影像的第一区域面积和第二区域面积；

第二判断单元，用于判断所述第一区域面积和第二区域面积的差值是否大于预设阈值；

第九处理单元，用于若大于等于所述预设阈值，则将所述第二解作为当前解，以及，若小于所述预设阈值，则按照预设概率将所述第二解或者所述第一解作为当前解。

进一步地，所述系统还包括：

第六获得单元，用于采集获取所述第一正射影像内，多个地物点的平面坐标集合；

第七获得单元，用于采集获取所述多个地物点内各地物点的实际平面坐标集合；

第十处理单元，用于根据所述平面坐标集合和实际平面坐标集合之间的差值，对所述第一正射影像进行调整，获得第二正射影像。

进一步地，所述系统还包括：

第十一处理单元，用于根据所述多个地物点内各地物点对于正射影像准确度的影响能力，进行权重分配，获得第一权重分配结果；

第十二处理单元，用于计算获得平面坐标集合和实际平面坐标集合内各坐标的第一差值集合；

第十三处理单元，用于采用所述第一权重结果对所述第一差值集合内的差值进行加权计算，获得加权计算结果；

第十四处理单元，用于根据所述加权计算结果，对所述第一正射影像进行调整，获得所述第二正射影像。

进一步地，所述系统还包括：

第八获得单元，用于基于大数据，采集所述第一目标区域的历史正射图像集合；

第九获得单元，用于在监督下，根据所述历史正射图像集合获得历史加权计算结果集合，并获得历史调整方案集合；

第十获得单元，用于对所述历史加权计算结果集合和所述历史调整方案集合按照预设规则进行划分，获得训练数据集、验证数据集和测试数据集；

第一构建单元，用于基于人工神经网络模型构建第一目标区域调整分析模型；

第十五处理单元，用于采用所述训练数据集和验证数据集训练所述第一目标区域调整分析模型，采用所述测试数据集测试所述第一目标区域调整分析模型；

第十六处理单元，用于获得所述第一目标区域调整分析模型，将所述加权计算结果输入所述第一目标区域调整分析模型，得到输出结果；

第十七处理单元，用于根据所述输出结果，得到第一调整方案，根据所述第一调整方案调整所述第一正射影像。

基于与前述实施例中一种无人机正射影像的处理方法相同的发明构思，本申请还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如实施例一内的方法。

示例性电子设备

下面参考图5来描述本申请的电子设备，

基于与前述实施例中一种无人机正射影像的处理方法相同的发明构思，本申请还提供了一种无人机正射影像的处理系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行实施例一所述方法的步骤。

该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。

通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless local areanetworks，WLAN)，有线接入网等。

存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdiscread-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。

其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种无人机正射影像的处理方法。

本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a ,b,或c中的至少一项(个、种)，可以表示：a ,b,c,a -b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指

令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。

本申请中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本申请中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。